Sistemas Complexos
1
2017-2018
02023476
Opcional
Português
Inglês
Presencial
Semestral
6.0
Opcional
2º Ciclo - Mestrado
Conhecimentos de Base Recomendados
Introdução à Inteligência Artificial, Computação Evolucionária.
Métodos de Ensino
Aulas T: conceitos, teorias e métodos, associados à resolução heurística de problemas. Na PL, o aluno exercita em computador problemas de complexidade média e efectuando simulações eventualmente por recurso a ferramentas, trabalho feito em grupo com a monitorização do professor. Leitura de um trabalho de investigação já publicado, e posterior síntese escrita , trabalho prático envolvendo simulações computacionais, com escrita de um relatório, com a forma de uma comunicação a uma conferência. Os trabalhos referidos são únicos, individuais, e estão sujeitos a apresentação oral e discussão.
Resultados de Aprendizagem
Esta cadeira tem por objetivo primeiro o estudo de sistemas complexos , sejam eles físicos (e.g., o clima), biológicos (e.g., redes de regulação genética), cognitivos (e.g., a mente) ou sociais (e.g., os mercados financeiros). Focaremos os conceitos,
os modelos e as ferramentas necessários à compreensão destes sistemas. Partindo de uma discussão conceptual envolvendo conceitos como sistema, complexidade, auto-organização, emergência, informação, computação e evolução, passaremos de seguida à descrição de classes de modelos direccionados para a compreensão dos sistemas complexos, continuando com a apresentação de diferentes ferramentas e terminando com casos de estudo. No final, o aluno deve ser capaz de escolher o modelo mais apropriado para a compreensão de um sistema complexo, escolher a ferramenta mais apropriada para fazer a análise desse sistema e retirar conhecimento dessa análise.
Estágio(s)
NãoPrograma
1. Conceitos (sistema, sistema complexo, sistema adaptativo complexo,sistema dinâmico, complexidade e de diversidade, informação, computação, evolução e modelos)
2. Modelos matemáticos (autómatos celulares, fractais, caos, criticalidade auto-organizada)
3. Modelos em rede (small-world networks, scale-free networks, random boolean networks)
4. Modelos baseados em regras (inteligência colectiva)
5. Ferramentas
6. Casos de Estudo.
Docente(s) responsável(eis)
Ernesto Jorge Fernandes Costa
Métodos de Avaliação
Avaliação
Trabalho de síntese: 10.0%
Projecto: 30.0%
Exame: 60.0%
Bibliografia
1. Nino Boccara, Modeling complex systems, Springer, 2004.
2. Allen B. Downey, Think Complexity, O’Reilly, 2012.
3. Gary Flake, The computational beauty of nature: computer expçorations of fractals, chaos, complex systems and adaptation, MIT Press, 1998.
4. John H. Miller and Scott E. Page, Complex Adaptive asystems: an introduction to computational models of social life, Princeton University Press, 2007.
5. Melanie Mitchell, Complexity: a guided touer, Oxford University Press, 2009.
6. Scott E. Page, Diversity and Complexity, Princeton University Press, 2011.
7. Heinz-Otto Peithgen, Harmut Juergens, and Dietmar Saupe, Chaos and Fractals: new frontiers of science (2nd Edition), Springer, 2004.
8. Daniel Shiffman, The Nature of Code, 2012.
9. Ricard Solé and Brian Goodwin, Signs of Life: how complexity pervades biology, Basic Books, 2000.