Bài báo này đề cập đến sự xuất hiện của hợp tác trong các hệ thống đa tác tử như một bài toán vật lý thống kê, nghiên cứu cách các quy tắc học tập vi mô gây ra những thay đổi hành vi tập thể vĩ mô. Dựa trên các cơ chế được đề xuất trong các nghiên cứu trước đây, chúng tôi đề xuất một biến thể dựa trên Q-learning của tái cấu trúc thích ứng. Phương pháp này kết hợp học tập khác biệt theo thời gian với tái cấu trúc mạng, cho phép các tác tử tối ưu hóa chiến lược và kết nối xã hội dựa trên lịch sử tương tác của chúng. Q-learning dành riêng cho hàng xóm cho phép các tác tử phát triển các chiến lược quản lý quan hệ đối tác tinh vi, cho phép hình thành các cụm hợp tác và tạo ra sự tách biệt không gian giữa các vùng hợp tác và vùng lỗi. Sử dụng mạng lưới lũy thừa phản ánh các mô hình kết nối không đồng nhất trong thế giới thực, chúng tôi đánh giá các hành vi mới nổi dưới các ràng buộc tái cấu trúc khác nhau, thể hiện các mô hình hợp tác riêng biệt trên không gian tham số thay vì các chuyển đổi nhiệt động lực học đột ngột. Thông qua phân tích hệ thống, chúng tôi xác định ba chế độ hành vi: chế độ cho phép (ràng buộc thấp), chế độ trung gian (phụ thuộc nhạy cảm vào cường độ tình thế khó xử) và chế độ kiên nhẫn (ràng buộc cao). Kết quả mô phỏng chứng minh rằng trong khi các ràng buộc phù hợp tạo ra các vùng chuyển tiếp ức chế sự hợp tác, tái cấu trúc thích ứng hoàn toàn khám phá một cách có hệ thống các cấu hình mạng thuận lợi, tăng cường sự hợp tác. Phân tích định lượng chứng minh rằng việc tăng tần suất tái kết nối dẫn đến sự hình thành các cụm lớn với phân bố kích thước theo quy luật lũy thừa. Những phát hiện này mở ra một mô hình mới để hiểu sự hình thành mô hình hợp tác dựa trên trí tuệ trong các hệ thống thích ứng phức tạp, chứng minh cách học máy có thể đóng vai trò là động lực thay thế cho sự tổ chức tự phát trong các mạng đa tác tử.
