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 efetuando 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 unidade curricular visa o estudo de sistemas complexos, sejam físicos, biológicos, cognitivos ou sociais. Focaremos nos conceitos, modelos e ferramentas essenciais para a compreensão destes sistemas. Iniciamos com uma discussão teórica sobre conceitos como sistema, complexidade, auto-organização, emergência, informação, computação e evolução. A seguir, abordamos classes de modelos para análise de sistemas complexos, como Sistemas Dinâmicos, Ciência das Redes e Modelação Baseada em Agentes, concluindo com casos de estudo práticos. No final, o aluno deverá ser capaz de (1) compreender e analisar a dinâmica de sistemas complexos, (2) aplicar abordagens adequadas para a sua modelação, (3) criar e testar modelos, e (4) escolher ferramentas apropriadas para análise e extração de conhecimento desses sistemas.

Estágio(s)

Não

Programa

1. Conceitos (sistema, sistema complexo, sistema adaptativo complexo,sistema dinâmico, complexidade e de diversidade, informação, computação, evolução e modelos)

2. Sistemas Dinâmicos

2.1- Conceitos

2.2- Sistemas Discretos

2.3- Sistemas Contínuos

2.4- Caos e Fractais

3. Modelos em rede

3.1- Grafos e Redes

3.2 Aspetos Topológicos e Dinâmica de Redes

3.3- Grafos Aleatórios

3.4- Redes Neuronais de Grafos

3.5- Aplicações

4. Modelos Baseados em Agentes

4.1- Motivação e Conceitos

4.2- Componentes de um MBA: agentes, ambiente, interação

4.3- Desenho de um MBA

4.4- Análise e Validação de um MBA

4.5- Autómatos Celulares

5.  Casos de Estudo: estudo comparado.

Docente(s) responsável(eis)

Tiago Rodrigues Baptista

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. Filippo Menczer, Santo Fortunato, Clayton A. Davis, A first course in network science, Cambridge University Press, 2020.

6. Albert-Laszlo Barabasi, Network Science, Cambridge University Press, 2016.

7. Guido Caldarelli, Alessandro Chessa, Data Science and Complex Networks, Oxford University Press, 2018.

8. David Feldman, Chaos and Dynamical  Systems, Princeto University Press, 2019.

9. Lingfei Wu, Peng Cui, Jian Pei, Liang Zhao , Introduction to the modeling and analysis of complex system,, Springer, 2022.