Valutazione simulata di un sistema multiagente basato su MO-DCOP per la gestione di bacini idrici

Over the last few years there has been a growing interest in environmental issues also from the perspective of the public opinion, who realized the scarcity of resources on our planet. Among these resources one is of vital importance, namely water, or rather the fresh water that is only 3% of water on Earth, and more than two-thirds of this is located in glaciers in solid form. Consequently, the management of this resource is very important both for humans and for life in general. The purpose of this thesis is to evaluate a particular distributed multi-agent multi-objective optimization algorithm for optimal watershed management. Such an algorithm has been tested on various problems at growing complexity. Through the automatic generation of more or less complex scenarios, to their translation into models that can be processed by the algorithm, and their subsequent resolution we show that the algorithm has excellent scalability with respect to the increasing of complexity of the model and that its main drawback is related to its incompleteness and therefore in some conditions we are not able to guarantee a certain quality of the solutions.

Nel corso degli ultimi anni vi è stato un crescente interesse nei confronti delle tematiche ambientali anche da parte dell’opinione pubblica che si è resa conto della scarsità delle risorse presenti sul nostro pianeta. Tra queste risorse ce n’è una di vitale importanza, cioè l’acqua, o meglio l’acqua dolce che rappresenta solo il 3% di quella presente sulla Terra, e più dei due terzi di questa si trova nei ghiacciai in forma solida. Di conseguenza la gestione di questa risorsa è di estrema importanza sia per l’uomo che per la vita in generale. Lo scopo di questa tesi è di mostrare le potenzialità di un particolare algoritmo di ottimizzazione distribuita multiagente multiobbiettivo per la gestione ottimale di un bacino idrico. Tale algoritmo è stato testato su vari problemi a crescente complessità. Attraverso la generazione automatica di scenari più o meno complessi, alla loro traduzione in modelli direttamente elaborabili dall’algoritmo, e alla loro successiva risoluzione abbiamo evidenziato un’ottima scalabilità dell’algoritmo al crescere della complessità del modello e il principale difetto legato al fatto che l’algoritmo non è completo e quindi in alcune condizioni non siamo in grado di garantire una certa qualità delle soluzioni.