SISTEMAS COMPLEJOS: SISTEMAS URBANOS EDUARDO E. ZUREK, Ph.D. SHIRLEY ARANGO, Ing. de Sistemas JOSÉ GABRIEL RAMIREZ SUAREZ, Ing. de Sistemas ENCUENTRO AMBIENTAL: CIUDADES SOSTENIBLES III UNIVERSIDAD DEL NORTE BARRANQUILLA, COLOMBIA OCTUBRE 21 DE 2010 100 Qué es un sistema complejo 101 Definición: Sistema Complejo Un sistema complejo es un sistema para el que es difícil, si no imposible, limitar su descripción a un número limitado de parámetros o variables que lo caracterizan, sin perder sus propiedades funcionales, y según la definición de sistemas, está compuesto por varias partes interconectadas cuyos vínculos contienen información adicional y comunicación entre ellas que puede estar oculta al observador (Pavard y Dugdale, 2000). PARTES INTERCONECTADAS 102 Características de Sistemas Complejos No Determinista No lineal Emergentes Auto-organizable Adaptativos Evolutivos Irreversibles 103 Sistemas Emergentes Fenómenos urbanos: Sociales, culturales o políticos Múltiples Componente Unidades de Interacción Propiedades Emergente SISTEMA COMPLEJO Es un Comportamiento o característica de un sistema que surge a partir de los comportamientos individuales de los componentes del sistema. 104 Características: Sistemas Emergentes No existe un ente de control o jerárquico de arriba hacia abajo que establezca que se debe hacer. Cada elemento involucrado describe un comportamiento no complejo que sigue reglas sencillas y locales que sólo él las conoce. La interacción entre las condiciones o reglas locales y el azar produce un diseño emergente global que es intrínseco entre las partes del sistema. 105 Definición: Sistemas Auto-organizables Algunas definiciones: Louise K. Comfort (1996, p. 166) define la auto-organización como “Reacomodo fundamental de energía y acción al interior del sistema, con el objetivo de conseguir un mayor número de metas”. Sergio Moriello (2003) interpreta a auto-organización como “la forma a través de la cual el sistema recupera el equilibrio, modificándose y adaptándose al entorno que lo rodea y contiene”. Eric Bonabeau y colegas (1997. p. 188) definen a la auto-organización como “el conjunto de mecanismos dinámicos por los cuales aparecen niveles globales en un sistema a partir de interacciones entre sus componentes de bajo nivel”. 106 Principios básicos de la auto-organización 1. Retroalimentación positiva 2. Retroalimentación negativa 3. Amplificación de las fluctuaciones 4. Interacciones múltiples 107 Definición: Sistemas Complejos Adaptativos Un sistema complejo adaptativo (CAS) puede modificar su comportamiento para adaptarse a los cambios en su entorno (Rammel, Stagl y Wilfing, 2007. p. 10). 108 Principios básicos de los Sistemas Complejos Adaptativos Agregación (Aggregation). Etiqueta (Tagging) No – Linealidad (Non-linearity). Flujos (Flows). Diversidad (Diversity). Modelos Internos (Internal models). Bloques de Construcción (Building blocks) 109 Aplicaciones de sistemas Complejos Redes complejas Redes Neuronales Autómatas celulares 110 . Aplicaciones de Agentes Inteligentes Aplicaciones industriales - Proceso de control - Manufactura - Control de tráfico aéreo Aplicaciones comerciales - Gestión de la información - Comercio electrónico - Gestión de procesos empresariales Aplicaciones medicas - Monitoreo de pacientes - Cuidado de la salud Entretenimiento - Juegos - Teatro interactivo y cine 111 Herramienta utilizada para simular agentes MADKIT Es una plataforma modular y escalable multiagente escrito en Java y fundada en los AGR (agente / grupo / Rol) modelo de organización. MadKit permite una alta heterogeneidad en las arquitecturas de agente y lenguajes de comunicación, y personalizaciones varias. Los Agentes de MadKit se puede programar en Java, Scheme (Kawa), Jess (Motor de reglas de base) o BeanShell. lenguaje de script Otras pueden ser fácilmente agregó. MadKit viene con un conjunto completo de las instalaciones y los agentes para poner en marcha, mostrar, desarrollando y supervisar a agentes y organizaciones. MadKit es un software gratuito basado en la licencia GPL / LGPL. 112 Modelación de sistemas complejos Existen diversas técnicas para el modelado de sistemas complejos, entre las más destacadas tenemos: La basada en agentes La basada en dinámica de sistemas 113 Esquema para el modelado de sistemas complejos 114 Roles en el modelado de sistemas complejos EXPERTO El experto es aquella persona cuyo conocimiento sobre el funcionamiento y características del sistema real que se pretende modelar es confiable. MODELADOR El modelador es un profesional que posee un conocimiento explícito que le permite modelar, analizar, diseñar e implementar modelos formales a partir del sistema real. ORDENADOR El ordenador es el que se encarga de resolver el modelo formal que ha sido abstraído del sistema real. Este asume el papel que anteriormente tenían los matemáticos y resuelve el modelo a partir de los valores iníciales y las primicias lógicas. 115 Esquemas en el modelado de sistemas complejos ABSTRACCIÓN: Se obtiene un modelo preliminar 116 Esquemas en el modelado de sistemas complejos (2) DISEÑO Y CODIFICACIÓN: Se obtiene un modelo formal 117 Esquemas en el modelado de sistemas complejos (3) INFERENCIA: Se prueba el modelo formal 118 Esquemas en el modelado de sistemas complejos (4) ANÁLISIS: Se analizan los resultados de la simulación APLICACIÓN: Se aplica el conocimiento adquirido sobre el sistema real 119 MODELACIÓN DE SISTEMAS COMPLEJOS CON DINÁMICA DE SISTEMAS Variables Observables: Las variables observables son variables dinámicas cuyo comportamiento puede ser visto a simple vista y que por lo general se encuentran sujetas a la ley de causa y efecto. La modelación basada en dinámica de sistemas se centra específicamente en identificar relaciones de casualidad que se producen entre los distintos componentes y que retroalimentan el sistema Una de sus principales ventajas consiste que estos se pueden representar matemáticamente como un conjunto de ecuaciones cuyas variables son componentes del sistema modelado 120 Modelos Urbanos : Enfoque Sistémico Los modelos urbanos se pueden clasificar de acuerdo con el enfoque que estos utilizan para predecir la distribución espacial de la generación de soluciones y actividades de acuerdo con la solución que proponen: : Se clasifican en: 1. Modelos basados en programación matemática 2. Modelos con variables de entrada-salida 3. Modelos de microsimulación 4. Modelos de enfoque ecológico 5. Modelos basados en procesos 6. Modelos estocásticos espaciales 121 Modelos Urbanos : Enfoque Sistémico(2) 7. Modelos basados en complejidad y autorganización 8. Modelos basados en autómatas celulares 9. Modelos basados en agentes 10. Modelos basados en sistemas 122 HECHOS DINÁMICOS El modelo que se propone en la tesis se basa en un concepto novedoso denominado Hecho Dinámico. Un Hecho Dinámico se define de la siguiente manera: Tiene un conjunto de variables de entrada que siempre provienen de otro Hecho Dinámico Un Hecho Dinámico genera una y solo una variable de salida Un Hecho Dinámico puede replicarse y/o mutar Un Hecho Dinámico consta de dos funciones: una función que asocia las variables de entrada y una función que genera la salida 123 HECHOS DINÁMICOS(2) El modelo que se propone en esta tesis se basa en un concepto novedoso denominado Hecho Dinámico. Un Hecho Dinámico se define de la siguiente manera: Tiene un conjunto de variables de entrada que siempre provienen de otro Hecho Dinámico Un Hecho Dinámico genera una y solo una variable de salida Un Hecho Dinámico puede replicarse y/o mutar Un Hecho Dinámico consta de dos funciones: una función que asocia las variables de entrada y una función que genera la salida - Un Hecho Dinámico debe tener una función que asocie las variables de entrada - Un Hecho Dinámico debe generar una salida acotada 124 HECHOS DINÁMICOS(3) Un Hecho Dinámico puede ser Fractal: los parámetros de todas las funciones pueden ser resultado de otro Hecho Dinámico Un sistema conformado por Hechos Dinámicos siempre es estable en un punto de operación Cambian con el tiempo 125 Gracias Eduardo Zurek Varela Shirley Paola Arango Rojas José Gabriel Ramirez Suarez ezurek@uninorte.edu.co arangos@uninorte.edu.co jramirez@uninorte.edu.co 126