본 논문은 인공지능의 급속한 발전으로 인해 다양한 인간-기계 경쟁에서, 특히 복잡한 다중 에이전트 협력 작업 시나리오에서 지능형 의사결정 기술이 인간 수준을 뛰어넘은 현황을 분석한다. 다중 에이전트 협력 의사결정에 사용되는 주요 시뮬레이션 환경 및 플랫폼을 종합적으로 조사하고, 작업 형식, 보상 할당 및 기반 기술을 포함한 다양한 관점에서 심층 분석을 제공한다. 주요 지능형 의사결정 접근 방식, 알고리즘 및 다중 에이전트 시스템(MAS) 모델을 포괄적으로 개괄하고, 규칙 기반(주로 퍼지 논리), 게임 이론 기반, 진화 알고리즘 기반, 심층 다중 에이전트 강화 학습(MARL) 기반, 그리고 대규모 언어 모델(LLM) 추론 기반의 다섯 가지 유형으로 분류한다. 기존의 규칙, 게임 이론 및 진화 알고리즘보다 MARL 및 LLM 기반 의사결정 방법의 상당한 이점을 감안하여, MARL 및 LLM 기반 기술을 활용하는 다중 에이전트 방법에 중점을 두고, 이러한 접근 방식에 대한 심층 논의, 방법론 분류, 장점 및 단점을 제시한다. 또한 미래의 몇 가지 주요 연구 방향과 다중 에이전트 협력 의사결정의 잠재적 과제에 대해 자세히 설명한다.
