Note: {TUHH Universitätsbibliothek} and Werner, Herbert

Abstract: In dieser Arbeit werden neue Mission Control Strategien f{\"u}r Multiagentensysteme vorgeschlagen, die auf Szenarien wir Source Seeking und Level Curve Tracking angewandt werden k{\"o}nnen. Zun{\"a}chst wird ein gradientenbasiertes Verfahren f{\"u}r Source Seeking und anschlie{\ss}endes Level Curve Tracking vorgestellt, in dem Agenten diskreten Konsens {\"u}ber den {\"U}bergang von der ersten zur zweiten Task erreichen. Weiterhin wird eine gradientenfreie, flocking-basierte Methode f{\"u}r Source Seeking entwickelt, die auf Glowworm Swarm Optimization beruht. Das Multiple-Source-Seeking Problem unter zeitver{\"a}nderlicher Kommunikationstopologie wird gel{\"o}st durch eine Kombination von bio-inspirierter Attraktion mit gesch{\"a}tztem Gradienten und Formationsregelung, wobei der Wechsel zur n{\"a}chsten Task durch Regeln der linearen temporalen Logik bestimmt wird. Schlie{\ss}lich wird ein Ansatz vorgestellt, der Flocking und Formationsregelung kombiniert, wobei auf einer unteren Ebene die Agenten Formationen bilden, w{\"a}hrend auf der oberen Ebene die Leader durch Flocking ein unbekanntes Extremum lokalisieren. Neben einer Konvergenzanalyse f{\"u}r alle Verfahren wird deren Leistungsf{\"a}higkeit durch Simulationen und experimentelle Ergebnisse illustriert. In this work novel mission control strategies are proposed for multiagent systems, that can be applied to scenarios such as source seeking and level curve tracking. A gradient-based method for source seeking and subsequent level curve tracking is presented, where the agents reach discrete consensus on whether they should switch from Task 1 to Task 2. Moreover, a gradient-free flocking-based approach to the source seeking problem is developed that is based on glowworm swarm optimization. The multiple-source-seeking problem for time-varying communication topologies is solved using a combination of bio-inspired attraction with estimated gradient and formation control, where task-switching is performed under a linear temporal logic rule. Finally an approach that combines flocking and formation control techniques is presented, where low-level agents attain a specified formation, while the formation leaders at the upper level flock to locate an unknown extremum. Convergence analysis for all methods is provided, together with simulation results and experimental validation.