Agrivoltaic (APV) systems, based on the co-location of solar panels and crops, are an innovative solution to land-use conflicts that often arise between agriculture and energy production. Their optimal functioning starts with efficient management and sharing of light between solar panels and underlying plants. This is where tracking systems come into play, as they offer the flexibility needed to strike a balance between energy production and crop growth. This thesis presents several tracking optimization techniques that focus on the availability and distribution of light. To simulate and analyze the performance of these strategies, a simulation model was created, with reference to a Fraunhofer ISE research project in Bavendorf, Germany where semi-transparent solar panels are installed over an apple orchard. The chosen developmental environment was Simtool, a Fraunhofer Python package based on the ray-tracing tool Radiance. Considering the computational cost of the simulation, a Bayesian black-box optimization algorithm was leveraged to relieve the latter from such a computational burden. For the first scenario, the goal was to maximise the radiation reaching solar panels. The algorithm developed, Diffuse-Track Optimization, proved particularly effective during overcast days, allowing daily energy gains of up to 9%. Plants were prioritized in the second scenario, Trees-Track Optimization with the goal of minimising their shading rates, which were seen to fall below 10% despite the presence of the tracking system. Lastly, a compromise between the two objectives was achieved in the final scenario through an overall optimization approach, called APV-Track Optimization. By assigning equal importance to the irradiation reaching trees and that which reaches photovoltaic panels, shading rates of less than 40% can be guaranteed throughout the year, with a reduction of the electrical yield by only 8% compared to backtracking conditions.  The study showcased the potential of the proposed methodology, representing a good starting point to develop holistic optimisations methods that are still lacking in the literature. Future developments will reduce runtime costs, integrate weather forecasts and validate results by means of accurate field measurements. / Agrivoltaiska system (APV), som baseras på samlokalisering av solpaneler och grödor, är en innovativ lösning på de markanvändningskonflikter som ofta uppstår mellan jordbruk och energiproduktion. För att de ska fungera optimalt krävs en effektiv hantering och fördelning av ljuset mellan solpaneler och underliggande växter. Det är här spårningssystem kommer in i bilden, eftersom de erbjuder den flexibilitet som behövs för att hitta en balans mellan energiproduktion och odling av grödor. I denna avhandling presenteras flera optimeringstekniker för spårningssystem som fokuserar på tillgänglighet och fördelning av ljus. För att simulera och analysera hur dessa strategier fungerar skapades en simuleringsmodell med referens till ett forskningsprojekt vid Fraunhofer ISE i Bavendorf, Tyskland, där halvtransparenta solpaneler installerades över en äppelträdgård. Den valda utvecklingsmiljön var Simtool, ett Fraunhofer Python-paket baserat på strålspårningsverktyget Radiance. Med tanke på simuleringens beräkningskostnad användes en Bayesiansk black-box-optimeringsalgoritm för att avlasta den senare från en sådan beräkningsbörda. I det första scenariot var målet att maximera den strålning som nådde solpanelerna. Den utvecklade algoritmen, Diffuse-Track Optimization, visade sig vara särskilt effektiv under mulna dagar och möjliggjorde dagliga energivinster på upp till 9%. Växter prioriterades i det andra scenariot, Trees-Track Optimization, med målet att minimera deras skuggningsgrad, som sjönk under 10% trots närvaron av spårningssystemet. Slutligen uppnåddes en kompromiss mellan de två målen i det slutliga scenariot genomen övergripande optimeringsmetod, kallad APV-Track Optimization. Genom att lägga lika stor vikt vid den strålning som når träden och den som når solcellspanelerna kan en skuggningsgrad på mindre än 40% garanteras under hela året, med en minskning av elutbytet med endast 8% jämfört med förhållanden med backtracking.  Studien visade potentialen hos den föreslagna metoden och utgör en bra utgångspunkt för att utveckla holistiska optimeringsmetoder som fortfarande saknas i litteraturen. Framtida utveckling kommer att minska drifttidskostnaderna, integrera väderprognoser och validera resultaten med hjälp av noggranna fältmätningar.