MODELADO Y SIMULACION DE SISTEMAS

ING. SISTEMAS

Automata Celular

Integrantes:

Materia: Modelación Y Simulación De Sistemas

Gestion: 2023/I
 MODELADO Y SIMULACION DE SISTEMAS
ING. SISTEMAS

CÓDIGO DEL ESTUDIANTE

INVESTIGACION
ASIGNATURA: MODELACIÓN Y
CARRERA: ING. DE SISTEMAS FECHA: 10 / 04 / 2023
SIMULACIÓN DE SISTEMAS
CURSO: Séptimo Semestre DOCENTE: Ing.
UNIDAD
AUTOMATA INTELIGENTE
TEMÁTICA

I) DEFINICION

Un autómata celular es una colección de celdas "coloreadas" en una rejilla de forma especificada que
evoluciona a través de una serie de pasos discretos de tiempo de acuerdo con un conjunto de reglas
basadas en los estados de las celdas vecinas. Las reglas se aplican iterativamente durante tantos pasos de
tiempo como se desee. Von Neumann fue una de las primeras personas en considerar este modelo, e
incorporó un modelo celular en su "constructor universal". Los autómatas celulares fueron estudiados a
principios de la década de 1950 como posible modelo para sistemas biológicos (Wolfram 2002, p. 48).
Estudios exhaustivos de autómatas celulares han sido realizados por S. Wolfram a partir de la década de
1980, y la investigación fundamental de Wolfram en este campo culminó en la publicación de su libro "A
New Kind of Science" (Wolfram 2002), en el que presenta una gigantesca colección de resultados sobre
autómatas, entre los que se incluyen varios nuevos descubrimientos revolucionarios.

El episodio de la temporada 2 "Bettor or Worse" (2006) del drama criminal de televisión "NUMB3RS"
menciona autómatas celulares unidimensionales.

Los autómatas celulares pueden tener una variedad de formas y variedades. Una de las propiedades más
fundamentales de un autómata celular es el tipo de rejilla en la que se computa. La más simple de estas
"rejillas" es una línea unidimensional. En dos dimensiones, se pueden considerar rejillas cuadradas,
triangulares y hexagonales. Los autómatas celulares también pueden ser construidos en rejillas cartesianas
en un número arbitrario de dimensiones, siendo la elección más común la red de enteros de d dimensiones
 MODELADO Y SIMULACION DE SISTEMAS
ING. SISTEMAS

Z^d. Los autómatas celulares en una red de enteros d-dimensional se implementan en el lenguaje de
programación Wolfram como CellularAutomaton[regla, ini, pasos].

También se debe especificar el número de colores (o estados distintos) que puede asumir un autómata
celular. Este número suele ser un entero, siendo k=2 (binario) la opción más sencilla. Para un autómata
binario, el color 0 se llama comúnmente "blanco" y el color 1 se llama comúnmente "negro". Sin
embargo, también se pueden considerar autómatas celulares que tienen un rango continuo de posibles
valores.

Además de la rejilla en la que vive un autómata celular y los colores que pueden asumir sus células,
también se debe especificar el vecindario sobre el cual las células se afectan entre sí. La opción más
simple es "vecinos más cercanos", en la que solo las células directamente adyacentes a una célula dada
pueden verse afectadas en cada paso de tiempo. Dos vecindarios comunes en el caso de un autómata
celular bidimensional en una rejilla cuadrada son el llamado vecindario de Moore (un vecindario
cuadrado) y el vecindario de von Neumann (un vecindario en forma de diamante).

El tipo más simple de autómata celular es un autómata celular unidimensional binario de vecindad
cercana. Estos autómatas se llaman "autómatas celulares elementales" por S. Wolfram, quien ha estudiado
extensamente sus sorprendentes propiedades (Wolfram 1983; 2002, p. 57). Hay 256 de estos autómatas,
cada uno de los cuales puede ser indexado por un número binario único cuya representación decimal se
 MODELADO Y SIMULACION DE SISTEMAS
ING. SISTEMAS

conoce como la "regla" para el autómata en particular. Se muestra una ilustración de la regla 30 junto con
la evolución que produce después de 15 pasos, comenzando desde una sola celda negra.

Una clase ligeramente más complicada de autómatas celulares son los autómatas celulares totalísticos
unidimensionales de vecindad cercana y -colores. En estos autómatas, es el promedio de las celdas
adyacentes lo que determina la evolución, y los ejemplos más simples no triviales tienen colores. Para
estos autómatas, el conjunto de reglas que describen el comportamiento se puede codificar como un
número -ario de -dígitos conocido como "código". Se ilustran las reglas y 300 pasos del autómata ternario
() de código 912.

II) Caracteristicas
La multiplicación de un polinomio característico A(x) por x ± j da como resultado un dipolinomio
que representa una configuración en la que el valor de cada sitio ha sido transferido
(desplazado) a un sitio j lugares a su derecha (izquierda). Las condiciones de frontera periódicas
en el autómata celular se implementan reduciendo el dipolinomio característico módulo el
polinomio fijo x N - 1 en todas las etapas, según:

Ten en cuenta que cualquier dipolinomio es congruente módulo (x N -1) con un polinomio
ordinario único de grado menor que N.
(t )
En general, el valor a i de un sitio en un autómata celular se toma como una función arbitraria
( t−1 ) ( t−1)
de los valores a i−1 , ai en el paso de tiempo anterior. Hasta la Sección 5, consideraremos una
clase especial de autómatas celulares "aditivos" que evolucionan con el tiempo según reglas
simples de combinación lineal de la forma (tomando el índice del sitio i módulo N)
 MODELADO Y SIMULACION DE SISTEMAS
ING. SISTEMAS

En donde α j son elementos fijos de Rk y todas las operaciones aritméticas se realizan en Rk La

evolución temporal se puede representar mediante la multiplicación del polinomio
característico por un dipolinomio fijo en x.

Acorde a:

En este caso, la aritmética también se realiza en Rk . Los autómatas celulares aditivos obedecen
un principio de superposición aditiva que implica que la configuración obtenida por la evolución
durante t pasos de tiempo a partir de una configuración inicial A( 0) ( x ) + B(0 ) ( x ) es idéntica a
A( t ) ( x )+ B( t ) ( x ), donde A( t ) ( x ) y B(t ) ( x ) son los resultados de la evolución separada de
( 0) (0 )
A ( x ) + B ( x ), y toda la suma se realiza en IRk. Dado que cualquier configuración inicial se
puede representar como una suma de configuraciones "base" L1(x) = xj que contienen sitios
individuales no nulos con valores unitarios, el principio de superposición aditiva determina la
evolución de todas las configuraciones en términos de la evolución de L1(x). Debido a la simetría
cíclica entre los sitios, es suficiente considerar el caso j=0.

1. Estructura: un autómata celular de Wolfram se compone de una serie de celdas,

organizadas en una o más dimensiones. Cada celda puede tener un estado o valor
determinado en función de sus estados vecinos.
2. Reglas de evolución: la evolución del autómata celular está determinada por reglas simples
que se aplican a cada celda y sus vecinos. Estas reglas definen cómo se actualizará el estado
de cada celda en cada paso de tiempo.
3. Simetría: los autómatas celulares de Wolfram suelen ser simétricos, lo que significa que las
reglas de evolución son las mismas para todas las celdas.
4. Complejidad: aunque las reglas de evolución son muy simples, la interacción entre las celdas
puede generar patrones y comportamientos complejos, incluso caóticos.
5. Clasificación: Wolfram clasificó los autómatas celulares en cuatro clases, en función de su
complejidad. Las clases 1 y 2 son simples y generan patrones predecibles, mientras que las
clases 3 y 4 son más complejas y pueden generar comportamientos impredecibles.

III) Ejemplos de Estructura

 MODELADO Y SIMULACION DE SISTEMAS
ING. SISTEMAS

1. Unidimensionales: En los autómatas celulares unidimensionales, las celdas están

organizadas en una línea, y cada celda tiene dos estados posibles, que suelen representarse
como 0 o 1. En cada paso de tiempo, el estado de cada celda se actualiza en función del
estado de sus vecinos. La regla de evolución determina cómo se actualizará el estado de
cada celda en función de los estados de sus vecinos. Las reglas de Wolfram se expresan en
términos de las combinaciones posibles de los estados de la celda y sus dos vecinos
inmediatos, por lo que hay un total de 256 reglas posibles.
2. Bidimensionales: En los autómatas celulares bidimensionales, las celdas están organizadas
en una matriz de dos dimensiones, y cada celda tiene varios estados posibles, como
diferentes colores. La regla de evolución determina cómo se actualizará el estado de cada
celda en función del estado de sus vecinos inmediatos, que suelen ser las ocho celdas
adyacentes. El autómata celular de Conway's Game of Life es un ejemplo famoso de un
autómata celular bidimensional. En este autómata, cada celda representa una célula viva o
muerta, y las reglas de evolución se basan en el número de células vivas adyacentes.
3. Autómatas celulares continuos: En los autómatas celulares continuos, las celdas están
organizadas en una estructura continua, como un espacio euclidiano o una variedad
riemanniana. Cada celda tiene un valor numérico continuo, y la regla de evolución se
expresa en términos de una ecuación diferencial que describe cómo evoluciona el valor de
la celda a lo largo del tiempo. Los autómatas celulares continuos se utilizan en la física para
simular la evolución de sistemas dinámicos continuos, como los fluidos. Un ejemplo de
autómata celular continuo es el modelo de Navier-Stokes, que se utiliza para simular el flujo
de líquidos y gases.
IV) Criterios de construccion
4.1. Definir el tipo de celda:
El tipo de celda que se utilizará depende de la naturaleza del problema que se está
abordando. Por ejemplo, si se está trabajando con datos unidimensionales, como series
de tiempo, entonces un autómata celular unidimensional podría ser una buena opción.

Por otro lado, si se está trabajando con datos de imágenes, entonces un autómata celular
bidimensional podría ser más apropiado. Además, si se está simulando un sistema
continuo, entonces un autómata celular continuo podría ser la mejor opción.

4.2. Especificar la regla de evolución

La regla de evolución es el conjunto de reglas que determina cómo se actualizará el estado de
cada celda en función de los estados de sus vecinos. Las reglas de Wolfram son un ejemplo
popular de una regla de evolución. Estas reglas se basan en la combinación de los estados de la
celda y sus dos vecinos inmediatos. También es importante considerar la complejidad de la regla
de evolución. Una regla demasiado simple puede llevar a resultados aburridos y predecibles,
mientras que una regla demasiado compleja puede dificultar el análisis y la interpretación de los
resultados.
 MODELADO Y SIMULACION DE SISTEMAS
ING. SISTEMAS

4.3. Definir las condiciones iniciales

Las condiciones iniciales pueden influir significativamente en el comportamiento del autómata
celular. Por lo tanto, es importante definirlas de manera cuidadosa y coherente con el problema
que se está abordando. En algunos casos, puede ser útil definir condiciones iniciales aleatorias
para explorar la diversidad de posibles soluciones. En otros casos, puede ser mejor definir
condiciones iniciales específicas para reflejar mejor el problema que se está abordando.

4.4. Seleccionar las herramientas de software adecuadas

La implementación de un autómata celular puede ser compleja, especialmente si se trata de un
autómata celular bidimensional o continuo. Es importante seleccionar las herramientas de
software adecuadas y tener un conocimiento sólido de programación. Algunas herramientas
populares para la implementación de autómatas celulares incluyen Python, MATLAB, R y
Wolfram Language.

4.5. Analizar y visualizar los resultados

Una vez que se ha construido un autómata celular, es importante analizar y visualizar los
resultados. Esto puede implicar la identificación de patrones interesantes, la comparación de
diferentes reglas de evolución o la exploración de los efectos de diferentes condiciones iniciales.
Las herramientas de visualización pueden incluir gráficos, animaciones y mapas de calor para
mostrar los resultados de manera clara y concisa.

V) Reglas
Cada celda de un autómata solo puede tener 2 diferentes valores, 1 o 0. El valor que va a tomar
cada celda está condicionado por el valor de los 3 vecinos anteriores. De esta manera el
resultado de las celulas puede ser facilmente descrita por una tabla en donde se especifiquen
las regla de evolucion para generacion siguiente. Como hay 2 posibles estados para los 3 vecinos
que anteceden a la celda, esto son 2³×2³×2³ = 256, un total de 256 posibles estados binarios
para los vecinos. Lo que nos da un total de 256 posibles combinaciones de los estados binarios,
con lo que obtenemos 256 reglas distintas para un conjunto de 8 celdas. .
Cada una de estas puede ser diferenciada señalandola con un número de 8 bits en binario.
Todas estas han sido anotadas en Wólfram rules.
Cada regla produce resultados distintos, tenemos a la regla 30, en su columna central tiene
resultados que no siguen un orden predecible, lo cual la hace muy util para generar números
aleatorios largos, long integer.
 MODELADO Y SIMULACION DE SISTEMAS
ING. SISTEMAS

Aquí observamos otras reglas con resultados interesantes, algunas son muy útiles para generar
árboles de decisión.
 MODELADO Y SIMULACION DE SISTEMAS
ING. SISTEMAS

TTT