Encabezado Facultad de Ciencias
Presentación

Ciencias de la Computación (plan 2013) 2021-2

Optativas, Seminario de Ciencias de la Computación A

Grupo 7086, 60 lugares. 3 alumnos.
Modelación y simulación computacional basada en agentes
Profesor Gustavo Carreón Vázquez lu mi vi 9 a 10
Ayudante Ludwing Van Christopher Chavez Jimenez ma ju 9 a 10
Ayud. Lab. lu 12 a 14
 

Modelación y simulación computacional basada en agentes

Optativa para las carreras de Ciencias de la Computación, Matemáticas, Física, Biología, Matemáticas Aplicadas

Profesor: Gustavo Carreon: gcarreon@unam.mx

Ayudante: Christopher Chavez: vanchristoph3r@gmail.com

Las clases se desarrollarán por Zoom en el horario establecido (9 a 10 hrs).

Liga: https://us02web.zoom.us/j/85930663386?pwd=NkFmOGExQ2ljUjhwN1dsS3JOMWR2Zz09

Introducción

Video introductorio a MBA: https://youtu.be/DTRVEvjQoGo

En los últimos años se ha experimentado un gran interés por los modelos y simulaciones computacionales, cada vez más, se recurren a sus resultados para fundamentar decisiones. Un paradigma que está en auge es la modelación basada en agentes (MBA) ya que permite modelar y simular computacionalmente fenómenos complejos de distinta índole; ya sean físicos, biológicos, sociales, económicos, etc.; con el objetivo de entender y explicar su funcionamiento.

En la MBA, las simulaciones computacionales están compuestas principalmente por dos cosas; 1) “agentes”, los cuales puede tomar la forma de cualquier objeto, por ejemplo, una partícula, un vehículo, una persona, etc. y; 2) “entorno o mundo” donde los agentes ejecutan reglas de interacción. Las simulaciones tienden a exhibir procesos autoorganizativos los cuales generan propiedades emergentes en el sistema como geometrías fractales, patrones espacio-temporales, leyes de potencias, dinámicas no lineales e incluso propiedades de cómputo universal.

En este curso se dará un panorama general de la MBA, se realizará una conexión con la teoría de autómatas celulares y se retomarán, de manera histórica, algunas ideas del campo de la “vida artificial”. Se analizarán algunos de los modelos computacionales más representativos. En algunos casos se usará el computo evolutivo para modelar conductas de los agentes y lograr una adaptación en el entorno. Se darán las herramientas necesarias para estudiar y analizar su dinámica y para desarrollar modelos computacionales usando el paradigma de la modelación basada en agentes. Como lenguaje principal se usará NetLogo, ademása de “R” y para el modelado de redes complejas se utilizará Cytoscape.

Temario

I. Introducción a MBA

  1. ¿Qué es modelación basada en agentes?
  2. Agentes y entorno. El ambiente NetLogo.
  3. Un poco de historia. Autómatas celulares y la Vida Artificial
  4. Modelación y simulación
  5. Conceptos para análisis de sistemas. Autoorganización, propiedades emergentes, capacidades de cómputo universal.

II. Autómatas Celulares

  1. Autómatas celulares elementales
  2. El juego de la vida de John Conway
  3. La hormiga de Langton.
  4. El loop de Langton: autoreproducción.
  5. Modelo de la pila de arena: criticalidad auto-organizada
  6. Sistemas de reacción-difusión

III. Simulación de modelos basados en agentes

  1. Colonias de insectos. Hormigas, termitas
  2. Modelo de epidemias.
  3. Modelo de incendios forestales
  4. Modelo del tráfico. Métodos auto-organizantes
  5. Dinámica de sistemas de transporte públicos. El caso del Metro de la CDMX: #Metrevolución. Regulación de trenes y de pasajeros.
  6. Modelo de regeneración de bosques
  7. Optimización de enjambre, “Boids”
  8. Modelo de segregación de Schelling
  9. Modelo Economic Disparity
  10. Modelo de luciérnagas: sincronización.

IV. Fractalidad

  1. Sistemas de Funciones Iteradas (IFS)
  2. El “juego del caos”
  3. Conjunto de Mandelbrot

V. Redes complejas

  1. Teoría de gráficas
  2. Redes de mundo pequeño y libres de escala
  3. Análisis de redes con Cytoscape
  4. Ejemplos

VI. Algoritmos evolutivos

  1. Qué es un algoritmo evolutivo. Introducción
  2. Ejemplos: “Problema de las 8 reinas”, “Knapsack Problem”
  3. Algoritmos genéticos
  4. Operadores genéticos
  5. Problema del agente viajero
  6. Programación genética
  7. Operadores genéticos, caracterización.
  8. Hormiga artificial de Santa Fe.

Evaluación

- Prácticas

- Proyecto Final

- Lecturas y discusión

Bibliografía

  • Axelrod, R. (1997). The Complexity of Cooperation: Agent-Based Models of Competition and Collaboration. Princeton University Press.
  • Bak P. (1996). How nature works. Springer Verlag
  • Bonabeau, E., Dorigo, M., y Theraulaz, G. (1999). Swarm Intellingence. From natural to artificial systems. Oxford University Press.
  • Dorigo, M., y Stützle, T. (2004). Ant Colony Optimization. The MIT Press.
  • Eiben, A.E, & Smith, J.E. (2003). Introduction to Evolutionary Computing. Springer
  • Engelbrecht, A. (2005). Fundamentals of Computational Swarm Intelligence. John Wiley & Sons, Ltd.
  • Fieguth, P. (2017). An Introduction to Complex Systems: Society, Ecology, and Nonlinear Dynamics. Springer.
  • Flake G. (1998). The computational beauty of nature. The MIT Press.
  • Galaviz J. (2002). Algoritmos Genéticos. IPN, UNAM, FCE.
  • Gilbert, N. (2007). Agent-Based Models (Quantitative Applications in the Social Sciences). SAGE Publications, INC.
  • Ilachinski A. (2001). Cellular Automata. A discrete universe. World Scientific.
  • Koza, J. (1998). Genetic Programming. The MIT Press.
  • Lahoz-Beltrá R. (2004). Bioinformática simulación, vida artificial e inteligencia artificial. Ediciones Díaz de Santos.
  • Langton C. (1995). Artificial Life. An overview. The MIT Press.
  • Langton C. (1992). Artificial Life II: the proceedings of an interdisciplinary workshop on the synthesis and simulation of living systems. Addison Wesley.
  • Langdon W. (2002). Foundations of Genetic Programming. Springer Verlag.
  • Miller, J.H. & Page, S.E. (2007). Complex Adaptive Systems: An Introduction to Computational Models of Social Life. Princeton University Press.
  • Resnick. M. (1997). Turtles, termites, and traffic jams. The MIT Press.
  • Sayama, H. (2015). Introduction to the Modeling and Analysis of Complex Systems. Open SUNY Textbooks.
  • Siegfried, R. (2014). Modeling and Simulation of Complex Systems: A Framework for Efficient Agent-Based Modeling and Simulation. Springer.
  • Wilensky, U., & Rand, W. (2015). An Introduction to Agent-Based Modeling: Modeling Natural, Social, and Engineered Complex Systems with NetLogo. The MIT Press.
  • Wolfram S. (2002). A new kind of science. Publisher Wolfram Media Inc.

 


Hecho en México, todos los derechos reservados 2011-2016. Esta página puede ser reproducida con fines no lucrativos, siempre y cuando no se mutile, se cite la fuente completa y su dirección electrónica. De otra forma requiere permiso previo por escrito de la Institución.
Sitio web administrado por la Coordinación de los Servicios de Cómputo de la Facultad de Ciencias. ¿Dudas?, ¿comentarios?. Escribenos. Aviso de privacidad.