Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Nora Mihail
Profesor universitar doctor
Abstract. The last ten years of the XX century has been the witnesses of the apparition of a new
scientific field, which is usually defined as the study of Complex adaptive systems. This field, generic
named Complexity Sciences, shares its subject, the general proprieties of complex systems across traditional disciplinary boundaries, with cybernetics and general systems theory.
But the development of Complexity Sciences approaches is determined by the extensive use of AgentBased-Models (ABM) as a research tool and an emphasis on systems, such as markets, populations or
ecologies, which are less integrated or organized than the ones, such as companies and economies,
intensively studied by the traditional disciplines.
For ABM, a complex system is a system of individual agents who have the freedom to act in ways that
are not always totally predictable, and whose actions are interconnected such that one agents actions
changes the context (environment) for other agents. These are many examples of such complex systems:
the stock market, the human body immune system, a business organization, an institution, a work-team, a
family etc.
Key words: Complexity Sciences; Agent-Based-Models; dynamic proprieties; real modeled systeme;
system behaviour.
87
curente i a valorilor vecinilor imediai. Astfel de automate celulare formeaz forme, se reproduc i mor.
Langton a utilizat lucrrile lui von Neumann ca punct
de plecare pentru a proiecta un sistem a-life care poate fi
simulat pe un calculator. n 1979 el a dezvoltat un organism care avea proprieti asemntoare organismelor vii.
Aceast creatur se reproducea singur ntr-un mod care,
cu fiecare generaie nou aprut, ducea mai departe
proprietile organismului iniial, dar apreau i noi
proprieti. Astfel de comportament simula, deci, procesul
de mutaie i evoluie din organismele vii.
Economistul Thomas Sehelling a fost unul din primii
cercettori care a ncercat s aplice metodele a-life n
tiinele economice. El a creat o lume artificial utiliznd
nu un calculator, ci o mas de ah pe care monede de diferite
dimensiuni se micau pe baza unor reguli simple. n acest
mod, el a creat o lume artificial (virtual) i a artat c, pe
lng alte proprieti, o are i pe aceea c chiar i preferine
foarte slabe pentru a locui i lucra ntr-o anumit parte a
mesei conduc la diferene mari ntre indivizi (monede).
Pornind de aici, au aprut modelele bazate pe ageni
(MBA). Biologul Tom Ray a creat programe agent pe
laptop-ul su. Scopul fiecrui agent era s fac o copie a
lui nsui n memorie. Ray a presupus un timp de via finit
pentru fiecare program. El a lsat programele s ruleze toat
noaptea i dimineaa a observat c agenii si erau angajai
n activiti echivalente digital cu competiia i
colaborarea. Cnd agenii-programe realizau copii ale lor
n calculator, schimbau aleatoriu codul aprut. Astfel, se
poate spune c ei sufereau mutaii distructive care duceau
la moartea programelor, dar unele schimbri fceau un
agent s-i ndeplineasc mai bine sarcina, n sensul c ei
aveau nevoie de mai puine instruciuni i erau capabili s
se autocopieze mai rapid, mai sigur i s ruleze mai repede.
Versiunile mai scurte se reproduceau i mai repede i, foarte
curnd, i nlturau pe competitorii lor mai leni.
Metoda a-life a generat modelarea bazat pe ageni,
care este denumit n acest fel pentru a face distincia
comparativ cu modelarea bazat pe ecuaii. Putem scrie,
de exemplu, ecuaii difereniale pentru a modela
interaciunile dintr-o populaie de indivizi (de exemplu
modelul Lotka-Volterra), dar putem la fel de bine s urmrim
evoluia individual a fiecrui animal (element, agent) i
s concentrm aceast evoluie n anumite caracteristici
agregate. Aceste dou metode sunt esenial diferite i este
dificil acum s spunem care este mai bun.
Cercetrile actuale n MBA sunt orientate ctre
identificarea comportamentelor individuale ale fiinelor
vii i apoi ctre utilizarea acestora pentru a simula cum se
mic, zboar, i coopereaz fr s ncorporeze aceste
caracteristici n mod explicit n tipurile de comportament
al acestor elemente. Multe creaturi a-life constau n nu mai
mult dect cteva linii de program i triesc n medii
artificiale compuse din pixeli i mulimi de date. Reeta
pentru a realiza o astfel de creatur este destul de simpl:
88
89
90
nvarea
nvarea este o caracteristic de baz a agenilor
economici. Primele aplicaii ale proceselor de nvare n
91
92
Modelarea organizaiilor
n cadrul unei economii, un grup de oameni este
considerat o organizaie dac grupul are un obiectiv sau
un criteriu de performan care transcede obiectivelor
individuale din cadrul grupului. Pionierul studierii
organizaiilor ca sisteme, Norbert Simon, laureat al
Premiului Nobel, arat c organizaiile sunt capabile de o
inteligen colectiv, deci ele se comport ca un organism
unitar ce se adapteaz la mediu, sufer mutaii, imit alte
organizaii etc. pentru a-i asigura supravieuirea. Una
dintre cele mai flexibile organizaii este birocraia.
Studiile lui Carley i ale grupului su de la Carnegie
Mellon University au artat c organizaiile pot fi modelate
ca sisteme multiagent i au dus chiar la apariia unui
domeniu similar economiei bazate pe ageni n cadrul
teoriei organizaiei.
Studiul firmelor ca organizaii s-a orientat n dou
direcii principale: perfecionarea organizrii interne a
firmei i organizaiile realizate de firme la nivelul pieelor.
Dawid .a. au considerat o mulime de firme din cadrul
unei industrii. La nceputul fiecrei perioade, fiecare firm
alege dac s produc un produs existent pe pia sau s
introduc un nou produs. Cererea pentru fiecare tip de
93
Bibliografie
Axelrod, R. (1997). The Complexity of Cooperation: Agent Based
Models of Competition and Colaborattion, Princeton University Press, New Jersey
Axelrod, R. (1984). The Evolution of Cooperation Basic Books
New York
Axtell, R. (2000) Why Agents? On the Varied Motivations for
Agent Computing in the Social Sciences, working paper,
European Centre on Social Economic Dynamics
Dooley, K., Corman, S. (1999). Agent-based Genetic and Emergent Computational Models of Complex Systems,
www.eas.asu.edu/~kdooley/pubs/
Farmer, J.D. (2000). Toward Agent-based Models for Investment,
www.santafe.edu/~jdf/
Gilbert, N., Terna, P. (1999). How to build and use agent-based
models in social science, working paper, http://
web.econ.unito.it/deposito
Goldstein, J. (2001). Scientific & Mathematical Roots of Complexity Science, working paper, www.plexusinstitute.com/
edgeware/archive/think
Holland, J.H. (1999). Emergence: from chaos to order, AddisonWesley
Jefferies, P., Johnson, N.F. (2002). Designing agent-based market models, Complexity Digest, 30, www.phil.pku.edu.cn/
resguide/comdig
94
Mateos, R., Olmedo, E., Sancho, M., Valderas, J.M. (2002). From
Linearity to Complexity: Towards a New Economies, Complexity International, Draft manuscript, www.csu.edu.au/ci/
Mihail, Nora, Petcu, I. (2005). Modelarea pieelor de energie,
Editura Avangarde, Bucureti
Parunak, H. Van Dyke (1997). From Chaos to Commerce: Practical Issues and Research Opportunities in the Nonlinear Dynamics of Decentralized Manufacturing Systems, AddisonWesley
Parunak, H. Van Dyke, Savit, R., Riolo, R.L. (1998). Agent-Based
Modeling vs. Equation Based Modeling: A Case Study and
Users Guide, in: Proceedings of Multi-agent systems and
Agent-based Simulation (MABS98), pp. 10-25, Springer
Poggio, T., Lo, A.W., LeBaron, B., Chan, N.T. (1999). AgentBased Models of Financial Markets: A Comparaison with Experimental Markets, www.ebusiness.mit.edu
Scarlat, E., Chiri, N. (2004). Sistemul cibernetic al economiei de
pia, Editura Economic, Bucureti
Simon, H. (1970). The Sciences of the Artificial, Cambridge, Mass.:
MIT Press
Waldrop, M.M. (1992). Complexity: the emerging science at the
edge of order and chaos, New York: Simon & Schuster
White, M. (2000). A Research Agenda for Agent-Based Finance
Models, Cambridge: MIT Press