New biologically inspired models towards understanding the Italian Power Exchange market

Questa tesi tratta l’estensione di un modello ad agenti per la simulazione e lo studio del mercato elettrico Italiano. Nel modello, gli agenti, che rappresentano le compagnie energetiche presenti nel mercato Italiano, competono tra loro con l’obiettivo di avere il più alto profitto. Ogni agente determina la propria strategia attraverso un algoritmo genetico, che opera su una popolazione di strategie. Questo modello presenta però due limitazioni: (1) agli impianti di produzione di un agente, situati nella stessa zona geografica e aventi in comune la tecnologia di produzione, viene applicata la stessa strategia; (2) per la corretta evoluzione delle popolazioni private, gli agenti si scambiano informazioni circa la loro scelta strategica. Con questa tesi vogliamo dimostrare, prima di tutto, che il rilassamento delle ipotesi del primo punto non peggiora la qualità dei risultati. Successivamente, vogliamo testare l’efficacia dell’algoritmo genetico, applicando e testando algoritmi alternativi, quali l’ottimizzazione Monte Carlo e l’algoritmo Particle Swarm Optimization. La seconda parte del lavoro si focalizza sull’introduzione di agenti intelligenti che siano capaci di aggiornare due popolazioni, una composta dalle strategie dei concorrenti e l’altra con le proprie strategie. In questo modo, gli agenti non devono più condividere le proprie scelte strategiche, ma cercano di fare previsioni sui concorrenti, come nel mondo reale, e reagire di conseguenza, avvalendosi di tecniche di adversarial reasoning. Vogliamo infine mostrare i risultati che si ottengono con questa ultima estensione.