• algoritmo di consenso
• classificazione agenti
• classificazione delle specie
• consenso logico
• regole di comportamento differenti
• rilevamento agenti
• sistemi di agenti autonomi cooperativi
• sistemi distribuiti
• sistemi multi-agente

Sommario:
In questa Tesi, si propone una soluzione al problema della classificazione e del rilevamento di agenti in sistemi distribuiti. Un agente può effettuare un insieme finito di manovre ed è modellato come un sistema ibrido in cui la parte tempo continua dello stato rappresenta l’evoluzione fisica dell’agente, e quella tempo discreta rappresenta le sue variabili logiche. Si considerano sistemi multi-agente, in cui gli agenti pianificano la propria traiettoria in base ad insiemi di regole differenti. Diremo in questo contesto che gli agenti appartengono a specie differenti. E’ quindi necessario fornire una tecnica generale che permette di classificare il comportamento degli agenti rispetto a tutti i possibili insiemi di regole e quindi in relazione a tutte le possibili specie. La soluzione proposta consiste in un sistema di classificazione delle specie, basato su una strategia di monitoraggio decentralizzata, in cui i diversi monitor locali su ogni agente cercano di classificare il comportamento degli agenti vicini in base alla propria conoscenza parziale. La sola informazione locale non garantisce una corretta classificazione, per cui gli agenti combinano la propria conoscenza con quella degli altri agenti attraverso un algoritmo di consenso distribuito.
L’efficacia e la generalità della soluzione proposta è stata provata con differenti applicazioni pratiche e risultati di simulazioni.

Abstract:
In this Thesis, we propose a solution to the problem of agents’ classification and detection in distributed systems. An agent can perform a finite set of maneuvers and is modelled as a hybrid system whose state is a combination of a continuous state which represents the agent’s physical evolution, and a discrete state which represents its logical variables. We consider multi-agent systems where trajectory planning of each agent is based on a different sets of rules. In this context, we say that the agents are of different species. It is essential to provide a general proceeding to allow the classification of agent’s behaviour with respect to all possible rule sets and thus in relation to all possible species. We propose a species classification system based on a decentralized monitoring strategy, where several local monitor on board of each agent tries to classify the behavior of neighboring agents with its partial knowledge. The only local information does not ensure a right classification, so the agents combine their knowledges with the one of the other agents. For this reason they use a distributed consensus algorithm.
The effectiveness and the generality of the proposed solution is proved by different running applications and simulation results.