Sistema complexo - Complex system

Um sistema complexo é um sistema composto de muitos componentes que podem interagir uns com os outros. Exemplos de sistemas complexos são o clima global da Terra , organismos , o cérebro humano , infraestrutura como rede elétrica, transporte ou sistemas de comunicação, organizações sociais e econômicas (como cidades ), um ecossistema , uma célula viva e, finalmente, todo o universo .

Sistemas complexos são sistemas cujo comportamento é intrinsecamente difícil de modelar devido às dependências, competições, relacionamentos ou outros tipos de interações entre suas partes ou entre um determinado sistema e seu ambiente. Os sistemas que são " complexos " têm propriedades distintas que surgem dessas relações, como não linearidade , emergência , ordem espontânea , adaptação e loops de feedback , entre outras. Como esses sistemas aparecem em uma ampla variedade de campos, as semelhanças entre eles se tornaram o tópico de sua área independente de pesquisa. Em muitos casos, é útil representar tal sistema como uma rede onde os nós representam os componentes e links para suas interações.

O termo sistemas complexos geralmente se refere ao estudo de sistemas complexos, que é uma abordagem da ciência que investiga como os relacionamentos entre as partes de um sistema dão origem a seus comportamentos coletivos e como o sistema interage e forma relacionamentos com seu ambiente. O estudo de sistemas complexos considera os comportamentos coletivos, ou de todo o sistema, como o objeto fundamental de estudo; por isso, os sistemas complexos podem ser entendidos como um paradigma alternativo ao reducionismo , que tenta explicar os sistemas em termos de suas partes constituintes e das interações individuais entre eles.

Como um domínio interdisciplinar, os sistemas complexos atraem contribuições de muitos campos diferentes, como o estudo da auto-organização e fenômenos críticos da física, o da ordem espontânea das ciências sociais, o caos da matemática, a adaptação da biologia e muitos outros. Sistemas complexos são, portanto, frequentemente usados ​​como um termo amplo que abrange uma abordagem de pesquisa para problemas em muitas disciplinas diversas, incluindo física estatística , teoria da informação , dinâmica não linear , antropologia , ciência da computação , meteorologia , sociologia , economia , psicologia e biologia .

Conceitos chave

Sistemas

Os sistemas abertos têm fluxos de entrada e saída, representando trocas de matéria, energia ou informação com seu entorno.

Os sistemas complexos preocupam-se principalmente com os comportamentos e propriedades dos sistemas . Um sistema, amplamente definido, é um conjunto de entidades que, por meio de suas interações, relacionamentos ou dependências, formam um todo unificado. É sempre definido em termos de seu limite , que determina as entidades que fazem ou não parte do sistema. As entidades fora do sistema tornam-se então parte do ambiente do sistema .

Um sistema pode exibir propriedades que produzem comportamentos distintos das propriedades e comportamentos de suas partes; essas propriedades e comportamentos de todo o sistema ou globais são características de como o sistema interage com ou aparece para seu ambiente, ou de como suas partes se comportam (digamos, em resposta a estímulos externos) em virtude de estarem dentro do sistema. A noção de comportamento implica que o estudo de sistemas também se preocupa com processos que ocorrem ao longo do tempo (ou, em matemática , alguma outra parametrização do espaço de fase ). Por causa de sua aplicabilidade ampla e interdisciplinar, os conceitos de sistemas desempenham um papel central em sistemas complexos.

Como um campo de estudo, um sistema complexo é um subconjunto da teoria dos sistemas . A teoria geral dos sistemas concentra-se de forma semelhante nos comportamentos coletivos de entidades em interação, mas estuda uma classe muito mais ampla de sistemas, incluindo sistemas não complexos onde as abordagens reducionistas tradicionais podem permanecer viáveis. Na verdade, a teoria de sistemas busca explorar e descrever todas as classes de sistemas, e a invenção de categorias que são úteis para pesquisadores em campos amplamente variados é um dos principais objetivos da teoria de sistemas.

No que se refere a sistemas complexos, a teoria dos sistemas contribui com uma ênfase na maneira como os relacionamentos e dependências entre as partes de um sistema podem determinar as propriedades de todo o sistema. Também contribui para a perspectiva interdisciplinar do estudo de sistemas complexos: a noção de que propriedades compartilhadas ligam sistemas entre disciplinas, justificando a busca de abordagens de modelagem aplicáveis ​​a sistemas complexos onde quer que apareçam. Conceitos específicos importantes para sistemas complexos, como emergência, ciclos de feedback e adaptação, também se originam na teoria dos sistemas.

Complexidade

"Os sistemas apresentam complexidade" significa que seus comportamentos não podem ser facilmente inferidos de suas propriedades. Qualquer abordagem de modelagem que ignore tais dificuldades ou as caracterize como ruído, então, necessariamente produzirá modelos que não são precisos nem úteis. Como ainda nenhuma teoria totalmente geral de sistemas complexos emergiu para tratar desses problemas, os pesquisadores devem resolvê-los em contextos específicos de domínio. Os pesquisadores em sistemas complexos tratam desses problemas vendo que a principal tarefa da modelagem é capturar, em vez de reduzir, a complexidade de seus respectivos sistemas de interesse.

Embora ainda não exista uma definição exata geralmente aceita de complexidade, existem muitos exemplos arquetípicos de complexidade. Os sistemas podem ser complexos se, por exemplo, tiverem comportamento caótico (comportamento que exibe extrema sensibilidade às condições iniciais, entre outras propriedades), ou se tiverem propriedades emergentes (propriedades que não são aparentes de seus componentes isoladamente, mas que resultam da relacionamentos e dependências que eles formam quando colocados juntos em um sistema), ou se são computacionalmente intratáveis ​​para modelar (se eles dependem de uma série de parâmetros que crescem muito rapidamente em relação ao tamanho do sistema).

Redes

Os componentes interagentes de um sistema complexo formam uma rede , que é uma coleção de objetos discretos e relacionamentos entre eles, geralmente representados como um gráfico de vértices conectados por arestas. As redes podem descrever as relações entre indivíduos dentro de uma organização, entre portas lógicas em um circuito , entre genes em redes reguladoras de genes ou entre qualquer outro conjunto de entidades relacionadas.

As redes geralmente descrevem as fontes de complexidade em sistemas complexos. O estudo de sistemas complexos como redes, portanto, permite muitas aplicações úteis da teoria dos grafos e da ciência das redes . Muitos sistemas complexos, por exemplo, também são redes complexas , que têm propriedades como transições de fase e distribuições de grau de lei de potência que prontamente se prestam a um comportamento emergente ou caótico. O fato de que o número de arestas em um grafo completo cresce quadraticamente no número de vértices lança luz adicional sobre a fonte de complexidade em grandes redes: conforme uma rede cresce, o número de relacionamentos entre entidades rapidamente diminui o número de entidades na rede .

Não-linearidade

Uma solução de amostra no atrator de Lorenz quando ρ = 28, σ = 10 e β = 8/3

Os sistemas complexos costumam ter comportamento não linear, o que significa que podem responder de maneiras diferentes à mesma entrada, dependendo de seu estado ou contexto. Em matemática e física , a não linearidade descreve sistemas nos quais uma mudança no tamanho da entrada não produz uma mudança proporcional no tamanho da saída. Para uma determinada mudança na entrada, tais sistemas podem render significativamente maiores ou menores do que mudanças proporcionais na saída, ou mesmo nenhuma saída, dependendo do estado atual do sistema ou seus valores de parâmetro.

De particular interesse para sistemas complexos são os sistemas dinâmicos não lineares , que são sistemas de equações diferenciais que possuem um ou mais termos não lineares. Alguns sistemas dinâmicos não lineares, como o sistema de Lorenz , podem produzir um fenômeno matemático conhecido como caos . Caos, no que se refere a sistemas complexos, refere-se à dependência sensível das condições iniciais, ou " efeito borboleta ", que um sistema complexo pode exibir. Em tal sistema, pequenas mudanças nas condições iniciais podem levar a resultados dramaticamente diferentes. O comportamento caótico pode, portanto, ser extremamente difícil de modelar numericamente, porque pequenos erros de arredondamento em um estágio intermediário de computação podem fazer com que o modelo gere uma saída completamente imprecisa. Além disso, se um sistema complexo retorna a um estado semelhante ao que ocupava anteriormente, ele pode se comportar de maneira completamente diferente em resposta aos mesmos estímulos; portanto, o caos também apresenta desafios para extrapolar a partir da experiência.

Emergência

Gosper's Glider Gun criando " planadores " no autômato celular Jogo da Vida de Conway

Outra característica comum de sistemas complexos é a presença de propriedades e comportamentos emergentes: são características de um sistema que não são aparentes de seus componentes isoladamente, mas que resultam das interações, dependências ou relacionamentos que eles formam quando colocados juntos em um sistema. Emergence descreve amplamente o aparecimento de tais comportamentos e propriedades, e tem aplicações para sistemas estudados nas ciências sociais e físicas. Embora a emergência seja freqüentemente usada para se referir apenas à aparência de comportamento organizado não planejado em um sistema complexo, a emergência também pode se referir ao colapso de uma organização; ele descreve quaisquer fenômenos que são difíceis ou mesmo impossíveis de prever a partir das entidades menores que compõem o sistema.

Um exemplo de um sistema complexo cujas propriedades emergentes foram estudadas extensivamente são os autômatos celulares . Em um autômato celular, uma grade de células, cada uma com um dos muitos estados finitos, evolui de acordo com um conjunto simples de regras. Essas regras orientam as "interações" de cada célula com suas vizinhas. Embora as regras sejam definidas apenas localmente, elas se mostraram capazes de produzir um comportamento globalmente interessante, por exemplo, no Jogo da Vida de Conway .

Ordem espontânea e auto-organização

Quando a emergência descreve o surgimento de uma ordem não planejada, é uma ordem espontânea (nas ciências sociais) ou auto-organização (nas ciências físicas). A ordem espontânea pode ser vista no comportamento de manada , em que um grupo de indivíduos coordena suas ações sem um planejamento centralizado. A auto-organização pode ser vista na simetria global de certos cristais , por exemplo, a aparente simetria radial dos flocos de neve , que surge de forças atrativas e repulsivas puramente locais entre as moléculas de água e seu ambiente circundante.

Adaptação

Os sistemas adaptativos complexos são casos especiais de sistemas complexos que são adaptativos no sentido de que têm a capacidade de mudar e aprender com a experiência. Exemplos de sistemas adaptativos complexos incluem o mercado de ações , insetos sociais e colônias de formigas , a biosfera e o ecossistema , o cérebro e o sistema imunológico , a célula e o embrião em desenvolvimento , as cidades, empresas de manufatura e qualquer empreendimento baseado em grupo social humano em um sistema cultural e social , como partidos políticos ou comunidades .

Recursos

Sistemas complexos podem ter os seguintes recursos:

Falhas em cascata
Devido ao forte acoplamento entre componentes em sistemas complexos, uma falha em um ou mais componentes pode levar a falhas em cascata que podem ter consequências catastróficas no funcionamento do sistema. Ataque localizado pode levar a falhas em cascata e colapso abrupto em redes espaciais.
Sistemas complexos podem ser abertos
Os sistemas complexos geralmente são sistemas abertos - ou seja, eles existem em um gradiente termodinâmico e dissipam energia. Em outras palavras, os sistemas complexos estão frequentemente longe do equilíbrio energético : mas, apesar desse fluxo, pode haver estabilidade de padrão , veja sinergética .
Sistemas complexos podem exibir transições críticas
Representação gráfica de estados estáveis ​​alternativos e a direção da desaceleração crítica antes de uma transição crítica (tirado de Lever et al. 2020). Os painéis superiores (a) indicam paisagens de estabilidade em diferentes condições. Os painéis do meio (b) indicam as taxas de mudança semelhantes à inclinação das paisagens de estabilidade, e os painéis do fundo (c) indicam uma recuperação de uma perturbação em direção ao estado futuro do sistema (cI) e em outra direção (c.II).
As transições críticas são mudanças abruptas no estado dos ecossistemas , clima , sistemas financeiros ou outros sistemas complexos que podem ocorrer quando as condições de mudança passam de um ponto crítico ou de bifurcação . A 'direção da desaceleração crítica' no espaço de estado de um sistema pode ser um indicativo do estado futuro de um sistema após tais transições, quando feedbacks negativos atrasados ​​que levam a oscilações ou outras dinâmicas complexas são fracos.
Sistemas complexos podem ter uma memória
A recuperação de uma transição crítica pode exigir mais do que um simples retorno às condições em que a transição ocorreu, um fenômeno denominado histerese . A história de um sistema complexo pode, portanto, ser importante. Como os sistemas complexos são sistemas dinâmicos, eles mudam com o tempo, e os estados anteriores podem ter uma influência sobre os estados presentes. Os sistemas que interagem podem ter histerese complexa de muitas transições. Um exemplo de histerese foi observado no tráfego urbano.
Sistemas complexos podem ser aninhados
Os componentes de um sistema complexo podem ser eles próprios sistemas complexos. Por exemplo, uma economia é feita de organizações , que são feitas de pessoas , que são feitas de células - todas as quais são sistemas complexos. O arranjo de interações em redes bipartidas complexas também pode ser aninhado. Mais especificamente, descobriu-se que redes bipartidas ecológicas e organizacionais de interações mutuamente benéficas têm uma estrutura aninhada. Essa estrutura promove a facilitação indireta e a capacidade do sistema de persistir em circunstâncias cada vez mais adversas, bem como o potencial para mudanças de regime sistêmicas em larga escala.
Rede dinâmica de multiplicidade
Assim como as regras de acoplamento , a rede dinâmica de um sistema complexo é importante. Redes de mundo pequeno ou sem escala , que têm muitas interações locais e um número menor de conexões entre áreas, são freqüentemente empregadas. Sistemas complexos naturais freqüentemente exibem tais topologias. No córtex humano, por exemplo, vemos conectividade local densa e algumas projeções de axônio muito longas entre regiões dentro do córtex e para outras regiões do cérebro.
Pode produzir fenômenos emergentes
Os sistemas complexos podem exibir comportamentos emergentes , o que significa dizer que, embora os resultados possam ser suficientemente determinados pela atividade dos constituintes básicos dos sistemas, eles podem ter propriedades que só podem ser estudadas em um nível superior. Por exemplo, os cupins em um monte têm fisiologia, bioquímica e desenvolvimento biológico que estão em um nível de análise, mas seu comportamento social e construção de monte é uma propriedade que emerge da coleção de cupins e precisa ser analisada em um nível diferente.
Relacionamentos não são lineares
Em termos práticos, isso significa que uma pequena perturbação pode causar um grande efeito (ver efeito borboleta ), um efeito proporcional ou até mesmo nenhum efeito. Em sistemas lineares, o efeito é sempre diretamente proporcional à causa. Veja não linearidade .
Relacionamentos contêm ciclos de feedback
Tanto o feedback negativo ( amortecimento ) quanto o positivo (amplificador) são sempre encontrados em sistemas complexos. Os efeitos do comportamento de um elemento são realimentados de tal forma que o próprio elemento é alterado.

História

Uma perspectiva sobre o desenvolvimento da ciência da complexidade (consulte a referência para uma versão legível)

Embora indiscutivelmente, os humanos tenham estudado sistemas complexos por milhares de anos, o estudo científico moderno de sistemas complexos é relativamente jovem em comparação com campos estabelecidos da ciência, como a física e a química . A história do estudo científico desses sistemas segue várias tendências de pesquisa diferentes.

Na área da matemática , sem dúvida a maior contribuição para o estudo de sistemas complexos foi a descoberta do caos em sistemas determinísticos , uma característica de certos sistemas dinâmicos fortemente relacionada à não linearidade . O estudo de redes neurais também foi fundamental para o avanço da matemática necessária para estudar sistemas complexos.

A noção de sistemas auto-organizáveis está ligada ao trabalho em termodinâmica de não-equilíbrio , incluindo o pioneiro do químico e ganhador do Nobel Ilya Prigogine em seu estudo de estruturas dissipativas . Ainda mais antigo é o trabalho de Hartree-Fock sobre as equações da química quântica e cálculos posteriores da estrutura das moléculas, que podem ser considerados um dos primeiros exemplos de emergência e totalidades emergentes na ciência.

Um sistema complexo contendo humanos é a economia política clássica do Iluminismo escocês , mais tarde desenvolvida pela escola austríaca de economia , que argumenta que a ordem nos sistemas de mercado é espontânea (ou emergente ) no sentido de que é o resultado da ação humana, mas não a execução de qualquer projeto humano.

A partir disso, a escola austríaca desenvolveu do século 19 ao início do século 20 o problema do cálculo econômico , juntamente com o conceito de conhecimento disperso , que viriam a alimentar debates contra a então dominante economia keynesiana . Esse debate levaria notavelmente economistas, políticos e outros partidos a explorar a questão da complexidade computacional .

Um pioneiro no campo, e inspirado nas obras de Karl Popper e Warren Weaver , o economista e filósofo Prêmio Nobel Friedrich Hayek dedicou grande parte de sua obra, do início ao final do século 20, ao estudo de fenômenos complexos, sem constrangimento seu trabalho para as economias humanas, mas se aventurando em outros campos, como psicologia , biologia e cibernética . O cibernético Gregory Bateson desempenhou um papel fundamental no estabelecimento da conexão entre a antropologia e a teoria dos sistemas; ele reconheceu que as partes interativas das culturas funcionam como ecossistemas.

Enquanto o estudo explícito de sistemas complexos data pelo menos da década de 1970, o primeiro instituto de pesquisa focado em sistemas complexos, o Santa Fe Institute , foi fundado em 1984. Os primeiros participantes do Santa Fe Institute incluíam os ganhadores do Nobel de física Murray Gell-Mann e Philip Anderson , o prêmio Nobel de economia Kenneth Arrow e os cientistas do Projeto Manhattan George Cowan e Herb Anderson . Hoje, existem mais de 50 institutos e centros de pesquisa com foco em sistemas complexos.

Desde o final da década de 1990, o interesse dos físicos matemáticos em pesquisar fenômenos econômicos tem aumentado. A proliferação de pesquisas interdisciplinares com a aplicação de soluções oriundas da epistemologia da física tem acarretado uma mudança gradual de paradigma nas articulações teóricas e abordagens metodológicas da economia, principalmente da economia financeira. O desenvolvimento resultou no surgimento de um novo ramo da disciplina, nomeadamente a “econofísica”, que é amplamente definida como uma disciplina interdisciplinar que aplica metodologias de física estatística que se baseiam principalmente na teoria dos sistemas complexos e na teoria do caos para a análise económica.

O Prêmio Nobel de Física de 2021 foi concedido a Syukuro Manabe , Klaus Hasselmann e Giorgio Parisi por seu trabalho para compreender sistemas complexos. Seu trabalho foi usado para criar modelos de computador mais precisos do efeito do aquecimento global no clima da Terra.

Formulários

Complexidade na prática

A abordagem tradicional para lidar com a complexidade é reduzi-la ou restringi-la. Normalmente, isso envolve compartimentalização: dividir um grande sistema em partes separadas. As organizações, por exemplo, dividem seu trabalho em departamentos, cada um lidando com questões distintas. Os sistemas de engenharia costumam ser projetados com componentes modulares. No entanto, os projetos modulares tornam-se suscetíveis a falhas quando surgem problemas que unem as divisões.

Gerenciamento de complexidade

À medida que os projetos e aquisições se tornam cada vez mais complexos, as empresas e os governos são desafiados a encontrar maneiras eficazes de gerenciar mega-aquisições, como os Sistemas de Combate Futuro do Exército . Aquisições como o FCS dependem de uma rede de partes inter-relacionadas que interagem de forma imprevisível. À medida que as aquisições se tornam mais centradas na rede e complexas, as empresas serão forçadas a encontrar maneiras de gerenciar a complexidade, enquanto os governos serão desafiados a fornecer governança eficaz para garantir flexibilidade e resiliência.

Economia da complexidade

Nas últimas décadas, no emergente campo da economia da complexidade , novas ferramentas preditivas foram desenvolvidas para explicar o crescimento econômico. É o caso dos modelos construídos pelo Santa Fe Institute em 1989 e do mais recente índice de complexidade econômica (ICE), apresentado pelo físico do MIT Cesar A. Hidalgo e pelo economista de Harvard Ricardo Hausmann . Com base nos ECI, Hausmann, Hidalgo e sua equipe de O Observatório da Complexidade Económica têm previsões do PIB produzido para o ano de 2020 .

Complexidade e educação

Focando em questões de persistência do aluno em seus estudos, Forsman, Moll e Linder exploram a "viabilidade de usar a ciência da complexidade como um quadro para estender as aplicações metodológicas para a pesquisa em educação física", descobrindo que "enquadrar uma análise de rede social dentro de uma perspectiva da ciência da complexidade oferece uma nova e poderosa aplicabilidade em uma ampla gama de tópicos PER ".

Complexidade e modelagem

Uma das principais contribuições de Friedrich Hayek para a teoria inicial da complexidade é sua distinção entre a capacidade humana de prever o comportamento de sistemas simples e sua capacidade de prever o comportamento de sistemas complexos por meio de modelagem . Ele acreditava que a economia e as ciências dos fenômenos complexos em geral, que em sua opinião incluíam a biologia, a psicologia e assim por diante, não podiam ser modeladas a partir das ciências que lidam com fenômenos essencialmente simples como a física. Hayek explicaria notavelmente que fenômenos complexos, por meio de modelagem, só podem permitir previsões de padrões, em comparação com as previsões precisas que podem ser feitas a partir de fenômenos não complexos.

Teoria da complexidade e do caos

A teoria da complexidade está enraizada na teoria do caos , que por sua vez teve suas origens há mais de um século no trabalho do matemático francês Henri Poincaré . O caos às vezes é visto como uma informação extremamente complicada, em vez de uma ausência de ordem. Os sistemas caóticos permanecem determinísticos, embora seu comportamento a longo prazo possa ser difícil de prever com precisão. Com perfeito conhecimento das condições iniciais e das equações relevantes que descrevem o comportamento do sistema caótico, pode-se teoricamente fazer previsões perfeitamente precisas do sistema, embora na prática isso seja impossível de fazer com precisão arbitrária. Ilya Prigogine argumentou que a complexidade não é determinística e não dá nenhuma maneira de prever o futuro com precisão.

O surgimento da teoria da complexidade mostra um domínio entre a ordem determinística e a aleatoriedade que é complexo. Isso é conhecido como a " borda do caos ".

Um enredo do atrator Lorenz .

Quando se analisa sistemas complexos, a sensibilidade às condições iniciais, por exemplo, não é uma questão tão importante quanto dentro da teoria do caos, na qual prevalece. Conforme afirma Colander, o estudo da complexidade é o oposto do estudo do caos. A complexidade diz respeito a como um grande número de conjuntos de relacionamentos extremamente complicados e dinâmicos pode gerar alguns padrões comportamentais simples, ao passo que o comportamento caótico, no sentido de caos determinístico, é o resultado de um número relativamente pequeno de interações não lineares.

Portanto, a principal diferença entre sistemas caóticos e sistemas complexos é sua história. Os sistemas caóticos não dependem de sua história como os complexos. O comportamento caótico empurra um sistema em equilíbrio para uma ordem caótica, o que significa, em outras palavras, fora do que tradicionalmente definimos como 'ordem'. Por outro lado, os sistemas complexos evoluem longe do equilíbrio à beira do caos. Eles evoluem em um estado crítico construído por uma história de eventos irreversíveis e inesperados, que o físico Murray Gell-Mann chamou de "um acúmulo de acidentes congelados". Em certo sentido, os sistemas caóticos podem ser considerados como um subconjunto de sistemas complexos distinguidos precisamente por essa ausência de dependência histórica. Muitos sistemas complexos reais são, na prática e ao longo de períodos longos, mas finitos, robustos. No entanto, eles possuem o potencial para uma mudança qualitativa radical de tipo, mantendo a integridade sistêmica. A metamorfose talvez seja mais do que uma metáfora para essas transformações.

Complexidade e ciência de rede

Um sistema complexo geralmente é composto de muitos componentes e suas interações. Tal sistema pode ser representado por uma rede onde os nós representam os componentes e os links representam suas interações. Por exemplo, a Internet pode ser representada como uma rede composta de nós (computadores) e links (conexões diretas entre computadores), e a resiliência da Internet a falhas foi estudada usando a teoria da percolação, uma forma de análise de sistemas complexos. O fracasso e a recuperação dessas redes é uma área aberta de pesquisa. Outros exemplos de redes complexas incluem redes sociais, interdependências de instituições financeiras, sistemas de tráfego, redes de companhias aéreas, redes biológicas e redes climáticas. Finalmente, redes inteiras freqüentemente interagem de maneira complexa; se um sistema complexo individual pode ser representado como uma rede, os sistemas complexos em interação podem ser modelados como redes de redes com propriedades dinâmicas.

Um dos principais motivos para a alta vulnerabilidade de uma rede é o seu controle central, ou seja, um nó que é desconectado do cluster geralmente é reavaliado como falho. Uma abordagem de percolação para gerar e estudar sistemas descentralizados é usando nós reforçados que têm seus próprios links de suporte e redundância. A ciência de redes foi considerada útil para compreender melhor a complexidade dos sistemas terrestres.


Estudiosos notáveis

Veja também

Referências

Leitura adicional

links externos