Sistema complejo

Sistema compuesto por muchos componentes que interactúan

"Sistemas complejos" vuelve a dirigir aquí. Para la revista, consulte Complex Systems (revista) .

Sistemas complejos
Temas
Autoorganización Aparición
Comportamiento colectivo Dinámica social Inteligencia colectiva Acción colectiva Criticidad autoorganizada Mentalidad de manada Transición de fase Modelado basado en agentes Sincronización Optimización de colonias de hormigas Optimización de enjambres de partículas Comportamiento de enjambres Consciencia colectiva
Redes Redes sin escala Análisis de redes sociales Redes de pequeños mundos Motivos de centralidad Teoría de grafos Escalado Robustez Biología de sistemas Redes dinámicas Redes adaptables
Evolución y adaptación Red neuronal artificial Computación evolutiva Algoritmos genéticos Programación genética Vida artificial Aprendizaje automático Biología evolutiva del desarrollo Inteligencia artificial Robótica evolutiva Evolvability
Formación de patrones Fractales Sistemas de reacción-difusión ecuaciones diferenciales parciales disipativas estructuras de percolación autómatas celulares espacial ecología Auto-replicación Geomorfología
Teoría de sistemas Homeostasis Operacionalización Retroalimentación Autorreferencia Orientada a objetivos Dinámica de sistemas Creación de sentido Entropía Cibernética Autopoiesis Teoría de la información Teoría de la computación
Dinámica no lineal Análisis de series temporales Ecuaciones diferenciales ordinarias Espacio de fase Atractores Dinámica de población Caos Multiestabilidad Bifurcación Celosías de mapa acopladas
Teoría de juego El dilema del prisionero Teoría de la elección racional Racionalidad limitada Teoría de juegos evolutivos
v t mi

Un sistema complejo es un sistema compuesto por muchos componentes que pueden interactuar entre sí. Ejemplos de sistemas complejos son el clima global de la Tierra , los organismos , el cerebro humano , la infraestructura como la red eléctrica, los sistemas de transporte o comunicación, las organizaciones sociales y económicas (como las ciudades ), un ecosistema , una célula viva y, en última instancia, todo el universo .

Los sistemas complejos son sistemas cuyo comportamiento es intrínsecamente difícil de modelar debido a las dependencias, competencias, relaciones u otros tipos de interacciones entre sus partes o entre un sistema dado y su entorno. Los sistemas que son " complejos " tienen propiedades distintas que surgen de estas relaciones, como la no linealidad , la emergencia , el orden espontáneo , la adaptación y los bucles de retroalimentación., entre otros. Debido a que tales sistemas aparecen en una amplia variedad de campos, los puntos en común entre ellos se han convertido en el tema de su área de investigación independiente. En muchos casos, es útil representar dicho sistema como una red en la que los nodos representan los componentes y los enlaces a sus interacciones.

Resumen

El término sistemas complejos a menudo se refiere al estudio de sistemas complejos, que es un enfoque de la ciencia que investiga cómo las relaciones entre las partes de un sistema dan lugar a sus comportamientos colectivos y cómo el sistema interactúa y forma relaciones con su entorno. ^[1] El estudio de sistemas complejos considera los comportamientos colectivos, o sistémicos, como el objeto fundamental de estudio; por esta razón, los sistemas complejos pueden entenderse como un paradigma alternativo al reduccionismo , que intenta explicar los sistemas en términos de sus partes constituyentes y las interacciones individuales entre ellos.

Como dominio interdisciplinario, los sistemas complejos obtienen contribuciones de muchos campos diferentes, como el estudio de la autoorganización de la física, el del orden espontáneo de las ciencias sociales, el caos de las matemáticas, la adaptación de la biología y muchos otros. Por lo tanto, los sistemas complejos se utilizan a menudo como un término amplio que abarca un enfoque de investigación de problemas en muchas disciplinas diversas, incluida la física estadística , la teoría de la información , la dinámica no lineal , la antropología , la informática , la meteorología , la sociología ,economía , psicología y biología .

Conceptos clave

Sistemas

Los sistemas abiertos tienen flujos de entrada y salida, que representan intercambios de materia, energía o información con su entorno.

Los sistemas complejos se preocupan principalmente por los comportamientos y propiedades de los sistemas . Un sistema, ampliamente definido, es un conjunto de entidades que, a través de sus interacciones, relaciones o dependencias, forman un todo unificado. Siempre se define en términos de su límite , que determina las entidades que son o no forman parte del sistema. Las entidades que se encuentran fuera del sistema pasan a formar parte del entorno del sistema .

Un sistema puede exhibir propiedades que produzcan comportamientos distintos de las propiedades y comportamientos de sus partes; estas propiedades y comportamientos globales o de todo el sistema son características de cómo el sistema interactúa con su entorno o aparece ante él, o de cómo se comportan sus partes (digamos, en respuesta a estímulos externos) en virtud de estar dentro del sistema. La noción de comportamiento implica que el estudio de los sistemas también se ocupa de los procesos que tienen lugar a lo largo del tiempo (o, en matemáticas , alguna otra parametrización del espacio de fase ). Debido a su amplia aplicabilidad interdisciplinaria, los conceptos de sistemas juegan un papel central en sistemas complejos.

Como campo de estudio, un sistema complejo es un subconjunto de la teoría de sistemas . La teoría general de los sistemas se centra de manera similar en los comportamientos colectivos de las entidades que interactúan, pero estudia una clase mucho más amplia de sistemas, incluidos los sistemas no complejos donde los enfoques reduccionistas tradicionales pueden seguir siendo viables. De hecho, la teoría de sistemas busca explorar y describir todas las clases de sistemas, y la invención de categorías que sean útiles para los investigadores en campos muy diversos es uno de los principales objetivos de la teoría de sistemas.

En lo que se refiere a sistemas complejos, la teoría de sistemas hace hincapié en la forma en que las relaciones y dependencias entre las partes de un sistema pueden determinar las propiedades de todo el sistema. También contribuye a la perspectiva interdisciplinaria del estudio de sistemas complejos: la noción de que las propiedades compartidas vinculan sistemas entre disciplinas, lo que justifica la búsqueda de enfoques de modelado aplicables a sistemas complejos dondequiera que aparezcan. Los conceptos específicos importantes para los sistemas complejos, como la emergencia, los circuitos de retroalimentación y la adaptación, también se originan en la teoría de sistemas.

Complejidad

"Los sistemas exhiben complejidad" significa que sus comportamientos no se pueden inferir fácilmente de sus propiedades. Cualquier enfoque de modelado que ignore tales dificultades o las caracterice como ruido, entonces, necesariamente producirá modelos que no son precisos ni útiles. Hasta ahora no ha surgido una teoría completamente general de los sistemas complejos para abordar estos problemas, por lo que los investigadores deben resolverlos en contextos específicos de dominio. Los investigadores en sistemas complejos abordan estos problemas considerando que la tarea principal de modelar es capturar, en lugar de reducir, la complejidad de sus respectivos sistemas de interés.

Si bien todavía no existe una definición exacta de complejidad generalmente aceptada, existen muchos ejemplos arquetípicos de complejidad. Los sistemas pueden ser complejos si, por ejemplo, tienen un comportamiento caótico (comportamiento que exhibe una sensibilidad extrema a las condiciones iniciales), o si tienen propiedades emergentes (propiedades que no son evidentes a partir de sus componentes de forma aislada, pero que resultan de las relaciones y dependencias que tienen). forma cuando se colocan juntos en un sistema), o si son computacionalmente intratables para modelar (si dependen de un número de parámetros que crece demasiado rápido con respecto al tamaño del sistema).

Redes

Los componentes que interactúan de un sistema complejo forman una red , que es una colección de objetos discretos y relaciones entre ellos, generalmente representados como un gráfico de vértices conectados por bordes. Las redes pueden describir las relaciones entre individuos dentro de una organización, entre puertas lógicas en un circuito , entre genes en redes reguladoras de genes o entre cualquier otro conjunto de entidades relacionadas.

Las redes suelen describir las fuentes de complejidad en sistemas complejos. El estudio de sistemas complejos como redes, por lo tanto, permite muchas aplicaciones útiles de la teoría de grafos y la ciencia de redes . Algunos sistemas complejos, por ejemplo, también son redes complejas , que tienen propiedades tales como transiciones de fase y distribuciones de grados de ley de potencia que se prestan fácilmente a comportamientos emergentes o caóticos. El hecho de que el número de aristas en un gráfico completo crezca cuadráticamente en el número de vértices arroja luz adicional sobre la fuente de complejidad en redes grandes: a medida que una red crece, el número de relaciones entre entidades eclipsa rápidamente el número de entidades en la red. .

No linealidad

Una solución de muestra en el atractor de Lorenz cuando ρ = 28, σ = 10 y β = 8/3

Los sistemas complejos a menudo tienen un comportamiento no lineal, lo que significa que pueden responder de diferentes maneras a la misma entrada según su estado o contexto. En matemáticas y física , la no linealidad describe sistemas en los que un cambio en el tamaño de la entrada no produce un cambio proporcional en el tamaño de la salida. Para un cambio dado en la entrada, tales sistemas pueden producir cambios significativamente mayores o menores que proporcionales en la salida, o incluso ninguna salida, dependiendo del estado actual del sistema o de los valores de sus parámetros.

De particular interés para los sistemas complejos son los sistemas dinámicos no lineales , que son sistemas de ecuaciones diferenciales que tienen uno o más términos no lineales. Algunos sistemas dinámicos no lineales, como el sistema de Lorenz , pueden producir un fenómeno matemático conocido como caos . El caos, tal como se aplica a los sistemas complejos, se refiere a la dependencia sensible de las condiciones iniciales, o " efecto mariposa", que puede exhibir un sistema complejo. En tal sistema, pequeños cambios en las condiciones iniciales pueden conducir a resultados dramáticamente diferentes. El comportamiento caótico, por lo tanto, puede ser extremadamente difícil de modelar numéricamente, porque pequeños errores de redondeo en una etapa intermedia de cálculo pueden hacen que el modelo genere una salida completamente inexacta. Además, si un sistema complejo vuelve a un estado similar al que tenía anteriormente, puede comportarse de manera completamente diferente en respuesta a los mismos estímulos, por lo que el caos también plantea desafíos para la extrapolación de la experiencia.

Emergencia

Glider Gun de Gosper crea " planeadores " en el autómata celular Juego de la vida de Conway ^[2]

Otra característica común de los sistemas complejos es la presencia de comportamientos y propiedades emergentes: estos son rasgos de un sistema que no son evidentes a partir de sus componentes de forma aislada, pero que resultan de las interacciones, dependencias o relaciones que forman cuando se colocan juntos en un sistema. Emergence describe ampliamente la aparición de tales comportamientos y propiedades, y tiene aplicaciones a sistemas estudiados tanto en las ciencias sociales como en las físicas. Si bien la emergencia se usa a menudo para referirse solo a la aparición de un comportamiento organizado no planificado en un sistema complejo, la emergencia también puede referirse al colapso de una organización; describe cualquier fenómeno que sea difícil o incluso imposible de predecir a partir de las entidades más pequeñas que componen el sistema.

Un ejemplo de un sistema complejo cuyas propiedades emergentes se han estudiado extensamente son los autómatas celulares . En un autómata celular, una cuadrícula de células, cada una de las cuales tiene uno de los muchos estados finitos, evoluciona de acuerdo con un conjunto simple de reglas. Estas reglas guían las "interacciones" de cada celda con sus vecinas. Aunque las reglas solo se definen localmente, se ha demostrado que son capaces de producir un comportamiento interesante a nivel mundial, por ejemplo, en Game of Life de Conway .

Orden espontáneo y autoorganización

Cuando la emergencia describe la aparición de un orden no planificado, es orden espontáneo (en las ciencias sociales) o autoorganización (en las ciencias físicas). El orden espontáneo se puede ver en el comportamiento de la manada , por el cual un grupo de individuos coordina sus acciones sin una planificación centralizada. La autoorganización se puede ver en la simetría global de ciertos cristales , por ejemplo, la aparente simetría radial de los copos de nieve , que surge de fuerzas de atracción y repulsión puramente locales entre las moléculas de agua y el entorno que las rodea.

Adaptación

Los sistemas adaptativos complejos son casos especiales de sistemas complejos que son adaptativos porque tienen la capacidad de cambiar y aprender de la experiencia. Ejemplos de sistemas adaptativos complejos incluyen el mercado de valores , las colonias sociales de insectos y hormigas , la biosfera y el ecosistema , el cerebro y el sistema inmunológico , la célula y el embrión en desarrollo , las ciudades, las empresas manufactureras y cualquier esfuerzo basado en un grupo social humano en un sistema cultural y social como partidos políticos o comunidades. ^[3]

Funciones

Los sistemas complejos pueden tener las siguientes características: ^[4]

Fallos en cascada

Debido al fuerte acoplamiento entre componentes en sistemas complejos, una falla en uno o más componentes puede conducir a fallas en cascada que pueden tener consecuencias catastróficas en el funcionamiento del sistema. ^{[5] El} ataque localizado puede conducir a fallas en cascada y colapso abrupto en las redes espaciales. ^[6]

Los sistemas complejos pueden estar abiertos

Los sistemas complejos suelen ser sistemas abiertos , es decir, existen en un gradiente termodinámico y disipan energía. En otras palabras, los sistemas complejos frecuentemente están lejos del equilibrio energético : pero a pesar de este flujo, puede haber estabilidad de patrones , ver sinergética .

Los sistemas complejos pueden presentar transiciones críticas

Representación gráfica de estados estables alternativos y la dirección de la desaceleración crítica antes de una transición crítica (tomado de Lever et al. 2020). ^[7] Los paneles superiores (a) indican paisajes de estabilidad en diferentes condiciones. Los paneles centrales (b) indican las tasas de cambio similares a la pendiente de los paisajes de estabilidad, y los paneles inferiores (c) indican una recuperación de una perturbación hacia el estado futuro del sistema (cI) y en otra dirección (c.II).

Las transiciones críticas son cambios abruptos en el estado de los ecosistemas , el clima , los sistemas financieros u otros sistemas complejos que pueden ocurrir cuando las condiciones cambiantes pasan por un punto crítico o de bifurcación . ^{[8] [9] [10] [11]} La 'dirección de desaceleración crítica' en el espacio de estados de un sistema puede ser indicativa del estado futuro de un sistema después de tales transiciones cuando las retroalimentaciones negativas retardadas que conducen a dinámicas oscilatorias u otras dinámicas complejas son débiles. ^[7]

Los sistemas complejos pueden tener memoria

La recuperación de una transición crítica puede requerir más que un simple regreso a las condiciones en las que ocurrió una transición, un fenómeno llamado histéresis . Por tanto, la historia de un sistema complejo puede ser importante. Debido a que los sistemas complejos son dinámicos, cambian con el tiempo y los estados anteriores pueden influir en los estados actuales. ^[12] Los sistemas que interactúan pueden tener histéresis compleja de muchas transiciones. ^[13]

Los sistemas complejos pueden estar anidados

Los componentes de un sistema complejo pueden ser en sí mismos sistemas complejos. Por ejemplo, una economía está formada por organizaciones , que están formadas por personas , que están formadas por células , todas las cuales son sistemas complejos. La disposición de interacciones dentro de redes bipartitas complejas también puede estar anidada. Más específicamente, se encontró que las redes bipartitas ecológicas y organizativas de interacciones mutuamente beneficiosas tienen una estructura anidada. ^{[14] [15]} Esta estructura promueve la facilitación indirecta y la capacidad de un sistema para persistir en circunstancias cada vez más duras, así como la posibilidad de cambios de régimen sistémicos a gran escala. ^{[16] [17]}

Red dinámica de multiplicidad

Además de las reglas de acoplamiento , la red dinámica de un sistema complejo es importante. A menudo se emplean redes de mundo pequeño o sin escala ^{[18] [19] [20]} que tienen muchas interacciones locales y un número menor de conexiones entre áreas. Los sistemas naturales complejos a menudo exhiben tales topologías. En la corteza humana , por ejemplo, vemos una densa conectividad local y unas pocas proyecciones de axones muy largas entre regiones dentro de la corteza y otras regiones del cerebro.

Puede producir fenómenos emergentes

Los sistemas complejos pueden exhibir comportamientos emergentes , es decir, si bien los resultados pueden estar suficientemente determinados por la actividad de los componentes básicos de los sistemas, pueden tener propiedades que solo pueden estudiarse en un nivel superior. Por ejemplo, las termitas en un montículo tienen fisiología, bioquímica y desarrollo biológico que se encuentran en un nivel de análisis, pero su comportamiento social y la construcción de montículos es una propiedad que surge de la colección de termitas y necesita ser analizada en un nivel diferente.

Las relaciones no son lineales

En términos prácticos, esto significa que una pequeña perturbación puede causar un gran efecto (ver efecto mariposa ), un efecto proporcional o incluso ningún efecto. En los sistemas lineales, el efecto siempre es directamente proporcional a la causa. Ver no linealidad .

Las relaciones contienen ciclos de retroalimentación

Tanto la retroalimentación negativa ( amortiguación ) como la positiva (amplificación) siempre se encuentran en sistemas complejos. Los efectos del comportamiento de un elemento se retroalimentan de tal manera que el elemento en sí se altera.

Historia

Una perspectiva sobre el desarrollo de la ciencia de la complejidad (ver la referencia para una versión legible) ^[21]

Aunque podría decirse que los seres humanos han estado estudiando sistemas complejos durante miles de años, el estudio científico moderno de sistemas complejos es relativamente joven en comparación con campos de la ciencia establecidos como la física y la química . La historia del estudio científico de estos sistemas sigue varias tendencias de investigación diferentes.

En el área de las matemáticas , posiblemente la mayor contribución al estudio de sistemas complejos fue el descubrimiento del caos en sistemas deterministas , una característica de ciertos sistemas dinámicos que está fuertemente relacionada con la no linealidad . ^[22] El estudio de las redes neuronales también fue integral en el avance de las matemáticas necesarias para estudiar sistemas complejos.

La noción de sistemas autoorganizados está relacionada con el trabajo en termodinámica de desequilibrio , incluido el del que fue pionero el químico y premio Nobel Ilya Prigogine en su estudio de las estructuras disipativas . Aún más antiguo es el trabajo de Hartree-Fock sobre las ecuaciones de la química cuántica y los cálculos posteriores de la estructura de las moléculas, que puede considerarse como uno de los primeros ejemplos de emergencia y totalidades emergentes en la ciencia.

Un sistema complejo que contiene humanos es la economía política clásica de la Ilustración escocesa , desarrollada más tarde por la escuela de economía austriaca , que sostiene que el orden en los sistemas de mercado es espontáneo (o emergente ) en el sentido de que es el resultado de la acción humana, pero no el ejecución de cualquier diseño humano. ^{[23] [24]}

Sobre esto, la escuela austriaca desarrolló desde el siglo XIX hasta principios del siglo XX el problema del cálculo económico , junto con el concepto de conocimiento disperso , que iban a alimentar los debates contra la economía keynesiana entonces dominante . Este debate llevaría notablemente a economistas, políticos y otras partes a explorar la cuestión de la complejidad computacional . ^{[ cita requerida ]}

Pionero en el campo e inspirado por las obras de Karl Popper y Warren Weaver , el economista y filósofo premio Nobel Friedrich Hayek dedicó gran parte de su trabajo, desde principios hasta finales del siglo XX, al estudio de fenómenos complejos ^{[25 ]} no restringiendo su trabajo a las economías humanas sino incursionando en otros campos como la psicología , ^{[26] la} biología y la cibernética . Gregory Bateson jugó un papel clave en el establecimiento de la conexión entre la antropología y la teoría de sistemas; reconoció que las partes interactivas de las culturas funcionan de manera muy similar a los ecosistemas.

Si bien el estudio explícito de sistemas complejos se remonta al menos a la década de 1970, ^[27] el primer instituto de investigación centrado en sistemas complejos, el Instituto Santa Fe , fue fundado en 1984. ^{[28] [29] Los} primeros participantes del Instituto Santa Fe incluyeron el Nobel de física los laureados Murray Gell-Mann y Philip Anderson , el premio Nobel de economía Kenneth Arrow y los científicos del Proyecto Manhattan George Cowan y Herb Anderson . ^[30] En la actualidad, hay más de 50 institutos y centros de investigación que se centran en sistemas complejos. ^{[ cita requerida ]}

Aplicaciones

Complejidad en la práctica

El enfoque tradicional para lidiar con la complejidad es reducirla o restringirla. Por lo general, esto implica la compartimentación: dividir un sistema grande en partes separadas. Las organizaciones, por ejemplo, dividen su trabajo en departamentos, cada uno de los cuales se ocupa de problemas separados. Los sistemas de ingeniería a menudo se diseñan utilizando componentes modulares. Sin embargo, los diseños modulares se vuelven susceptibles a fallas cuando surgen problemas que unen las divisiones.

Gestión de la complejidad

A medida que los proyectos y las adquisiciones se vuelven cada vez más complejos, las empresas y los gobiernos se enfrentan al desafío de encontrar formas efectivas de gestionar las mega adquisiciones, como Army Future Combat Systems . Las adquisiciones como el FCS se basan en una red de partes interrelacionadas que interactúan de manera impredecible. A medida que las adquisiciones se vuelvan más complejas y centradas en la red, las empresas se verán obligadas a encontrar formas de gestionar la complejidad, mientras que los gobiernos se enfrentarán al desafío de proporcionar una gobernanza eficaz para garantizar la flexibilidad y la resistencia. ^[31]

Economía de la complejidad

Durante las últimas décadas, dentro del campo emergente de la economía de la complejidad , se han desarrollado nuevas herramientas predictivas para explicar el crecimiento económico. Tal es el caso de los modelos construidos por el Instituto Santa Fe en 1989 y el más reciente índice de complejidad económica (ECI), introducido por el físico del MIT César A. Hidalgo y el economista de Harvard Ricardo Hausmann . Con base en el ICE, Hausmann, Hidalgo y su equipo del Observatorio de la Complejidad Económica han elaborado pronósticos del PIB para el año 2020 . ^{[ cita requerida ]}

Complejidad y educación

Centrándose en cuestiones de la persistencia de los estudiantes con sus estudios, Forsman, Moll y Linder exploran la "viabilidad de utilizar la ciencia de la complejidad como marco para ampliar las aplicaciones metodológicas para la investigación en educación física", encontrando que "enmarcar un análisis de redes sociales dentro de una perspectiva de ciencia de la complejidad ofrece una aplicabilidad nueva y poderosa en una amplia gama de temas PER ". ^[32]

Complejidad y modelado

Una de las principales contribuciones de Friedrich Hayek a la teoría de la complejidad temprana es su distinción entre la capacidad humana para predecir el comportamiento de sistemas simples y su capacidad para predecir el comportamiento de sistemas complejos mediante modelos . Creía que la economía y las ciencias de los fenómenos complejos en general, que en su opinión incluían la biología, la psicología, etc., no podían seguir el modelo de las ciencias que se ocupan de fenómenos esencialmente simples como la física. ^[33] Hayek explicaría en particular que los fenómenos complejos, a través del modelado, solo pueden permitir predicciones de patrones, en comparación con las predicciones precisas que se pueden hacer a partir de fenómenos no complejos. ^[34]

Teoría de la complejidad y el caos

La teoría de la complejidad tiene sus raíces en la teoría del caos , que a su vez tiene sus orígenes hace más de un siglo en la obra del matemático francés Henri Poincaré . El caos a veces se ve como información extremadamente complicada, más que como una ausencia de orden. ^[35] Los sistemas caóticos siguen siendo deterministas, aunque su comportamiento a largo plazo puede ser difícil de predecir con precisión. Con un conocimiento perfecto de las condiciones iniciales y las ecuaciones relevantes que describen el comportamiento del sistema caótico, teóricamente se pueden hacer predicciones perfectamente precisas del sistema, aunque en la práctica esto es imposible de hacer con precisión arbitraria. Ilya Prigogine argumentó ^[36]esa complejidad no es determinista y no da forma alguna de predecir con precisión el futuro. ^[37]

El surgimiento de la teoría de la complejidad muestra un dominio entre el orden determinista y la aleatoriedad que es complejo. ^[38] Esto se conoce como el " borde del caos ". ^[39]

Un diagrama del atractor de Lorenz .

Cuando se analizan sistemas complejos, la sensibilidad a las condiciones iniciales, por ejemplo, no es un tema tan importante como lo es dentro de la teoría del caos, en la que prevalece. Como afirma Colander, ^[40] el estudio de la complejidad es lo opuesto al estudio del caos. La complejidad se trata de cómo una gran cantidad de conjuntos de relaciones extremadamente complicados y dinámicos pueden generar algunos patrones de comportamiento simples, mientras que el comportamiento caótico, en el sentido de caos determinista, es el resultado de un número relativamente pequeño de interacciones no lineales. ^[38]

Por lo tanto, la principal diferencia entre los sistemas caóticos y los sistemas complejos es su historia. ^[41] Los sistemas caóticos no se basan en su historia como lo hacen los complejos. El comportamiento caótico empuja a un sistema en equilibrio a un orden caótico, lo que significa, en otras palabras, fuera de lo que tradicionalmente definimos como "orden". ^{[se necesita aclaración ]} Por otro lado, los sistemas complejos evolucionan lejos del equilibrio al borde del caos. Evolucionan en un estado crítico construido por una historia de eventos irreversibles e inesperados, que el físico Murray Gell-Mann llamó "una acumulación de accidentes congelados". ^[42]En cierto sentido, los sistemas caóticos pueden considerarse un subconjunto de sistemas complejos que se distinguen precisamente por esta ausencia de dependencia histórica. Muchos sistemas complejos reales son, en la práctica y durante períodos prolongados pero finitos, robustos. Sin embargo, poseen el potencial de un cambio cualitativo radical de tipo mientras conservan la integridad sistémica. La metamorfosis puede ser más que una metáfora de tales transformaciones.

Complejidad y ciencia de redes

Un sistema complejo suele estar compuesto por muchos componentes y sus interacciones. Un sistema de este tipo puede representarse mediante una red en la que los nodos representan los componentes y los enlaces representan sus interacciones. ^{[20] [43] [44] [45]} Por ejemplo, Internet se puede representar como una red compuesta por nodos (computadoras) y enlaces (conexiones directas entre computadoras), y la resistencia de Internet a fallas se ha estudiado utilizando teoría de la percolación, una forma de análisis de sistemas complejos. ^[46] El fallo y la recuperación de estas redes es un área de investigación abierta. ^[12] Otros ejemplos de redes complejas incluyen redes sociales, interdependencias de instituciones financieras,^[47] sistemas de tráfico, ^{[48] [49]} redes de líneas aéreas, ^[50] redes biológicas y redes climáticas. ^[51] Finalmente, redes enteras interactúan a menudo de una manera compleja; Si un sistema complejo individual puede representarse como una red, entonces los sistemas complejos que interactúan pueden modelarse como redes de redes con propiedades dinámicas. ^{[52] [13]}

Forma general de cálculo de la complejidad

La ley computacional de la optimalidad alcanzable ^[53] se establece como una forma general de cálculo para sistemas ordenados.

La ley computacional de la optimalidad alcanzable tiene cuatro componentes clave, como se describe a continuación.

1. Alcanzabilidad de la Optimidad : Se podrá alcanzar cualquier optimización pretendida. La optimalidad inalcanzable no tiene ningún significado para un miembro en el sistema ordenado e incluso para el sistema ordenado en sí.

2. Prevalencia y consistencia : maximizar la accesibilidad para explorar la mejor optimización disponible es la lógica de cálculo predominante para todos los miembros en el sistema ordenado y se adapta al sistema ordenado.

3. Condicionalidad : La compensación realizable entre accesibilidad y optimización depende principalmente de la capacidad de apuesta inicial y de cómo la capacidad de apuesta evoluciona junto con la ruta de actualización de la tabla de pagos desencadenada por el comportamiento de las apuestas y potenciada por la ley subyacente de recompensa y castigo. Precisamente, es una secuencia de eventos condicionales donde el próximo evento ocurre cuando se alcanza el status quo desde el camino de la experiencia.

4. Robustez : cuanto más desafío pueda adaptarse a una optimización alcanzable, más robusta será en términos de integridad de ruta.

También hay cuatro características de cálculo en la ley de la optimalidad alcanzable.

1. Elección óptima : El cálculo para realizar la Elección óptima puede ser muy simple o muy complejo. Una regla simple en Optimal Choice es aceptar lo que se alcance, Reward As You Go (RAYG). Un cálculo de Optimidad alcanzable se reduce a optimizar la accesibilidad cuando se adopta RAYG. El cálculo de la elección óptima puede ser más complejo cuando se presentan múltiples estrategias NE en un juego alcanzado.

2. Estado inicial : Se asume que la computación comienza en un comienzo interesante, incluso el comienzo absoluto de un sistema ordenado en la naturaleza puede no estar ni necesita estar presente. Un estado inicial neutral asumido facilita un cálculo artificial o de simulación y no se espera que cambie la prevalencia de ningún hallazgo.

3. Territorio : Un sistema ordenado tendrá un territorio donde el cómputo universal patrocinado por el sistema producirá una solución óptima aún dentro del territorio.

4. Patrón de alcance : las formas del patrón de alcance en el espacio de cálculo, o el patrón de alcance impulsado por la optimización en el espacio de cálculo, dependen principalmente de la naturaleza y las dimensiones del espacio de medida que subyace a un espacio de cálculo y la ley de castigo y recompensa subyacente a lo realizado. Experimente el camino del alcance. Hay cinco formas básicas de ruta de experiencia que nos interesan, ruta de experiencia de refuerzo persistentemente positivo, ruta de experiencia de refuerzo persistentemente negativo , ruta de experiencia de patrón persistente mixto, ruta de experiencia de escala decadente y ruta de experiencia de selección.

El cálculo compuesto en la ruta de experiencia de selección incluye interacción actual y retardada, transformación topológica dinámica e implica características de invariancia y varianza en la ruta de experiencia de un sistema ordenado.

Además, la ley de cálculo de la optimización alcanzable establece el límite entre el modelo de complejidad, el modelo caótico y el modelo de determinación. Cuando RAYG es el cálculo de Opción Óptima y el patrón de alcance es una ruta de experiencia persistentemente positiva, una ruta de experiencia persistentemente negativa o una ruta de experiencia de patrón persistente mixto, el cálculo subyacente será un cálculo de sistema simple que adopte reglas de determinación. Si el patrón de alcance no tiene un patrón persistente experimentado en el régimen RAYG, el cálculo subyacente sugiere que hay un sistema caótico. Cuando el cálculo de la elección óptima implica un cálculo que no es RAYG, es un cálculo complejo el que impulsa el efecto compuesto.

Eruditos notables

• Robert McCormick Adams
• Christopher Alexander
• Philip Anderson
• Kenneth Arrow
• Robert Axelrod
• W. Brian Arthur
• Per Bak
• Yaneer Bar-Yam
• Albert-Laszlo Barabasi
• Gregory Bateson
• Ludwig von Bertalanffy
• Alexander Bogdanov
• Samuel Bowles
• Guido Caldarelli
• Paul Cilliers
• Walter Clemens, Jr.
• James P. Crutchfield
• Brian Enquist
• Joshua Epstein
• Granjero de Doyne
• Jay Forrester
• Nigel R. Franks
• Murray Gell-Mann
• Nigel Goldenfeld
• James Hartle
• FA Hayek
• John Holland
• Alfred Hubler
• Arthur Iberall
• Stuart Kauffman
• JA Scott Kelso
• David Krakauer
• Ellen Levy
• Robert May
• Melanie Mitchell
• Cris Moore
• Edgar Morin
• Harold Morowitz
• Scott Page
• Luciano Pietronero
• David Pines
• Ilya Prigogine
• Sidney Redner
• Jerry Sabloff
• Cosma Shalizi
• Herbert Simon
• Dave Snowden
• Sergei Starostin
• Steven Strogatz
• Alessandro Vespignani
• Andreas Wagner
• Duncan Watts
• Geoffrey West
• Stephen Wolfram
• David Wolpert

Ver también

Organización biológica Teoría del caos Modelado cognitivo Ciencia cognitiva Complejo (desambiguación) Sistema adaptativo complejo Redes complejas Complejidad Complejidad (desambiguación) Economía de la complejidad

Cibernética Ingeniería de decisiones Sistema disipativo Evolución de doble fase Sistema dinámico Teoría de sistemas dinámicos Aparición Ingeniería de sistemas empresariales Fractal Ciencias generativas

Teoría de la jerarquía Homeocinética Redes interdependientes Mano invisible Realidad mixta Sistema de agentes múltiples Ciencia de la red No linealidad Modelado orientado a patrones Filtración Teoría de la filtración

Arquitectura de proceso Autoorganización Sociología y ciencia de la complejidad Accidente del sistema Sistemas dinámicos Equivalencia del sistema Teoría de sistemas en antropología Tectología Volatilidad, incertidumbre, complejidad y ambigüedad

Referencias

1. Bar-Yam, Yaneer (2002). "Características generales de los sistemas complejos" (PDF) . Enciclopedia de sistemas de soporte vital . Consultado el 16 de septiembre de 2014 .
2. Daniel Dennett (1995), Idea peligrosa de Darwin , Penguin Books, Londres, ISBN 978-0-14-016734-4 , ISBN 0-14-016734-X  
3. Skrimizea, Eirini; Haniotou, Helene; Parra, Constanza (2019). "Sobre el 'giro de la complejidad' en la planificación: una justificación adaptativa para navegar por espacios y tiempos de incertidumbre" . Teoría de la planificación . 18 : 122-142. doi : 10.1177 / 1473095218780515 . S2CID 149578797 . 
4. Alan Randall (2011). Riesgo y precaución . Prensa de la Universidad de Cambridge. ISBN 9781139494793.
5. SV Buldyrev; R. Parshani; G. Paul; HE Stanley; S. Havlin (2010). "Cascada catastrófica de fallas en redes interdependientes" . Naturaleza . 464 (7291): 1025–8. arXiv : 0907.1182 . Código Bibliográfico : 2010Natur.464.1025B . doi : 10.1038 / nature08932 . PMID 20393559 . S2CID 1836955 .  
6. Berezin, Yehiel; Bashan, Amir; Danziger, Michael M .; Li, Daqing; Havlin, Shlomo (2015). "Ataques localizados en redes incrustadas espacialmente con dependencias" . Informes científicos . 5 (1): 8934. Código Bibliográfico : 2015NatSR ... 5E8934B . doi : 10.1038 / srep08934 . ISSN 2045-2322 . PMC 4355725 . PMID 25757572 .   
7. Palanca, J. Jelle; Leemput, Ingrid A .; Weinans, Els; Quax, Rick; Dakos, Vasilis; Nes, Egbert H .; Bascompte, Jordi; Scheffer, Marten (2020). "Previendo el futuro de las comunidades mutualistas más allá del colapso" . Cartas de ecología . 23 (1): 2-15. doi : 10.1111 / ele.13401 . PMC 6916369 . PMID 31707763 .  
8. Scheffer, Marten; Carpenter, Steve; Foley, Jonathan A .; Folke, Carl; Walker, Brian (octubre de 2001). "Cambios catastróficos en los ecosistemas" . Naturaleza . 413 (6856): 591–596. Código Bibliográfico : 2001Natur.413..591S . doi : 10.1038 / 35098000 . ISSN 1476-4687 . PMID 11595939 . S2CID 8001853 .   
9. Scheffer, Marten (26 de julio de 2009). Transiciones críticas en la naturaleza y la sociedad . Prensa de la Universidad de Princeton. ISBN 978-0691122045.
10. Scheffer, Marten; Bascompte, Jordi; Brock, William A .; Brovkin, Victor; Carpenter, Stephen R .; Dakos, Vasilis; Held, Hermann; van Nes, Egbert H .; Rietkerk, Max; Sugihara, George (septiembre de 2009). "Señales de alerta temprana para transiciones críticas" . Naturaleza . 461 (7260): 53–59. Código Bibliográfico : 2009Natur.461 ... 53S . doi : 10.1038 / nature08227 . ISSN 1476-4687 . PMID 19727193 . S2CID 4001553 .   
11. Scheffer, Marten; Carpenter, Stephen R .; Lenton, Timothy M .; Bascompte, Jordi; Brock, William; Dakos, Vasilis; Koppel, Johan van de; Leemput, Ingrid A. van de; Levin, Simon A .; Nes, Egbert H. van; Pascual, Mercedes; Vandermeer, John (19 de octubre de 2012). "Anticipando transiciones críticas" . Ciencia . 338 (6105): 344–348. Código bibliográfico : 2012Sci ... 338..344S . doi : 10.1126 / science.1225244 . ISSN 0036-8075 . PMID 23087241 . S2CID 4005516 . Archivado desde el original el 24 de junio de 2020 . Consultado el 10 de junio   2020 .
12. Majdandzic, Antonio; Podobnik, Boris; Buldyrev, Sergey V .; Kenett, Dror Y .; Havlin, Shlomo; Eugene Stanley, H. (2013). "Recuperación espontánea en redes dinámicas" . Física de la naturaleza . 10 (1): 34–38. Código bibliográfico : 2014NatPh..10 ... 34M . doi : 10.1038 / nphys2819 . ISSN 1745-2473 . S2CID 18876614 .  
13. Majdandzic, Antonio; Braunstein, Lidia A .; Curme, Chester; Vodenska, Irena; Levy-Carciente, Sary; Eugene Stanley, H .; Havlin, Shlomo (2016). "Múltiples puntos de inflexión y reparación óptima en redes interactivas" . Comunicaciones de la naturaleza . 7 : 10850. arXiv : 1502.00244 . Código Bib : 2016NatCo ... 710850M . doi : 10.1038 / ncomms10850 . ISSN 2041-1723 . PMC 4773515 . PMID 26926803 .   
14. Bascompte, J .; Jordano, P .; Melian, CJ; Olesen, JM (24 de julio de 2003). "El ensamblaje anidado de redes mutualistas planta-animal" . Actas de la Academia Nacional de Ciencias . 100 (16): 9383–9387. Código Bibliográfico : 2003PNAS..100.9383B . doi : 10.1073 / pnas.1633576100 . PMC 170927 . PMID 12881488 .  
15. Saavedra, Serguei; Reed-Tsochas, Felix; Uzzi, Brian (enero de 2009). "Un modelo simple de cooperación bipartita para redes ecológicas y organizativas". Naturaleza . 457 (7228): 463–466. Código Bibliográfico : 2009Natur.457..463S . doi : 10.1038 / nature07532 . ISSN 1476-4687 . PMID 19052545 . S2CID 769167 .   
16. Bastolla, Ugo; Fortuna, Miguel A .; Pascual-García, Alberto; Ferrera, Antonio; Luque, Bartolo; Bascompte, Jordi (abril de 2009). "La arquitectura de redes mutualistas minimiza la competencia y aumenta la biodiversidad". Naturaleza . 458 (7241): 1018–1020. Código Bibliográfico : 2009Natur.458.1018B . doi : 10.1038 / nature07950 . ISSN 1476-4687 . PMID 19396144 . S2CID 4395634 .   
17. Palanca, J. Jelle; Nes, Egbert H. van; Scheffer, Marten; Bascompte, Jordi (2014). "El colapso repentino de las comunidades de polinizadores". Cartas de ecología . 17 (3): 350–359. doi : 10.1111 / ele.12236 . hdl : 10261/91808 . ISSN 1461-0248 . PMID 24386999 .  
18. AL Barab´asi, R. Albert (2002). "Mecánica estadística de redes complejas". Reseñas de Física Moderna . 74 (1): 47–94. arXiv : cond-mat / 0106096 . Código Bibliográfico : 2002RvMP ... 74 ... 47A . CiteSeerX 10.1.1.242.4753 . doi : 10.1103 / RevModPhys.74.47 . S2CID 60545 .  
19. M. Newman (2010). Redes: una introducción . Prensa de la Universidad de Oxford. ISBN 978-0-19-920665-0.
20. Reuven Cohen, Shlomo Havlin (2010). Redes complejas: estructura, robustez y función . Prensa de la Universidad de Cambridge. ISBN 978-0-521-84156-6.
21. Castellani, Brian, 2018, Map of the Complexity Sciences Art & Science Factory (versión expandible)
22. Historia de Sistemas Complejos Archivado 2007-11-23 en la Wayback Machine
23. Ferguson, Adam (1767). Ensayo sobre la historia de la sociedad civil . Londres: T. Cadell. Tercera parte, Sección II, p. 205.
24. Friedrich Hayek, "Los resultados de la acción humana pero no del diseño humano" en Nuevos estudios en filosofía, política, economía , Chicago: University of Chicago Press, 1978, págs. 96-105.
25. Bruce J. Caldwell, Popper y Hayek: ¿Quién influyó en quién? Archivado el 11 de diciembre de 2018 en la Wayback Machine , Karl Popper 2002 Centenary Congress, 2002.
26. Friedrich von Hayek, El orden sensorial: una investigación sobre los fundamentos de la psicología teórica , The University of Chicago Press, 1952.
27. Vemuri, V. (1978). Modelado de sistemas complejos: una introducción . Nueva York: Academic Press. ISBN 978-0127165509.
28. Ledford, H (2015). "Cómo solucionar los mayores problemas del mundo" . Naturaleza . 525 (7569): 308–311. Código Bib : 2015Natur.525..308L . doi : 10.1038 / 525308a . PMID 26381968 . 
29. "Historia | Instituto Santa Fe" . www.santafe.edu . Archivado desde el original el 3 de abril de 2019 . Consultado el 17 de mayo de 2018 .
30. Waldrop, MM (1993). Complejidad: La ciencia emergente al borde del orden y el caos. Simon y Schuster.
31. Documento del CSIS: "Organización para un mundo complejo: el camino a seguir
32. Forsman, Jonas; Moll, Rachel; Linder, Cedric (2014). "Ampliación del marco teórico para la investigación en educación física: una aplicación ilustrativa de la ciencia de la complejidad" . Temas especiales de revisión física: Investigación en educación física . 10 (2): 020122. Bibcode : 2014PRPER..10b0122F . doi : 10.1103 / PhysRevSTPER.10.020122 . hdl : 10613/2583 .
33. "Revista Razón - El camino de la servidumbre" . Archivado desde el original el 10 de marzo de 2007 . Consultado el 22 de septiembre de 2017 .
34. Friedrich August von Hayek - Conferencia de premios
35. Hayles, NK (1991). Chaos Bound: Desorden ordenado en la literatura y la ciencia contemporáneas . Prensa de la Universidad de Cornell, Ithaca, NY.
36. Prigogine, I. (1997). The End of Certainty , The Free Press, Nueva York.
37. Véase también D. Carfì (2008). "Superposiciones en Prigogine acercamiento a la irreversibilidad" . AAPP: Ciencias Físicas, Matemáticas y Naturales . 86 (1): 1–13..
38. Cilliers, P. (1998). Complejidad y posmodernismo: comprensión de sistemas complejos , Routledge, Londres.
39. Per Bak (1996). How Nature Works: The Science of Self-Organized Criticality , Copernicus, Nueva York, EE. UU.
40. Colador, D. (2000). La visión de la complejidad y la enseñanza de la economía , E. Elgar, Northampton, Massachusetts.
41. Buchanan, M. (2000). Ubicuidad: por qué ocurren las catástrofes , three river press, Nueva York.
42. Gell-Mann, M. (1995). ¿Qué es la complejidad? Complejidad 1/1, 16-19
43. Dorogovtsev, SN; Mendes, JFF (2003). Evolución de las redes . Adv. Phys . 51 . pag. 1079. arXiv : cond-mat / 0106144 . doi : 10.1093 / acprof: oso / 9780198515906.001.0001 . ISBN 9780198515906.
44. Fortunato, Santo (2011). "Reuven Cohen y Shlomo Havlin: redes complejas". Revista de física estadística . 142 (3): 640–641. Código Bibliográfico : 2011JSP ... 142..640F . doi : 10.1007 / s10955-011-0129-7 . ISSN 0022-4715 . S2CID 121892672 .  
45. Newman, Mark (2010). Redes . doi : 10.1093 / acprof: oso / 9780199206650.001.0001 . ISBN 9780199206650.^{[ enlace muerto permanente ]}
46. Cohen, Reuven; Erez, Keren; ben-Avraham, Daniel; Havlin, Shlomo (2001). "Respuesta de Cohen, Erez, ben-Avraham y Havlin". Cartas de revisión física . 87 (21): 219802. bibcode : 2001PhRvL..87u9802C . doi : 10.1103 / PhysRevLett.87.219802 . ISSN 0031-9007 . 
47. Battiston, Stefano; Caldarelli, Guido; Mayo, Robert M .; Roukny, tarik; Stiglitz, Joseph E. (6 de septiembre de 2016). "El precio de la complejidad en las redes financieras" . Actas de la Academia Nacional de Ciencias . 113 (36): 10031–10036. Código bibliográfico : 2016PNAS..11310031B . doi : 10.1073 / pnas.1521573113 . PMC 5018742 . PMID 27555583 .  
48. Li, Daqing; Fu, Bowen; Wang, Yunpeng; Lu, Guangquan; Berezin, Yehiel; Stanley, H. Eugene; Havlin, Shlomo (20 de enero de 2015). "Transición de filtración en red de tráfico dinámico con cuellos de botella críticos en evolución" . Actas de la Academia Nacional de Ciencias . 112 (3): 669–672. Código bibliográfico : 2015PNAS..112..669L . doi : 10.1073 / pnas.1419185112 . ISSN 0027-8424 . PMC 4311803 . PMID 25552558 .   
49. Limiao Zhang, Guanwen Zeng; Daqing Li, Hai-Jun Huang; H Eugene Stanley, Shlomo Havlin (2019). "Resiliencia libre de escala de atascos de tráfico reales" . Actas de la Academia Nacional de Ciencias . 116 (18): 8673–8678. arXiv : 1804.11047 . Código Bibliográfico : 2019PNAS..116.8673Z . doi : 10.1073 / pnas.1814982116 . PMC 6500150 . PMID 30979803 .  
50. Barrat, A .; Barthelemy, M .; Pastor-Satorras, R .; Vespignani, A. (2004). "La arquitectura de redes ponderadas complejas" . Actas de la Academia Nacional de Ciencias . 101 (11): 3747–3752. arXiv : cond-mat / 0311416 . Código bibliográfico : 2004PNAS..101.3747B . doi : 10.1073 / pnas.0400087101 . ISSN 0027-8424 . PMC 374315 . PMID 15007165 .   
51. Yamasaki, K .; Gozolchiani, A .; Havlin, S. (2008). "Las redes climáticas de todo el mundo se ven significativamente afectadas por El Niño". Cartas de revisión física . 100 (22): 228501. Bibcode : 2008PhRvL.100v8501Y . doi : 10.1103 / PhysRevLett.100.228501 . ISSN 0031-9007 . PMID 18643467 . S2CID 9268697 .   
52. Gao, Jianxi; Buldyrev, Sergey V .; Stanley, H. Eugene; Havlin, Shlomo (2011). "Redes formadas a partir de redes interdependientes" (PDF) . Física de la naturaleza . 8 (1): 40–48. Código Bibliográfico : 2012NatPh ... 8 ... 40G . CiteSeerX 10.1.1.379.8214 . doi : 10.1038 / nphys2180 . ISSN 1745-2473 .   
53. Wenliang Wang (2015). Pooling Game Theory y Plan Público de Pensiones. ISBN 978-1507658246 . Capítulo 4. 

Lectura adicional

• Explicación de la complejidad .
• LAN Amaral y JM Ottino, Redes complejas: aumento del marco para el estudio de sistemas complejos , 2004.
• Chu, D .; Strand, R .; Fjelland, R. (2003). "Teorías de la complejidad". Complejidad . 8 (3): 19–30. Código Bibliográfico : 2003Cmplx ... 8c..19C . doi : 10.1002 / cplx.10059 .
• Walter Clemens, Jr. , Ciencia de la complejidad y asuntos mundiales , SUNY Press, 2013.
• Gell-Mann, Murray (1995). "Llamémoslo Plectics" (PDF) . Complejidad . 1 (5): 3-5. Código Bibliográfico : 1996Cmplx ... 1e ... 3G . doi : 10.1002 / cplx.6130010502 .^{[ enlace muerto permanente ]}
• A. Gogolin, A. Nersesyan y A. Tsvelik, Teoría de sistemas fuertemente correlacionados , Cambridge University Press, 1999.
• Nigel Goldenfeld y Leo P. Kadanoff, Lecciones simples de la complejidad , 1999
• Kelly, K. (1995). Fuera de control , Perseus Books Group.
• Syed M. Mehmud (2011), Un modelo de complejidad de intercambio de atención médica
• Preiser-Kapeller, Johannes, "Cálculo de Bizancio. Análisis de redes sociales y ciencias de la complejidad como herramientas para la exploración de la dinámica social medieval". Agosto de 2010
• Donald Snooks, Graeme (2008). "Una teoría general de los sistemas vivos complejos: exploración del lado de la demanda de la dinámica" (PDF) . Complejidad . 13 (6): 12-20. Código Bibliográfico : 2008Cmplx..13f..12S . doi : 10.1002 / cplx.20225 .^{[ enlace muerto permanente ]}
• Stefan Thurner , Peter Klimek, Rudolf Hanel: Introducción a la teoría de sistemas complejos , Oxford University Press, 2018, ISBN 978-0198821939 
• SFI @ 30, Foundations & Frontiers ^{[ enlace muerto permanente ]} (2014).

Enlaces externos

Wikimedia Commons tiene medios relacionados con sistemas complejos .

Busque sistemas complejos en Wikcionario, el diccionario gratuito.

• "El consorcio de modelado basado en agentes abiertos" .
• "Enfoque de la ciencia de la complejidad" .
• "Instituto Santa Fe" .
• "El Centro para el Estudio de Sistemas Complejos, Univ. De Michigan Ann Arbor" .
• "INDECS" . (Descripción interdisciplinaria de sistemas complejos)
• "Introducción a la complejidad - curso en línea gratuito por Melanie Mitchell" . Archivado desde el original el 30 de agosto de 2018 . Consultado el 29 de agosto de 2018 .
• Jessie Henshaw (24 de octubre de 2013). "Sistemas complejos" . Enciclopedia de la Tierra .
• Introducción a los sistemas complejos: curso corto de Shlomo Havlin
• Sistemas complejos en scholarpedia.
• Sociedad de sistemas complejos
• Centro de Ciencias de la Complejidad Viena
• (Australia) Red de investigación de sistemas complejos.
• Modelado de sistemas complejos basado en Luis M. Rocha , 1999.
• Grupo de investigación de sistemas complejos CRM
• El Centro de Investigación de Sistemas Complejos, Univ. de Illinois en Urbana-Champaign
• FuturICT: exploración y gestión de nuestro futuro