Analysis of a multi-agent system with social value orientation

Abstract

Çok etkenli (multi-agent) sistemlerin, biyolojik, robotik veya fiziksel olmayan toplulukların koordinasyonu ve kontrolü, son otuz yılda kapsamlı bir şekilde incelenmiştir. Çoğu araştırma, ajanlar arasında homojenlik varsayımına dayanırken, gerçek dünya sistemleri genellikle farklı etkileşimlere ve önceliklere sahip davranışsal heterojenlikle karakterize edilir. Bu tez, bireylerin kişisel çıkar ve kolektif sonuçlar arasındaki tercihlerini yansıtan psikolojik bir kavram olan Sosyal Değer Yönelimi'ni (SVO), sürü (swarm) sistemlerinde davranışsal heterojenliği modellemek ve analiz etmek için yeni bir parametre olarak tanıtmaktadır. SVO'nun çok etkenli koordinasyon çerçevelerine entegre edilmesiyle, bu çalışma SVO'nun sürü dinamikleri üzerindeki etkisini iki uygulama aracılığıyla incelemektedir. İlk uygulama, ajanların SVO değerlerine göre bireysel performans ve grup uyumu arasında denge kurduğu, quadcopter dinamiklerini içeren bir hedef yakalama görevine odaklanmaktadır. Bencil ajanlar, hedefe hızlı bir şekilde ulaşmayı önceliklendirirken; prososyal ajanlar, sürü uyumunu korumayı ön planda tutar. Bu durum, farklı yakınsama davranışlarına yol açar. İkinci uygulama ise, SVO'nun kullanılarak ızgara benzeri durağan oluşumlar ve farklı açısal hızların üretildiği oluşum kontrolü ve dönme hareketlerini ele almaktadır. Bu uygulamalar, SVO'nun mekansal düzenlemeleri, ortaya çıkan davranışları ve sistem performansını çeşitli senaryolarda nasıl etkilediğini göstermektedir. Bu araştırma, sosyal psikolojinin teorik modelleri ile çok etkenli sistemler arasındaki boşluğu doldurmakta ve analitik çalışmaları gerçekçi ajan dinamikleriyle destekleyen pratik uygulamalarla birleştirmektedir. MATLAB ve ROS ortamlarında gerçekleştirilen simülasyonlar, önerilen metodolojileri doğrulayarak, SVO temelli heterojenliğin sürülerin uyarlanabilirliğini ve performansını artırma potansiyelini ortaya koymaktadır. Bu bulgular, çok etkenli sistemlere kişilik benzeri özelliklerin dahil edilmesi için gelecekteki çalışmalara zemin hazırlamakta ve robotik, otonom araçlar ve karmaşık ortamlarda iş birliğine dayalı görevler gibi uygulamalara dair yeni içgörüler sunmaktadır.

The coordination and control of multi-agent systems, including swarms of biological, robotic, or non-physical entities, have been extensively studied over the past three decades. While most research assumes homogeneity among agents, real-world systems are often characterized by behavioral heterogeneity, where agents exhibit diverse interactions and priorities. This dissertation introduces Social Value Orientation (SVO), a psychological concept reflecting individual preferences between self-interest and collective outcomes, as a novel parameter to model and analyze behavioral heterogeneity in swarm systems. This study investigates the impact of integrating SVO into multi-agent coordination frameworks by examining its effects on swarm dynamics through two applications. The first focuses on a target-capturing task involving quadcopter dynamics, where agents balance individual performance and group cohesion based on their SVO values. Selfish agents prioritize rapid target acquisition, while prosocial agents emphasize swarm cohesiveness, resulting in varied convergence behaviors. The second application explores formation control and rotational behaviors, leveraging SVO to generate grid-like steady-state formations and differential angular velocities. These applications demonstrate how SVO affects spatial arrangements, emergent behaviors, and system performance in diverse scenarios. This research bridges the gap between theoretical models of social psychology and multi-agent systems also backs up analytical work with practical implementations by employing realistic agent dynamics. Simulations performed in MATLAB and ROS environments validate the proposed methodologies, highlighting the potential of SVO-inspired heterogeneity to enhance swarm adaptability and performance. The findings pave the way for future studies on incorporating personality-like traits into multi-agent systems, offering new insights for applications in robotics, autonomous vehicles, and cooperative tasks in complex environments.