Está en la página 1de 135

Bioinformtica-Modelos Computacionales

Ciencia de los Sistemas


Complejos

Mario Hernndez
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Bioinformtica-Modelos Computacionales

CN

Optimizacin Inteligencia
basada en la Computacional
naturaleza (IC)

Vida
Bioinspirados

Artificial Geometra Ciencia de los


(ALife) Fractal Sistemas
(GF) Complejos
(CC)
Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera
Qu es un Sistema?
Bioinformtica-Modelos Computacionales

Un grupo de partes que


interaccionan, que funcionan como
un todo y que son distinguibles del
entorno por lmites reconocibles
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Tipos de Sistemas
Bioinformtica-Modelos Computacionales

Algunos poseen partes con interacciones fijas


(pe un motor)
Otros poseen interacciones sin restricciones,
como un gas
Otros se encuentran en un punto medio, con
una combinacin de interacciones fijas y
otras cambiantes (por ejemplo, una clula)
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Bioinformtica-Modelos Computacionales

La funcin del sistema depende de la


naturaleza y organizacin de las
partes, y normalmente esta cambia si
se aaden, reorganizan o eliminan
partes
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Qu es un Modelo?
Bioinformtica-Modelos Computacionales

Modelo: Representacin abstracta y


simplificada de la realidad
Fundamental (quizs tambin nica?)
capacidad de los humanos
Pensamiento, aprendizaje, inconsciente, psicologa
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Modelos Mentales
Bioinformtica-Modelos Computacionales

Representaciones mentales simblicas de la realidad


Inseguro/poco tiles para predecir sistemas complejos
que involucran:
Mltiples variables que interaccionan con realimentacin
Retardos temporales entre accin y reaccin
Interacciones que ocurren durante largas scalas espacio
temporales
P.e. Muchos aspectos de los sistemas sociales y
medioambientales
?
Bioinspirados

CO2

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Modelos Conceptuales
Bioinformtica-Modelos Computacionales

Descripciones ms formalizadas de las


relaciones entre componentes de un sistema
Expresados mediante palabras o smbolos
P.e. Mapas de lugares, ideas, relaciones,
P.e. Diagramas de flujo, grafos,
P.e. Hiptesis, teorias,

?
Bioinspirados

CO2

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Ciencia de los Sistemas Complejos
(CC)
Bioinformtica-Modelos Computacionales

ntimamente ligadas a Alife. Para algunos


incluso hay confusin entre ambos conceptos,
aunque hay algunas diferencias en los
objetivos (Alife es ms sinttica, CC es ms
analtica)

Las Ciencias de la Complejidad estudian los


fenmenos subyacentes y comunes a todos los
sistemas complejos, como ecosistemas,
Bioinspirados

economas y culturas, etc..., modelndolos


mediante la interaccin de elementos simples.

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


En qu se parecen los incendios
forestales, las epidemias y el
universo?
Bioinformtica-Modelos Computacionales

A primera vista no tienen muchas cosas en


comn, ya que se encuentran en contextos muy
distintos. Pero al estudiarlos cuidadosamente, se
ha podido describir su comportamiento con el
mismo modelo, ya que se propagan de manera
similar.
Se pueden describir fenmenos que, aunque
estn en contextos distintos, se comportan de
forma parecida?
S, el mundo est lleno de tales fenmenos y se
Bioinspirados

estn empezando a estudiar utilizando la teora


de Sistemas Complejos.

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Qu es un sistema
complejo?
Bioinformtica-Modelos Computacionales

Es un sistema compuesto de muchos


elementos que interactan entre s.
Mientras ms elementos y/o ms
interacciones entre ellos haya ser ms
complejo.
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Bioinformtica-Modelos Computacionales

No podemos decir que un sistema es


simplemente complejo o simple, ya que un
sistema puede tener distintos grados de
complejidad.
Pero s podemos decir que a cualquier
sistema, al agregarle ms elementos y/o
ms interacciones, se incrementar su
complejidad.
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Ejemplo: Problema de los n
cuerpos
Bioinformtica-Modelos Computacionales

La trayectoria de planetas orbitando en sistemas de


una sola estrella es simple (Kepler, Newton), ya que
puede describirse fcilmente el comportamiento
gravitacional entre la estrella y los planetas
orbitando a su alrededor elpticamente.
Pero si al sistema planetario le agregamos otra
estrella, y las dos estn girando, las rbitas
planetarias se vuelven mucho ms complejas. Y si
pudisemos tener un sistema planetario con tres
estrellas (aunque no tengo referencia de ninguno),
Bioinspirados

las rbitas planetarias seran casi impredecibles.

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Bioinformtica-Modelos Computacionales

Las expresiones Sistemas Complejos y


Complejidad se prestan a muchas confusiones
Hay multitud de definiciones
Por ejemplo para el padre de la vida artificial
Chris Langton, la Complejidad es la ciencia que
trata de describir los sistemas que se
encuentran en el borde del caos
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Bioinformtica-Modelos Computacionales

El concepto de Complejidad parece que no


es lo mismo para un informtico, para un
fsico, un biolgo o un economista.
Aqu vamos a intentar adoptar un punto de
vista ms genrico y esperamos que sea
tambin un poco ms estricto.
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Bioinformtica-Modelos Computacionales

Para nosotros un sistema complejo es


aquel que est formado por un gran
nmero de elementos idnticos, que
interaccionan localmente y que dan
lugar a algn tipo de comportamiento
global que no se puede explicar a
partir de las propiedades de un slo
individuo sino como resultado de las
Bioinspirados

interacciones de un colectivo.

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Bioinformtica-Modelos Computacionales

Algunos ejemplos de sistemas


complejos son:
El cerebro
Un ordenador
Un hormiguero
Un sistema social econmico
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Ejemplo: Hormiguero
Bioinformtica-Modelos Computacionales

Tomemos el caso de un hormiguero idealizado.


Est formado por un gran nmero de hormigas
ms o menos idnticas.
Cada hormiga interacta con las hormigas que
tiene en su alrededor ms inmediato y desconoce
lo que hacen otros miembros ms alejados ( por
ahora no hay ni prensa ni TV en el hormiguero ).
A pesar de lo limitado que es cada individuo,
cuando cooperan en gran nmero son capaces de
realizar tareas altamente complejas como por
Bioinspirados

ejemplo el forrajeo (recoleccin de alimentos) o


organizarse internamente.

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Bioinformtica-Modelos Computacionales

El hormiguero ideal nos permite extraer


algunas ideas de un sistema complejo:
1. Individuos idnticos.
2. Gran nmero de individuos.
3. Interaccin local.
4. Comportamiento emergente.
Un paradigma de modelado de sistemas
complejos lo constituyen los autmatas
Bioinspirados

celulares

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


en qu reas son tiles los
sistemas complejos?
Bioinformtica-Modelos Computacionales

La pregunta debera ser ms bien en cules no.


Podemos encontrar sistemas complejos desde biologa
molecular hasta economa, desde fsica hasta
sociologa, desde matemticas hasta neurologa.
En todas partes donde queramos comprender cmo
funciona un sistema con muchos elementos
interactuando entre s.
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Propiedades de un sistema
Bioinformtica-Modelos Computacionales

Cuando una serie de partes se interconectan en varias


configuraciones, el sistema no solo exhibe las
propiedades colectivas de las partes que lo constituyen.
Adicionalmente se exhiben una serie de propiedades
emergentes del sistema por si mismo
La configuracin de un sistema puede ser fsica, lgica o
estadstica
Todas pueden mostrar caractersticas inesperadas, que
no se pueden reducir a una propiedad aditiva de las
Bioinspirados

partes individuales

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Propiedades Emergentes
Bioinformtica-Modelos Computacionales

Las propiedades de un sistema complejo que son el


resultado de las interacciones entre sus elementos
(o sea, que las propiedades que el sistema tiene
pero sus elementos no), se llaman emergentes
La emergencia se muestra como la apariencia de
una propiedad o caracterstica no observada
previamente como propia de las partes.
La caracterstica desaparece si las partes se
desensamblan
Bioinspirados

El todo es ms que la suma de las partes

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Ejemplos
Bioinformtica-Modelos Computacionales

La clula puede verse como un sistema de protenas,


que interactan de forma tal que la clula tiene vida.
Las protenas no estn vivas, pero la clula s.
De dnde sale la vida, si la clula est compuesta
slo de protenas? Es una propiedad emergente
dada por la compleja interaccin de las protenas
en la clula.
Algo similar ocurre en el cerebro con las neuronas y la
mente. Las neuronas por s mismas no tienen
capacidades cognitivas, pero al interactuar
Bioinspirados

complejamente en el cerebro dan posibilidad a la


mente de emerger.

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Una reflexin
Bioinformtica-Modelos Computacionales

Las protenas son estudiadas por la biologa molecular, y su


comportamiento aislado es simple.
Estas, al interactuar forman sistemas ms y ms complejos,
hasta que emerge la vida.
Pero la vida es estudiada por la biologa y un ser vivo
aislado es un sistema simple.
A su vez, los seres vivos al interactuar entre s forman
sistemas ms y ms complejos, hasta formar sociedades.
Pero los fenmenos sociales son simples para la sociologa.
Por otro lado, una neurona es un sistema simple para la
Bioinspirados

neurofisiologa. Y sistemas complejos de neuronas dan


cabida a la mente, la cual es estudiada "simplemente" por la
sicologa.
Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera
La complejidad como elemento
para el anlisis de sistemas
Bioinformtica-Modelos Computacionales

Qu pasa?
Por lo visto, los sistemas no se vuelven complejos
indefinidamente.
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Bioinformtica-Modelos Computacionales

Si estamos agregando ms y ms elementos a un


sistema por qu no se vuelve ms complejo?
No es que no se vuelva ms complejo, lo que sucede
es que el anlisis del sistema cambia de nivel de
abstraccin.
Esto es, si para la sociologa el comportamiento de una
sociedad es un sistema simple, no lo es para la
biologa molecular. Esto es, la sociologa est viendo el
sistema desde el punto de vista de sociedad. Pero si
queremos ver una sociedad desde el punto de vista de
Bioinspirados

las protenas que la componen, estamos en problemas.

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Bioinformtica-Modelos Computacionales

Podemos decir que un nivel de abstraccin es


determinado por un grupo de conceptos y
operaciones que el observador puede manejar como
elementos de un sistema (por ejemplo, tomos,
protenas, clulas).
Si nos alejamos de un nivel de abstraccin, la
complejidad que emerge de un sistema se
incrementa, pero al acercarnos al siguiente nivel de
abstraccin, podemos decir que emerge simplicidad,
Bioinspirados

dado el cambio de niveles de abstraccin.

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Bioinformtica-Modelos Computacionales

Al saltar entre niveles de abstraccin se puede


seguir analizando sistemas cada vez ms
complejos, pero en el proceso de salto se
pierde la posibilidad de explicar el fenmeno
emergente.
Las ciencias actuales estudian distintos niveles de
abstraccin.
Los sistemas complejos tratan de cerrar las brechas
entre distintos niveles de abstraccin, al comprender un
nivel de abstraccin a partir de elementos del nivel de
Bioinspirados

abstraccin inferior.

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Algunos Niveles de
Abstraccin
Bioinformtica-Modelos Computacionales

Universo
Galaxia

Sistema Planetario
Planet
a
Ecosistema
Sociedad
Organismo
Clula
Proteina

Molcula
tomo

Partculas Subatmicas
Bioinspirados

Quark

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Bioinformtica-Modelos Computacionales

Entre cada dos de ellos hay complejidad emergente al


darse interacciones entre elementos de cada nivel de
abstraccin,
Al entrar en cada nivel superior se alcanza una
simplicidad emergente que lleva al siguiente nivel de
abstraccin.

Las ciencias actuales describen distintos niveles de


abstraccin. Una tendencia actual en las ciencias es,
con la ayuda de sistemas complejos, tratar de explicar
un nivel de abstraccin a partir de las interacciones
Bioinspirados

de elementos de un nivel de abstraccin inferior, y as


comprender mejor nuestro mundo..

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Qu es una organizacin?
Bioinformtica-Modelos Computacionales

El ensamblaje de partes
seleccionadas para promover una
funcin especfica
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Espacio de Estados o de
Fase
Bioinformtica-Modelos Computacionales

Conceptos sinnimos
Nmero total de combinaciones
conductuales posibles para un
sistema
Pe: lanzar una moneda posee dos
estados (cara y cruz)
El nmero de posibles estados crece
rpidamente con la complejidad
Bioinspirados

Pe: lanzar 100 monedas posee aprox.


1030 estados (2100)
Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera
Bioinformtica-Modelos Computacionales

Generalizando, cualquier sistema


tiene una dimensin en el espacio de
estados por cada variable que puede
cambiar
Pe: la mutacin gentica cambia una
o ms variables, y mueve el
organismo una pequea distancia
Bioinspirados

de la posicin original en el espacio


de estados
Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera
Autoorganizacin
Bioinformtica-Modelos Computacionales

1. La evolucin de un sistema en una forma


organizada en ausencia de restricciones
externas
2. Un desplazamiento desde una amplia
regin del espacio de estados hacia una
ms reducida y persistente, bajo el control
del propio sistema. Esa regin ms
reducida se denomina atractor
3. La introduccin de patrones de correlacin
Bioinspirados

en el espacio o en el tiempo para variables


que previamente eran independientes
operando bajo reglas locales.
Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera
Atractor
Bioinformtica-Modelos Computacionales

Una posicin preferida por el sistema, tal que


si este arranca desde otro estado,
evolucionar hasta Alcanzar el atractor y
permanecer all en ausencia de otros
factores.
En general, un atractor especifica una zona
restringida del espacio de estados del sistema
en estudio (una compresin)
Un atractor puede ser un punto (pe en un
Bioinspirados

sistema formado por una bola en un


recipiente esfrico sera el centro del
recipiente)
Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera
Atractor
Bioinformtica-Modelos Computacionales

El rea del espacio de


estados que corresponde a
posiciones que tienden a
evolucionar hacia el
atractor se denomina
cuenca de atraccin del Cuenca de B
atractor.
Bioinspirados

C
A B D
Atractor
Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera
Bioinformtica-Modelos Computacionales

La relacin entre el volumen de la


cuenca y el volumen del atractor
se denomina Factor de
Autoorganizacin (SOF) y suele
usarse como una medida del
grado de autoorganizacin
presente.
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Bioinformtica-Modelos Computacionales

Un atractor puede ser tambin:


Un camino regular, como pe una
rbita planetaria
Una serie compleja de estados (pe el
metabolismo de una clula)
Una secuencia infinita (denominada
Bioinspirados

tambin atractor extrao)

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Relacin entre atractores y
autoorganizacin
Bioinformtica-Modelos Computacionales

Cualquier sistema que se desplaza a una


estructura fija puede decirse que evoluciona
hacia un atractor.
Un sistema complejo puede tener muchos
atractores que pueden alterarse con los
cambios (mutaciones) de las interconexiones
del sistema o sus parmetros
El estudio de la autoorganizacin es
equivalente a la investigacin de los
atractores del sistema, su forma y su
Bioinspirados

dinmica

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Caractersticas de la
autoorganizacin
Bioinformtica-Modelos Computacionales

Ausencia de control centralizado (competicin)


Operacin dinmica (evolucin temporal)
Fluctuaciones (bsqueda a travs de opciones)
Ruptura de simetra (prdida de libertad)
Inestabilidad (elecciones de autorefuerzo)
Mltiples equilibrios (posibles atractores)
Criticalidad (cambios de fase por efecto umbral)
Orden global (emergencia a partir de interacciones locales)
Disipacin (uso y exportacin de energa)
Redundancia (insensibilidad al dao)
Automantenimiento (reparacin y reemplazamiento de partes)
Bioinspirados

Adaptacin (estabilidad a variaciones externas)


Complejidad (mltiples parmetros)
Jerarquas (mltiples niveles autoorganizados)

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Pueden las cosas
autoorganizarse?
Bioinformtica-Modelos Computacionales

Si, cualquier sistema que tome una forma no


impuesta por el exterior (pe, paredes,
mquinas o fuerzas) puede decirse que se
autoorganiza

Sin embargo, el trmino se utiliza normalmente


en un sentido ms restringido, excuyendo
leyes fsicas (explicaciones reduccionistas) y
sugiriendo que las propiedades que emergen
no son explicables desde un punto de vista
Bioinspirados

puramente reduccionista.

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Cul es el mecanismo de la
autoorganizacin?
Bioinformtica-Modelos Computacionales

Los cambios aleatorios dirigen la


autoorganizacin, permitiendo la exploracin de
nuevas posiciones del espacio de estados
Esto se relaciona con las cuencas de atraccin
del sistema, es decir, los cambios instigan al
sistema a moverse a lo largo de la trayectoria de
un atractor, que es un estado autorganizado.
El ruido (fluctuaciones) pueden permitir que el
sistema escape de una cuenca y entre en otra.
Es decir, el sistema, con el paso del tiempo,
puede aproximarse a una organizacin ptima o
Bioinspirados

puede saltar entre varios atractores alternativos.

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Bioinformtica-Modelos Computacionales

Caos
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Definiciones
Bioinformtica-Modelos Computacionales

Diccionario:
1. La materia desordenada y sin forma
que se supone existi antes del
universo ordenado
2. Desorden completo, confusin absoluta
3. Comportamiento estocstico que ocurre
en un sistema determinista
Bioinspirados

Comportamiento si ley gobernado


completamente por la ley

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Atractor
Bioinformtica-Modelos Computacionales

Una posicin preferida por el sistema, tal que


si este arranca desde otro estado,
evolucionar hasta Alcanzar el atractor y
permanecer all en ausencia de otros
factores.
En general, un atractor especifica una zona
restringida del espacio de estados del sistema
en estudio (una compresin)
Un atractor puede ser un punto (pe en un
Bioinspirados

sistema formado por una bola en un


recipiente esfrico sera el centro del
recipiente)
Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera
Atractor
Bioinformtica-Modelos Computacionales

El rea del espacio de


estados que corresponde a
posiciones que tienden a
evolucionar hacia el
atractor se denomina
cuenca de atraccin del Cuenca de B
atractor.
Bioinspirados

C
A B D
Atractor
Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera
Bioinformtica-Modelos Computacionales

La relacin entre el volumen de la


cuenca y el volumen del atractor
se denomina Factor de
Autoorganizacin (SOF) y suele
usarse como una medida del
grado de autoorganizacin
presente.
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Bioinformtica-Modelos Computacionales

Un atractor puede ser tambin:


Un camino regular, como pe una
rbita planetaria
Una serie compleja de estados (pe el
metabolismo de una clula)
Una secuencia infinita (denominada
Bioinspirados

tambin atractor extrao)

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Relacin entre atractores y
autoorganizacin
Bioinformtica-Modelos Computacionales

Cualquier sistema que se desplaza a una


estructura fija puede decirse que evoluciona
hacia un atractor.
Un sistema complejo puede tener muchos
atractores que pueden alterarse con los
cambios (mutaciones) de las interconexiones
del sistema o sus parmetros
El estudio de la autoorganizacin es
equivalente a la investigacin de los
atractores del sistema, su forma y su
Bioinspirados

dinmica

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Qu es un Sistema
Dinmico?
Bioinformtica-Modelos Computacionales

Conjunto de partes
interconectadas que evolucionan
en el tiempo
Expresadas como funciones (reglas
o ecuaciones) que definen la
variacin temporal
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Ejemplos
Bioinformtica-Modelos Computacionales

Ejemplo 1:
La altura de Alicia disminuye a la
mitad cada minuto ...
Alicia en el Pas de las Maravillas (Lewis Carrol)

Ejemplo 2:
Xnueva=Xanterior + Yanterior
Bioinspirados

Ynueva=Xanterior

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Qu es criticalidad?
Bioinformtica-Modelos Computacionales

Un punto en el cual las propiedades


de un sistema cambian
repentinamente, lo que se suele
referir como un cambio de fase.
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Bioinformtica-Modelos Computacionales

En el estudio de los sistemas sencillos


y complejos se pensaba que:
1. Los sistemas sencillos resultaban
de los componentes sencillos.
2. Los sistemas complejos resultaban
de los componentes complejos.
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Un poco de historia
Bioinformtica-Modelos Computacionales

1. LA MECNICA CLSICA EL DETERMINISMO


a. Sin duda alguna el mximo exponente de sta poca fue ISAAC
NEWTON (1642-1727). En el campo de las matemticas su
descubrimiento ms importante fue el clculo diferencial y en
astronoma la concepcin y elaboracin de la teora de la gravitacin
universal. Su obra ms importante fue la titulada "Los Principios
Matemticos de la Filosofa Natural". Newton marc una poca en la
que el determinismo era lo ms importante y en la que el
comportamiento de todos los sistemas poda ser establecido por
ecuaciones "perfectas".

b. Posteriores a Newton vinieron, entre otros, Bernoulli (1654-1705),


Bioinspirados

Euler (1707-1783) y Laplace ( 1749-1827), quienes estudiaron


fenmenos mecnicos y ondulatorios.

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


2. EL SIGLO XIX (POCA DE GRANDES
CAMBIOS)
Bioinformtica-Modelos Computacionales

a. Este perodo fue considerado uno de los ms importantes para


el avance de las matemticas principalmente porque hubo una
visin ms profunda de las propiedades del nmero y se
descubrieron nuevos mtodos de clculo.

b. Carl Friedrich Gauss (1777-1855), es considerado por algunos


historiadores tan importante en la historia de las matemticas
como Arqumedes y Newton. El descubri los nmeros primos y
desarroll importantes teoremas geomtricos y nuevos mtodos
de clculo que dieron nuevos rumbos a las matemticas.
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


3. EL NACIMIENTO DEL CAOS
DETERMINISTICO
Bioinformtica-Modelos Computacionales

a. James Clerk Maxwell (1831 1879), es recordado mejor por


sus contribuciones al campo del electromagnetismo, pero su
trabajo en la teora de gases fue tambin muy importante. l
viva en una poca en la que el mundo intelectual estaba regido
por el concepto de un universo predecible, pero en su trabajo
cientfico y en sus escritos ms filosficos, demostr ser la
primera persona en entender lo que hoy llamamos "caos
determinstico", al reconocer la importancia de los sistemas que
dependen de las condiciones iniciales.

b. Poincar, hizo eco a las ideas de Maxwell, llegando a la


conclusin de que en muchos sistemas no era posible predecir
Bioinspirados

con exactitud su evolucin futura, ya que aunque se conocen


las reglas que gobiernan dicho sistema, las condiciones
iniciales slo se conocen de manera aproximada, y aparecan
perturbaciones impredecibles en su comportamiento.

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Bioinformtica-Modelos Computacionales

c. Una de las tantas preguntas que estimularon su trabajo cientfico


fue la siguiente: "Porqu las tormentas y las lluvias parecen venir
por casualidad, de manera que la gente ve muy natural rezar para
que llueva o para que haya buen clima, mientras que consideraran
ridculo rezar para que haya un eclipse?"
d. Los sistemas biolgicos exhiben un comportamiento denominado
"no lineal" tanto, frecuentemente resulta difcil predecir su
comportamiento frente a un estmulo dado (Godberger A., Rigney D
et al, 1991).
e. Existen muchos modelos matemticos que sirven para describir el
comportamiento de sistemas valindose de distintas ecuaciones.
Sin embargo, muchos de estos modelos no se ajustan
Bioinspirados

adecuadamente al comportamiento de los sistemas reales debido a


que, como se mencion, ellos tienen una dinmica no lineal.

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Bioinformtica-Modelos Computacionales

Para tratar de solucionar el problema del modelado


matemtico de sta dinmica se han desarrollado
tcnicas alternativas entre la que se encuentra la
"Teora de Caos" y los "Fractales".
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Teora del Caos. Historia
Bioinformtica-Modelos Computacionales

Un modelo que naci el siglo pasado,


cuya adolescencia se dio con el
advenimiento de los computadores y que
est hoy en da en una etapa de madurez
temprana que lo convierte en un mtodo
vlido y promisorio para estudiar el
comportamiento de los sistemas
Bioinspirados

biolgicos.

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Bioinformtica-Modelos Computacionales

Generalidades:
Hasta hace no menos de 50 aos, se pensaba que el
comportamiento de la mayora de sistemas era
determinista, es decir, obedece a leyes determinadas, y
por lo tanto puede ser predicho fcilmente. Dicho concepto
est fundamentado en el modelo de Homeostasis
propuesto por Claude Bernard y desarrollado por Cannon.
Se pensaba que los sistemas que no cumplen con este
comportamiento son aleatorios, y por lo tanto eran
gobernados por leyes probabilsticas y eran modelados por
Bioinspirados

medio de mtodos estadsticos.

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Bioinformtica-Modelos Computacionales

De otro lado, se pueden observar sistemas con un


comportamiento global determinista, y un
comportamiento local impredecible. Por ejemplo: se
sabe que la frecuencia cardiaca de una persona
normal en reposo se puede encontrar entre 60 y 100
latidos por minuto, pero es imposible saber con
exactitud, cual ser su frecuencia cardiaca un tiempo
despus de medir esta variable
Este tipo de comportamiento se observa en sistemas
que tienen componentes fsicos deterministas, pero
Bioinspirados

que se encuentran influidos por factores externos


variables e impredecibles.

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Comportamiento Catico
Bioinformtica-Modelos Computacionales

Dicho comportamiento es aparentemente aleatorio; sin


embargo, pueden ser modelados matemticamente por
ecuaciones que tienen un componente claramente
determinista, pero que involucran la incertidumbre como
parte del sistema. Este tipo de comportamiento de
apariencia desordenada, con un componente determinista
subyacente, se denomina comportamiento catico.
El caos no significa desorden absoluto, significa un
comportamiento regido por factores deterministas,
pero con un nivel significativo de incertidumbre en
la evolucin de su comportamiento.
Bioinspirados

La teora matemtica de caos pretende, entre otras cosas,


dar herramientas cuantitativas para poder hacer un
trabajo fundamentado en el mtodo cientfico.

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Elementos definitorios de
un sistema dinmico
Bioinformtica-Modelos Computacionales

Estado: de un sistema dinmico resulta


especificado por el valor actual de las
variables definitorias: x, y, z, ...
Iteracin; proceso de clculo de las
variables del nuevo estado
Para evaluar como se comporta un
sistema se precisa conocer:
Las funciones
Bioinspirados

Los parmetros
Las condiciones iniciales o estado inicial

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


A tener en cuenta
Bioinformtica-Modelos Computacionales

Los sistemas caticos no son pues,


estacsticos sino deterministas,
aunque su comportamiento puede
resultar impredecible
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Sistemas Dinmicos
Deterministas Lineales
Bioinformtica-Modelos Computacionales

Cambios en los valores de las variables de


entrada provocan cambios predecibles en los
de salida, y por tanto, pequeas
modificaciones en su comportamiento

y = mx + b
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Sistemas Dinmicos
Deterministas No Lineales
Bioinformtica-Modelos Computacionales

Dan un nuevo sentido al trmino


impredecible
Una actitud diferente al concepto de
variabilidad
Algunas herramientas nuevas para
explorar datos de series temporales
y para modelar tal comportamiento
Bioinspirados

Un nuevo paradigma

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Previos a Ejemplo: La ecuacin
logstica en diferencias
Bioinformtica-Modelos Computacionales

Es un modelo que se suele utilizar


para introducir el caos
Modelo bsico de crecimiento en
diferencias:

xn+1 = r*xn
Bioinspirados

Modelo que puede producir


crecimiento ilimitado
Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera
Bioinformtica-Modelos Computacionales

xn+1 = r*xn
Esta ecuacin expresa que x cambia segn los
periodos de tiempo en concordancia con r.
Bioinspirados

Si x<1, x disminuye Si r>1 ,x crece


Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera
Modelo de crecimiento
limitado: Mapa Logstico
Bioinformtica-Modelos Computacionales

Previene el crecimiento ilimitado,


inhibindolo si alcanza un alto nivel
Se consigue con un trmino adicional

xn+1 = r*xn[1-xn]
Bioinspirados

Porque cuando x se aproxima a 1, [1-


x] se aproxima a 0.
Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera
Bioinformtica-Modelos Computacionales
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Comportamiento de la curva
logstica de crecimiento
limitado
Bioinformtica-Modelos Computacionales

El comportamiento iterativo
depende de dos factores:
Valor de los parmetros
Condiciones Iniciales
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Bioinformtica-Modelos Computacionales

xn+1 = r*xn[1-xn]
Analicemos comportamientos respecto
a r entre las proximidades de 0 y 4.0
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


r1
Bioinformtica-Modelos Computacionales
Bioinspirados

Hay un atractor en x=0


Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera
1<r3
Bioinformtica-Modelos Computacionales
Bioinspirados

El atractor se desplaza desde cero


Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera
3<r
Bioinformtica-Modelos Computacionales

Al movernos por encima de r=3 el sistema tiende a alternar entre dos puntos. Es
decir, tenemos un atractor de dos puntos, y por tanto ha surgido una bifurcacin o
desdoblamiento de periodo.
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


r=3.54
Bioinformtica-Modelos Computacionales

Aparece un atractor de 4 puntos


Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


r=3.99
Bioinformtica-Modelos Computacionales

Atractor de N puntos
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Bioinformtica-Modelos Computacionales

Asi pues, qu es un atractor?:

Un estado donde el sistema se establece o al que tiende.

Tras suficientes iteraciones (repeticin de un clculo


simple) de las funciones que los determinan su funcin
tiende a estabilizarse en uno o ms valores.

Este conjunto de valores para los cuales la funcin f(x) se


estabiliza cuando el nmero de iteraciones tiende a
infinito (), se denomina "atractor".
Bioinspirados

Pero hay que tener en cuenta que hay situaciones con


atractores muy extraos.

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Sensibilidad a las
Condiciones Iniciales
Bioinformtica-Modelos Computacionales

En la regin catica emerge otra importante caracterstica: la


sensibilidad a las condiciones de partida

R=3.99, x(1)=0.3, 48 iteraciones R=3.99, x(1)=0.301, 48 iteraciones


Bioinspirados

R=3.99, x(1)=0.30000001, 48 iteracion

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Grficas de Dispersiones
Bioinformtica-Modelos Computacionales
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Bioinformtica-Modelos Computacionales

Se ha ilustrado uno de los sntomas del


caos:
Un sistema catico es uno en el que la
distancia entre dos trayectorias para
puntos cercanos en el espacio de
estados diverge a lo largo del tiempo.
La magnitud de la divergencia se
Bioinspirados

incrementa exponencialmente en un
sistema catico.

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Sntomas de Sistema
Catico
Bioinformtica-Modelos Computacionales

Es un sistema determinista
Su comportamiento es difcil de
distinguir del comportamiento aleatorio
Es sensible a las condiciones iniciales
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Diagramas de
Bifurcaciones
Bioinformtica-Modelos Computacionales

Una bifurcacin es un desdoblamiento


de periodo, es decir, una situacin en la
que se pasa de un atractor de N puntos
a otro de 2N puntos al cambiar un valor
de parmetro
Un Diagrama de Bifurcaciones es un
resumen visual de la sucesin de
Bioinspirados

desdoblamiento de periodos producido


cuando se incrementa r

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Ejemplo para el Mapa
Logstico
Bioinformtica-Modelos Computacionales

La figura muestra el diagrama de bifurcacin del mapa logstico,


con r en el eje de abcisas.
Para cada valor de r se permite primero que el sistema se
estabilice y a continuacin se muestran los valores sucesivos de x
para unos cuantos cientos de iteraciones.
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


"El efecto mariposa"
Bioinformtica-Modelos Computacionales

"Si hoy agita una mariposa sus alas


en Barcelona, con su aleteo puede
producir un huracn en Tokio el mes
que viene."

Este concepto es el que se conoce como
"Dependencia sensitiva de las
condiciones iniciales" que es
determinante y bsico para comprender
Bioinspirados

este mundo tan maravilloso, tan catico


y regular a la vez.
Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera
Bioinformtica-Modelos Computacionales

Los sistemas dinmicos, son sistemas que varan con el paso


del tiempo, tales como:
la teora maltusiana de poblacin y recursos,
la meteorologa,
los sesmos,
los movimientos que efecta un chorro de caf humeante
al entrar en contacto con la leche de un taza (mecnica de
fluidos),
el giro impredecible de una noria de agua cuando su
Bioinspirados

caudal es inusitadamente acelerado,


la gran mancha de Jpiter,
las fluctuaciones econmicas de los precios, etc.

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Bioinformtica-Modelos Computacionales

Es en los sistemas dinmicos donde podemos


usar el trmino "caos" y donde una variacin
mnima de las condiciones iniciales supone un
comportamiento totalmente distinto del
esperado por parte del sistema. Es decir, que un
sistema podr ser catico cuando su
comportamiento sea impredecible. Entonces la
pregunta es obvia:
Si el caos no puede predecir su comportamiento
Bioinspirados

qu puede hacer el caos por los sistemas


dinmicos?

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Bioinformtica-Modelos Computacionales

El caos es determinista al estudiar uno de estos sistemas y si se


trata en su globalidad.

Por tanto, no permitir predecir el estado futuro del mismo pero


s modelar su comportamiento general.

Os habrn venido a la cabeza ideas como desorden, azar,


Bioinspirados

complejidad, impredicibilidad, en resumen, lo que los cientficos


identifican por Caos.

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Caos y Fractales
Bioinformtica-Modelos Computacionales

Tiende a confundirse Caos y Fractales.


Son dos trminos que suelen venir
parejos en las publicaciones, ora sin
hacer distinciones, ora mezclando
conceptos.

No son sinnimos y tienen
comportamientos distintos, a pesar de
compartir una formulacin sencilla y
Bioinspirados

que ciertos fenmenos caticos tengan


una estructura fractal (atractor).

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Caos vs. Fractales
Bioinformtica-Modelos Computacionales

Caos Fractales
Dependencia sensitiva de Recursividad infinita
las condiciones inciales
Autosemejanza,
Impredicibilidad invariablemente de la
escala

Definido por ecuaciones Muchos fractales no son


deterministas caticos
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Bioinformtica-Modelos Computacionales

En la turbulencia de un arroyo
es imposible predecir la
trayectoria de una partcula
de agua. Sin embargo, ese
sistema es, a la vez,
continuamente cambiante y
siempre estable. Si tiramos
una piedra al agua el sistema
no se desestabilizar, cosa
Bioinspirados

que s ocurrira en un sistema


no catico.

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Bioinformtica-Modelos Computacionales

1. Dibujar dos curvas en los


mismos ejes. Escoger un
punto del eje X. Este punto
ser el valor inicial.
2. Dibujar una vertical desde
ese punto hasta interceptar
la parbola.
3. Dibujar una horizontal
desde la intercepcin hasta
llegar a la lnea diagonal.
4. Repetir paso 2 con el ltimo Parmetro: C= 1/4 para el valor
Bioinspirados

punto obtenido. inicial 0. La lnea que se forma se


llama rbita, y tiende a 1/2.

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Bioinformtica-Modelos Computacionales

Parmetro = -3/4. Ntese


que la rbita se aproxima
desde los cuatro lados al
punto, pero despus de las
1000 iteraciones realizadas
todava queda un puntito
blanco en el centro: la rbita
no ha alcanzado su valor
final.
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Bioinformtica-Modelos Computacionales

C= -13/16. La rbita
comienza a circular
alternndose entre -3/4 y
-1/4.
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Bioinformtica-Modelos Computacionales

C= -1.3. La rbita oscila en


un ciclo cudruple entre
los valores 1.2996224637,
0.3890185483,
-1.1486645691, y
0.0194302923, Esta vez
despus de slo 100
iteraciones la rbita parece
haber alcanzado su valor
Bioinspirados

final

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Bioinformtica-Modelos Computacionales

C= -1.4015. Se parece a la
grfica anterior, sin
embargo en sta la rbita
nunca pasa por el mismo
sitio sino que se ajusta a
unas bandas.
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Bioinformtica-Modelos Computacionales

C= -1.8. Se ve que al
cambiar el valor inicial (por
pequeo que sea el
cambio) la rbita cambia
totalmente.

Esto es el CAOS!
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Trminos importantes en la
teora de Caos:
Bioinformtica-Modelos Computacionales

Espacio de Fase: Es la
representacin grfica del
comportamiento de un
sistema. Existen varias
tcnicas para elaborarlos:
a) Una de ellas se logra,
dibujando las diferentes
variables del sistema en un
grfico de coordenadas
b) Otra relacionando una
funcin, con la derivada de
dicha funcin; tambin se
puede representar una
funcin, contra s misma, Espacio de fase de un
Bioinspirados

introduciendo un desfase electrocardiograma.Se representa la


seal electrocardiogrfica (eje X),
contra la misma seal desfasada (eje Y)

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Bioinformtica-Modelos Computacionales

Atractor: Es la figura que se genera en el espacio


de fase cuando se grafica una variable contra s
misma introduciendo un retardo (desfase), con el fin
de explorar la correlacin de un dato con sus
vecinos.
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Tipos de Atractores
Bioinformtica-Modelos Computacionales

Atractor Puntual: Cuando las


variables de un sistema
tienden a un valor estable o
al reposo, aparece un
atractor que se circunscribe
a un subespacio del espacio
de fase.
Atractor Puntual. Representa un
pndulo que va disminuyendo su
movimiento con el tiempo debido
Bioinspirados

al efecto de la gravedad. Las


coordenadas representan la
posicin del pndulo.

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Bioinformtica-Modelos Computacionales

Atractor de Ciclo Lmite: Este


tipo de imagen se observa
cuando se estudian sistemas
con comportamiento cclico
completamente regular. Este
atractor tambin se confina a
un subespacio del espacio
de fase, pero las trayectorias
que describen las variables Atractor de Ciclo
son siempre iguales, siendo mite.Representacin del
predecible su comportamiento del pulmn en
Bioinspirados

ventilacin mecnica. Presin (eje


comportamiento en el
X), contra el Volumen (eje Y). Se
tiempo. observa un comportamiento
cclico regular, produciendo una
atractor confinado a un
Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera
subespacio del espacio de fase.
Bioinformtica-Modelos Computacionales

Atractor Toroidal: Cuando el


sistema es cuasiperidico genera
un atractor similar al de ciclo
lmite, pero las trayectorias no
siempre pasan por los mismos
puntos, aprecindose as, el
comportamiento no uniforme.

Atractor Toroidal.Esquematiza el comportamiento de un sistema


Bioinspirados

cuasiperidico determinstico, en el cual las trayectorias son


muy regulares pero se desplazan uniformemente dentro de un
subespacio del espacio de fase.

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Bioinformtica-Modelos Computacionales

Atractor Extrao: Es el
atractor caracterstico de los
fenmenos de
comportamiento catico.
Tiene formas muy variadas
con trayectorias
impredecibles localmente,
pero que se circunscribe en
un mismo subespacio del
Atractor Extrao.Este atractor corresponde
espacio de fase, al mismo sistema del pulmon, pero sin el
representndose as, la control ejercido por el ventilador mecnico.
Bioinspirados

Se aprecia que el comportamiento del


llamada estabilidad global sistema es catico porque las variables
con inestabilidad local (presin y volumen) tienen
comportamientos diferentes en cada ciclo. A
mencionada anteriormente. pesar de ello, el sistema tiene estabilidad
global.
Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera
Dimensin del Atractor
Bioinformtica-Modelos Computacionales

Es una cifra que permite cuantificar las


caractersticas de un atractor, y que se
calcula por diferentes mtodos como la
dimensin de correlacin
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Interpretacin de la dimensin del
atractor
Bioinformtica-Modelos Computacionales

Esta medida permite establecer el nmero de


variables independientes que determinan el
comportamiento del sistema.
Adems, la dimensin es un reflejo de la
complejidad del sistema, permitiendo as,
determinar de manera cuantitativa los
cambios de comportamiento del sistema
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Atractores Extraos
Bioinformtica-Modelos Computacionales

En muchas representaciones grficas como


las anteriores, representadas en diferente
nmero de dimensiones, se observan zonas
peculiares alrededor de determinados
puntos. Ejemplo:
El atractor de Henon con sucesivas
ampliaciones:
Bioinspirados

f: (x, y) --> (0.3 y, 1 + x - 1.4 y2)

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Bioinformtica-Modelos Computacionales
Bioinspirados

x = [-0.4046, +0.4010] x = [0.1500, 0.2500]


y = [-1.3490, +1.3370] y = [0.2600, 0.3600]

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Bioinformtica-Modelos Computacionales
Bioinspirados

x = [0.2070, 0.2200] x = [0.2103, 0.2110]


y = [0.3020, 0.3100] y = [0.3050, 0.3055]

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Otras grficas de atractores extraos
Bioinformtica-Modelos Computacionales

Lorenz (3D):
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Bioinformtica-Modelos Computacionales

Ikeda (2D):
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Bioinformtica-Modelos Computacionales

Ushiki (2D)
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Vrtices
Bioinformtica-Modelos Computacionales

Cuando el agua hierve, el lquido del fondo asciende, y el de arriba baja,


formndose una competicin catica. Se dice que el agua ejerce sus
mximos grados de libertad. Se ha descubierto que al calentar el agua
por debajo del punto de ebullicin ste se autoordena en un modelo de
vrtices geomtricos. Para suceder esto, primero se ha de llegar a un
punto de bifurcacin, que es donde el sistema se transforma. Cada uno
de los vrtices que entonces se forman (en este caso de forma
hexagonal, ver foto) se enlaza a otras fluctuaciones formando ms
vrtices, as se amplifica el sistema, retroalimentndose a s mismo.
Otra fase de la retroalimentacin consiste en la amplificacin de los
efectos. Ejemplo: cuando colocamos el micrfono demasiado cerca del
altavoz: los pequeos sonidos ambientales son captados por el micro,
salen amplificados por el altavoz, vuelven a ser captados por el micro y
Bioinspirados

vuelven a salir todava ms amplificados.


Una definicin de vrtice es un atractor extrao con pocos grados de
libertad

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Autoorganizacin del caos
Bioinformtica-Modelos Computacionales

Estamos observando la
autoorganizacin del caos por todas
partes en la naturaleza. Es una
autoorganizacin que aporta al
sistema mucha ms estabilidad y
flexibilidad que cualquier estructura
que haya sido creada artificialmente.
Este huracn, por ejemplo, es una
gran forma autoorganizada de la
naturaleza. Si no fuera por su
autoorganizacin toda la fuerza que
lleva cada partcula se perdera al
chocar unas con otras, sin embargo
Bioinspirados

las partculas entran en ciclos


retroalimentadores y mediante el
efecto mariposa se amplifica su
velocidad.

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Bioinformtica-Modelos Computacionales

En un sistema autoorganizado por individuos, por ejemplo las


termitas, hay varios niveles de organizacin. Dependiendo de las
circunstancias, de la densidad de la poblacin, etc, las "reglas"
cambian. La conducta individual sigue unas reglas, la conducta
colectiva sigue otras. Hay que tener en cuenta que la unin del
grupo de individuos no se debe a que un individuo solo o una elite
estn asumiendo la direccin. A partir de la actividad individual
aleatoria se produce una retroalimentacin, con lo cual el sistema
se autoorganiza; entonces las reglas colectivas (surgidas de la
aletoriedad de las individuales), restringen en determinado grado
las reglas individuales. Sin embargo, esta dinmica global del
Bioinspirados

sistema no puede reducirse a la dinmica de sus unidades


constituyentes.

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Control
Bioinformtica-Modelos Computacionales

Los sistemas caticos son muy flexibles. Si tiramos una


piedra al ro, su choque con las partculas del agua no
cambia el cauce del ro, sino que el caos se adapta al
cambio. Sin embargo, si el ro hubiese sido creado por
nosotros con un orden artificial, donde cada partcula de
agua tuviera una trayectoria determinada, el orden se
hubiera derrumbado completamente.
El caos en realidad es mucho ms perfecto (estable) que
nuestro orden artificial; hemos de comprender el caos y no
intentar crear un orden rgido, que no sea flexible ni
abierto a la interaccin con el medio.
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


El Caos en el Arte
Bioinformtica-Modelos Computacionales

Estn hechos mediante una tcnica que permite que la pintura se


mezcle ALEATORIAMENTE. Puesto que la casualidad no existe
como tal, sino que todo es una manifestacin fractal, lo que en
realidad se ha hecho es permitir a la Naturaleza expresarse a
travs de la mezcla catica de la pintura.
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Bioinformtica-Modelos Computacionales

Tomemos como ejemplo la cada de


los rboles de la selva. Cuando un
rbol cae deja un claro por donde
entra la luz, las condiciones
cambian, la vegetacin se ve muy
afectada. Otras veces, al caer un
rbol, arrastra a otros, formndose
claros de cientos de metros
cuadrados. El dibujo que forman los
claros de la selva generados por la
cada de rboles representan una
Bioinspirados

estructura fractal de un sistema en


punto crtico.

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


La autoorganizacin de las
colonias de hormigas
Bioinformtica-Modelos Computacionales

Su comportamiento global sorprende: si


contamos el nmero de individuos activos, a lo
largo del tiempo, comprobaremos que el nmero
flucta con una periodicidad de unos 25 minutos.
Cada cierto tiempo ningn elemento est activo.
Ese ciclo de actividad podra ser slo un reflejo
de sincronizacin, sin embargo la actividad
individual es totalmente aperidica, catica, sin
ningn tipo de regularidad intrnseca.

Al aumentar el nmero de individuos aparece un comportamiento colectivo


hasta que, para cierta densidad de hormigas, comienzan a aparecer
oscilaciones regulares. Si artificialmente cambiamos la densidad de las
Bioinspirados

hormigas la colonia redefine sus fronteras, para volver a la densidad ptima


para mantenerlas autoorganizadas. En esa densidad crtica el sistema se
comporta como un todo, a medio camino entre el orden y el desorden.

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


El caos en el cuerpo
humano
Bioinformtica-Modelos Computacionales

El cuerpo humano tambin es un sistema catico (los mdicos ya


tienen excusa :-)).
Es imposible predecir el recorrido que una partcula cualquiera
tendr dentro de nuestro cuerpo.
La medicina todava no puede hacer una prediccin acerca de la
evolucin del cuerpo de determinado individuo. Sin embargo el
cuerpo humano, a pesar de las muy diferentes condiciones
externas a que puede estar expuesto (clima, alimento, esfuerzo
fsico, etc), siempre mantiene una forma general.
Es tan resistente a cambios (dentro de lo que cabe) porque los
sistemas caticos son muy flexibles. Una enfermedad es algo
Bioinspirados

impredecible, pero si el cuerpo no tuviera la libertad de ponerse


enfermo, con cualquier cambio producido el sistema se
desmoronara.

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Bioinformtica-Modelos Computacionales

Hasta tal punto es flexible dicho sistema, que mantiene una forma
ms o menos parecida durante ms de 70 aos, a pesar de que
ningn tomo de los que hoy forman nuestro cuerpo era el mismo
hace 7 aos. La explicacin de que un sistema tan impredecible
como el cuerpo humano sea tan estable est en que es un atractor
extrao y est lleno de atractores extraos. El sistema siempre es
atrado hacia un determinado modelo de conducta, si cambiamos
algo en el sistema ste vuelve cuanto antes hacia el atractor
extrao. Esto no significa que la conducta sea mecnica, todo lo
contrario: es impredecible. Slo sabemos hacia dnde va a tender.
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Bioinformtica-Modelos Computacionales

Por ejemplo, en el corazn la conducta atractora es el disparo de una secuencia de


neuronas. Conocemos aproximadamente el ritmo que debera tener el corazn,
pero ste siempre tiene pequeas irregularidades. Estas pequeas alteraciones son
una seal de salud del corazn, una muestra del vigor del sistema catico, que es
flexible a los cambios. El caos permite al corazn un abanico de comportamientos
(grados de libertad) que le permiten volver a su ritmo normal despus de un
cambio. A continuacin se ven dos grficos: el primero muestra un comportamiento
de un corazn sano, el segundo es de un corazn enfermo, que con el ms
pequeo cambio se parara.
Bioinspirados

Grficas de comportamiento de un corazn sano y uno e


Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera
Conclusin
Bioinformtica-Modelos Computacionales

Un organismo sano, animal o vegetal,


es un atractor extrao en el espacio de
fases, en cada caso con su particular
grado de libertad y grado de regularidad.
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Bioinformtica-Modelos Computacionales

Ejemplo
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Sistema Predador-Presa
Bioinformtica-Modelos Computacionales

Modelado de ecosistemas para:


El anlisis y estudio de evolucin futura
Introduccin de tcnicas biolgicas de control de plagas
Objetivo: control de una poblacin (presas) estabilizndola
por debajo de un cierto nivel, introduciendo control va otra
especie (predadora) que se alimenta de la primera con la
situacin idnea de que la poblacin de presas se mantiene
bajo un umbral suficiente para que los predadores sobrevivan
tambin en una reducida cantidad de forma que, si hay una
nueva infeccin, los predadores crezcan y la controlen
Bioinspirados

Ejemplos: zorros y conejos, ballenas y krill,


etc...
Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera
Ecuacin de Lotka-Volterra
(LV)
Bioinformtica-Modelos Computacionales

Dos ecuaciones diferenciales:


x = a*x b*x*y
y = -c*y +d*x*y

Donde x representa el nmero de


presas e y el de predadores
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Explicacin de LV
Bioinformtica-Modelos Computacionales

x = a*x b*x*y x presas


y predadores
y = -c*y +d*x*y
1. Sin predadores (y=0) la velocidad de variacin de
presas aumenta proporcionalmente al nmero de
presas presentes, es decir, el nmero de presas sufre
de crecimiento malthusiano (exponencial)
2. Sin presas (x=0) el nmero de predadores disminuye
exponencialmente en proporcin al de predadores
3. En presencia de predadores, el nmero de presas
Bioinspirados

disminuye por la accin de aquellos en proporcin al


producto de ambas poblaciones (-b*x*y)
4. En presencia de ambos, la poblacin de predadores
aumenta proporcionalmente al nmero de encuentros
(d*x*y)
Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera
Bioinformtica-Modelos Computacionales
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Modelo Logstico
Bioinformtica-Modelos Computacionales

En ausencia de predadores, se asume que la


poblacin de presas en el nicho obedece a un
modelo de crecimiento logstico en vez de
exponencial
x = a*x b*x*y
y = -c*y*(1-k*y) +d*x*y
Se asume adicionalmente:
Si la poblacin es pequea, la velocidad de
crecimiento de la poblacin es proporcional a
Bioinspirados

su tamao
Si la poblacin es muy grande para ser
soportada por el entorno y los recursos, la
poblacin
Instituto decrecer
Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera
Modelo Predador-Presa con
Cosecha
Bioinformtica-Modelos Computacionales

Ambas especies son cazadas por


tramperos para vender sus pieles,
de manera que la cantidad
recolectada por unidad de tiempo
es proporcional a la poblacin
x = a*x b*x*y H1*x
Bioinspirados

y = -c*y +d*x*y H2*y

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Modelo Predador-Presa con
Migracin
Bioinformtica-Modelos Computacionales

Se asume migracin e inmigracin de


presas, mientras que los predadores
son sedentarios. La amplitud de la
migracin es K y su periodo w.

x = a*x b*x*y
Bioinspirados

y = -c*y +d*x*y
K*sin(w*t)

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Bioinformtica-Modelos Computacionales
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Bioinformtica-Modelos Computacionales
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Bioinformtica-Modelos Computacionales
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Bioinformtica-Modelos Computacionales
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera


Bioinformtica-Modelos Computacionales
Bioinspirados

Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numricas en Ingeniera