La literatura reciente que se ha concentrado en la imposición fiscal óptima de los factores de producción (el capital y el trabajo) llega a las conclusiones siguientes. Para un gobierno benevolente que maximiza el bienestar de los consumidores del país, es óptimo no recurrir a un impuesto sobre el capital a largo plazo. El resultado se debe a Chamley y Judd.Esta tesis estudia los efectos sobre los impuestos óptimos al capital y al trabajo cuando se limita la deuda del gobierno. La tesis está compuesta de tres capítulos relacionados, el primero de los cuales sirve de introducción y hace un resumen de la extensa literatura sobre la imposición fiscal. El segundo se dedica a estudiar qué impacto puede tener la introducción de unos límites superiores exógenos sobre la nueva deuda del gobierno y la del consumidor representativo sobre la política fiscal óptima. El modelo del equilibrio general en un entorno estocástico considerado en este capítulo no tiene solución analítica debido a su conocida complejidad. Además, los límites a la deuda alteran el supuesto habitual de mercados completos añadiendo dificultades a la búsqueda de una solución numérica. Los resultados principales de este capítulo son: límites a la absorción de choques externos por medio de la deuda implican el uso del impuesto sobre el capital. El modelo con límites a la deuda comparado al modelo con mercados completos tiene implicaciones mas plausibles para el comportamiento de los dos impuestos. En particular, los impuestos sobre el trabajo reproducen perfectamente las características principales de los mismos impuestos en los datos para los países del G7.El tercer capítulo extiende el modelo anterior para examinar los límites a la deuda del consumidor al introducir el requisito de colateral en el espíritu de Kiyotaki y Moore. El resultado del impuesto óptimo positivo sobre capital positivo es aún mas fuerte porque el entorno de la economía en este modelo es determinístico. Hasta ahora son pocos los ejemplos de modelos determinísticos en la literatura para los cuales el resultado de Chamley y Judd no se cumple.Incorporar el límite endógeno sobre la deuda del consumidor en el modelo estocástico del capítulo dos sería un campo de investigación muy prometedor. Permitiría mejorar las predicciones del comportamiento de impuestos sobre capital y hacerlos muy semejantes a los datos reales, como es ya el caso para los impuestos sobre el trabajo en el modelo del segundo capítulo de mi tesis.

La coordinació i assignació de tasques en entorns distribuïts ha estat un punt important de la recerca en els últims anys i aquests temes són el cor dels sistemes multi-agent. Els agents en aquests sistemes necessiten cooperar i considerar els altres agents en les seves accions i decisions. A més a més, els agents han de coordinar-se ells mateixos per complir tasques complexes que necessiten més d'un agent per ser complerta. Aquestes tasques poden ser tan complexes que els agents poden no saber la ubicació de les tasques o el temps que resta abans de que les tasques quedin obsoletes. Els agents poden necessitar utilitzar la comunicació amb l'objectiu de conèixer la tasca en l'entorn, en cas contrari, poden perdre molt de temps per trobar la tasca dins de l'escenari. De forma similar, el procés de presa de decisions distribuït pot ser encara més complexa si l'entorn és dinàmic, amb incertesa i en temps real. En aquesta dissertació, considerem entorns amb sistemes multi-agent amb restriccions i cooperatius (dinàmics, amb incertesa i en temps real). En aquest sentit es proposen dues aproximacions que permeten la coordinació dels agents. La primera és un mecanisme semi-centralitzat basat en tècniques de subhastes combinatòries i la idea principal es minimitzar el cost de les tasques assignades des de l'agent central cap als equips d'agents. Aquest algoritme té en compte les preferències dels agents sobre les tasques. Aquestes preferències estan incloses en el bid enviat per l'agent. La segona és un aproximació d'scheduling totalment descentralitzat. Això permet als agents assignar les seves tasques tenint en compte les preferències temporals sobre les tasques dels agents. En aquest cas, el rendiment del sistema no només depèn de la maximització o del criteri d'optimització, sinó que també depèn de la capacitat dels agents per adaptar les seves assignacions eficientment. Addicionalment, en un entorn dinàmic, els errors d'execució poden succeir a qualsevol pla degut a la incertesa i error de accions individuals. A més, una part indispensable d'un sistema de planificació és la capacitat de re-planificar. Aquesta dissertació també proveeix una aproximació amb re-planificació amb l'objectiu de permetre als agent re-coordinar els seus plans quan els problemes en l'entorn no permeti la execució del pla. Totes aquestes aproximacions s'han portat a terme per permetre als agents assignar i coordinar de forma eficient totes les tasques complexes en un entorn multi-agent cooperatiu, dinàmic i amb incertesa. Totes aquestes aproximacions han demostrat la seva eficiència en experiments duts a terme en l'entorn de simulació RoboCup Rescue. / Distributed task allocation and coordination have been the focus of recent research in last years and these topics are the heart of multi-agent systems. Agents in these systems need to cooperate and consider the other agents in their actions and decisions. Moreover, agents may have to coordinate themselves to accomplish complex tasks that need more than one agent to be accomplished. These tasks may be so complicated that the agents may not know the location of them or the time they have before the tasks become obsolete. Agents may need to use communication in order to know the tasks in the environment, otherwise, it may take a long time to find the tasks into the scenario. Similarly, the distributed decisionmaking process may be even more complex if the environment is dynamic, uncertain and real-time. In this dissertation, we consider constrained cooperative multi-agent environments (dynamic, uncertain and real-time). In this regard, we propose two approaches that enable the agents to coordinate themselves. The first one is a semi-centralized mechanism based on combinatorial auction techniques and the main idea is minimizing the cost of assigned tasks from the central agent to the agent teams. This algorithm takes into account the tasks' preferences of the agents. These preferences are included into the bid sent by the agent. The second one is a completely decentralized scheduling approach. It permits agents schedule their tasks taking into account temporal tasks' preferences of the agents. In this case, the system's performance depends not only on the maximization or the optimization criterion, but also on the agents' capacity to adapt their schedule efficiently. Furthermore, in a dynamic environment, execution errors may happen to any plan due to uncertainty and failure of individual actions. Therefore, an indispensable part of a planning system is the capability of replanning. This dissertation is also providing a replanning approach in order to allow agents recoordinate his plans when the environmental problems avoid fulfil them. All these approaches have been carried out to enable the agents to efficiently allocate and coordinate all their complex tasks in a cooperative, dynamic and uncertain multi-agent scenario. All these approaches have demonstrated their effectiveness in experiments performed in the RoboCup Rescue simulation environment.