복잡한 시스템

Complex system
「복잡한 시스템」이 리다이렉트 됩니다.저널에 대해서는, 복합 시스템(저널)을 참조해 주세요.
복잡한 시스템
토픽
자기 조직화
출현
집단 행동
사회 역학

집단 인텔리전스
단체 행동
자기 조직화된 중요도
군중심리
상전이
에이전트 기반 모델링
동기
개미 군락 최적화
입자 군집 최적화
군집 행동

집단 의식
네트워크
확장성이 없는 네트워크

소셜 네트워크 분석
소규모 네트워크
중앙집중성
모티브
그래프 이론
스케일링
견고성
시스템 생물학
동적 네트워크

적응형 네트워크
진화 및 적응
인공신경망

진화 계산
유전 알고리즘
유전자 프로그래밍
인공 생명
기계 학습
진화발달생물학
인공지능
진화형 로봇 공학

진화 가능성
패턴 형성
프랙탈

반응 확산계
편미분 방정식
산란 구조
퍼콜레이션
셀룰러 오토마타
공간생태학
셀프 리플리케이션

지형학
시스템 이론과 사이버네틱스
자동 인식

정보 이론
엔트로피
피드백
목표 지향적
항상성
운용화
2차 사이버네틱스
자기 참조
시스템 다이내믹스
시스템 사이언스
시스템 사고
센스 메이킹
다양성

계산 이론
비선형 역학
시계열 분석

상미분 방정식
위상 공간
어트랙터
모집단 역학
카오스
다기능
분기

결합된 지도 격자
게임 이론
죄수의 딜레마

합리적 선택 이론
한정적 합리성

진화 게임 이론

복잡한 시스템은 서로 상호작용할 수 있는 많은 구성요소로 구성된 시스템입니다.복잡한 시스템의 예로는 지구의 지구 기후, 유기체, 인간의 두뇌, 전력망, 교통 또는 통신 시스템과 같은 인프라, 복잡한 소프트웨어와 전자 시스템, 사회 및 경제 조직(도시와 같은), 생태계, 살아있는 세포, 그리고 궁극적으로는 전 우주가 있습니다.

복잡한 시스템은 부품 간 또는 주어진 시스템과 환경 간의 종속성, 경쟁, 관계 또는 기타 유형의 상호작용으로 인해 본질적으로 동작을 모델링하기 어려운 시스템입니다."복잡한" 시스템은 비선형성, 출현성, 자발적 순서, 적응 및 피드백 루프와 같은 이러한 관계에서 발생하는 고유한 속성을 가집니다.이러한 시스템은 다양한 분야에서 등장하기 때문에 공통점은 독립적인 연구 영역의 주제가 되었다.대부분의 경우 노드가 컴포넌트를 나타내고 그 상호작용에 링크하는 네트워크와 같은 시스템을 나타내는 것이 유용합니다.

복합 시스템이라는 용어는 종종 복잡한 시스템의 연구를 언급하는데, 이는 시스템의 부품들 간의 관계가 어떻게 집단 행동을 일으키는지 그리고 시스템이 어떻게 상호작용하고 [1]환경과 관계를 형성하는지 조사하는 과학 접근법이다.복잡한 시스템의 연구는 집단적 또는 시스템 전체의 행동을 연구의 기본 대상으로 간주한다.이 때문에 복잡한 시스템은 구성 부분과 그들 사이의 개별 상호작용 측면에서 시스템을 설명하려는 환원주의의 대안 패러다임으로 이해될 수 있다.

학문 간 영역으로서, 복잡한 시스템은 자기 조직화와 물리학으로부터의 임계 현상의 연구, 사회 과학의 자연 질서, 수학의 혼돈, 생물학으로부터의 적응, 그리고 많은 다른 것들과 같은 많은 다른 분야들로부터 공헌을 이끌어냅니다.따라서 복잡한 시스템은 통계 물리학, 정보 이론, 비선형 역학, 인류학, 컴퓨터 과학, 기상학, 사회학, 경제학, 심리학 및 생물학을 포함한 많은 다양한 분야의 문제에 대한 연구 접근법을 포함하는 광범위한 용어로 사용된다.

주요 개념

시스템들

개방형 시스템은 입력 및 출력 흐름을 가지며, 물질, 에너지 또는 주변과의 정보 교환을 나타냅니다.

복잡한 시스템은 주로 시스템의 동작과 속성과 관련이 있습니다.시스템은 폭넓게 정의되며, 상호 작용, 관계 또는 종속성을 통해 통일된 전체를 형성하는 실체의 집합입니다.항상 시스템의 일부인지 아닌지를 결정하는 경계에 따라 정의됩니다.시스템 외부에 있는 엔티티는 시스템 환경의 일부가 됩니다.

시스템은 부품의 속성 및 동작과는 다른 동작을 생성하는 속성을 나타낼 수 있습니다.이러한 시스템 전체 또는 글로벌 속성 및 동작은 시스템이 환경과 상호작용하거나 환경에 어떻게 보이는지 또는 부품이 내부에 있기 때문에(예를 들어 외부 자극에 반응하여) 어떻게 동작하는지의 특성입니다.시스템입니다.동작의 개념은 시스템 연구가 시간 경과에 따라 일어나는 과정(또는 수학에서는 다른 위상 공간 매개변수화)과도 관련이 있다는 것을 암시합니다.시스템 개념은 광범위한 학제 간 적용 가능성 때문에 복잡한 시스템에서 중심적인 역할을 합니다.

연구 분야로서 복잡한 시스템은 시스템 이론의 하위 집합입니다.일반 시스템 이론은 상호작용하는 실체의 집단 행동에 비슷하게 초점을 맞추고 있지만, 전통적인 환원주의적 접근법이 실행 가능한 복잡한 시스템을 포함하여 훨씬 더 광범위한 시스템 클래스를 연구한다.실제로, 시스템 이론은 모든 종류의 시스템을 탐색하고 기술하는 것을 추구하며, 매우 다양한 분야의 연구자들에게 유용한 범주의 발명은 시스템 이론의 주요 목적 중 하나이다.

복잡한 시스템과 관련된 시스템 이론은 시스템 부품 간의 관계와 의존성이 시스템 전체의 속성을 결정할 수 있는 방법에 중점을 둔다.또한 복잡한 시스템 연구의 학제 간 관점, 즉 공유 속성이 여러 분야를 통해 시스템을 연결한다는 개념에 기여하고, 복잡한 시스템이 나타나는 모든 곳에 적용되는 모델링 접근 방식을 정당화합니다.출현, 피드백 루프 및 적응과 같은 복잡한 시스템에 중요한 특정 개념도 시스템 이론에서 비롯됩니다.

복잡성

시스템이 복잡함을 보인다는 것은 그 속성으로부터 시스템의 동작을 쉽게 추론할 수 없다는 것을 의미합니다.그러한 어려움을 무시하거나 소음으로 특징짓는 모델링 접근방식은 정확하지도 유용하지도 않은 모델을 만들어 낼 필요가 있다.아직 이러한 문제를 해결하기 위해 복잡한 시스템의 완전한 일반 이론이 등장하지 않았기 때문에, 연구자들은 영역 고유의 맥락에서 그것들을 해결해야 한다.복잡한 시스템의 연구자들은 관심 시스템의 복잡성을 줄이는 것이 아니라 모델링의 주요 작업을 파악함으로써 이러한 문제를 해결합니다.

복잡성의 정확한 정의는 아직 존재하지 않지만, 복잡성의 전형적인 예가 많이 있습니다.예를 들어 시스템이 혼돈한 동작(다른 속성 중에서도 초기 조건에 대해 극도로 민감함을 보이는 동작) 또는 긴급한 속성(컴포넌트로부터 격리되어 명확하지 않지만 함께 배치될 때 형성되는 관계와 의존성에 기인하는 속성)을 가지고 있는 경우 시스템은 복잡해질 수 있습니다.(시스템 크기에 대해 너무 빠르게 증가하는 다수의 파라미터에 의존하는 경우) 또는 모델링이 계산적으로 어려운 경우.

네트워크

복잡한 시스템의 상호작용하는 구성요소는 네트워크를 형성합니다.네트워크는 이산적인 객체와 그들 사이의 관계의 집합이며, 보통 가장자리로 연결된 정점의 그래프로 표현됩니다.네트워크는 조직 내 개인 간, 회로 내 논리 게이트 간, 유전자 조절 네트워크 내 유전자 간 또는 기타 관련 실체 간의 관계를 설명할 수 있습니다.

네트워크는 복잡한 시스템의 복잡성의 원인을 설명하는 경우가 많습니다.그러므로 네트워크로서의 복잡한 시스템을 연구하는 것은 그래프 이론과 네트워크 과학의 많은 유용한 응용을 가능하게 한다.예를 들어, 많은 복잡한 시스템은 복잡한 네트워크이기도 합니다.이들 네트워크는 위상 천이 및 멱함수 분포와 같은 속성을 가지며, 발생하거나 혼란스러운 행동에 쉽게 도움이 됩니다.완전한 그래프의 가장자리 수가 정점 수로 2차적으로 증가한다는 사실은 대규모 네트워크의 복잡성 원인을 더욱 명확하게 보여줍니다.네트워크가 성장함에 따라 엔티티 간의 관계 수는 네트워크 내의 엔티티 수를 빠르게 감소시킵니다.

비선형성

θ = 28, θ = 10, β = 8/3일 때 로렌츠 흡착체 내 시료용액

복잡한 시스템은 종종 비선형 동작을 가지고 있습니다. 즉, 상태나 상황에 따라 동일한 입력에 다른 방식으로 반응할 수 있습니다.수학과 물리학에서 비선형성은 입력 크기의 변화가 출력 크기의 비례적인 변화를 일으키지 않는 시스템을 나타냅니다.입력의 특정 변화에 대해 이러한 시스템은 시스템의 현재 상태 또는 파라미터 값에 따라 출력의 비례적 변화보다 훨씬 크거나 작거나 아예 출력이 없을 수 있습니다.

복잡한 시스템에서 특히 관심 있는 것은 비선형 동적 시스템입니다. 비선형 시스템은 하나 이상의 비선형 항을 갖는 미분 방정식의 시스템입니다.로렌츠 시스템과 같은 일부 비선형 동적 시스템은 카오스라고 알려진 수학적 현상을 만들어 낼 수 있습니다.혼돈은 복잡한 시스템에 적용되는 것처럼 복잡한 시스템이 나타낼 수 있는 초기 조건에 대한 민감한 의존성 또는 "나비효과"를 의미합니다.이러한 시스템에서는 초기 조건에 대한 작은 변화가 극적으로 다른 결과를 초래할 수 있다.따라서 혼돈한 동작은 계산의 중간 단계에서 작은 반올림 오차가 모델을 완전히 부정확하게 만들 수 있기 때문에 수치적으로 모델링하는 것이 매우 어려울 수 있습니다.게다가 복잡한 시스템이 이전에 유지되었던 것과 유사한 상태로 되돌아간다면, 그것은 같은 자극에 반응하여 완전히 다르게 행동할 수 있기 때문에, 혼돈은 또한 경험에서 추론하는 데 어려움을 야기한다.

출현

Gosper's Glider Gun이 셀 오토매틱 Conway의 Game of[2] Life에서 "글라이더"를 만들어 냅니다.

복잡한 시스템의 또 다른 공통적인 특징은 새로운 행동과 성질의 존재입니다.이러한 특성은 시스템 구성 요소에서 분리된 것으로는 분명하지 않지만 시스템 내에 함께 배치되었을 때 형성되는 상호작용, 의존성 또는 관계에서 비롯됩니다.emergence는 이러한 행동과 성질의 외관을 폭넓게 설명하고 사회과학 및 물리과학 모두에서 연구된 시스템에 응용할 수 있습니다.emergence는 종종 복잡한 시스템에서 계획되지 않은 조직적인 행동의 출현만을 언급하는 데 사용되는 반면 emergence는 조직의 붕괴를 나타낼 수도 있습니다. emergence는 시스템을 구성하는 작은 실체로부터 예측하기 어렵거나 심지어 불가능한 모든 현상을 나타냅니다.

발생 특성이 광범위하게 연구되어 온 복잡한 시스템의 한 예는 세포 자동이다.세포 오토마톤에서, 각각의 세포는 최종 다수의 상태 중 하나를 가지며, 단순한 규칙 집합에 따라 진화한다.이러한 규칙은 각 셀과 네이버의 '상호작용'을 안내합니다.규칙은 로컬에서만 정의되지만 Conway의 Game of Life 등 세계적으로 흥미로운 행동을 할 수 있는 것으로 나타났습니다.

자발적 질서와 자기 조직화

emergence가 계획되지 않은 질서의 출현을 설명할 때, 그것은 자연적 질서(사회과학) 또는 자기 조직화(물리학)입니다.자발적 질서는 집단의 행동에서 볼 수 있는데, 집단들은 중앙 집중식 계획 없이 그들의 행동을 조정한다.자기 조직화는 특정 결정의 지구적 대칭에서 볼 수 있는데, 예를 들어 눈송이의 명백한 방사상 대칭은 물 분자와 주변 환경 사이의 순수 국소적인 매력과 반발력에서 발생합니다.

적응.

복잡한 적응 시스템은 변화하고 경험을 통해 배울 수 있다는 점에서 적응력이 있는 복잡한 시스템의 특별한 경우입니다.복잡한 적응 시스템의 예는 주식 시장, 사회적 곤충들과 개미들, 생물권과 생태계, 뇌와 면역 체계는 그 세포가 개발 배아, 도시들의 제조 기업과 정당이나 커뮤니티 같은 문화적, 사회적인 시스템의 어떤 인간 사회 집단 중심 노력을 포함한다.[3]

특징들

복잡한 시스템에는 다음과 같은 [4]기능이 있습니다.

복잡한 시스템이 열려 있을 수 있음
복잡한 시스템은 일반적으로 개방적인 시스템입니다.즉, 열역학적 구배로 존재하며 에너지를 분산시킵니다.즉, 복잡한 시스템은 종종 에너지 균형과는 거리가 멀지만, 이러한 흐름에도 불구하고 패턴 [5]안정성이 있을 수 있습니다. 시너지학을 참조하십시오.
복잡한 시스템에서는 중대한 이행이 발생할 수 있다
(Lever et al.[6] 2020에서 인용한) 임계 전환 전 대체 안정 상태 및 임계 감속 방향의 그래픽 표현.상단 패널(a)은 다양한 조건에서 안정성 풍경을 나타냅니다.중간 패널(b)은 안정성 환경의 기울기와 유사한 변화율을 나타내며, 하단 패널(c)은 시스템의 미래 상태를 향한 섭동으로부터의 회복을 나타낸다(c).I) 및 다른 방향(c).II)
중요한 전환은 생태계, 기후, 금융 시스템 또는 기타 복잡한 시스템의 상태에서의 갑작스러운 변화로, 상황 변화가 임계점 [7][8][9][10]또는 분기점을 통과할 때 발생할 수 있습니다.시스템 상태 공간의 '임계 감속 방향'은 진동 또는 기타 복잡한 역학으로 이어지는 지연된 음성 피드백이 [6]약할 때 이러한 전환 후 시스템의 미래 상태를 나타낼 수 있습니다.
복잡한 시스템이 중첩될 수 있음
복잡한 시스템의 컴포넌트 자체는 복잡한 시스템일 수 있습니다.예를 들어, 경제는 사람들로 구성된 조직, 세포로 구성된 조직, 즉 모두 복잡한 시스템으로 구성되어 있습니다.복잡한 초당 네트워크 내의 상호작용 배열도 내포될 수 있습니다.보다 구체적으로, 상호 유익한 상호작용의 초당적 생태 및 조직 네트워크는 중첩된 [11][12]구조를 가지고 있는 것으로 밝혀졌다.이 구조는 간접적인 촉진과 점점 더 가혹한 환경에서도 지속할 수 있는 시스템의 능력 및 대규모 체제 [13][14]교체의 가능성을 촉진한다.
다종다양한 네트워크
결합 규칙과 함께 복잡한 시스템의 동적 네트워크도 중요합니다.로컬 상호작용이 많고 영역 간 접속 수가 적은 소규모 네트워크 또는 스케일프리[15][16] 네트워크가 자주 사용됩니다.자연 복합 시스템은 종종 이러한 토폴로지를 나타낸다.예를 들어 인간의 피질에서는 피질 내부 영역과 다른 뇌 영역과의 매우 긴 축삭 돌기가 있습니다.
발생현상을 일으킬 수 있음
복잡한 시스템은 새로운 행동을 보일 수 있습니다.즉, 결과는 시스템의 기본 구성요소의 활동에 의해 충분히 결정될 수 있지만, 더 높은 수준에서 연구할 수 있는 특성을 가질 수 있습니다.예를 들어, 언덕에 있는 흰개미는 생리학, 생화학, 생물학적 발달이 한 단계의 분석이지만, 그들의 사회적 행동과 언덕 쌓기는 흰개미의 집합에서 생겨난 특성으로 다른 차원의 분석이 필요하다.
관계는 비선형입니다.
이는 실질적으로 작은 교란이 큰 효과(나비 효과 참조), 비례 효과 또는 전혀 영향을 미치지 않을 수 있음을 의미한다.선형 시스템에서 효과는 항상 원인에 정비례합니다.비선형성 참조.
관계에는 피드백 루프가 포함됩니다.
음(감쇠) 피드백과 양(증폭) 피드백은 항상 복잡한 시스템에서 찾을 수 있습니다.요소의 동작 효과는 요소 자체가 변경되는 방식으로 피드백됩니다.

역사

복잡성 과학의 발전에 대한 관점(가독본은 [17]참조 참조)

비록 인간은 수천 년 동안 복잡한 시스템을 연구해왔지만, 복잡한 시스템에 대한 현대 과학 연구는 물리학과 화학과 같은 확립된 과학 분야에 비해 상대적으로 젊다.이 시스템들의 과학적 연구의 역사는 몇 가지 다른 연구 경향을 따른다.

수학의 영역에서, 복잡한 시스템의 연구에 가장 큰 공헌은 [18]비선형성과 강하게 관련된 특정 동적 시스템의 특징인 결정론적 시스템의 혼돈의 발견이었다.신경망의 연구는 또한 복잡한 시스템을 연구하는 데 필요한 수학을 발전시키는데 필수적이었다.

자기 조직 시스템의 개념은 화학자이자 노벨상 수상자인 일리야 프리고긴이 산란 구조에 대한 그의 연구에서 개척한 것을 포함한 비평형 열역학에서의 작업과 연관되어 있습니다.심지어 더 오래된 것은 양자 화학 방정식과 후에 과학에서 출현과 신흥 도매의 가장 초기 사례 중 하나로 간주될 수 있는 분자 구조의 계산에 대한 Hartree-Fock의 연구이다.

인간을 포함하는 하나의 복잡한 시스템은 후에 오스트리아 경제학 학파에 의해 개발된 스코틀랜드 계몽주의의 고전적인 정치 경제이며, 시장 시스템의 질서는 인간의 행동의 결과이지만 인간 설계의 [19][20]실행은 아니라고 주장한다.

이에 따라 오스트리아 학파는 19세기부터 20세기 초반까지 경제적 계산 문제를 발전시켜 당시 지배적이었던 케인즈 경제학에 대한 논쟁을 부채질했다.이 토론은 특히 경제학자, 정치인 및 기타 당사자들이 계산 [citation needed]복잡성 문제를 탐구하도록 이끌 것이다.

그 분야의 선각자, 그리고 칼 포퍼의와 워렌 위버의 작품에 영감을 받아 노벨상을 경제학자이자 철학자 프리드리히 하이에크 20세기 후반에, 복잡한 phenomena,[21]의 연구에 인간의 경제에지만 psychology,[22]생물학은 같은 다른 분야에 뛰어들기 그의 작품을 축소하려는 정부 그의 일이 초부터 많이 바쳤다.dcybern사이버네틱스인 그레고리 베이트슨은 인류학과 시스템 이론 사이의 연관성을 확립하는데 핵심적인 역할을 했다; 그는 문화의 상호작용적인 부분이 생태계와 매우 비슷하게 기능한다는 것을 인식했다.

복잡한 시스템에 대한 명확한 연구는 적어도 [23]1970년대까지 거슬러 올라가지만, 복잡한 시스템에 초점을 맞춘 최초의 연구 기관인 산타페 연구소는 1984년에 [24][25]설립되었습니다.초기 산타페 연구소에는 물리학상 수상자인 머레이 겔만과 필립 앤더슨, 경제학상 수상자인 케네스 애로우, 맨해튼 프로젝트 과학자 조지 코완과 허브 앤더슨 [26]등이 참여했습니다.현재 50개 이상의 연구소와 연구소가 복잡한 [citation needed]시스템에 초점을 맞추고 있습니다.

1990년대 후반부터 수학 물리학자들의 경제 현상 연구에 대한 관심이 높아지고 있다.물리학 인식론에서 유래한 해법의 적용과 함께 학문 간 연구의 확산은 경제학, 주로 금융 경제학에서 이론적 명료성과 방법론적 접근법에 점진적인 패러다임의 변화를 가져왔다.그 발전은 새로운 분야, 즉 "경제 물리학"의 출현을 가져왔다. "경제 물리학"은 주로 복잡한 시스템 이론과 [27]경제 분석을 위한 카오스 이론에 기초하는 통계 물리학 방법론을 적용하는 학문으로 폭넓게 정의된다.

2021년 노벨 물리학상은 복잡한 체계를 이해한 공로로 슈쿠로 마나베, 클라우스 하셀만, 조르지오 파리지에게 수여되었다.그들의 연구는 지구 온난화가 지구 [28]기후에 미치는 영향에 대한 보다 정확한 컴퓨터 모델을 만들기 위해 사용되었다.

적용들

실무의 복잡성

복잡성을 다루는 전통적인 접근법은 복잡성을 줄이거나 제한하는 것입니다.통상, 이것은 큰 시스템을 다른 부분으로 분할하는 분할을 수반합니다.예를 들어, 조직은 업무를 부서별로 나누어 각각 다른 문제를 처리합니다.엔지니어링 시스템은 모듈러 컴포넌트를 사용하여 설계되는 경우가 많습니다.그러나 모듈러 설계는 분할을 연결하는 문제가 발생하면 실패하기 쉽습니다.

복잡성 관리

프로젝트와 인수가 점점 더 복잡해짐에 따라 기업과 정부는 Army Future Combat Systems와 같은 대규모 인수를 관리하는 효과적인 방법을 찾아야 합니다.FCS와 같은 인수 작업은 예측할 수 없는 상호 관련 부품의 거미줄에 의존합니다.인수가 네트워크 중심적이고 복잡해짐에 따라 기업은 복잡성을 관리할 방법을 찾아야 하는 반면 정부는 유연성과 [29]복원력을 확보하기 위한 효과적인 거버넌스를 제공해야 하는 과제를 안고 있습니다.

복잡도 경제

지난 수십 년 동안, 복잡성 경제학의 신흥 분야에서는 경제성장을 설명하기 위한 새로운 예측 도구가 개발되었습니다.1989년 싼타페 연구소가 만든 모델과 MIT 물리학자 세자르 A가 도입한 최신 경제 복잡도 지수(ECI)가 그렇다. Hidalgo와 하버드 경제학자 Ricardo Hausmann.ECI를 기반으로 하우스만, 히달고와 경제 복잡성 관측소 팀은 [citation needed]2020년의 GDP 예측을 작성했다.경기순환과 경제발전의 특성을 파악하기 위해 재발 정량 분석을 활용하였다.이를 위해 올란도 [30]등은 샘플 신호에 대한 RQA의 상관관계를 테스트하기 위해 이른바 재발 정량 상관지수(RQCI)를 개발하고 비즈니스 시계열에 대한 적용을 조사했다.상기 지수는 시계열의 숨겨진 변화를 감지하는 것으로 입증되었다.또한, 올랜도 [31]외 연구진은 광범위한 데이터 세트에 대해 재발 정량화 분석이 1949년, 1953년 등의 미국 GDP와 같은 층(정기적) 단계에서 난류(즉, 혼란적) 단계로의 전환을 예측하는 데 도움이 될 수 있음을 보여주었다.마지막으로, 반복 정량화 분석이 거시 경제 변수 간의 차이를 감지하고 경제 역학의 숨겨진 특징을 강조할 수 있다는 것이 입증되었다.

복잡성과 교육

Forsman, Moll 및 Linder는, 학생의 연구에 있어서의 지속성의 문제에 초점을 맞추어, 「복잡도 과학을 물리 교육 연구의 방법론적인 응용 프로그램을 확장하는 프레임으로서 사용할 수 있는 가능성」을 조사하고, 「복잡도 과학의 관점내에서 소셜 네트워크 분석을 실시하는 것은, 새롭고 강력한 응용 가능성을 제공한다」라고 하고 있습니다.다양한 PER 토픽을 손실합니다."[32]

복잡성과 생물학

복잡성 과학은 생물, 특히 생물 시스템에 적용되어 왔다.프랙탈 생리의 신흥 분야에서는 심박수나 뇌활동과 같은 신체 신호는 엔트로피 또는 프랙탈 지수를 사용하여 특징지어진다.목표는 종종 기본 시스템의 상태와 상태를 평가하고 잠재적인 장애와 질병을 진단하는 것입니다.

복잡성과 모델링

초기 복잡성 이론에 대한 프리드리히 하이에크의 주요 기여 중 하나는 단순한 시스템의 동작을 예측하는 인간의 능력과 모델링을 통해 복잡한 시스템의 동작을 예측하는 인간의 능력 사이의 차이입니다.그는 그의 관점에서는 생물학, 심리학 등을 포함한 경제학 및 복잡한 현상의 과학은 [33]물리학과 같은 본질적으로 단순한 현상을 다루는 과학을 본떠서 만들어질 수 없다고 믿었다.하이에크는 복잡한 현상은 모델링을 통해 패턴을 예측할 수 있을 뿐이며, 복잡한 현상은 비복잡한 [34]현상에서 정확하게 예측할 수 있다고 설명한다.

복잡성과 카오스 이론

복잡성 이론은 카오스 이론에 뿌리를 두고 있으며, 카오스 이론은 프랑스 수학자 앙리 푸앵카레의 연구에서 그 기원을 가지고 있다.혼돈은 때때로 [35]질서의 부재라기보다는 극도로 복잡한 정보로 여겨진다.카오스 시스템은 결정론적인 상태로 남아 있지만, 장기간의 동작을 정확하게 예측하기는 어려울 수 있습니다.초기 조건과 혼돈한 시스템의 동작을 설명하는 관련 방정식을 완벽하게 알고 있으면 이론적으로 시스템의 완벽한 정확한 예측을 할 수 있지만, 실제로는 임의 정확도로는 불가능합니다.일리야 프리고긴은[36] 복잡성은 비결정론적이며 [37]미래를 정확하게 예측할 수 있는 어떤 방법도 제공하지 않는다고 주장했다.

복잡성 이론의 출현은 결정론적 질서와 [38]복잡한 무작위성 사이의 영역을 보여준다.이것을 「[39]혼돈의 끝」이라고 부릅니다.

로렌츠 어트랙터의 플롯입니다.

예를 들어, 복잡한 시스템을 분석할 때, 초기 조건에 대한 민감도는 카오스 이론에서 우세한 만큼 중요한 문제가 아니다.Colander가 [40]말했듯이, 복잡성에 대한 연구는 혼돈에 대한 연구와 반대입니다.복잡성은 엄청나게 복잡하고 동적인 관계의 집합이 어떻게 간단한 행동 패턴을 만들어 낼 수 있는지에 대한 것입니다. 반면 혼돈한 행동은 결정론적 혼돈의 의미에서 상대적으로 적은 수의 비선형 [38]상호작용의 결과입니다.

따라서, 혼돈된 시스템과 복잡한 시스템의 주된 차이점은 그들의 [41]역사이다.혼란스러운 시스템은 복잡한 시스템처럼 역사에 의존하지 않습니다.무질서한 행동은 평형 상태의 시스템을 무질서한 질서로 밀어냅니다. 다시 말해, 우리가 전통적으로 '질서'[clarification needed]라고 정의했던 것에서 벗어나는 것입니다.반면에 복잡한 시스템은 혼돈의 가장자리에서 균형으로부터 멀리 진화한다.그것들은 물리학자 머레이 겔만이 "동결사고의 축적"[42]이라고 부르는 돌이킬 수 없는 예기치 못한 사건의 역사에 의해 형성된 임계 상태에서 진화한다.어떤 의미에서 혼돈 시스템은 이러한 역사적 의존성의 부재로 정확하게 구별되는 복잡한 시스템의 하위 집합으로 간주될 수 있다.많은 실제 복잡한 시스템은 실제로는 장기간에 걸쳐 견고하지만 유한합니다.그러나 시스템 무결성을 유지하면서 근본적인 질적 변화의 가능성을 가지고 있습니다.변태는 아마도 그러한 변화에 대한 은유 이상의 역할을 할 것이다.

복잡성과 네트워크 과학

복잡한 시스템은 보통 많은 구성요소와 그 상호작용으로 구성됩니다.이러한 시스템은 노드가 컴포넌트를 나타내고 링크가 그 [43][44]상호작용을 나타내는 네트워크로 나타낼 수 있습니다.예를 들어 인터넷은 노드(컴퓨터)와 링크(컴퓨터 간의 직접 연결)로 구성된 네트워크로 나타낼 수 있습니다.복잡한 네트워크의 다른 예로는 소셜 네트워크, 금융 기관 상호의존성,[45] 항공사 네트워크 [46]및 생물학적 네트워크가 있다.

저명한 학자

「 」를 참조해 주세요.

레퍼런스

  1. ^ Bar-Yam, Yaneer (2002). "General Features of Complex Systems" (PDF). Encyclopedia of Life Support Systems. Retrieved 16 September 2014.
  2. ^ 다니엘 데넷(1995), 다윈의 위험한 생각, 펭귄 북스, 런던, ISBN 978-0-14-016734-4, ISBN 0-14-016734-X
  3. ^ Skrimizea, Eirini; Haniotou, Helene; Parra, Constanza (2019). "On the 'complexity turn' in planning: An adaptive rationale to navigate spaces and times of uncertainty". Planning Theory. 18: 122–142. doi:10.1177/1473095218780515. S2CID 149578797.
  4. ^ Alan Randall (2011). Risk and Precaution. Cambridge University Press. ISBN 9781139494793.
  5. ^ Pokrovskii, Vladimir (2021). Thermodynamics of Complex Systems: Principles and applications. IOP Publishing, Bristol, UK. Bibcode:2020tcsp.book.....P.
  6. ^ a b Lever, J. Jelle; Leemput, Ingrid A.; Weinans, Els; Quax, Rick; Dakos, Vasilis; Nes, Egbert H.; Bascompte, Jordi; Scheffer, Marten (2020). "Foreseeing the future of mutualistic communities beyond collapse". Ecology Letters. 23 (1): 2–15. doi:10.1111/ele.13401. PMC 6916369. PMID 31707763.
  7. ^ Scheffer, Marten; Carpenter, Steve; Foley, Jonathan A.; Folke, Carl; Walker, Brian (October 2001). "Catastrophic shifts in ecosystems". Nature. 413 (6856): 591–596. Bibcode:2001Natur.413..591S. doi:10.1038/35098000. ISSN 1476-4687. PMID 11595939. S2CID 8001853.
  8. ^ Scheffer, Marten (26 July 2009). Critical transitions in nature and society. Princeton University Press. ISBN 978-0691122045.
  9. ^ Scheffer, Marten; Bascompte, Jordi; Brock, William A.; Brovkin, Victor; Carpenter, Stephen R.; Dakos, Vasilis; Held, Hermann; van Nes, Egbert H.; Rietkerk, Max; Sugihara, George (September 2009). "Early-warning signals for critical transitions". Nature. 461 (7260): 53–59. Bibcode:2009Natur.461...53S. doi:10.1038/nature08227. ISSN 1476-4687. PMID 19727193. S2CID 4001553.
  10. ^ Scheffer, Marten; Carpenter, Stephen R.; Lenton, Timothy M.; Bascompte, Jordi; Brock, William; Dakos, Vasilis; Koppel, Johan van de; Leemput, Ingrid A. van de; Levin, Simon A.; Nes, Egbert H. van; Pascual, Mercedes; Vandermeer, John (19 October 2012). "Anticipating Critical Transitions". Science. 338 (6105): 344–348. Bibcode:2012Sci...338..344S. doi:10.1126/science.1225244. hdl:11370/92048055-b183-4f26-9aea-e98caa7473ce. ISSN 0036-8075. PMID 23087241. S2CID 4005516. Archived from the original on 24 June 2020. Retrieved 10 June 2020.
  11. ^ Bascompte, J.; Jordano, P.; Melian, C. J.; Olesen, J. M. (24 July 2003). "The nested assembly of plant-animal mutualistic networks". Proceedings of the National Academy of Sciences. 100 (16): 9383–9387. Bibcode:2003PNAS..100.9383B. doi:10.1073/pnas.1633576100. PMC 170927. PMID 12881488.
  12. ^ Saavedra, Serguei; Reed-Tsochas, Felix; Uzzi, Brian (January 2009). "A simple model of bipartite cooperation for ecological and organizational networks". Nature. 457 (7228): 463–466. Bibcode:2009Natur.457..463S. doi:10.1038/nature07532. ISSN 1476-4687. PMID 19052545. S2CID 769167.
  13. ^ Bastolla, Ugo; Fortuna, Miguel A.; Pascual-García, Alberto; Ferrera, Antonio; Luque, Bartolo; Bascompte, Jordi (April 2009). "The architecture of mutualistic networks minimizes competition and increases biodiversity". Nature. 458 (7241): 1018–1020. Bibcode:2009Natur.458.1018B. doi:10.1038/nature07950. ISSN 1476-4687. PMID 19396144. S2CID 4395634.
  14. ^ Lever, J. Jelle; Nes, Egbert H. van; Scheffer, Marten; Bascompte, Jordi (2014). "The sudden collapse of pollinator communities". Ecology Letters. 17 (3): 350–359. doi:10.1111/ele.12236. hdl:10261/91808. ISSN 1461-0248. PMID 24386999.
  15. ^ A. L. Barab´asi, R. Albert (2002). "Statistical mechanics of complex networks". Reviews of Modern Physics. 74 (1): 47–94. arXiv:cond-mat/0106096. Bibcode:2002RvMP...74...47A. CiteSeerX 10.1.1.242.4753. doi:10.1103/RevModPhys.74.47. S2CID 60545.
  16. ^ M. Newman (2010). Networks: An Introduction. Oxford University Press. ISBN 978-0-19-920665-0.
  17. ^ "complexity map castellani map of complexity science, complexity theory, complexity science, complexity, brian castellani, durham sociology complexity". www.art-sciencefactory.com.
  18. ^ "History of Complex Systems". Archived from the original on November 23, 2007.
  19. ^ Ferguson, Adam (1767). An Essay on the History of Civil Society. London: T. Cadell. Part the Third, Section II, p. 205.
  20. ^ Friedrich Hayek, 철학, 정치, 경제, 시카고의 새로운 연구에서 "인간 행동의 결과이지만 인간 디자인의 결과는 아니다":시카고 대학 출판사, 1978, 96-105페이지.
  21. ^ Bruce J. Caldwell, Popper, Hayek: 누가 영향을 미쳤습니까?Wayback Machine, Karl Popper 2002 Centennary Congress, 2002에 보관된 2018-12-11.
  22. ^ Friedrich von Hayek, The Sensury Order: The Inquiry to the Foundation of The The Sensory Psychology, 시카고 대학 출판부, 1952년.
  23. ^ Vemuri, V. (1978). Modeling of Complex Systems: An Introduction. New York: Academic Press. ISBN 978-0127165509.
  24. ^ Ledford, H (2015). "How to solve the world's biggest problems". Nature. 525 (7569): 308–311. Bibcode:2015Natur.525..308L. doi:10.1038/525308a. PMID 26381968.
  25. ^ "History Santa Fe Institute". www.santafe.edu. Archived from the original on 2019-04-03. Retrieved 2018-05-17.
  26. ^ 월드롭, M. M.(1993)복잡성: 질서와 혼돈의 가장자리에 있는 신흥 과학.사이먼과 슈스터.
  27. ^ Ho, Y. J.; Ruiz Estrada, M. A; Yap, S. F. (2016). "The evolution of complex systems theory and the advancement of econophysics methods in the study of stock market crashes". Labuan Bulletin of International Business & Finance. 14: 68–83.
  28. ^ "Nobel in physics: Climate science breakthroughs earn prize". BBC News. 5 October 2021.
  29. ^ "CSIS paper: "Organizing for a Complex World: The Way Ahead" (PDF).
  30. ^ Orlando, Giuseppe; Zimatore, Giovanna (18 December 2017). "RQA correlations on real business cycles time series". Indian Academy of Sciences – Conference Series. 1 (1): 35–41. doi:10.29195/iascs.01.01.0009.
  31. ^ Orlando, Giuseppe; Zimatore, Giovanna (1 May 2018). "Recurrence quantification analysis of business cycles". Chaos, Solitons & Fractals. 110: 82–94. doi:10.1016/j.chaos.2018.02.032. ISSN 0960-0779.
  32. ^ Forsman, Jonas; Moll, Rachel; Linder, Cedric (2014). "Extending the theoretical framing for physics education research: An illustrative application of complexity science". Physical Review Special Topics - Physics Education Research. 10 (2): 020122. Bibcode:2014PRPER..10b0122F. doi:10.1103/PhysRevSTPER.10.020122. hdl:10613/2583.
  33. ^ "Reason Magazine - The Road from Serfdom". Archived from the original on 2007-03-10. Retrieved 2017-09-22.
  34. ^ "The Sveriges Riksbank Prize in Economic Sciences in Memory of Alfred Nobel 1974". NobelPrize.org.
  35. ^ N.K. 헤일스(1991)혼돈의 경계: 현대 문학과 과학의 질서 무질서.코넬 대학 출판부, 뉴욕 이타카
  36. ^ Prigogine, I. (1997년)확실성의 종말, 자유 언론, 뉴욕
  37. ^ 도 참조해 주세요.
  38. ^ a b 실리어스, P. (1998년)복잡성과 포스트모더니즘: 복잡한 시스템의 이해(런던 루트리지)
  39. ^ Per Bak(1996년).자연 구조: 미국 뉴욕 코페르니쿠스의 자기조직적 임계학
  40. ^ 콜랜더, D. (2000)The Complexity Vision and The Teaching of Economics, 매사추세츠 노샘프턴 E. Elgar.
  41. ^ 뷰캐넌, M. (2000년)유비쿼티: 왜 대재앙이 일어나는지, 3대 강 프레스, 뉴욕.
  42. ^ 겔만, M. (1995년)복잡성이란?복잡도 1/1, 16-19
  43. ^ Dorogovtsev, S.N.; Mendes, J.F.F. (2003). Evolution of Networks. Adv. Phys. Vol. 51. p. 1079. arXiv:cond-mat/0106144. doi:10.1093/acprof:oso/9780198515906.001.0001. ISBN 9780198515906.
  44. ^ Newman, Mark (2010). Networks. doi:10.1093/acprof:oso/9780199206650.001.0001. ISBN 9780199206650.[영구 데드링크]
  45. ^ Battiston, Stefano; Caldarelli, Guido; May, Robert M.; Roukny, tarik; Stiglitz, Joseph E. (2016-09-06). "The price of complexity in financial networks". Proceedings of the National Academy of Sciences. 113 (36): 10031–10036. Bibcode:2016PNAS..11310031B. doi:10.1073/pnas.1521573113. PMC 5018742. PMID 27555583.
  46. ^ Barrat, A.; Barthelemy, M.; Pastor-Satorras, R.; Vespignani, A. (2004). "The architecture of complex weighted networks". Proceedings of the National Academy of Sciences. 101 (11): 3747–3752. arXiv:cond-mat/0311416. Bibcode:2004PNAS..101.3747B. doi:10.1073/pnas.0400087101. ISSN 0027-8424. PMC 374315. PMID 15007165.

추가 정보

외부 링크

Wikimedia Commons에는 복잡한 시스템과 관련된 미디어가 있습니다.
무료 사전인 Wiktionary에서 복잡한 시스템을 검색합니다.