The modeling of self-organization in multiagent dynamical systems is of paramount importance for the understanding of many biological, economical, and financial phenomena. The evidence that, in practice, self-organization does not necessarily occur, leads to the question of how to design external parsimonious interventions aiming at promoting the formation of certain desired patterns. This thesis is devoted to the study of sparse control of multiagent systems, i.e, how to enforce the entire system to converge to specific configurations by controlling the fewest number of agents possible. We shall investigate the steering capabilities of (feedback and optimal) sparse control strategies, as well as dimensionality reduction techniques in connection with sparse control problems where the number or the dimensionality of the agents to control is so high that a direct numerical resolution is intractable. Moreover, since in control problems an accurate prior knowledge of the dynamics is essential, we also address the automatic learning of the fundamental functions governing the dynamics from sampled observations of the evolutions. In some parts of this work we consider general multiagent systems, while in others we focus on specific models in order to assess quantitatively the effectiveness of sparse controls with respect to different control strategies.     «

The modeling of self-organization in multiagent dynamical systems is of paramount importance for the understanding of many biological, economical, and financial phenomena. The evidence that, in practice, self-organization does not necessarily occur, leads to the question of how to design external parsimonious interventions aiming at promoting the formation of certain desired patterns. This thesis is devoted to the study of sparse control of multiagent systems, i.e, how to enforce the entire syst...     »

Die Modellierung von Selbstorganisation in Multiagenten-Systemen ist von großer Bedeutung für das Verständnis von vielen Phänomenen in Biologie, Wirtschaft und Finanzen. Die Praxis zeigt, dass Selbstorganisation nicht notwendigerweise auftreten muss und es stellt sich die Frage, auf welche Weise mit möglichst geringer Fremdeinwirkung die Formierung eines bestimmten angestrebten Musters erreicht werden kann. Diese Arbeit beschäftigt sich mit sparser Steuerung von Multiagenten-Sytemen, d.h. es wird untersucht, wie die Konvergenz des Gesamtsystems gegen spezifische Konfigurationen durch die Kontrolle möglichst weniger Agenten erzwungen werden kann. Wir evaluieren in wie weit sparse (Feedback- und Optimal-) Kontrollstrategien, sowie der Einsatz von Dimensionsreduktionstechniken, im Zusammenhang mit sparsen Kontrollproblem, bei denen eine hohe Dimension der zu kontrollierenden Agenten eine numerische Lösung unmöglich macht, für die Steuerung hin zur Musterbildung geeignet sind. Da zur Behandlung von Kontrollproblemen akkurate Vorkenntnisse der Dynamiken essentiell wichtig sind, wird auch auf das automatische Lernen der grundlegenden Funktionen, die die Dynamiken bestimmen, aus Stichprobenbetrachtungen von deren Entwicklung eingegangen. Einerseits beschäftigen wir uns in Teilen der Arbeit mit allgemeinen Multiagenten-Systemen, während wir uns andererseits auch auf spezielle Modelle fokussieren, um die Effektivität der sparsen Kontrolle der jeweiligen verschiedenen Kontrollstrategien quantitativ zu erfassen.      «

Die Modellierung von Selbstorganisation in Multiagenten-Systemen ist von großer Bedeutung für das Verständnis von vielen Phänomenen in Biologie, Wirtschaft und Finanzen. Die Praxis zeigt, dass Selbstorganisation nicht notwendigerweise auftreten muss und es stellt sich die Frage, auf welche Weise mit möglichst geringer Fremdeinwirkung die Formierung eines bestimmten angestrebten Musters erreicht werden kann. Diese Arbeit beschäftigt sich mit sparser Steuerung von Multiagenten-Sytemen, d.h. es wir...     »