The main topic of this thesis concerns the study of how conflicting interests of software agents within an information ecosystem may cause cooperative behavior. Since such agents act on the behalf of their human owners, which often act in their own interest, this will sometimes result in malignant acts. Different types of models, often inspired by biological theories such as natural selection, will be used to describe various aspects of such information ecosystems. We begin by adopting a game theoretic approach where a generous and greedy model is introduced. Different agent strategies for iterated games are compared and their ability to cooperate in conflicting games are evaluated in simulation experiments. The conclusion is that games like the chicken game favor more complex and generous strategies whereas in games like the prisoner’s dilemma, the non-generous strategy tit-for-tat often is the most successful. We then use models based on a surplus value concept to explain antagonistic group formations. The focus is on systems that consist of exploiter agents and agents being exploited. A dynamic protection model of access control is proposed, where a chain of attacks and countermeasures concerning the access are measured. This process can be described as an arms race. It is argued that arms race is a major force in the interaction between antagonistic agents within information ecosystems. Examples of this are given in several contexts such as peer-to-peer tools concerning anonymity and non-censorship, using agents for sending or filtering out mass distributed advertisement e-mails, and finally for describing the fight against viruses or spywares. / Avhandlingen tar upp hur konflikter mellan agenter på individnivå i ett informationsekosystem kan leda till samverkande effekter på grupp eller systemnivå. Biologiska och ekonomiska modeller inom spelteori, naturligt urval, mervärde och kapprustning mellan olika grupper används för att förklara dynamiken som uppstår mellan användare och agenter som uppför sig själviskt. Exempel på sådana områden är: ”peer-to-peer” nätverk, skyddssystem mot virus och andra intrång samt oönskad massreklam (spam) och ”spionprogram”. Ett önskvärt och möjligt slutresultat är ett informations ekosystem med robusta, samverkande egenskaper mot attacker utifrån.

<p>Deontic Action Logic Multi Agent System (DALMAS) är en typ av</p><p>multiagentsystem där agenternas handlingar regleras av ett normativt system. Teorin</p><p>för DALMAS bygger på deontisk logik, och normer i det normativa systemet</p><p>uttrycks i termer av Kanger-Lindahls teori om normativa positioner. Syftet med</p><p>detta arbete är att försöka reda ut vilka eventuella fördelar ett normativt system kan</p><p>ge samt hur man ska kunna skapa effektivt sådant. Går det att skapa ett normsystem</p><p>som kan lösa samma problem som ett konventionellt MAS löser? För att kunna</p><p>jämföra de olika normsystemen har kriterier för hög effektivitet tagits fram.</p><p>Testresultaten visar bl.a. att ett enkelt normsystem fungerar bättre än inget alls.</p><p>Tester av den befintliga prologimplementationen har också gjorts vilket har bidragit</p><p>till förslag till förbättringar av DALMAS-arkitekturen och implementationen.</p>

Communication is an important part of any multi-agent system. There are different ways of communicating and they have different effects on a multi-agent system. This project describes and evaluates two different ways of communication, implicit and explicit. To compare the two methods, two experiments have been executed. The result of the experiments have been compared and discussed. There has also been an attempt made to combine the two methods.

<p>Syftet med arbetet är att simulera tävlingar på medeldistans mellan löpare med en strategi att vinna och undvika muskeltrötthet. Löparna ses som agenter vars strategi realiseras med ett artificiellt neuronnät (ANN) som med sensorer, avstånd till mål och agentens trötthet beräknar bidragande kraft och styrriktning. Agentens ANN tränas med en belöningsbaserad inlärning baserad på genetiska algoritmer och trötthetsalgoritmen är en uppskattning av hur mjölksyra påverkar muskeltrötthet.</p><p>Resultaten visar att av alla agenter som utvecklats för tävling mot klockan i s.k. time trial har alla haft samma strategi och hittat samma ideala kraft för att minimera tiden. Utvecklingen av agenter för simulation av flera agenter samtidigt har varit mer komplicerad eftersom agenterna påverkar varandra och agenternas strategi har varit olika. Multiagenterna blev också mindre robusta än singelagenterna men utvecklade beteenden som påminner om en realistisk tävling i medeldistanslöpning.</p>

Deontic Action Logic Multi Agent System (DALMAS) är en typ av multiagentsystem där agenternas handlingar regleras av ett normativt system. Teorin för DALMAS bygger på deontisk logik, och normer i det normativa systemet uttrycks i termer av Kanger-Lindahls teori om normativa positioner. Syftet med detta arbete är att försöka reda ut vilka eventuella fördelar ett normativt system kan ge samt hur man ska kunna skapa effektivt sådant. Går det att skapa ett normsystem som kan lösa samma problem som ett konventionellt MAS löser? För att kunna jämföra de olika normsystemen har kriterier för hög effektivitet tagits fram. Testresultaten visar bl.a. att ett enkelt normsystem fungerar bättre än inget alls. Tester av den befintliga prologimplementationen har också gjorts vilket har bidragit till förslag till förbättringar av DALMAS-arkitekturen och implementationen.

Syftet med arbetet är att simulera tävlingar på medeldistans mellan löpare med en strategi att vinna och undvika muskeltrötthet. Löparna ses som agenter vars strategi realiseras med ett artificiellt neuronnät (ANN) som med sensorer, avstånd till mål och agentens trötthet beräknar bidragande kraft och styrriktning. Agentens ANN tränas med en belöningsbaserad inlärning baserad på genetiska algoritmer och trötthetsalgoritmen är en uppskattning av hur mjölksyra påverkar muskeltrötthet. Resultaten visar att av alla agenter som utvecklats för tävling mot klockan i s.k. time trial har alla haft samma strategi och hittat samma ideala kraft för att minimera tiden. Utvecklingen av agenter för simulation av flera agenter samtidigt har varit mer komplicerad eftersom agenterna påverkar varandra och agenternas strategi har varit olika. Multiagenterna blev också mindre robusta än singelagenterna men utvecklade beteenden som påminner om en realistisk tävling i medeldistanslöpning.

This thesis presents methods for simplifying the use of multi-agent systems in Plug &amp; Produce. The demand for customized products and low volume production is constantly increasing. The industry has for many years used dedicated manufacturing systems where it is difficult and expensive to adapt to new product designs. Instead, factories are forced to use human workers for certain tasks that demand high flexibility and rapid adaption for new product designs. Several solutions have been proposed over the years to create highly flexible automation systems that automatically handles rapid adaption for new products. A concept called Plug &amp; Produce aims at creating a system where resources and parts can be added in minutes rather than days in dedicated systems. One promising solution for implementing Plug &amp; Produce is the distributed approach called multi-agent systems, where each resource and part get its own controller that communicates with each other to reach manufacturing goals. The idea is that the system automatically handles the adaption for new products. However, still today the use of such systems is extremely limited in the industry. One reason is the lack of mature multi-agent systems that are easy to use and that hides the complexity of the underlying agent system from the users. This is a huge problem since these systems tend to be more complex than traditional approaches. Thus, this thesis focuses on simplifying the use of multi-agent systems by proposing various methods for bringing the multi-agent technology for Plug &amp; Produce closer to the industry. / Denna avhandling presenterar metoder för att förenkla användningen av multiagent-system för Plug &amp; Produce. Efterfrågan på kundanpassade produkter och lågvolymproduktion ökar ständigt. Industrin har under många år använt sig avdedikerade tillverkningssystem som gör det både svårt och dyrt att anpassa sig till nya produktdesigner. Istället tvingas fabriker att antälla onödigt många operatörer för vissa arbetsuppgifter där det krävs hög flexibilitet och snabb anpassning till nya produktdesigner. Flera lösningar har föreslagits under åren för att skapa flexibla automatiseringssystem som automatiskt hanterar snabb omställning till nya produkter. Ett koncept som heter Plug &amp; Produce handlar om att skapa system där nya typer av resurser och produkter kan kopplas in i systemet på ett fåtal minuter snarare än dagar i traditionella system. För att implementera Plug &amp; Produce kan multi-agent-system användas, där varje resurs och produkt får sin egen styrning. Agenterna kan sedan kommunicera med varandra för att nå de mål som satts upp för tillverkningen av produkterna. Tanken är att systemet automatiskt hanterar anpassningen till nya produkter. Idag är dock användningen av sådana system extremt begränsad i industrin. En av anledningarna är avsaknaden av mogna multi-agent-system som är lätta att använda och där komplexiteten hos det underliggande agensystemet kan döljas från användaren. Detta är ett stort problem eftersom multi-agent-system tenderar att vara mer komplexa än traditionella system. Därför fokuserar denna avhandling på att förenkla användningen av multi-agent-system genom att föreslå olika metoder som kan underlätta användandet av multi-agent-tekniken för Plug &amp; Produce i industrin.

Multi-agent information gathering (MA-IG) enables autonomous robots to cooperatively collect information in an unfamiliar area. In some scenarios, the focus is on gathering the true mapping of a physical quantity such as temperature or magnetic field. This thesis proposes a computationally efficient algorithm known as multi-agent RRT-clustered Stackelberg game (MA-RRTc-SG) to solve MA-IG. During exploration, measurements are taken along robot paths to update the belief of a Gaussian process (GP), which gives a continuous estimation of the physical process. To seek informative paths, agents first resort to self-planning: one individually generates a number of choices using sampling-based algorithms and preserves informative ones. Then, paths from different robots are combined and investigated based on a multi-player Stackelberg game. The Stackelberg game ensures robots select the combination of paths that yield maximum system reward. The reward function plays an important role in the aforementioned two steps. In our work, robots are awarded for selecting informative paths and punished for hazardous movements and large control inputs. In experiments, we first conduct variation studies to investigate the influence of key parameters in the proposed algorithm. Then, the algorithm is tested in a simulation case to map the radiation intensity in a nuclear plant. Results show that using our algorithm, robots are able to collect information in an efficient and cooperative way compared to random exploration. / Multi-agent informationsinsamling gör det möjligt för autonoma robotar att samarbeta samla in information i ett okänt område. I vissa scenarier ligger fokus på att samla in den verkliga kartläggningen av en fysisk storhet som temperatur eller magnetfält. Den här avhandlingen föreslår en beräkningseffektiv algoritm som kallas multi-agent RRT-clustered Stackelberg game (MA-RRTc-SG) för att lösa multi-agent informationsinsamling. Under prospektering görs mätningar längs robotbanor för att uppdatera tron på en Gaussisk process, vilket ger en kontinuerlig uppskattning av den fysiska processen. För att söka informativa vägar tillgriper agenter först självplanering: man genererar individuellt ett antal val med hjälp av samplingsbaserade algoritmer och bevarar informativa. Sedan kombineras och undersöks vägar från olika robotar utifrån en Stackelberg spel för flera spelare. Stackelberg spelet säkerställer att robotar väljer kombinationen av vägar som ger maximal systembelöning. Belöningsfunktionen spelar en viktig roll i de ovan nämnda två stegen. I vårt arbete belönas robotar för att välja informativa vägar och straffas för osäkra rörelser och stora kontrollingångar. I experiment genomför vi först variationsstudier för att undersöka inverkan av nyckelparametrar i den föreslagna algoritmen. Därefter testas algoritmen i ett simuleringsfall för att kartlägga strålningsintensiteten i ett kärnkraftverk. Resultaten visar att med vår algoritm kan robotar samla in information på ett effektivt och samarbetssätt jämfört med slumpmässig utforskning.

Adaptations to a fluctuating market and intensified customer demands for unique products are a challenge for manufacturers. Manual manufacturing is still the most flexible, nevertheless, automation ensures stable quality, minimizes wear and tear of the operators, and contributes to a safer and better working environment as the distance between the operator and the process can be increased and screened off. Hence, the manufacturing industry is searching for human-centric automation solutions that are flexible enough to handle these challenges. Conventional automation is tailored for one or a few similar variants of products, in addition, increased flexibility implies increased complexity to handle. This licentiate thesis demonstrates a flexible Plug &amp; Produce automated manufacturing concept where the complexity is redirected to focus on the products and manufacturing processes by utilizing artificial intelligence. Together with digital threads that connect the product design to automatic manufacturing that enables manufacturing companies to manage new production scenarios with their in-house knowledge. Data is picked directly from the computer-based design of the products and process knowledge that normally exists within the manufacturing company is added through graphical user interfaces. The graphical configuration tools visualize the flow of sequential and parallel manufacturing operations together with process-bound information. Plug &amp; Produce relies on pluggable process modules with re-cyclical manufacturing resources that can be plugged in and out as needed. As an example, a module with a robot can be plugged in to help an existing robot and thereby balance the production capacity. In Plug &amp; Produce resources start working and cooperate with other resources automatically when they are plugged in. To achieve this, the resources are provided with distributed artificial intelligence together with intelligent products that know how to be finalized. In this concept, everything is digitally configurable by the in-house knowledge of the manufacturing companies. A Plug &amp; Produce test bed was built to verify the concept in cooperation with industrial representatives. / Denna licentiatavhandling påvisar ett koncept för att öka flexibiliteten och samtidigt rikta om komplexiteten i automatiserade produktionssystem hos tillverkande företag på ett sätt så att deras interna personal på egen hand kan ställa om tillverkningen mot nya produkter. Anpassningar till marknadens fluktuationer och efterfrågan av nya unika produkter är en ständigt pågående process. Alltmer av produktionen flyttas tillbaka till Sverige och övriga Europa vilket ökar efterfrågan på flexibel och omställbar automation. Automation håller nere prisnivån då arbetskraften är dyr, säkerhetsställer jämn kvalité, minimerar förslitningsskador på de anställda och bidrar till säkrare och trevligare arbetsmiljö då distansen mellan operatör och process kan ökas och avskärmas. Produktion som flyttas till hemmamarknaden från låglöneländer ersätter ofta högflexibel och anpassningsbar manuell tillverkning vilket är en stor utmaning för industrin. Ett Plug &amp; Produce koncept för automatiserad tillverkning utvecklas och beskrivs i denna avhandling där automationen enkelt kan ställas om av den interna personalen och anpassas till nya produkter. Omställning med hjälp egen personal möjliggörs genom att så mycket information som möjligt utvinns från produktens datorbaserade design. Processkunskap som normalt besitts inom det tillverkande företaget adderas därtill med hjälp av grafiska användarinterface som visar flödet av tillverkningsoperationer tillsammans med processpecifika uppgifter såsom mått, bearbetningshastigheter, temperaturer och färg. Plug &amp; Produce system är uppbyggda kring processmoduler med tillverkningsresurser som kan pluggas in och ut efter behov. Till exempel kan en modul med en robot pluggas in för att avlasta befintlig robot och därmed öka produktionshastigheten. Specialdesignade resurser kan pluggas in för att öka effektiviteten och minimera energikonsumtionen. För att den inpluggade processmodulen självmant skall börja jobba och samarbeta med de andra modulerna är den försedd med egen lokal artificiell intelligens. Dessa processmoduler kan tack vare sin intelligens pluggas in i olika Plug &amp; Produce system och är därmed återvinningsbara i nya system. Intelligensen kan vara lokalt placerad i en dator på resursen eller i datormolnet kopplat till resursen. På samma sätt kan produkterna förses med intelligens och kallas då för smarta produkter. Dessa produkter har som mål att bli färdigproducerade genom delmål i form av tillverkningsoperationer. Denna intelligens förses med kunskap och erfarenheter av personalen inom det tillverkande företaget genom användarvänliga interface. När användarvänligheten Plug &amp; Produce testbädd har byggts upp tillsammans med representanter frånprefabricerade trähusindustrin. Tillverkning av prefabricerade trähus är i idag ihög grad manuell då existerande automationslösningar inte är flexibla nog eftersom husen är i hög grad är kundanpassade. Arbetet som beskrivs i denna avhandling gynnar trähusindustrin och därmed klimatet då trä binder kol för en lång tid framåt. / <p>Paper A is not included in the digital licentiate thesis due to copyright . </p>

In this thesis, we develop methods leading towards the distributed control of spatio-temporally constrained systems. Overall, we focus on two different approaches: a model predictive control approach and an approach based on ensuring set-invariance via control barrier functions. Developing a distributed control framework for spatio-temporally constrained systems is challenging since multiple subsystems are interconnected via time-varying state constraints. Often, such constraints are only implicitly given as logic formulas, for example in Signal Temporal Logic (STL). Our approach to dealing with spatio-temporal constraints is as follows. We aim at combining the computational efficiency of low-level feedback controllers with planning algorithms. Low-level feedback controllers shall ensure the satisfaction of parts of spatio-temporal constraints such as coupling state constraints or short term time-constraints. In contrast, planning algorithms account for those parts that require computationally intense planning operations. Powerful low-level controllers can simplify the planning task significantly. For this reason, the focus of this thesis is on the development of low level feedback controllers.  In the first part, we focus on handling coupling state constraints using a model predictive control (MPC) approach. Commonly, the distributed handling of coupling state constraints requires a sequential or iterative MPC scheme which however is computationally time-intense. We address this issue by employing consistency constraints to develop a parallelized distributed model predictive controller (DMPC). By using consistency constraints, each subsystem guarantees to its neighbors that its states stay within a particular neighborhood around a reference trajectory. Furthermore, we propose extensions to robust and iterative schemes. Building up on this, also systems with bounded dynamic couplings can be controlled. In the second part, we focus on methods for ensuring set-invariance. In particular, we focus on control barrier functions (CBF). We show how spatio-temporal constraints that comprise disjunctions (logic OR) can be encoded in non-smooth time-varying control barrier functions and how subgradients can be used to synthesize an efficient gradient-based controller. For these results, controllability assumptions must be invoked. To extend the results to systems with weaker controllability properties, we investigate the connection between controllability properties and the construction of CBFs. As a result, we propose a construction method for CBFs based on finite horizon predictions. The constructed CBF exhibits favorable properties for the extension of the previous results on encoding spatio-temporal constraints in CBFs to systems with weaker controllability properties. At last, we investigate with a case study how set-invariance methods can be used to implicitly coordinate systems subject to coupled state constraints. Our proposed method is fully decentralized and subsystems coordinate themselves purely via their actions and the adjustment of their individual constraints. In the end, we draw a conclusion and outline how the presented results contribute to the development of a distributed control framework for spatio-temporally constrained systems. / I den här avhandlingen utvecklar vi metoder som leder till distribuerad styrning av tillstånds-temporalt begränsade system. Vi följer två olika tillvägagångssätt: å ena sidan en modellprediktiv styrning och å andra sidan ett tillvägagångssätt som bygger på att säkerställa invarians i mängden via kontrollbarriärfunktioner. Det är en utmaning att utveckla ett ramverk för distribuerad styrning för tillstånds-temporalt begränsade system, eftersom flera delsystem är sammankopplade via sina tillståndsbegränsningar som varierar över tiden. Ofta ges sådana begränsningar endast implicit som logiska formler, till exempel i Signal Temporal Logic (STL).  Vår metod för att hantera tillstånds- och tidsmässiga begränsningar är följande. Vi strävar efter att kombinera beräkningseffektiviteten hos återkopplingsregulatorer på låg nivå med planeringsalgoritmer. Återkopplingsregulatorer på låg nivå skall säkerställa att delar av de tillstånds- och tidsmässiga begränsningarna uppfylls, t.ex. sammankopplande tillståndsbegränsningar eller kortsiktiga tidsbegränsningar, medan planeringsalgoritmerna tar hänsyn till de delar som kräver beräkningsintensiva planeringsoperationer. Kraftfulla styrsystem på låg nivå kan förenkla planeringsuppgiften avsevärt. Därför fokuserar vi i denna avhandlingen på utvecklingen av återkopplingsregulatorer på låg nivå.  I den första delen fokuserar vi på att hantera sammankopplande tillståndsbegränsningar för distribuerade system med hjälp av en modell prediktiv styrning (MPC). Vanligtvis kräver den distribuerade hanteringen av kopplingsbegränsningar ett sekventiellt eller iterativt MPC-system som dock är tidskrävande. Därför utvecklar vi en parallelliserad distribuerad modell prediktiv styrning (DMPC) baserad på konsistensbegränsningar. Därigenom garanterar ett delsystem till sina grannar att det håller sig inom ett visst område runt en referensbana. Den generiska formuleringen av vårt DMPC-system möjliggör flera realiseringar. En särskild realisering föreslås. Dessutom utvecklas utvidgningar till ett robust och iterativt system samt ett DMPC-system för system med begränsade dynamiska kopplingar. I den andra delen fokuserar vi på metoder för att säkerställa invariansen av mängder. Vi fokuserar särskilt på kontrollbarriärfunktioner (CBF). Vi visar hur tillstånds- och tidsmässiga begränsningar kan inkodas i icke-glatta tidsvarierande kontrollbarriärfunktioner och hur subgradienter kan användas för att konstruera en effektiv gradientbaserad styrning. För dessa resultat måste antaganden om kontrollerbarhet åberopas. För att utvidga detta resultat till system med svagare kontrollerbarhetsegenskaper undersöker vi kopplingen mellan dynamiska systems kontrollerbarhetsegenskaper och konstruktionen av en CBF. Som ett resultat av detta föreslår vi en konstruktionsmetod för CBF:er som bygger på förutsägelser för ändliga horisonter. Den konstruerade CBF:n uppvisar gynnsamma egenskaper för att utvidga det tidigare resultatet om kodning av rums-temporala begränsningar i CBF:er till system med svagare kontrollerbarhetsegenskaper. Slutligen undersöker vi med hjälp av en fallstudie hur metoder för att säkerställa invariansen av mängder kan användas för att implicit samordna system som är kopplade via tillståndsbegränsningar. Vår föreslagna metod är helt decentraliserad och delsystemen samordnar sig själva endast via sina handlingar och justeringen av sina individuella begränsningar. Slutligen drar vi en slutsats och beskriver hur de presenterade resultaten bidrar till utvecklingen av ett ramverk för distribuerad styrning av tillstånds- och tidsmässigt begränsade system. / <p>QC 20230520</p>