Система, состоящая из множества взаимодействующих компонентов
Сложная система – это система , состоящая из множества компонентов, которые могут взаимодействовать друг с другом. Примерами сложных систем являются глобальный климат Земли , организмы , человеческий мозг , инфраструктура, такая как энергосистема, транспортные или коммуникационные системы, сложное программное обеспечение и электронные системы, социальные и экономические организации (например, города ), экосистема , живая клетка и, в конечном итоге, вся вселенная . [ нужна цитата ]
Сложные системы — это системы , поведение которых по своей природе трудно смоделировать из-за зависимостей, конкуренции, отношений или других типов взаимодействий между их частями или между данной системой и ее средой. « Сложные » системы имеют различные свойства, возникающие из этих отношений, такие как нелинейность , эмерджентность , спонтанный порядок , адаптация и петли обратной связи , среди других. Поскольку такие системы встречаются в самых разных областях, общие черты между ними стали темой их независимой области исследований. Во многих случаях полезно представить такую систему как сеть, узлы которой представляют компоненты и ссылки на их взаимодействие.
Термин « сложные системы» часто относится к изучению сложных систем, что представляет собой подход к науке, который исследует, как отношения между частями системы порождают ее коллективное поведение и как система взаимодействует и формирует отношения со своей средой. [1] При изучении сложных систем коллективное или общесистемное поведение рассматривается как фундаментальный объект исследования; по этой причине сложные системы можно понимать как парадигму, альтернативную редукционизму , который пытается объяснить системы с точки зрения их составных частей и индивидуальных взаимодействий между ними.
Сложные системы могут иметь следующие особенности: [4]
Сложные системы могут быть открытыми
Сложные системы обычно являются открытыми системами , то есть существуют в термодинамическом градиенте и рассеивают энергию. Другими словами, сложные системы часто далеки от энергетического равновесия : но, несмотря на этот поток, может существовать стабильность структуры, [5] см. синергетику .
Сложные системы могут демонстрировать критические переходы
Критические переходы – это резкие изменения в состоянии экосистем , климата , финансовых систем или других сложных систем, которые могут произойти, когда изменяющиеся условия проходят критическую точку или точку бифуркации . [7] [8] [9] [10] «Направление критического замедления» в пространстве состояний системы может указывать на будущее состояние системы после таких переходов, когда запаздывающие отрицательные обратные связи, приводящие к колебательной или другой сложной динамике, слабы. [6]
Компоненты сложной системы сами могут быть сложными системами. Например, экономика состоит из организаций , которые состоят из людей , которые состоят из клеток – и все они представляют собой сложные системы. Организация взаимодействий внутри сложных двусторонних сетей также может быть вложенной. В частности, было обнаружено, что двусторонние экологические и организационные сети взаимовыгодного взаимодействия имеют вложенную структуру. [11] [12] Эта структура способствует косвенному содействию и способности системы сохраняться во все более суровых обстоятельствах, а также потенциалу крупномасштабных системных изменений режима. [13] [14]
Сложные системы могут демонстрировать эмерджентное поведение , то есть, хотя результаты могут в достаточной степени определяться деятельностью основных компонентов системы, они могут обладать свойствами, которые можно изучить только на более высоком уровне. Например, эмпирические пищевые сети демонстрируют регулярные, инвариантные к масштабу особенности водных и наземных экосистем при изучении на уровне кластерных «трофических» видов. [17] [18] Другой пример — термиты в насыпи, физиология, биохимия и биологическое развитие которых находятся на одном уровне анализа, тогда как их социальное поведение и построение насыпи являются свойством, которое возникает из коллекции термитов и требует изучения. анализироваться на другом уровне.
Отношения нелинейны
На практике это означает, что небольшое возмущение может вызвать большой эффект (см. Эффект бабочки ), пропорциональный эффект или даже полное отсутствие эффекта. В линейных системах следствие всегда прямо пропорционально причине. См. нелинейность .
Отношения содержат петли обратной связи
В сложных системах всегда встречаются как отрицательная ( затухающая ), так и положительная (усиливающая) обратная связь . Эффекты поведения элемента возвращаются таким образом, что изменяется сам элемент.
История
В 1948 году доктор Уоррен Уивер опубликовал эссе «Наука и сложность», [19] исследуя разнообразие типов проблем, противопоставляя проблемы простоты, дезорганизованной сложности и организованной сложности. Уивер описал их как «проблемы, требующие одновременного решения значительного числа факторов, взаимосвязанных в единое целое».
Хотя подробное изучение сложных систем датируется, по крайней мере, 1970-ми годами, [20] первый исследовательский институт, занимающийся сложными системами, Институт Санта-Фе , был основан в 1984 году. [21] [22] Среди первых участников Института Санта-Фе были Нобелевские лауреаты по физике. лауреаты Мюррей Гелл-Манн и Филип Андерсон , лауреат Нобелевской премии по экономике Кеннет Эрроу и ученые Манхэттенского проекта Джордж Коуэн и Херб Андерсон . [23] Сегодня существует более 50 институтов и исследовательских центров, занимающихся сложными системами. [ нужна цитата ]
С конца 1990-х годов возрос интерес физиков-математиков к исследованию экономических явлений. Распространение междисциплинарных исследований с применением решений, зародившихся в физической эпистемологии, повлекло за собой постепенную смену парадигмы теоретических формулировок и методологических подходов в экономической науке, прежде всего в финансовой экономике. Развитие привело к появлению новой отрасли дисциплины, а именно «эконофизики», которая в широком смысле определяется как междисциплина, применяющая методологии статистической физики, которые в основном основаны на теории сложных систем и теории хаоса для экономического анализа. [24]
Традиционный подход к решению проблемы сложности заключается в ее уменьшении или ограничении. Обычно это предполагает разделение: разделение большой системы на отдельные части. Например, организации делят свою работу на отделы, каждый из которых занимается отдельными вопросами. Инженерные системы часто проектируются с использованием модульных компонентов. Однако модульные конструкции могут выйти из строя, когда возникают проблемы, устраняющие разногласия.
Сложность городов
Джейн Джейкобс описала города как проблему организованной сложности в 1961 году, цитируя эссе доктора Уивера 1948 года. [26] В качестве примера она объясняет, как обилие факторов влияет на то, как различные городские пространства приводят к разнообразию взаимодействий, и как изменение этих факторов может изменить то, как используется пространство, и насколько хорошо пространство поддерживает функции город. Далее она иллюстрирует, как серьезно пострадали города, когда к ним подходили как к проблеме в простоте, заменяя организованную сложность простыми и предсказуемыми пространствами, такими как «Сияющий город» Ле Корбюзье и «Город-сад» Эбенезера Ховарда. С тех пор другие подробно писали о сложности городов. [27]
Количественный анализ повторяемости использовался для выявления характеристик деловых циклов и экономического развития . С этой целью Орландо и др. [28] разработали так называемый индекс корреляции количественного повторения (RQCI) для проверки корреляций RQA на выборке сигнала, а затем исследовали его применение к временным рядам бизнеса. Доказано, что указанный индекс обнаруживает скрытые изменения во временных рядах. Кроме того, Орландо и др. [29] на обширном наборе данных показали, что количественный анализ повторяемости может помочь в прогнозировании переходов от ламинарной (т.е. регулярной) к турбулентной (т.е. хаотичной) фазе, такой как ВВП США в 1949, 1953 и т.д. Но что не менее важно, было продемонстрировано, что количественный анализ повторяемости может обнаружить различия между макроэкономическими переменными и выявить скрытые особенности экономической динамики.
Сложность и образование
Сосредоточив внимание на проблемах настойчивости студентов в учебе, Форсман, Молл и Линдер исследуют «жизнеспособность использования науки о сложности в качестве основы для расширения методологических приложений для исследований в области физического образования», обнаруживая, что «построение анализа социальных сетей с точки зрения науки о сложности предлагает новая и мощная возможность применения в широком спектре тем PER». [30]
Сложность и биология
Наука о сложности применяется к живым организмам, и в частности к биологическим системам. Одним из направлений исследований является возникновение и эволюция интеллектуальных систем. Анализ параметров интеллектуальных систем, закономерностей их возникновения и эволюции, особенностей, констант и пределов их структур и функций позволил измерить и сравнить пропускную способность коммуникаций (~100–300 млн м/с), количественно оценить количество компонентов в интеллектуальных системах (~10 11 нейронов) и вычислить количество успешных связей, ответственных за сотрудничество (~10 14 синапсов) [31]
. В развивающейся области фрактальной физиологии телесные сигналы, такие как сердечные Скорость или активность мозга характеризуются с помощью энтропийных или фрактальных индексов. Цель часто состоит в том, чтобы оценить состояние и здоровье основной системы, а также диагностировать потенциальные расстройства и болезни.
Теория сложности и хаоса
Теория сложных систем уходит корнями в теорию хаоса , которая, в свою очередь, возникла более века назад в работах французского математика Анри Пуанкаре . Хаос иногда рассматривают как чрезвычайно сложную информацию, а не как отсутствие порядка. [32] Хаотические системы остаются детерминированными, хотя их долгосрочное поведение трудно предсказать с какой-либо точностью. Обладая прекрасным знанием начальных условий и соответствующих уравнений, описывающих поведение хаотической системы, теоретически можно сделать совершенно точные предсказания системы, хотя на практике это невозможно сделать с произвольной точностью. Илья Пригожин утверждал [33] , что сложность недетерминирована и не дает никакой возможности точно предсказать будущее. [34]
Появление теории сложных систем показывает сложную область между детерминированным порядком и случайностью. [35] Это называется « краем хаоса ». [36]
Например, при анализе сложных систем чувствительность к начальным условиям не является столь важной проблемой, как в теории хаоса, в которой она преобладает. Как заявил Коландер [37] , изучение сложности противоположно изучению хаоса. Сложность заключается в том, как огромное количество чрезвычайно сложных и динамичных наборов отношений может порождать некоторые простые модели поведения, тогда как хаотическое поведение в смысле детерминированного хаоса является результатом относительно небольшого количества нелинейных взаимодействий. [35] Недавние примеры из экономики и бизнеса см. Stoop et al. [38] , который обсуждал положение Android на рынке, Орландо [39] , который объяснил корпоративную динамику с точки зрения взаимной синхронизации и хаоса, регуляризации всплесков в группе хаотически разрывающихся ячеек, и Орландо и др. [40] , которые смоделировали финансовые данные (индекс финансового стресса, свопы и акции, развивающиеся и развитые страны, корпоративные и государственные, краткосрочные и долгосрочные сроки погашения) с помощью низкоразмерной детерминистической модели.
Поэтому главное отличие хаотических систем от сложных — это их история. [41] Хаотические системы не полагаются на свою историю, как это делают сложные системы. Хаотическое поведение подталкивает систему, находящуюся в равновесии, к хаотическому порядку, что, другими словами, означает выход из того, что мы традиционно определяем как «порядок». [ необходимо разъяснение ] С другой стороны, сложные системы развиваются далеко от равновесия на грани хаоса. Они развиваются в критическом состоянии, созданном историей необратимых и неожиданных событий, которые физик Мюррей Гелл-Манн назвал «скоплением замороженных случайностей». [42] В некотором смысле хаотические системы можно рассматривать как подмножество сложных систем, отличающихся именно отсутствием исторической зависимости. Многие реальные сложные системы на практике и в течение длительных, но ограниченных периодов времени являются устойчивыми. Однако они обладают потенциалом для радикальных качественных изменений, сохраняя при этом системную целостность. Метаморфоза, возможно, служит чем-то большим, чем просто метафорой таких преобразований.
Сложность и сетевая наука
Сложная система обычно состоит из множества компонентов и их взаимодействий. Такая система может быть представлена сетью, где узлы представляют компоненты, а ссылки представляют их взаимодействие. [43] [44] Например, Интернет можно представить как сеть, состоящую из узлов (компьютеров) и связей (прямых соединений между компьютерами). Другие примеры сложных сетей включают социальные сети, взаимозависимости финансовых учреждений, [45] сети авиакомпаний, [46] и биологические сети.
^ Бар-Ям, Янир (2002). «Общие характеристики сложных систем» (PDF) . Энциклопедия систем жизнеобеспечения . Архивировано (PDF) из оригинала 9 октября 2022 г. Проверено 16 сентября 2014 г.
↑ Шеффер, Мартен (26 июля 2009 г.). Критические переходы в природе и обществе . Издательство Принстонского университета. ISBN978-0691122045.
^ Шеффер, Мартен; Баскомпт, Хорди; Брок, Уильям А.; Бровкин, Виктор; Карпентер, Стивен Р.; Дакос, Василис; Хельд, Германн; ван Нес, Эгберт Х.; Риткерк, Макс; Сугихара, Джордж (сентябрь 2009 г.). «Сигналы раннего предупреждения о критических переходах». Природа . 461 (7260): 53–59. Бибкод : 2009Natur.461...53S. дои : 10.1038/nature08227. ISSN 1476-4687. PMID 19727193. S2CID 4001553.
^ Шеффер, Мартен; Карпентер, Стивен Р.; Лентон, Тимоти М.; Баскомпт, Хорди; Брок, Уильям; Дакос, Василис; Коппель, Йохан ван де; Лемпут, Ингрид А. ван де; Левин, Саймон А.; Нес, Эгберт Х. ван; Паскуаль, Мерседес; Вандермеер, Джон (19 октября 2012 г.). «Предвидение критических переходов». Наука . 338 (6105): 344–348. Бибкод : 2012Sci...338..344S. дои : 10.1126/science.1225244. hdl : 11370/92048055-b183-4f26-9aea-e98caa7473ce . ISSN 0036-8075. PMID 23087241. S2CID 4005516. Архивировано из оригинала 24 июня 2020 года . Проверено 10 июня 2020 г.
^ Баскомпт, Дж.; Джордано, П.; Мелиан, CJ; Олесен, Дж. М. (24 июля 2003 г.). «Вложенная сборка мутуалистических сетей растений и животных». Труды Национальной академии наук . 100 (16): 9383–9387. Бибкод : 2003PNAS..100.9383B. дои : 10.1073/pnas.1633576100 . ПМК 170927 . ПМИД 12881488.
^ А. Л. Барабаси, Р. Альберт (2002). «Статистическая механика сложных сетей». Обзоры современной физики . 74 (1): 47–94. arXiv : cond-mat/0106096 . Бибкод : 2002РвМП...74...47А. CiteSeerX 10.1.1.242.4753 . doi : 10.1103/RevModPhys.74.47. S2CID 60545.
^ М. Ньюман (2010). Сети: Введение . Издательство Оксфордского университета. ISBN978-0-19-920665-0.
^ Коэн, Дж. Э.; Бриан, Ф.; Ньюман, CM (1990). Сообщество пищевых сетей: данные и теория. Берлин, Гейдельберг, Нью-Йорк: Springer. п. 308. дои : 10.1007/978-3-642-83784-5. ISBN9783642837869.
^ Бриан, Ф.; Коэн, Дж. Э. (1984). «Пищевые сети сообщества имеют масштабно-инвариантную структуру». Природа . 307 (5948): 264–267. Бибкод : 1984Natur.307..264B. дои : 10.1038/307264a0. S2CID 4319708.
^ Уоррен, Уивер (октябрь 1948 г.). «Наука и сложность». Американский учёный . 36 (4): 536–544 . Проверено 28 октября 2023 г.
^ Вемури, В. (1978). Моделирование сложных систем: Введение . Нью-Йорк: Академическая пресса. ISBN978-0127165509.
^ Ледфорд, Х (2015). «Как решить самые большие мировые проблемы». Природа . 525 (7569): 308–311. Бибкод : 2015Natur.525..308L. дои : 10.1038/525308a . ПМИД 26381968.
^ «История». Институт Санта-Фе. Архивировано из оригинала 3 апреля 2019 г. Проверено 17 мая 2018 г.
^ Уолдроп, ММ (1993). Сложность: развивающаяся наука на грани порядка и хаоса. Саймон и Шустер.
^ Хо, YJ; Руис Эстрада, Массачусетс; Яп, Сан-Франциско (2016). «Эволюция теории сложных систем и развитие методов эконофизики в изучении крахов фондового рынка». Лабуанский бюллетень международного бизнеса и финансов . 14 : 68–83.
^ «Нобелевская премия по физике: прорывы в науке о климате заслуживают премии» . Новости BBC . 5 октября 2021 г.
^ Джейкобс, Джейн (1961). Смерть и жизнь великих американских городов . Нью-Йорк: Винтажные книги. стр. 428–448.
^ «Города, масштабирование и устойчивость». Институт Санта-Фе . Проверено 28 октября 2023 г.
^ Орландо, Джузеппе; Зиматоре, Джованна (18 декабря 2017 г.). «Корреляции RQA во временных рядах реальных деловых циклов». Индийская академия наук – серия конференций . 1 (1): 35–41. дои : 10.29195/iascs.01.01.0009 .
^ Орландо, Джузеппе; Зиматоре, Джованна (1 мая 2018 г.). «Количественный анализ повторяемости деловых циклов». Хаос, солитоны и фракталы . 110 : 82–94. Бибкод : 2018CSF...110...82O. дои :10.1016/j.chaos.2018.02.032. ISSN 0960-0779. S2CID 85526993.
^ Форсман, Джонас; Молл, Рэйчел; Линдер, Седрик (2014). «Расширение теоретической основы исследований в области физического образования: иллюстративное применение науки о сложности». Специальные темы физического обзора — исследования в области физического образования . 10 (2): 020122. Бибкод : 2014PRPER..10b0122F. doi : 10.1103/PhysRevSTPER.10.020122 . hdl : 10613/2583 .
^ Хейлс, Северная Каролина (1991). Граница хаоса: упорядоченный беспорядок в современной литературе и науке . Издательство Корнельского университета, Итака, Нью-Йорк.
^ Пригожин, И. (1997). Конец уверенности , Свободная пресса, Нью-Йорк.
^ См. также Д. Карфи (2008). «Суперпозиции в подходе Пригожина к необратимости». AAPP: физические, математические и естественные науки . 86 (1): 1–13..
^ аб Силлиерс, П. (1998). Сложность и постмодернизм: понимание сложных систем , Рутледж, Лондон.
^ Пер Бак (1996). Как устроена природа: наука самоорганизованной критичности , Коперник, Нью-Йорк, США
^ Дуршлаг, Д. (2000). Видение сложности и преподавание экономики , Э. Элгар, Нортгемптон, Массачусетс.
^ Ступ, Руди; Орландо, Джузеппе; Буфало, Микеле; Делла Росса, Фабио (18 ноября 2022 г.). «Использование детерминированных особенностей явно стохастических данных». Научные отчеты . 12 (1): 19843. Бибкод : 2022NatSR..1219843S. дои : 10.1038/s41598-022-23212-x. ISSN 2045-2322. ПМЦ 9674651 . ПМИД 36400910.
^ Орландо, Джузеппе (01.06.2022). «Моделирование гетерогенной корпоративной динамики с помощью карты Рулкова». Структурные изменения и экономическая динамика . 61 : 32–42. doi :10.1016/j.strueco.2022.02.003. ISSN 0954-349X.
^ Орландо, Джузеппе; Буфало, Микеле; Ступ, Руди (01 февраля 2022 г.). «Детерминистические аспекты финансовых рынков, смоделированные с помощью уравнения малой размерности». Научные отчеты . 12 (1): 1693. Бибкод : 2022NatSR..12.1693O. doi : 10.1038/s41598-022-05765-z. ISSN 2045-2322. ПМЦ 8807815 . ПМИД 35105929.
^ Бьюкенен, М. (2000). Вездесущность: Почему происходят катастрофы , издательство Three River Press, Нью-Йорк.
^ Гелл-Манн, М. (1995). Что такое сложность? Сложность 1/1, 16-19
^ Дороговцев, С. Н.; Мендес, JFF (2003). Эволюция сетей . Том. 51. с. 1079. arXiv : cond-mat/0106144 . doi :10.1093/acprof:oso/9780198515906.001.0001. ISBN9780198515906.
^ Баттистон, Стефано; Кальдарелли, Гвидо; Мэй, Роберт М.; Рукный, тарик; Стиглиц, Джозеф Э. (6 сентября 2016 г.). «Цена сложности в финансовых сетях». Труды Национальной академии наук . 113 (36): 10031–10036. Бибкод : 2016PNAS..11310031B. дои : 10.1073/pnas.1521573113 . ПМК 5018742 . ПМИД 27555583.
^ Баррат, А.; Бартелеми, М.; Пастор-Саторрас, Р.; Веспиньяни, А. (2004). «Архитектура комплексно-взвешенных сетей». Труды Национальной академии наук . 101 (11): 3747–3752. arXiv : cond-mat/0311416 . Бибкод : 2004PNAS..101.3747B. дои : 10.1073/pnas.0400087101 . ISSN 0027-8424. ПМЦ 374315 . ПМИД 15007165.
дальнейшее чтение
Объяснение сложности.
ЛАН Амарал и Дж. М. Оттино, Сложные сети — расширение возможностей для изучения сложных систем, 2004 г.
Келли, К. (1995). Из-под контроля, Perseus Books Group.
Орландо, Джузеппе Орландо; Писарчик, Александр; Ступ, Руди (2021). Нелинейности в экономике. Динамическое моделирование и эконометрика в экономике и финансах. Том. 29. дои : 10.1007/978-3-030-70982-2. ISBN 978-3-030-70981-5. S2CID 239756912.
Сайед М. Мехмуд (2011), Модель сложности обмена медицинскими услугами
Прейзер-Капеллер, Йоханнес, «Расчет Византии. Анализ социальных сетей и науки о сложности как инструменты для исследования средневековой социальной динамики». август 2010 г.
Дональд Снукс, Грэм (2008). «Общая теория сложных живых систем: изучение динамики спроса». Сложность . 13 (6): 12–20. Бибкод : 2008Cmplx..13f..12S. дои : 10.1002/cplx.20225 .
Стефан Тернер , Питер Климек, Рудольф Ханель: Введение в теорию сложных систем , Oxford University Press, 2018, ISBN 978-0198821939
SFI @ 30, Основы и границы (2014).
Внешние ссылки
Викискладе есть медиафайлы по теме «Сложные системы» .
Поищите сложные системы в Викисловаре, бесплатном словаре.
«Открытый консорциум агентного моделирования».
«Фокус науки о сложности». Архивировано из оригинала 5 декабря 2017 г. Проверено 22 сентября 2017 г.
«Институт Санта-Фе».
«Центр изучения сложных систем Мичиганского университета в Анн-Арборе».
«ИНДЕКСЫ».(Междисциплинарное описание сложных систем)
«Введение в сложность — бесплатный онлайн-курс Мелани Митчелл». Архивировано из оригинала 30 августа 2018 г. Проверено 29 августа 2018 г.
Джесси Хеншоу (24 октября 2013 г.). «Сложные системы». Энциклопедия Земли .
Сложные системы в стипендии.
Общество сложных систем
(Австралия) Сеть исследования сложных систем.
Моделирование сложных систем на основе Луиса М. Роча , 1999.
Группа исследования сложных систем CRM
Центр исследования сложных систем, Univ. Иллинойс в Урбана-Шампейн