Sistemas Complexos

Conhecimentos de Base Recomendados

Introdução à Inteligência Artificial, Cálculo, Álgebra Linear, Programação.

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)

Não

Programa

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. Hiroki Sayama, Introduction to the modeling and analysis of complex systems, Binghamton University, SUNNY, 2015.
2. Steven Strogatz, Nonlinear Dynamics and chaos, Perseus Books Publishing, 1994.
3. Frank Giordano, William Fox, Steven Horton, A First course in Mathematical Modeling ( 5th Edition), Brooks/Cole, 2014.
4. Uri Wilenski and William Rand, An introduction to agent-based modeling, MIT Press, 2015.
5. Melanie Mitchell, Complexity: a guided tour, Oxford University Press, 2009.
6. Albert-Laszlo Barabasi, Network Science, Cambridge University Press, 2016.
7. Heinz-Otto Peithgen, Harmut Juergens, and Dietmar Saupe, Chaos and Fractals: new frontiers of science (2nd Edition), Springer, 2004.