Cursuri BCE 1-6

Cap 1. Introducere în modelare. Modelarea bazată pe agenţi. Suport de curs 2021-2022, Conf.
Băncescu Mioara
CAPITOLUL 1. INTRODUCERE ÎN MODELARE. MODELAREA

BAZATĂ PE AGENŢI
Motto: Cibernetica este o știință interdisciplinară, preia la fel de mult din biologie ca și din fizică, la fel de mult
din studiul creierului ca de la studiul calculatoarelor, și se preocupă de limbajul oficial al științei pentru
furnizarea de instrumente cu care poate fi descris comportamentul în toate aceste sisteme în mod obiectiv.
(Stafford Beer)
1.1 Modelarea, principala metodă utilizată în cibernetica economică

Principala metodă utilizată în cibernetica economică pentru studiul sistemelor adaptive
complexe şi a proceselor la care participă acestea o constituie modelarea.
Metoda modelării este completată frecvent de simularea sistemelor adaptive complexe.
Exemple de metode de modelare:
modelarea bazată pe ecuaţii;

modelarea bazată pe agenţi;
modelarea inspirată de natură.
Modelarea bazată ecuaţii utilizează de cele mai multe ori metode din categoria ecuaţiilor cu
diferenţe finite.
Modelarea bazată pe agenţi porneşte de la proprietăţile sistemelor adaptive complexe.
1
Cap 1. Introducere în modelare. Modelarea bazată pe agenţi. Suport de curs 2021-2022, Conf. Băncescu Mioara
Un exemplu de program informatic dedicat modelării bazate pe agenţi este NetLogo.

Programul facilitează cercetarea sistemelor adaptive complexe cum ar fi sistemele informatice,
ecosistemele digitale pentru afaceri, reţelele sociale. Net Logo este foarte potrivit pentru
modelarea unor sisteme complexe care evoluează în timp.
NetLogo se bazează pe simularea comportamentului agenţilor, a abilităţii acestora de a

învăţa. In Net Logo se pot realiza simulări a diferitor fenomene naturale, sociale, etc.
Uri Wilensky a creat prima versiune de NetLogo în 1999, iar de atunci programul a fost
îmbunătăţit în mod continuu. Printre funcţionalităţile programului se numără:
• o fereastră de interacţiune cu utilizatorul pe parcursul rulării unui model;

• simulări la care pot participa mai mulţi utilizatori în acelaşi timp;
• vizualizarea rezultatelor în spaţiu tridimensional;
• agenţi de tip monitor care pot inspecta celilalţi agenţi ai unui modelul NetLogo;
• posibilitatea de a executa un model şi a urmări rezultatele execuţiei la viteză normală sau la o
viteză încetinită;
• un modul pentru modelarea sistemelor dinamice.
Modelarea inspirată de natură porneşte de la anumite proprietăţi şi comportamente
observate în sistemele din natură.
Modelarea are drept rezultat elaborarea unui model cu ajutorul căruia se descrie, se
înţelege sau se percepe o situaţie din lumea înconjurătoare care nu este altfel accesibilă
observatorului uman.
2
1.2 Definirea agenţilor

Conceptul de agent a devenit în anii 1990 un concept central în câteva dintre
disciplinele ştiinţifice cu o dezvoltare explozivă cum ar fi: inteligenţa artificială, stiinţele
complexităţii, stiinţa calculatoarelor, economia computaţională.
Există o literatură bogată care conţine mai multe definiţii date conceptului de
,,agent”1.
1
În dicţionar agentul este definit ca ,,cineva care, sau prin care se exercită putere sau produce un
efect”. Definiţia indică faptul că agentul exercită o acţiune, schimbă ceva în mediul înconjurător.
3
Shardlow (1990), Wooldridge şi Jennings (1995), Jennings et all (1998) se numără

printre cercetătorii care au propus definiţii pentru agenţi.
Agenţii fac
lucruri, ei Definiţie
acţionează,
de aceea ei se Shardlo 1990
numesc w
agenţi
2 termeni
Definiţie pentru a
Wooldridg descrie
1995 e şi agenţii:
Jennings autonomia,
raţionalitatea
3 concepte
cheie:
poziţionarea Definiţie
in raport cu Jennings 1998
mediul; et all
autonomia;
flexibilitatea.
Definiţia propusă de Shardlow (1990), “agenţii fac lucruri, ei acţionează: de aceea ei

se numesc agenţi” ne lasă să ȋnţelegem că agenţii au un rol activ, iniţiind acţiuni prin care este
afectat mediul lor mai degrabă, decât ca ei să fie afectaţi de acest mediu.
Ȋn definiţia propusă de Wooldridge şi Jennings (1995) agenţii sunt definiţi prin 2

cuvinte cheie, autonomia şi raţionalitatea:
4
• autonomia - presupune, în general, că un agent funcţionează fără intervenţia directă

a omului sau a altor agenţi ; un agent îşi poate controla complet propriile acţiuni şi
starea sa internă.
• raţionalitatea - presupune că agenţii iniţiază orice acţiune în scopul maximizării

performanţei lor în raport cu o funcţie de evaluare.
Definiţia propusă de Jennings et all (1998) este mai cuprinzătoare: un agent este un
sistem uman sau de calcul situat într-un anumit mediu, care este capabil de acţiune
autonomă flexibilă pentru a realiza obiectivele sale proiectate.
Conceptele cheie
utilizate ȋn cadrul definiţiei
sunt detaliate în continuare:
• poziţionarea în raport
cu mediul
• autonomia
• flexibilitatea.
5
1.3 Poziţionarea în raport cu mediul a unui agent
Poziţionarea în raport cu mediul a unui agent se

referă la faptul că agentul primeşte inputuri de la mediul său
şi poate executa acţiuni care schimbă mediul într-un anumit
fel.
Un mediu reprezintă, în esenţă, condiţiile în care

există şi funcţionează un agent.
Exemplu: AGENT UMAN IN CONTEXTUL COVID19
Un exemplu de poziţionare a unui agent în raport cu mediul este un agent uman în

contextul declanşării pandemiei COVID19:
agentul primeşte inputuri de la mediul său în legătură cu virusul, precum incidenţa

cumulată a cazurilor în ultimele 14 zile la nivel judeţean, la nivel naţional, la nivel
internaţional;
poziţionându-se în raport cu mediul, agentul poate executa acţiuni care schimbă
mediul într-unul mai putin prietenos cu virusul, cum ar fi : evitarea călătoriilor în zonele
în care incidenţa cumulată a cazurilor este peste un anumit nivel sau în locurile din
mediu în care rata de transmisie a virusului este ridicată, respectarea regulilor de
distanţare fizică şi igiena a mainilor, purtarea măştilor, aerisirea frecventă încaperilor,
etc.
6
Exemplu: MUSUROIUL DE FURNICI
Un alt exemplu de
agent situat într-un mediu este
muşuroiul de furnici. Furnicile
interacţionează una cu cealaltă
prin intermediul feromonilor
pe care ele îl depozitează în
mediu şi acesta le ghidează
acţiunile, drumurilor urmate de furnici prin mediu.
Putem observa comportamentul simulat al drumurilor furniciilor prin mediu folosind

modelul „Ants” din librăria NetLogo.
În figura 1.1, formele de tip hexagon marchează muşuroiul unde se va depozita

mâncarea acumulată de agenţii furnici şi sursele de hrană din mediu.
Agenţii furnici ai modelului respectă reguli de comportament. Când o furnică găsește

mâncare in mediu, aceasta transportă mâncarea spre mușuroi, lăsând urma unei substanțe
chimice în timp ce se deplasează. Când alte furnici detectează substanța chimică, o urmează
ajungand astfel la sursa de hrana. Când din ce in ce mai multe furnici duc mâncarea spre
mușuroi, se eliberează o cantitate de substanță chimică din ce in ce mai mare, urma devine
mai puternică, se evaporă din ce in ce mai greu, atrăgând astfel tot mai multe furnici.
Modelul are valori implicite pentru trei variabile de intrare, valori pe care utilizatorul le
poate modifica pentru a accesa o paletă mai largă de rezultate posibile:
• numărul de furnici (population);

• rata de difuzie (difusion-rate) a substanței chimice în mediu dupa ce o furnica găseşte
o sursă de hrană;
• rata de evaporare (evaporation-rate) a substanței chimice, in funcţie de care ceilalţi
agenţi îşi ghidează acţiunile.
7
Figura 1.1. Model NetLogo Ants.
Exemple de simulare a conceptului de pozitionare in raport cu mediul folosind

modelul „Ants”:
micșorăm rata de difuzie a substanței chimice; observăm că urmele lăsate de furnici,
atunci când transportă mâncarea spre mușuroi, devin mai putin vizibile, sunt mai greu
de sesizat de către celelalte furnici, astfel transportul întregii cantități de mâncare are
loc într-un timp mai îndelungat;
mărim rata de evaporare a substanței chimice; observăm că va fi nevoie de mai multe
furnici care să transporte mâncarea pe același traseu pentru a lăsa o urmă pe care să
o detecteze din ce in ce mai mulţi agenţi, iar transportul întregii cantități de mâncare
are loc într-un timp mai mare, dacă nu mărim numărul de furnici din model;
creștem numărul de furnici din model, păstrand neschimbate celelate setari implicite
ale modelului; atunci se observa ca se micșorează timpul de transport a întregii
cantități de mâncare spre muşuroi.
O extensie posibilă a modelului pentru a-l aduce mai aproape de realitate ar fi ca

drumul furnicilor de întoarcere spre muşuroi, cu mancarea găsită, să nu fie în linie dreaptă, ci
conform unor procese haotice.
8
Exemplu: FRUNZELE COACILOR

Exemplu: FRUNZELE COPACILOR
Modelul „Autumn” din librăria NetLogo ilustrează, de asemenea, conceptul de

poziționare a agenților în raport cu mediul.
Modelul surprinde fenomenul frumos de toamnă, cand frunzele își transformă

culoarea, înainte de a muri și a cădea din copac.
Agenții modelului sunt frunzele unui copac. Fiecare agent primeşte inputuri de la
mediu (temperatura, intensitatea vântului, intensitatea ploilor, intensitatea căldurii de la
soare) şi poate executa acţiuni de schimbare a culorii sau de desprindere din copac, ceea ce
schimbă aspectul mediului. Astfel, modelul poate fi privit ca un instrument de modelare a
poziționării unor agenți în raport cu mediul.
Figura 1.2. Model NetLogo Autumn. Setari
Interfaţa modelului permite monitorizarea mai multor rezualtate în timpul unei

simulări:
evoluţia numărului de frunze agăţate în copac și a numarului de frunze

desprinse din copac;
evoluţia condiţiilor din mediu: temperatură, ploaie, vant și soare;
evoluţia unor caracteristici la nivelul frunzelor: nivelul mediu de clorofilă, de
apă, de zahăr, de caroten, de antocianin, la care se adaugă caracteristica „atașament”,
9
care indică cât de puternic se agață de copac o frunză; atașamentul crește cu ajutorul
factorului apă și scade prin factorii din mediu vânt și ploaie.
Figura 1.3. Model NetLogo Autumn. Monitorizarea rezultatelor
Modelul permite executarea a numerose simulări privind comportamentul agenţilor in

mediu, cum ar fi:
prin creșterea factorului de intensitate a ploii și păstrarea neschimbată a celorlalte
condiţii din mediu, se observă că frunzele își păstrează culoarea verde mai mult
timp, datorită clorofilei, iar timpul necesar desprinderii frunzelor din copac este
mai mare;
prin creșterea factorului de intensitate a vântului și păstrarea neschimbată a
celorlalte condiţii din mediu, se observă că frunzele se pot desprinde chiar dacă
sunt complet verzi, timpul necesar desprinderii frunzelor din copac scazand
semnificativ.
10
Modelul „Autumn” din librăria NetLogo surprinde fenomenul de desprindere a

frunzelor din copaci printr-o modelare bazată pe agenți. Pentru a aduce modelul chiar mai
aproape de realitate, o extensie a modelului ar putea simuala ciclurile de evoluție zi – noapte,
noaptea temperaturile scăzand, influențand astfel consumul de zaharuri și timpul de
desprindere a frunzelor din copaci.
1.4. Flexibilitatea agenţilor

Legat de conceptul de flexibilitate în definirea agenţilor, Jennings et all (1998)
detaliază că acesta presupune, în esenţă, că agentul este :
responsiv - agentul percepe

mediul şi răspunde la timp la
schimbările ce apar în el ;
proactiv - acţiunile agentului nu
reprezintă simple reacţii la
mediu, ci este
capabil să exercite
un comportament
orientat către un anumit scop şi
să iniţieze acţiuni care îl
apropie de aceste
scopuri;
social - agentul
este capabil să
interacţioneze cu alţi
agenţi artificiali sau
umani pentru a-şi rezolva propriile probleme şi a-i ajuta pe alţii în
activităţile lor.
Exemplu: TELEFONUL MOBIL INTELIGENT
11
Exemplu: TELEFONUL MOBIL INTELIGENT
Conceptul de flexibilitate al unui agent poate fi ilustrat cu ajutorul unui telefon mobil
inteligent.
responsivitatea agentului: prin capacitatea telefonolui inteligent de a-și adapta

luminozitatea display-ului în funcție de intensitatea luminii solare, identificăm
o situație in care agentul percepe mediul și răspunde la timp la schimbările ce
apar în el;
proactivitatea agentului: prin capacitatea telefonolui inteligent de a amâna
automat alarma care a fost setată de către utilizator identificăm o situație in
care agentul exercită un comportament orientat către un anumit scop și este
capabil să iniţieze acţiuni care îl apropie scop; in situația exemplificată scopul
este înștiințarea utilizatorului că este timpul pentru a-și începe ziua. Când ora
prestabilită a fost atinsă, telefonul va emite un semnal sonor. Dacă acest semnal
nu este oprit de către utilizator, atunci alarma se va reprograma cu 5 - 10
minute mai târziu pentru a emite semnalul din nou;
latura socială a agentului: telefonul inteligent, prin structura sa, este capabil să
interacţioneze zilnic cu alţi agenţi artificiali sau umani pentru a-şi rezolva
propriile probleme şi a-i ajuta pe alţii în activităţile lor;
o de exemplu avertismentul emis de către sistemul de operare al
telefonului în momentul în care nivelul bateriei este scăzut, iar acesta
are nevoie de o reîncărcare; prin avertismentul emis, agentul
interacționează cu utilizatorul pentru a-și rezolva problema nivelului
scazut al bateriei;
o un alt exemplu îl reprezintă setarea unei reamintiri pentru o anumită zi
și ora, pentru o activitate oarecare a utilizatorului, ca ajutor în
organizarea de zi cu zi a activitatilor utilizatorului; în momentul în care
agentul va constata că data si ora pentru care a fost setat respectivul
eveniment corespunde cu cea curentă, telefonul va emite un semnal
sonor anunțând utilizatorul că este momentul să își înceapă activitatea.
12
1.5 Tipuri şi exemple de agenţi
Agenţi raţionali - iniţiază orice acţiune

în scopul maximizării performanţei lor
în raport cu o funcţie de evaluare.
Exemplu: agenţi software care
realizează testări automate, indicând
dacă rezultatul este cel aşteptat sau
nu, cum ar fi compilatorul programului
Visual Studio
Agenţi raţionali şi autonomi -

orientaţi către un scop şi acţionând
conform acestuia, fără să fie necesară
intervenţia utilizatorului, confirmarea
şi acordul acestuia. Exemplu: dronele
care indeplinesc misiuni de colectare
de date fără intervenţia factorului
uman sau a altor agenţi. Exemplu:
proiectul dronelor companiei Amazon
pentru livrarea coletelor la clienţi
13
Agenţi adaptivi - se adaptează

dinamic şi învaţă despre şi din mediul
lor înconjurător ; aceşti agenţi se
adaptează la incertitudine şi
schimbare.
Exemplu (1) : cameleonul, agent

adaptiv
Exemplu (2) : o persoană supusă

unui experiment de a sta cu capul in jos
pentru o perioada indelungata ; creierul s-a
adaptat schimbării de poziţie, actiunile care
luau mult timp la inceput, au devenit
cursive.
Agenţi reactivi - sunt activaţi de

evenimente şi senzitivi la conjunctura
din domeniul realităţii înconjurătoare ;
sunt capabili să simtă şi să acţioneze.
Exemplu: notificari trimise
de telefoanele inteligente.
14
Agenţi mobili - se deplasează unde este

nevoie, posibil urmând un itinerar. Deplasarea se
poate face într-un spaţiu real sau virtual.
Exemplu (1): aspiratoarele robot.
Exemplu (2): robotul Atlas, capabil să meargă

pe teren foarte accidentat, să urce sau să coboare
scări
Agenţi interactivi şi sociali - interacţionează cu oamenii, cu alţi agenţi, cu sisteme

legale şi/sau surse informaţionale; colaborează cu alţi agenţi şi/sau oameni pentru
a atinge scopuri comune
15
Exemplu de agent interactiv şi social, robotul

Elektro (1939) – primul robot umanoid devenit
celebru; avea o gaura in centrul abdomenului
pentru credibilitate; putea fuma, mergea
autonom; era utilizat in spectavole de
aproximativ 20 de minute; cuvintele
prezentatorului erau transformate de Elektro
in unde electrice, care activau motoarele sale
electrice; numarul cuvintelor prezentatorului
controlau miscarile robotului, nu sensul lor.

pianist Wabot-2 (1985) - echipa Universității
din Tokyo a finalizat primul robot capabil să se
comporte ca un pianist complet; WABOT-2
citea și reda partituri folosind două brațe și un
pedalier; a marcat un moment important in
evolutia ideii de inteligenta artificiala in
muzica.

cu mers biped WHL-11
Agenţi cooperativi, cu personalitate, inteligenţi - îşi coordonează acţiunile şi

negociază pentru a atinge obiective comune; au caracteristici de personalitate umane
16
cum ar fi emoţii, intenţii, convingeri, răspunderi; încorporează caracteristici ce definesc

inteligenţa umană cum sunt inteligenţa emoţională, învăţarea, adaptarea, etc.
Exemplu: robotul Erica
1.6 Construirea modelelor bazate pe agenţi

Conceperea unui model bazat pe agenţi poate fi definit ca fiind procesul în care se
trece prin următorii 4 paşi şi se clarifică următoarele aspecte:
17
• Care este arhitectura modelului?
• Care sunt tipurile de interacţiune ȋntre agenţi?
 Cum poate fi făcut să evolueze comportamentul

agenţilor astfel încât ei să înveţe din experienţa trecută?
Care sunt consecinţele asupra comportamentului colectiv al
sistemului multiagent ?
 Cum se realizează practic astfel de sisteme? Care sunt

programele software ce se vor utiliza, ce limbaje de modelare se pot
folosi pentru a descrie agenţii şi sistemele multiagent?
Sistemele multiagent sunt sisteme bazate pe mai mulţi agenţi interconectaţi (agentul
poate fi privit, după cum am definit în subcapitolul anterior, ca sistem uman sau de calcul
situat într-un anumit mediu, capabil de acţiune autonomă flexibilă pentru a realiza
obiectivele sale proiectate).
Pentru a încorpora inteligenţa comportamentală în sistemele multiagent au fost

propuse diverse arhitecturi.
Arhitecturile organizate orizontal sunt acele arhitecturi în care toate nivelele au acces
la senzorii de intrare şi la acţiunea de ieşire a agentului.
18
Arhitecturile organizate vertical sunt acele arhitecturi în care doar un singur nivel are
acces la senzorii de intrare şi efectorii agentului (acţiunea de ieşire).
Nivel n
… Output .....
Input
(acţiune)
(percepţie) Nivel 2
Nivel 1
Input Output
(percepţie) (acţiune)
a) b)
Figura 1.4. a)Arhitectură orizontală. b)Arhitectură verticală
Arhitecturile care imită raţionamentul practic se numesc BDI (Belief–Desire–

Intention) şi sunt frecvent utilizate în proiectarea sistemelor bazate pe agenţi.
19
Foarte general, convingerile

corespund informaţiei pe
care agentul o are despre
mediul său înconjurător.
Dorinţele reprezintă opţiuni

disponibile agentului pentru
care ar trebui să aloce
resurse.
Iar intenţiile reprezintă stări

pe care agentul le-a ales şi
cărora le va aloca resurse.
Construirea sistemelor bazate pe agenţi necesită introducerea unor protocoale de

comunicare şi interacţiune între agenţi.
În figura 1.5 sunt reprezentate patru situaţii care pot apărea în comunicarea dintre doi
agenţi. Cea mai complexă este situaţia în care cei doi agenţi interacţionează.
20
Agent 1 Agent 2
Agent 1 Agent 2
Agent 1 Agent 2
Agent 1 Agent 2
Figura 3.4. Situatii de comunicare dintre agenti

a) Doi agenţi care nu au activitate de comunicare.
b) Un agent comunică către celălalt agent, dar nu primește răspuns.
c) Un agent comunică către celălalt agent. Celălalt agent transmite un răspuns, dar nu
interacționează.
d) Cei doi agenți interacționează. Un agent comunică către celălalt agent. Celălalt agent
transmite un răspuns. Agentul trimite un nou răspuns pe baza răspunsului primit.
Exemplu comunicare: RĂSPÂNDIREA UNUI ZVON
Folosind modelul „Rumor Mill” din librăria NetLogo putem exemplifica protocoalele de
comunicare dintre agenţi.
Agenţii din model sunt un grup de persoane care pot răspândi un zvon vecinilor din
jurul lor. Zvonul se răspândește atunci când o persoană care cunoaște zvonul îl comunică unuia
dintre vecini.
Pentru a realiza diverse scenarii de simulare bazată pe agenţi, modelul oferă

utilizatorului posibilitatea de a modifica una dintre setările prestabilite, după cum se observă
în figura 1.5:
• procentul de persoane care cunoaște zvonul inițial, înainte de executarea

protocoalelor de comunicare (init-clique) cu valoarea prestabilită de 0,1%;
21
• modul de definire a vecinilor unei persoane, fie prin patru, fie prin opt persoane
adiacente (eight-mode? on/off), valoarea prestabilită fiind posibilitatea unui agent de
a comunica zvonul catre patru vecini.
Figura 1.5. Modelul Net Logo Rumor Mill
Comunicarea între agenţi poate începe din centrul perimetrului unde sunt poziţionaţi
agenţii, alegând opţiunea „setup-one” sau din diferite puncte ale perimetrului, alegând
opţiunea „setup-random”, similar figurii 1.6.
Simularea se opreşte când zvonul a fost comunicat tuturor agenţilor, moment în care
monitorul rezultatelor modelului („clique %”) arată valoarea 100%.
Comunicarea dintre agenţi este evidenţiată în cadrul modelului prin opţiuni de colorare
a hărţii răspândirii zvonului, după cum se poate vizualiza în figura 1.7:
22
opţiunea de colorare a agenţilor care au auzit deja zvonul; cu roşu este opţiunea
prestabilită;
opţiunea de colorare în nuanţe de galben a agenţilor care au auzit zvonul la
începutul simulării (nunanţe deschise) sau la finalul simulării (nuanţe închise);
opţiunea de colorare în nuanţe de verde a agenţilor care au auzit zvonul din mai
multe surse (nunanţe deschise) sau dintr-o singură sursă (nuanţe închise).
Exemplu: AFISAREA RECLAMELOR
Legat de pasul 3 al construirii modelelor bazate pe agenţi, comportamentul agenţilor

este făcut să evolueze astfel încât ei să înveţe din experienţa trecută, un exemplu este un
sistem de calcul care personalizează reclamele afisate atunci cand o persoană navighează
pe internet. Sistemul memorează paginile vizitate de către utilizator si îsi creează o bază de
date din experienţele de navigare ale utilizatorului. Sistemul ajunge să ofere recomandări
de vizitare a unor reclame utile utilizatorului, fiind bazate pe experienţele trecute de
navigare. Sistemul culege date în mod continuu despre interesele utilizatorului si învaţă să
afiseze reclame din ce in ce mai precis. De exemplu, dacă o persoană este interesată de
achiziţionarea de mobilier, acesta va naviga diverse pagini care comercializează astfel de
produse. Agenţii de calcul dotaţi cu capacitatea de învaţare, prezenţi pe paginile web ale
diferitor site-uri, învată că persoana respectivă este interesată de mobilier si va duce la
afisarea a diverse reclame legate de mobilier în timpul experienţei de navigare online.
Sistemul multiagent ajunge sa înveţe cand interesul pentru mobilier nu mai este unul valid
si va afisa reclame corespunzătoare.
23
Tipurile principale de interacţiuni ȋntre agenţi sunt :
cooperarea
coordonarea
negocierea
competiţia
Cooperarea - lucrul împreună a doi sau mai

mulţi agenţi pentru atingerea unui scop comun;
rezolvarea unor subprobleme, prin repartizarea
de sarcini.
Coordonarea - organizarea activităţii de

rezolvare a sarcinilor de catre agenţi astfel încât
interacţiunile dăunătoare să fie eliminate, iar
cele favorabile să fie utilizate.
Negocierea - ajungerea la un acord care să fie

acceptabil pentru toate părţile implicate.
24
Competiţia – întrecerea între doi sau mai mulţi

agenţi pentru obţinerea unui scop.
Exemplu cooperare: CINA FILOSOFILOR
Putem exemplifica interacţiunea de cooperare dintre agenţi folosind modelul „Dining

Philosophers” din librăria NetLogo.
Agenții din model sunt un grup de filosofi care pot avea 3 stări pe parcursul execuţiei
modelului: pot fi în proces de meditaţie (colorați în albastru), pot fi înfometați (colorați în
rosu), sau mănâncă (colorați în verde).
După cum vizualizăm în figura 1.8, filosofii sunt așezați în jurul unei mese, având o
farfurie cu spaghete în mijlocul acesteia, iar între fiecare filosof există câte o furculiță. Pentru
a putea mânca spaghetele, este necesar ca filosoful să utilizeze 2 furculițe în același timp,
generând astfel imposibilitatea ca doi filosofi vecini sa mănânce în același timp.
25
Figura 1.8. Modelul Net Logo Dining Philosophers
Modelul are valori prestabilite pentru trei variabile de intrare, valori pe care utilizatorul
le poate modifica pentru a realiza diverse scenarii de simulare bazată pe agenţi:
• numărul de filosofi (num-philosophers) cu valoarea prestabilită de 20;

• șansa ca filosofii să fie înfometați sau nu (hungry-chance), cu valoarea
prestabilită de 50%;
• șansa ca filosofii să fie sătuli sau nu la scurt timp după ce încep să mănânce
(fullchance), cu valoarea prestabilită de 50%;
• modul de cooperare între agenţi activat sau nu (cooperation? on/off), valoarea
prestabilită fiind lipsa cooperării.
Toți filosofii sunt inițial în starea de gândire, fiind colorați în albastru. Cu fiecare unitate
de timp trecută, un filosof care gândește poate trece în starea de înfometare, schimbându-şi
culoarea din albastru in roşu. Un filosof înfometat va încerca să obțină ambele furculițe. In
momentul când le obţine, începe imediat să mănânce utilizând cele 2 furculițe, va deveni de
culoare verde până în momentul în care nu îi mai este foame, revenind apoi la starea de
gândire.
26
Setarea de cooperare activă sau nu intre agenti determină ce strategie va fi utilizată

pentru achiziționarea și eliberarea furculițelor.
Scenariul în care filosofii nu cooperează
Având setarea de cooperare oprită, următoarea strategie este folosită:
• dacă este disponibilă furculița din stânga, agentul o achiziţionează;

• dacă este disponibilă furculița din dreapta, agentul o achiziţionează;
• dacă agentul are ambele furculițe, începe să mănânce; în caz contrar, încearcă
din nou să achiziționeze furculițele;
• când agentul nu mai este înfometat, furculițele sunt eliberate.
După o perioadă de timp de executie a modelului, putem observa din figura 1.9 că
predomină filosofii înfometați, iar consumul de spaghete poate diferi mult de la un filosof la
altul.
Scenariul în care filosofii cooperează
27
Având setarea de cooperare activă modelul folosește o strategie mai sofisticată pentru
achiziționarea și eliberarea furculițelor:
• dacă este disponibilă furculița din stânga, agentul o achiziţionează;
• dacă agentul are furculița din stânga dar nu deține furculița din dreapta,
eliberează furculița din stânga (acest comportament este diferit de cel de la
scenariul anterior, în care agenţii nu cooperau);
• dacă este disponibilă furculița dreapta, agentul o achiziţionează;
• dacă agentul are furculița dreaptă dar nu deține pe cea din stânga, eliberează
furculița din dreapta (acest comportament este diferit de cel de la scenariul
anterior, în care agenţii nu cooperau);
• dacă agentul are ambele furculițe, începe să mănânce; în caz contrar, încearcă
din nou să achiziționeze furculițele;
• când agentul nu mai este înfometat, furculițele sunt eliberate.
După cum putem observa din figura 1.10, numărul filosofilor înfometați este mai scăzut
in acest scenariu decat în cel în care filosofii nu cooperează. Consumul de spaghete este acum
similar pentru fiecare filosof, accesul la mâncare fiind echitabil în scenariul în care filosofii
cooperează.
28
În concluzie, în scenariul de cooperare, printr-o bună repartizare a sarcinilor de

achiziţionare şi eliberare a furculiţelor, filosofii ating mai bine scopul de a avea cat mai puţini
dintre ei infometaţi şi cât mai mult timp pentru meditaţie.
1.7 Exemple de modele bazate pe agenţi

Aplicaţiile agenţilor şi modelelor bazate pe agenţi sunt extraordinar de diversificate în
privinţa domeniilor abordate: economic, industrial, comercial, financiar, militar, informatic,
etc.
29
Agenţii pot fi utilizaţi într-o mare varietate de aplicaţii.
Exemple de utilizare a agenţilor în sisteme de dimensiuni mici:
• filtrele personalizate pentru email

– agenţi care mută mesaje email in
dosare dedicate, pe baza unui set
de reguli pe care le învaţă;
• agenţii pentru cumpărături care

filtrează automat un produs dintr-o multitudine de coşuri de cumpărături
online (“shopbot”).
Exemple de utilizare a agenţilor în sisteme de dimensiuni mari:
• fluxuri şi procese de difuzie:

fluxul de cumpărători din
magazine, fluxul de aprovizionare
cu materii prime a
unei
organizaţii, difuzia inovaţiilor;
• pieţe: piaţa acţiunilor, piaţa valutară, diferite pieţe ale

bunurilor;
• organizaţii: proiectarea
organizaţiilor virtuale; modelarea
riscurilor operaţionale într-o
organizaţie; modelarea structurii
ierarhice din cadrul organizaţiei
după diferite tipologii: funcţional,
matricial, organizare pe proiecte, etc;
În continuare exemplificăm trei modele bazate pe agenţi din domeniul economic:

modelul Simstore, modelul Macy’s, modelul Transims.
30
1.7.1 Modelul Simstore

Modelul Simstore conţine agenţi software, fiecare dintre aceştia având propria sa listă
de cumpărături.
Agenţii îşi aleg propria cale printr-un magazin virtual, alegând bunurile aflate pe rafturi
şi punându-le în propriile coşuri.
Agenţii respectă principiul vecinătăţii celei mai apropiate, adică se deplasează la locaţia
cea mai apropiată unde se află un articol de pe lista proprie de cumpărături.
Modelul generează drumurile alese de clienţi, după care calculează densitatea

clienţilor pe fiecare locaţie din magazinul virtual.
Un algoritm al modelului realocă diferitele bunuri pe rafturi astfel încât să fie

minimizată sau maximizată lungimea drumului ales de cei mai mulţi dintre clienţi.
Cumpărătorii, desigur, nu doresc să piardă timpul, astfel că ei preferă cel mai scurt
drum. Dar managementul magazinului ar dori ca ei să treacă prin cât mai multe raioane astfel
încât să impulsioneze cumpărăturile.
1.7.2. Modelul Macy’s

Modelul Macy’s este un alt exemplu de model bazat pe agenţi din domeniul economic.
Modelul a fost construit pentru a ajuta conducerea unui lanţ de magazine să

stabilească numărul potrivit de vânzători pe un etaj.
31
Agenţii din model reprezintă vânzătorii, dar şi casierii, supraveghetorii sau alţi angajaţi
aflaţi în interacţiune.
Modelul ţine cont de proximitatea dintre produse, asezarea produselor de brand,

generează vânzările înregistrate pe fiecare etaj al magazinului, estimează numărul potrivit de
vânzători pe un etaj, pe intervale orare si zile ale saptamanii şi repartizează optim vânzările.
Prin aplicarea modelului s-au obţinut rezultate bune în ce priveşte costurile cu

angajaţii. De asemenea, s-au depistat factori de care conducerea lanţului de magazine nu ţinea
cont cum ar fi:
• importanţa pe care o are proximitatea dintre produse;

• proximitatea produselor de brand pentru impulsionarea cumpărăturilor.
1.7.3. Modelul Transims

Modelul Transims este un model bazat pe agenţi pentru managementul traficului
rutier.
Modelul permite simularea mişcării vehiculelor individuale într-o reţea de transport

regională şi estimează poluarea aerului generată de aceasta.
2
Modelul a fost dezvoltat în cadrul laboratoarelor naţionale Los Alamos din SUA.
32
Modelul înglobează observaţii zilnice privind deplasarea vehiculelor, rutele zilnice pe

care participanţii la trafic le aleg de-a lungul unei zile întregi, folosind diferitele posibilităţi de
transport pe care le au (maşina proprie, transport în comun cu autobuze, metrou, tren etc.).
Modelul creează o regiune metropolitană virtuală cu o reprezentare completă a

indivizilor din regiune, a activităţilor lor (mersul la slujbă, ieşirea la cumpărături, ieşirea la
activităţi recreative, etc.) şi a infrastructurii de transport.
Modelul ţinteşte să determine interacţiunea dintre diferite subsisteme de transport

astfel încât planurile agenţilor să poată fi realizate şi întregul sistem de transport să
funcţioneze fără blocaje.
De exemplu, când o călătorie devine prea lungă, agenţii caută alte rute, trec de la
automobil la autobuz sau metrou, pleacă mai devreme sau mai târziu sau chiar renunţă la
anumite activităţi planificate.
Modelul propune măsuri de îmbunătăţire a traficului şi a siguranţei acestuia. Rezultate

raportate ȋn urma aplicării modelului ȋn regiunile metropolitane americane Dallas, Forht
Worth, Portland, Oregon:
• reducerea timpului mediu de ajungere la slujbă de la 20-30 minute, la 10-12 minute;
• scăderea semnificativă a emisiilor de gaze poluante ;
• previzionarea unor fenomene neprevăzute care pot să apară (ambuteiaje, blocaje ale
traficului, etc).
33
Bibliografie
Scarlat, E., Chiriţă N. (2012), “Bazele Ciberneticii Economice”, Ed. Economică, Bucureşti
34
Cap 2. Modelarea bazată pe ecuaţii. Suport de curs 2021 - 2022, Conf. Băncescu Mioara
CAPITOLUL 2. MODELAREA BAZATĂ PE ECUAŢII
2.1 Contribuţia precursorilor ciberneticii la dezvoltarea modelării

bazate pe ecuaţii
Filosoful şi matematicianul René Descartes1, născut în 1596 în Franţa, a fost primul
savant care a descris pentru prima oară geometria cu ajutorul algebrei si cel care a
implementat convenția de a nota necunoscutele în ecuații cu x , y și z, precum și notația
standard care folosește superscripturi pentru a arăta puterile sau exponenții (de exemplu
notația x 2 pentru a indica x pătrat). Descartes împreună cu Fermat au introdus conceptul
de specificare a poziției unui punct pe o suprafață, folosind două axe intersectate. Aceste
concepte se află la baza modelării ciberneticii bazate pe ecuaţii și sunt vitale, fără ele nu
am putea descrie ecuaţii cu diferenţe, nu am putea reprezenta si interpreta traiectorii de
evoluţie, iar modele complexe cibernetice ar fi fost mai greu și îndelungat de elaborat.
Jules Henry Pointcaré (1854 - 1912) a fost un remarcabil matematician francez,
autorul unor lucrări fundamentale în toate ramurile matematicii. Din 1886 Poincaré
conduce catedra de fizică - matematică şi teoria probabilităţilor la Universitatea din Paris,
iar în 1887 devine membru al Academiei de Ştiinţe din Franţa.
Ca precursor al ciberneticii, este relevantă cercetarea lui Pointcaré privind teoria

sistemelor dinamice şi teoria haosului. Pointcaré este autorul a numeroase studii privind
evoluţia în timp a sistemelor descrise de ecuaţii diferenţiale, sistemele dinamice
complexe, comportamentul sistemelor dinamice care sunt foarte sensibile la condițiile
inițiale, scenarii de tranziție la haos, rezonanța haotică, etc. Teoria haosului are un început
în modelarea lui Poincaré a instabilităţii sistemelor mecanice. Mediul oferă la fiecare pas
exemple de forme neregulate și fenomene haotice cu evoluţie imprevizibilă, ca de
exemplu: fumul unei tigări, cursul unei ape, traiectoria căderii unei frunze, evoluția
prețului unei acțiuni la bursă.
Poincaré afirma: „O cauzã mică ce trece neobservată poate determina un efect

considerabil foarte vizibil - spunem că acest efect se datorează hazardului. Cauza existã însă!
Sistemele haotice și atractorii stranii ce modelează comportamentul acestora, prezintă această
dependență de un ansamblu continuu de condiții inițiale”.
1
Descartes este considerat părintele filosofiei moderne. A definit un punct de început al existenței prin maxima
„Gândesc, deci exist”.
1
Cap 2.Modelarea bazată pe ecuaţii.Suport de curs 2021 - 2022,Conf.Băncescu Mioara
Un pionier al ciberneticii, savantul Gregory Bateson (1904 -1980), a propus următoarea

definiţie a ciberneticii in stransă legătură cu matematica:
Cibernetica – o ramură a
matematicii care se ocupă
cu probleme de control,
recursivitate și informații.
(Bateson)
2.2 Etape ale procesului de modelare bazat pe ecuaţii

Procesul de modelare a unui sistem, ce se situează într-un mediu extern,
debutează cu pasul de observare, continuă cu cel de analiză a informaţiei observate, urmat
de pasul de analiză a sistemului ce urmează să fie modelat, după cum se observă în figura
2.1. Pentru aceşti trei paşi, partea de teorie cu metodologiile de modelare disponibile,
reprezintă un input valoros. După analiza sistemului se trece la pasul de elaborare a
modelului, existând posibilitatea revenirii la pasul de analiză, până când se finalizează
stabilirea relaţiilor dintre variabilele şi parametrii sistemului, a datelor şi informaţiilor
necesare ca modelul să poată fi rezolvat. După elaborarea modelului urmează pasul de
validare a modelului, existând şi la acest pas posibilitatea revenirii la pasul anterior, de
elaborare, în funcţie de rezultatele testării modelului. Rezultatele modelului, odată
validate, ajung la nivelul sistemului şi a mediului din care acesta provine, alimentând o
îmbunătăţire a metodologiilor teoretice de cercetare, îmbunătăţiri care vor servi pe viitor
paşilor de observare şi analiză pentru acelaşi sistem sau pentru alte sisteme.
2
Figura 2.1. Etape ale procesului de modelare bazat pe ecuatii
Principalele etape ale procesului de modelare bazat pe ecuatii se pot rezuma în

următorii 5 paşi:
• Observarea sistemului
• Analiza şi interpretarea informaţiei
• Analiza sistemului
• Elaborarea propriu-zisă a modelului
• Validarea modelului
3
1) În pasul de observare a sistemului:

 se culeg date şi informaţii despre sistemul care urmează a fi modelat;
 se culeg date şi informaţii despre mediul său înconjurător.
2) În pasul de analiză şi interpretare a informaţiei, utilizând diferite metode statistice,

econometrice sau de data mining, informaţiile culese sunt:
 clasificate;
 ordonate;
 separate de informaţiile irelevante sau redundante.
Informaţiile culese pot fi, de multe ori, foarte diverse sau într-un volum extrem de
mare. În final rămâne doar informaţia relevantă, care va fi utilizată efectiv în
elaborarea modelului.
3) În pasul de analiză a sistemului:

 se stasbilesc principalele subsisteme ale sistemului analizat;
 se stasbilesc variabilele şi parametrii care definesc sistemul respectiv;
 se stasbilesc interdependenţele dintre variabile şi parametri;
 se stasbilesc factorii care determină schimbări de comportament în sistem;
 se analizează modul în care mediul înconjurător influenţează sistemul modelat.
4
4) În pasul de elaborare propriu-zisă a modelului:

 se stabilesc principalele relaţii dintre variabilele şi parametrii sistemului;
 sunt structurate principalele blocuri ale modelului;
 se specifică conexiunile dintre blocurile modelului;
 se specifică datele şi informaţiile necesare pentru ca modelul să poată fi rezolvat;
 se specifică metoda de rezolvare.
5) Pasul de validare a modelului reprezintă etapa finală a procesului de modelare, în

cadrul căruia:
 modelul obţinut este testat;
 validarea modelului poate conduce la anumite modificări ale acestuia, astfel încât
să răspundă mai bine obiectivelor urmărite.
Uneori validarea poate conduce la concluzia că întregul proces de modelare trebuie

reluat, astfel încât să se îmbunătăţească în mod semnificativ performanţele modelului
elaborat.
5
2.3 Ecuaţii cu diferenţe de ordinul 1

Procesele economice evoluează în timp, sunt dinamice. Ele pot fi modelate cu ajutorul
ecuațiilor diferențiale.
În practică sunt numeroase situaţiile în care valoarea unei variabile de ieşire a unui
sistem depinde de valoarea variabilei din perioada anterioară (capitalul unei firme, venitul
la nivelul unei economii, etc).
Forma generală a unei ecuaţii cu diferenţe de ordinul 1 este următoarea:
𝑌 = 𝛼𝑌 +𝑔 (2.1)
unde:
• t – timpul care a trecut de la începutul procesului dinamic pe care-l studiem;

• g – termenul ecuaţiei ce înglobează acele variabile care afectează valoarea curentă
a lui Y, altele decât propria lui valoare întârziată; g poate fi o constantă sau o
variabilă ce ia diferite valori în timp;
• 𝛼 - un parametru, 𝛼 ∈ 𝑅 .
Aşadar valoarea pe care o ia variabila Y în perioada t depinde de valoarea sa la

momentul anterior t-1 şi de o serie de alţi factori exprimaţi prin termenul g.
Cazuri:
dacă g ≠0 ecuaţie non-omogenă;

dacă g =0 ecuaţie omogenă, atunci (2.1) va avea forma: 𝑌 = 𝛼𝑌 (2.2)
Soluţia ecuaţiilor cu diferenţe de ordinul 1

Soluţia ecuaţiei (2.1) se va compune din soluţia părţii omogene (caz g =0 ) şi o soluţie
particulară.
În aplicaţiile economice, soluţia particulară este soluţia de echilibru a sistemului:
𝑌∗ = 𝑌 = 𝑌 (2.3)
Din (2.1), (2.3) rezultă 𝑌 ∗ = 𝛼𝑌 ∗ + 𝑔. Deci 𝑌 ∗ = (2.4),
o condiţie necesară fiind 𝛼 ≠ 1.
Soluţia părţii omogene va fi de forma:
6
𝑌 = 𝐴𝜏 (2.5)
unde:
 𝜏 - reprezintă rădăcina ecuaţiei cu diferenţe (2.2)

 A - reprezintă o constantă nenulă a cărei valoare se poate determina din
informaţiile date, cu ajutorul valorii variabilei de ieşire la momentul iniţial, 𝑌 .
Atunci soluţia ecuaţiei (2.1) va fi de forma:
𝑌 = 𝐴𝜏 + 𝑌 ∗ (2.6)
Între parametrul 𝛼 al ecuaţiei (2.1) şi rădăcina 𝜏 a ecuaţiei (2.2) există următoarea

legătură:
𝑌 − 𝛼𝑌 = 0
⇒ 𝐴𝜏 − 𝛼𝐴𝜏 = 0 ⇒ 𝐴𝜏 (𝜏 − 𝛼) = 0 ⇒ 𝜏 = 𝛼
𝑌 = 𝐴𝜏
întrucât A nenul, 𝜏 nenul (altfel 𝑌 = 0).

Pentru determinarea constantei A, ne vom folosi de valoarea variabilei de ieşire la
momentul iniţial, 𝑌 . În (2.6) pentru t=0:
𝑌 = 𝐴𝜏 + 𝑌 ∗ ⇒ 𝐴 = 𝑌 − 𝑌∗ (2.7)
Atunci soluţia ecuaţiei (2.1) cu diferenţe de ordinul 1 devine:
𝑌 = 𝐴𝜏 + 𝑌 ∗ = (𝑌 − 𝑌 ∗ )𝛼 + 𝑌 ∗ = (𝑌 − )𝛼 + (2.8)
Interpretarea traiectoriilor posibile ale lui Y în funcţie de rădăcina

caracteristică
Caz I) 0< 𝜏 <1 ; 𝜏 este o fracţie pozitivă
Atunci 𝜏 ⎯ 0 ⇒ 𝑌 = 𝐴𝜏 + 𝑌 ∗ ⎯ 𝑌 ∗
→ →
Traiectoria va fi de tip monotonă amortizată.
Subcazuri:
 A>0 – valorile variabilei de ieşire scad de la 𝑌 şi converg spre valoarea 𝑌 ∗
7
 A<0 – valorile variabilei de ieşire cresc de la 𝑌 şi converg spre valoarea 𝑌 ∗
Caz II) 𝜏 >1

Atunci 𝜏 ⎯ ∞ ⇒ 𝑌 = 𝐴𝜏 + 𝑌 ∗ ⎯ +∞/−∞
→ →
Traiectoria va fi de tip monotonă explozivă.
Subcazuri:
 A>0 ⇒ 𝑌 ⎯ ∞ ; valorile variabilei de ieşire cresc de la şi converg spre infinit

→
4500000
4000000
3500000
3000000
2500000
2000000
1500000
1000000
500000
0
1 3 5 7 9 11 13 15
Timp t
8
 A <0 ⇒ 𝑌 ⎯ −∞; valorile variabilei de ieşire scad de la 𝑌 şi converg spre

→
minus infinit.
Caz III) -1 < 𝜏 < 0 ; 𝜏 este o fracţie negativă
Atunci 𝜏 ⎯ 0 ⇒ 𝑌 = 𝐴𝜏 + 𝑌 ∗ ⎯ 𝑌 ∗ dar semnul lui 𝜏 alternează.

→ →
Valorile variabilei de ieşire converg spre valoarea 𝑌 ∗ .
Traiectoria va fi de tip oscilantă amortizată.
Caz IV) 𝜏 <-1
Semnul lui 𝜏 alternează. Traiectoria va fi de tip oscilantă explozivă.
2.4 Studiu de caz, ecuaţii cu diferenţe de ordinul 1. Modelul pânzei

de păianjen (Cobweb)
Modelul pânzei de păianjen (Cobweb) este util pentru analiza traiectoriei preţului
unui produs, traiectorie rezultată dintr-o ecuaţie cu diferenţe de ordinul I. Modelul are în
componenţă următoarele 3 ecuaţii:
9
𝑄 =𝛼 −𝛼 𝑃 +𝛼 𝑌 (2.9)
𝑄 =𝛽 +𝛽 𝑃 +𝛽 𝑍 (2.10)
𝑄 =𝑄 (2.11)
unde:
 𝑄 – cererea dintr-un produs la momentul t;

 𝑄 – oferta dintr-un produs la momentul t;
 𝑃 – preţul produsului la momentul t;
 𝑃 – preţul produsului la momentul t-1;
 Y – venitul consumatorilor din economia considerată (considerat constant);
 Z - înzestrarea tehnologică a producătorilor din economia considerată (considerată
constantă);
 𝛼 , 𝛼 , 𝛼 , 𝛽 , 𝛽 , 𝛽 – parametri ai modelului.
Cantitatea cerută pe piaţa unui produs la un moment de timp t depinde invers

proporţional, după cum indică ecuaţia 2.9, de preţul produsului şi direct proporţional de
venitul consumatorilor în perioada respectivă.
Cantitatea oferită pe piaţa produsului la momentul t depinde direct proporţional,

după cum indică ecuaţia 2.10, de preţul produsului în perioada anterioară şi de înzestrarea
tehnologică a producătorilor la momentul t. Există un decalaj de o perioadă la răspunsul
ofertei faţă de variabila de preţ, producătorilor luându-le timp să- şi ajusteze producţia la
evoluţia preţului unui produs.
Ecuaţia 2.11 se referă la condiţia de echilibru între cerere şi ofertă pe piaţa produsului
analizat.
Egalând 2.9 cu 2.10, obţinem 𝛼 𝑃 = −𝛽 𝑃 + 𝛼 − 𝛽 + 𝛼 𝑌 − 𝛽 𝑍 care se poate

rescrie sub forma unei ecuaţii cu diferenţe de ordinul 1 în variabila de preţ 𝑃 :
𝑃 = 𝑃 + + 𝑌− 𝑍 (2.12)
Pentru rezolvarea ecuaţiei 2.12, aplicăm metoda descrisă în secţiunea 2.3.
Pentru aflarea soluţiei particulare, impunem condiţia ca preţul produsului să rămână

acelaşi, 𝑃∗ = 𝑃 = 𝑃 . Înlocuim în 2.12 şi obţinem ecuaţia pentru preţul de echilibru:
𝑃∗ = 𝑃∗ + + 𝑌− 𝑍 ⇒
𝑃∗ = + 𝑌− 𝑍 (2.13)
10
Partea omogenă a ecuaţiei 2.12 este:
𝑃 = 𝑃 (2.14)
Soluţia pentru 2.14 este de forma: 𝑃 = 𝐴𝜏 , cu explicaţiile similare ecuaţiei 2.5. Atunci
în 2.14 obţinem: 𝐴𝜏 + 𝐴𝜏 =0 ⇒ 𝐴𝜏 (𝜏 + )=0
Cum A nenul, 𝜏 nenul ⇒ 𝜏 = (2.14).
Soluţia generală a ecuaţiei 2.12 este 𝑃 = 𝐴𝜏 + 𝑃 ∗ = 𝐴( ) + 𝑃 ∗ (2.15).
Pentru t=0 , în 2.15 ⇒ 𝐴 = 𝑃 − 𝑃 ∗ , unde 𝑃 este preţul produsului la moemntul

zero, 𝑃 este preţul de echilibru.
∗
Atunci evoluţia preţului produsului analizat se descrie prin următoarea ecuaţie:
𝑃 = (𝑃 − 𝑃∗ )( ) + 𝑃∗ (2.16)
unde 𝑃∗ este dat de relaţia 2.13.
În funcţie de rădăcina caracteristică 𝜏 , trairctoria de evoluţie a preţului poate fi:

monotonă amortizată, monotonă explozivă, oscilantă amortizată, oscilantă explozivă.
Provocare: Înlocuiţi numeric pentru 𝛼 = 15, 𝛼 = 8, 𝛼 = 9 , 𝛽 = 16, 𝛽 = 7, 𝛽 =

5, 𝑍 = 90, 𝑌 = 100, 𝑃 = 10. Ce fel de traiectorie se obţine? Dar pentru 𝛽 = −20 ? Sau
pentru 𝛽 = 10 ? Sau pentru 𝛽 = −1?
2.5. Ecuaţii cu diferenţe de ordinul 2

În practică se pune problema modelării unor situaţii reprezentate prin ecuaţii cu
diferenţe de ordinul 2, în care valoarea unei variabile de ieşire a unui sistem depinde de
propriile valoari întârziate ale variabilei de la momentele t-1 şi t-2 (de exemplu în cazul
venitului la nivelul unei economii).
Forma generală a unei ecuaţii cu diferenţe de ordinul 2 este următoarea:
(2.17)
unde:
• t – timpul care a trecut de la începutul procesului dinamic pe care-l studiem;

11
• g – termenul ecuaţiei ce înglobează acele variabile care afectează valoarea curentă

a lui Y, altele decât propriile valoari întârziate , . Termenul g poate fi o constantă sau
o variabilă ce ia diferite valori în timp;
• 𝛽 , 𝛽 - parametri ai ecuaţiei, 𝛽 , 𝛽 ∈ R.
Valoarea pe care o ia variabila Y în perioada t depinde de valorile sale la momentele

anterioare t-1, t-2 şi de o serie de alţi factori exprimaţi prin termenul g.
Pentru cazul g ≠0 ecuaţia cu diferenţe de ordinul 2 va fi non-omogenă, iar pentru cazul

g =0 ecuaţia va fi omogenă având forma:
(2.18)
Soluţia ecuaţiilor cu diferenţe de ordinul 2

Soluţia ecuaţiei (2.17) se va compune, ca şi în cazul ecuaţiilor cu diferenţe de ordinul
1, din soluţia părţii omogene (caz g =0 ) şi o soluţie particulară.
Soluţia particulară va fi obţinută prin condiţia:
(2.20)
Iar soluţia părţii omogene va fi de forma:
(2.21)
unde, ca şi în cazul ecuaţiilor cu diferenţe de ordinul 1 :
 𝜏 - reprezintă rădăcina ecuaţiei caracteristice

 A – reprezintă o constantă nenulă a cărei valoare se poate determina din
condiţiile iniţiale (t=0).
Atunci soluţia ecuaţiei (2.17) va fi de forma:
(2.22)
Pentru determinarea soluţiei particulare, cu ajutorul (2.20) şi (2.17), rezultă:

(2.23)
Pentru (2.23), o condiţie necesară este 1 + 𝛽 + 𝛽 ≠0. Altfel, dacă 1 + 𝛽 + 𝛽 = 0,

vom considera soluţia particulară Y∗ de forma (2.24)
12
Din (2.17), (2.24) rezultă:
(2.25)
Aşadar soluţia particulară Y∗ a unei ecuaţii cu diferenţe de ordinul 2 va fi dată de (2.23)

dacă 1 + 𝛽 + 𝛽 ≠0 sau de (2.25) dacă 1 + 𝛽 + 𝛽 = 0.
Pentru determinarea rădăcinii ecuaţiei caracteristice, din (2.19), (2.21) obţinem:
Cum A nenul, 𝜏 nenul (altfel Yt = 0)
Deci vom avea două rădăcini posibile ale ecuaţiei caracteristice. Atunci soluţia părţii
omogene poate fi sau iar cele două soluţii pot fi
combinate într-una singură astfel:
(2.27)
Folosind (2.22), (2.27) soluţia ecuaţiei cu diferenţe de ordinul 2 devine:
(2.28) iar din (2.23), (2.25), (2.26) rezultă:

(2.29)
sau
, dacă 1 + 𝛽 + 𝛽 = 0
13
Aşadar soluţia ecuaţiei cu diferenţe de ordinul 2 de forma (2.17) se exprimă prin

relaţiile (2.29) sau (2.30).
Pentru determinarea constantelor , ne vom folosi de valorile variabilei de ieşire la

momentul t=0 şi t=1.
Interpretarea traiectoriilor pentru ecuaţiile cu diferenţe de ordinul 2

Vom considera A1 > 0, A2 > 0 pentru toate cazurile analizate în continaure privind
evoluţia traiectoriei variabilei de ieşire Y.
Caz I) 0 < 𝜏 < 1 ; 0 < 𝜏 < 1. Ambele rădăcini ale ecuaţiei caracteristice sunt fracţii
pozitive.
Atunci din (2.28)
Traiectoria va fi de tip monotonă amortizată.
Din graficul de evoluţie a traiectoriei se observă că valorile variabilei de ieşire scad de

la Y0 şi converg spre valoarea Y∗
14
Caz II) 𝜏 > 1 ; 𝜏 > 1. Ambele rădăcini ale ecuaţiei caracteristice au valoarea
peste 1.
Atunci din (2.28)
Traiectoria va fi de tip monotonă explozivă. Valorile variabilei de ieşire cresc de la Y0

şi converg spre plus infinit.
4500000
4000000
3500000
3000000
2500000
2000000
1500000
1000000
500000
0
1 3 5 7 9 11 13 15
Timp t
Caz III) -1 < 𝜏 < 0 ; -1 < 𝜏 < 0. Ambele rădăcini ale ecuaţiei caracteristice sunt
fracţii negative.
Atunci
iar semnele alternează sub si peste Y*.
Traiectoria va fi de tip oscilantă amortizată. Valorile variabilei de ieşire converg spre

valoarea Y*.
15
Caz IV) 𝜏 < -1 ; 𝜏 < -1. Ambele rădăcini ale ecuaţiei caracteristice au valoarea sub -1.
Semnul lui 𝜏 alternează, la fel semnul lui 𝜏 . Traiectoria va fi de tip oscilantă

explozivă.
Caz V) 0 < 𝜏 < 1 ; 𝜏 < -1 sau 𝜏 > 1
Una dintre rădăcinile ecuaţiei caracteristice este o fracţie negativă, iar cealaltă are
valoarea sub -1 sau peste 1.
Atunci
Cum atunci va fi suma unei componente cu comportament

stabil şi a unei componente cu comportament instabil. Partea instabilă va fi dominantă, iar cu
cât t este mai mare, partea stabilă nu se mai observă în rezualtat.
16
Cap 2.Modelarea bazată pe ecuaţii.Suport de curs 2021 - 2022,Conf.Băncescu
Mioara
Traiectoria va fi cu punct şa.
Caz VI) Discriminantul al ecuaţiei
este negativ, iar rădăcinile 𝜏 𝑠𝑖 𝜏 sunt complexe.
Atunci rădăcinile 𝜏 𝑠𝑖 𝜏 se vor scrie ca o pereche de numere complexe

conjugate de forma , iar expresia poate fi la rândul ei
scrisă sub forma
, unde
Interpretarea traiectoriei lui Y se va face în funcţie de
 dacă r<1 traiectoria va fi ciclică, caz ciclu stabil;
 dacă r>1 traiectoria va fi ciclică, caz ciclu instabil.
2.6 Studiu de caz, ecuaţii cu diferenţe de ordinul 2. Modelul

multiplicator – accelerator
Modelul multiplicator – accelerator este util pentru analiza traiectoriei venitului
agregat la nivelul unei economii, traiectorie rezultată dintr-o ecuaţie cu diferenţe de ordinul
2. Modelul are în componenţă următoarele 3 ecuaţii:
17
Cap 2.Modelarea bazată pe ecuaţii. Suport de curs 2021 - 2022, Conf.Băncescu Mioara
(2.31)
(2.32)
(2.33)
unde:
• – venitului agregat la nivelul unei economii la momentul t;

• Ct – consumul agregat la nivelul unei economii la momentul t;
• C0 – componenta de consum autonom;
• Ct-1 – consumul agregat la nivelul unei economii la momentul t-1;
• Ct-2 – consumul agregat la nivelul unei economii la momentul t-2;
• It – investiţiile la momentul t;
• I0 – componenta de investiţii autonomă;
• G - cheltuielile guvernamentale (considerate constante);
• c, v – parametri ai modelului; c reprezintă înclinaţia marginală spre consum,
0<c<1;
v ∈ R.
Relaţia (2.31) este ecuaţia de descompunere a venitului agregat pe componente: consum

agregat, investiţii, cheltuieli guverenamentale.
Consumul agregat la momentul t are, conform relaţiei (2.32) o componentă autonomă

şi o componentă ce depinde prin intermediul paramatrului c de venitul agregat .
Relaţia (2.33): investiţiile la momentul t au o componentă autonomă şi o componentă
ce depinde cu un decalaj de o perioadă de modificarea consumului faţă de perioada
anterioară.
Cerinţe:
a) Ajungeţi la o ecuaţie cu diferenţe de ordinul .

b) Ajungeţi la relaţia de calcul pentru soluţia particulară a ecuaţiei de la a), venitul agregat
de echilibru Y*.
c) Aflaţi rădăcinile ecuaţiei cu diferenţe. Aflaţi constantele . Ajungeţi la soluţia
generală a ecuaţiei de la a).
18
Rezolvare:
a) (2.32)
(2.33)
(2.31), (2.32)
(2.34)
unde termenul g din forma generală a unei ecuaţii cu diferenţe de ordinul 2 va fi:
Relaţia (2.34) este ecuaţia cu diferenţe de ordinul căutată.
b) Pentru aflarea soluţiei particulare, impunem condiţia ca venitul agregat să rămână

acelaşi, Y* = Yt = Yt-1 = Yt-2. Înlocuim în (2.34) şi obţinem ecuaţia pentru vevnitul de
echilibru:
(2.35)
Relaţia (2.35) este relaţia de calcul pentru soluţia particulară a ecuaţiei (2.34).
c) Partea omogenă a ecuaţiei (2.34) este:
iar soluţia părţii omogene este de forma:
unde:
 𝜏 - reprezintă rădăcina ecuaţiei cu diferenţe;
 A – reprezintă o constantă nenulă a cărei valoare se poate determina din
informaţiile date, cu ajutorul valorilor variabilei de ieşire Y 0 , Y1
19
Cum A nenul, 𝜏 nenul (2.36)
Atunci soluţia părţii omogene va fi o combinaţie a celor două rădăcini caracterisitice
Soluţia ecuaţiei (2.34) va fi de forma:
(2.37)
Pentru t=0 în (2.37) (2.38)
unde Y0 – venitul agregat la momentul zero, Y* - venitul agregat de echilibru.
Pentru t= 1 în (2.37) (2.39)
Din (2.38), (2.39) (2.40)

(2.41)
Atunci evoluţia venitului analizat se descrie prin următoarea ecuaţie:

(2.42)
unde Y* este dat de relaţia (2.35):
Relaţia (2.42) descrie soluţia generală a ecuaţiei de la a)
Bibliografie
• Bruno, L. (1999), “Math and Mathematicians: The History of Math Discoveries Around the World”, UXL
1st edition
• Scarlat, E., Chiriţă N. (2012), “Bazele Ciberneticii Economice”, Ed. Economică, Bucureşti
20
Cap 3. Sisteme adaptive complexe. Suport de curs 2021 - 2022, Conf. Băncescu Mioara
CAPITOLUL 3. SISTEME ADAPTIVE COMPLEXE
3.1 De la apariţia ciberneticii la Ştiinţele Complexităţii

Ca orice ştiinţă modernă, cibernetica a parcurs un drum lung pentru a putea fi
generalizată teoretic şi pentru a putea fi aplicată în practică. Acest drum poate fi împărţi în mai
multe etape, începând cu etapa premergătoare apariţiei ciberneticii şi până în prezent când
cibernetica şi disciplinele derivate din aceasta ocupă o parte din cunoaşterea ştiinţifică a
secolului XXI.
Apariţia şi dezvoltarea ciberneticii poate fi împărţită în patru mari perioade:
1. Etapa precursorilor
2. Etapa întemeietorilor
3. Etapa pionierilor
4. Etapa inovatorilor
La care se adaugă perioada începută după 1985 şi care continuă şi în prezent, perioadă
cunoscută sub numele generic de Ştiinţele Complexităţii.
3.1.1. Etapa precursorilor
Etapa precursorilor acoperă perioada anilor de dinainte de 1940. Este etapa

premergătoare apariţiei ciberneticii, care a pregătit apariţia ciberneticii prin diferite concepte
şi idei. Oameni de ştiinţă care se numără printre precursorii ciberneticii: Ştefan Odobleja,
Andre Marie Ampere, Rene Descartes, Claude Bernard, Henry Poincaré, Nicolai Hartmann,
Walter Bradford Cannon.
Printre precursorii ciberneticii se numără marele savant, medicul român Ştefan Odobleja
(1902-1978). Contribuţia acestuia la apariţia ciberneticii este prezentată in capitolul 5.
André-Marie Ampère (1775- 1836), un fizician și matematician francez, se numără
printre precursorii ciberneticii. La 12 ani cunoștea calculul diferențial și integral, la 13 ani
prezenta Academiei din Lyon un tratat despre secțiunile conice. Pentru viitorul domeniu al
ciberneticii este relevantă lucrarea1 publicată în 1834. Definiţia dată de Ampere unei ştiinţe a
viitorului a fost următoarea:
Cibernetica este arta de a

guverna sau știința
guvernării (Ampère).
3.1.2. Etapa întemeietorilor
Etapa întemeietorilor acoperă perioada anilor 1940 - 1950. Anul 1948 este considerat
anul când că ar fi apărut în mod oficial ştiinţa ciberneticii. Norbert Wiener este considerat
fondatorul ciberneticii. Contribuţia acestuia la apariţia noii stiinte a ciberneticii este
prezentată in capitolul 5.
3.1.3. Etapa pionierilor
Cibernetica, aşa cum s-a dezvoltat ea în faza iniţială, se ocupă de sistemele cu

bucle feedback, deci de acele sisteme care conţin mecanisme capabile să influenţeze
intrările în vederea atingerii unor ieşiri dorite.
Etapa pionierilor ciberneticii acoperă perioada anilor 1950 – 1960. Oameni de ştiinţă care
se numără printre pionierii ciberneticii: William Ross Ashby; Ludwig von Bertalanffy; Heinz von
1
Ampère, A.M. (1834), “Essai sur la philosophie des sciences, ou exposition analytique d'une classification
naturelle de toutes les connaissances humaines’’
Foerster; Gregory Bateson; Stafford Beer; Claude Shannon; Lotfi Zadeh2; Keneth Boulding; John
von Neumann3; Gordon Pask; Ilya Prigogine4.
3.1.4. Etapa inovatorilor
Etapa inovatorilor ciberneticii acoperă perioada anilor 1960 – 1985. Printre inovatorii
ciberneticii se numără: Magoroh Maruyama; Herman Haken; Herbert Simon 5; James Grier Miller6;
Ernst von Glasersfeld; Umberto Maturana; Andrey Kolmogorov; Eduard Lorenz 7; Brian Arthur8;
Jay Forrester9.
La aproximativ 200 ani distanţă de la definirea viitoarei ştiinţe a ciberneticii de către
precursorul Ampère folosind sintagma „artă sau ştiinţă”, un inovator al ciberneticii, Umberto
Maturana (1928 - ), a propus pentru cibernetică o definiţie in care afirmă că cibernetica este şi
artă şi ştiinţă:
2
Zadeh pune bazele logicii fuzzy - o logică multivalentă, în care valorile adevărate ale variabilelor pot lua valori între
0 și 1.
3
von Newman crează conceptul de automate celulare: mulțime de elemente cu capacitatea de
autoreproducere. Introduce teoria jocurilor (Games Theory).
4
Prigogine introduce noțiunea de sistem disipativ - sistem deschis care operează departe de echilibrul
termodinamic, structura se distruge treptat, trecând la o structură haotică.
5
Simon este laureat al premiului Nobel in 1978; a publicat ,,The Architecture of Complexity” (1962).
6
James Grier Miller a contribuit la definirea metodei cibernetice ȋn biologie; a publicat ,,Living Systems” (1978)
7
Lorenz este matematicianul american care a dezvoltat teoria haosului, a studiat comportamentul sistemelor
departe de echilibru.
8
Arthur a afirmat că sistemele sunt coevolutive: sistemul, observatorul și mediul, coevoluează. Sistemul este un
element activ într-un circuit.
9
Datorită lui Forrester s-a dezvoltat dinamica sistemelor. Forrester utilizează buclele feed-back positive și
negative, variabilele de stoc, ritmurile și întârzierile pentru modelarea sistemelor dinamice
Eu am propus sintagma "arta și

știinta înțelegerii umane" pentru
Cibernetica. De ce? Persoana
care conduce nava,
comandantul, acționează atât
prin punerea în practică a
know-how-ului cât și prin
intuiție... Astfel, timonierul
acționează ca un om de știință și
ca un artist. (Maturana)
3.1.5. Etapa ştiinţelor complexităţii /cibernetica actuală

Se consideră că cibernetica actuală, cunoscută sub forma ştiinţelor complexităţii, acoperă
perioada de după 1985.
Dacă până la jumătatea anilor 80 ai secolului XX, ştiinţele complexităţii şi conceptul de

bază al acestora, sistemul adaptiv complex erau privite cu rezervă de ştiinţa oficială, un şir de
oameni de ştiinţă şi evenimente remarcabile au contribuit decisiv la afirmarea şi dezvoltarea
explozivă a domeniului.
Se acceptă astăzi tot mai des ideea că cibernetica nu este o singură ştiinţă, ci o metaştiinţă,
din care a decurs in mod firesc grupuri de discipline ştiinţifice interdependente care au ca obiect
comun de studiu sistemele complexe din diferite domenii:
dinamica sistemelor: utilizează buclele feed-back pozitive și negative, variabilele de stoc,

ritmurile și întârzierile pentru modelarea sistemelor dinamice;
geometria fractală: reprezintă obiectele în spații cu dimensiuni fracționare, neîntregi, spre
deosebire de geometria euclidiană care utilizezază spații cu dimensiuni întregi;
teoria rețelelor booleene: conexiunea între elementele sistemului se face prin logica
booleană: adevărat sau fals (1 sau 0);
teoria haosului: studiază sistemele dinamice neliniare, senzitive la condițiile inițiale în a
căror evoluție traiectoria se bifurcă transformându-se în haos;
teoria sistemelor departe de echilibru: studiază sistemele care funcționează departe
de echilibru, cu structură disipativă, rezistente la perturbațiile externe;
algoritmi genetici: modelarea sistemelor reale cu algoritmi preluați din genetică;

A-Life: modelarea proceselor cu ajutorul proceselor vii, biologice;
autopoiesis: sistemul autopoietic este organizat ca o rețea care se regenerează, evoluează
și învață împreună mediul;
biologia evoluționistă: adaptarea sistemelor are la bază teoria evoluționistă inițiată de
Darwin.
Cibernetica a devenit în zilele noastre o metaştiinţă a sistemelor complexe.
Publicaţiile apărute după anii 2000 în domeniul ciberneticii acoperă teme precum: studiul
reţelelor complexe, societăţiile de tip reţele globale, teoria sistemelor mondiale, reţelele libere
la scală, economie cantitativă, ştiinţe politice cantitative, societăţi mobile, societăţi artificiale10.
În etapa începută după 1985 s-au remarcat prin contribuţii remarcabile savanţi cum
ar fi: Stuart Umpleby; Stephan Wolfram; Stuart Kauffman; Eve Mitleton-Kelly; Christofer
Langton11; Murray Gell-Mann; James Gleick; Brian Arthur; Claudio Cioffi-Revilla; Jeanette Wing.
Stuart Umpleby (1944 - ) este

savantul care a formulat clar în 2001
deosebirile dintre noua cibernetică,
cibernetica de ordinal trei, denumită
de el cibernetica societală, şi
cibernetica de ordinul întâi, respectiv
cibernetica de ordinul doi.
Cibernetica de ordinul trei a

fost definită ca fiind o cibernetică a
sistemelor conceptuale, o
cibernetică cu impact social.
Umpleby consideră că principala trăsătură a ciberneticii societale este că feedback-ul care

se formează în organizarea socială conduce la o schimbare a societăţii.
Cibernetica de ordinul 1 s-a axat pe construirea unor teorii care să explice fenomenele
observate (cum funcţionează lumea).
Cibernetica de ordinul 2 a venit cu includerea observatorului în cadrul explicării
fenomenelor observate.
10
Terminologia în limba engleză: „Complex Networks”, „Global Network Society”, „World Systems Theory”,
„Scale-free Networks”, „Computational Economics”, „Computational Political Science”, „Mobile Societies”,
„Artificial Societies”.
11
Langton dezvoltă A-life (Atificial Life). S-a remarcat prin metodele de investigare a sistemelor dinamice cu
ajutorul proceselor care se desfășoară în sistemele vii - metode de simulare cu ajutorul modelelor computaționale
și a roboticii
Cibernetica de ordinul 3 se
axează pe explicarea relaţiei dintre
ştiinţele naturii şi
ştiinţele sociale. Este
cibernetica care explică cum oamenii
crează, menţin şi schimbă sisteme
sociale prin limbaj şi idei.
După anii 2000, dezvoltarea ciberneticii societale a fost puternic marcată de componenta
de calcul aplicat, publicându-se numeroase lucrări în jurul conceptelor „computational social
science”, „computational thinking” sau „e-science”12.
Stephan Wolfram (1959 - )

este autorul primei încercări de
unificare a diferitelor ştiinţe ale
complexităţii. A publicat ,,A New Kind
of Science” (2002), în care se include
diferitele tendinţe apărute până în
anul 2000 în domeniul ştiinţelor
complexităţii.
Nu putem spune astăzi cu

certitudine că există o singură ştiinţă a
complexităţii, ci mai multe teorii ce
provin din zone diferite ale ştiinţei,
dar care au în comun faptul că abordează, din unghiuri de vedere diferite şi cu metode distincte,
sistemul adaptiv complex.
12
Reprpezentative sunt cercetările efectuate de Claudio Cioffi-Revilla („computational social science”), Jeanette
Wing („computational thinking”), John Taylor („e-science”).
JoTaylor . Francesco Vala.

3.2 Definiţia sistemului. Conceptul de sistem în sistem
La baza sistemelor adaptive complexe se află noţiunea de sistem. Prin sistem ne vom referi
la un ansamblu de componente interconectate intre ele si cu mediul inconjurator pentru atingerea
unui scop comun.
Stiinţa parcursese
câteva mii de ani în care
accentul se punea pe părţile
componente ale sistemului.
Ludwig von Bertalanffy
(1901 - 1972), biolog
austriac, considerat un
pionier al ciberneticii, este
cel care iniţiază
teoria generală a
sistemelor, militând pentru
modalităţi comune de analiză
a sistemelor, fie ele
din domeniul
filosofiei, științelor naturale, științelor sociale sau tehnologiei. Bertalanffy vede în teoria
generală a sistemelor o modalitate de a se ajunge la unificarea ştiinţelor.
Bertalanffy observă că tot ceea ce se află în natură (realitatea) este compus din sisteme
care sunt atât sisteme în sine (un total), cât și subsisteme (părți) ale altor sisteme. Exemple:
 celula umană poate fi văzută drept un sistem în sine, dar și ca parte a unui sistem de tip
țesut sau organ;
 un atom care poate fi văzut atât din perspectiva unui sistem (sau întreg), cât şi din
perspectiva unui subsistem (o parte) a unei molecule;
 sistemul digestiv este atât un sistem cât şi un subsistem al corpului uman din care mai fac
parte subsitemul cardiac, cel respirator, muscular, nervos, circulator, reproducător,
tegumentar, etc. Aceste subsisteme lucrează împreună și interacționează între ele pentru
a crea homeostază sau echilibru la nivelul corpului uman.
Andrey Kolmogorov (1903 - 1987), considerat un inovator al ciberneticii, a propus o
definiţie pentru cibernetică axată pe conceptul de sistem:
Cibernetica este o știință care se ocupă cu studiul sistemelor de orice natură, care sunt
capabile de primirea, depozitarea, și prelucrarea informației, astfel încât să o folosească
pentru control. (Kolmogorov)
O reprezentare facilă a structurii interne a unui sistem şi a legăturilor care există între
componente se poate face cu ajutorul reţelelor complexe. Această reprezentare a structurii unui
sistem prin reţele complexe va fi abordată în cadrul capitolului 4.
3.3 Complexitatea
Plexus înseamnă, în latină, împletit, încolăcit, din care derivă şi cuvântul

complexus, cu sensul de împletit împreună.
Complexitatea presupune o multitudine de elemente, procese sau fenomene care sunt

interdependente şi interconectate în cadrul unui sistem sau între un sistem şi mediul său
înconjurător.
Elementele sistemului, studiate fiecare separat, nu oferă complexitate. Pe măsură ce

numărul componentelor unui sistem creşte, precum şi al legăturilor multiple dintre ele, sistemul
devine un sistem complex şi îngreunează anticiparea cauzelor şi a efectelor.
René Descartes, filosof și matematician francez, un precursor al ciberneticii, expune încă

din 1637 o abordare de analiză a unor structuri complexe ale realității prin reducerea lor la
concepte și structuri simple, prin divizarea problemelor complexe în cât mai multe subprobleme,
pentru a le rezolva începând cu cele mai simple și ușoare părți și crescând, pas cu pas, până la cele
mai complexe dintre toate.
Exemplu: LEGATURILE INTERUMANE
Datorită complexitătii legăturilor interumane din prezent, pandemia COVID-19 s-a

extins mult mai rapid comparativ cu alte pandemii din trecut.
In prezent, aproape 100% din locuitorii planetei sunt interconectaţi fizic, datorită căilor
moderne si variate de transport internaţional. Dacă in cazul unor pandemii din trecut, a durat
aproximativ 4-5 ani pentru ca o pandemie să se extindă din Asia in Europa, în cazul COVID-19,
acest lucru s-a produs în mai puţin de o lună.
Transportul rapid, aerian sau rutier, a facilitat imprastierea virsului in peste o sută de
tări in mai putin de două luni, oferind o imagine clară despre amploarea legăturilor
interumane.
La ora actuală, oamenii interactionează si comunică mai mult ca niciodată, complexitatea

caracterizând legăturile interuname. In prezent, intram in contact, in medie, cu mult mai multe
persoane decat stramosii nostri si ne departam, in medie, cu mai multi kilometri de locul in care
ne-am nascut.
3.4 Comportamentul adaptiv

Printre pionierii ciberneticii se
numără fizicianul englez Ross Ashby (1903 –
1972). În lucrarea sa fundamentală ,,An
Introduction to Cybernetics”, apărută în
1956, Ashby scrie despre rolul informaţiei
în sistemele cibernetice şi modul în care
aceasta determină eficienţa proceselor de
reglare şi control, introduce conceptul de
autoorganizare, formulează una dintre
legităţile fundamentale ale sistemelor
cibernetice, şi anume legea verietăţii
necesare, introduce metoda cutiei negre
de analiză a sistemelor dinamice şi de
asemenea introduce conceptul de comportament adaptiv.
Ashby defineşte comportamentul adaptiv prin restructurarea sistemului sub influența

factorilor perturbatori. Savantul afirmă că orice mecanism adaptiv (de la organismele foarte
simple şi până la organizaţiile complexe) trebuie să facă două lucruri:
 să-şi rezolve problemele de zi cu zi;

 periodic, să se restructureze.
Exemplu: firmă din domeniul IT
În cazul unei firme din

domeniul IT,
partea operaţională va
furniza zi de zi, în mod
repetitiv, produsele sale
(componente
software sau hardware,
consultanţă IT, etc) şi periodic, firma va dezvolta un nou produs sau va reorganiza o parte a
operaţiilor, beneficiind de implementarea unor proiecte strategice.
Exemplu: firma Amazon

: AZON
Conceptul de adaptabilitate propus de Ashby este evidențiat de evoluția companiei de
ecommerce Amazon. Organizaţia comercializează cu succes produsele care au consacrat-o,
dar şi dezvoltă o serie de noi produse pe care le impune pe piaţă. Amazon a început activitatea
ca un retailer de cărți online, dar s-a adaptat continuu de-a lungul anilor, ajungând să vândă o
gamă foarte largă de produse, de la televizoare și computere până la alimente și articole de uz
casnic.
În 1995 a fost vândută prima carte pe Amazon.com, iar de atunci, pentru multe persoane,
cumpărarea de cărți online a devenit o modalitate ușoară de achiziţie în comparație cu
achiziționarea lor dintr-o librărie fizică. Deși firma avea succes cu strategia vânzării de cărţi
online, comportamentul de adaptare a continuat. În 1996, firma a introdus un program de
afiliere a partenerilor şi ideea cumpărăturilor într-un singur click, ajutând compania să crească
şi să își extindă oferta cu produse pentru locuință, muzică, programe software, cosmetice, etc.
În următorii ani Amazon a câştigat avantaje strategice în faţa distribuitorilor care au rămas
cantonaţi lanţurilor tradiţionale de aprovizionare şi distribuţie.
Compania s-a adaptat periodic noilor cerințe din partea consumatorilor, transformând
experienţa de cumpărare a produselor într-o experienţă tot mai rapidă și facilă.
Amazon, consacrată ca fiind una dintre cele mai inovatoare companii din lume, a fost şi
este deschisă la schimbări în raport cu preferințele consumatorilor, într-o continuă dinamică,
ilustrând importanța de a fi adaptiv în cadrul unei pieţe cu mecanisme complexe.
Dintre definiţiile propuse de Ashby pentru cibernetică care leagă frumos conceptele
de comportament adaptiv, complexitate, sistem amintim:
(1) Cibernetica este arta timonierului de a naviga (Ashby)
(2)Cibernetica nu tratează lucruri, ci modalități de comportament. Nu

întreabă, „Ce este acest lucru?” ci „Ce face acest lucru?”... Astfel, este în
esență funcțională și comportamentală...Materialitatea este irelevantă, și așa
este și utilizarea sau nu a legilor obișnuite ale fizicii. (Ashby)
(3) Cibernetica oferă o metodă pentru tratarea științifică a sistemului în

care complexitatea este deosebită și mult prea importantă pentru a fi
ignorată. (Ashby)
3.5 Sistemele adaptive complexe, definiţie si exemple

Obiectul de studiu al ciberneticii actuale ȋl reprezintă sistemele adaptive complexe.
Sistemele adaptive complexe (CAS) reprezintă o categorie specifică în categoria mai

largă a sistemelor complexe.
Sistemele complexe au o
multitudine de elemente în
componenţă, de acelaşi tip sau de
tipuri diferite şi o multitudine de
interdependente în cadrul
sistemului.
Exemple de sisteme complexe care nu sunt ȋnsă adaptive: un avion care nu se adaptează
autonom condiţiilor de zbor, o maşină de spălat care nu stie să se adapteze preferintelor
utilizatorului sau o linie de producţie tradiţională.
Zimmerman et al (2008) a propus următoarea

definiţie: un sistem adaptiv complex este un sistem
compus din agenţi individuali, care au libertatea de a
acţiona în moduri care nu sunt total predictibile şi ale
căror acţiuni sunt interconectate, astfel încât
acţiunile unui agent schimbă contextul pentru alţi
agenţi.
Sistemele adaptive complexe se găsesc peste tot în jurul nostru. Ştiinţele Complexităţii
confirmă faptul că marea majoritate a sistemelor reale sunt adaptive complexe.
Exemplu: PROGRAMUL DE ZBOR AL AERONAVELOR

Aeronavele (agenții) pot acționa în moduri care nu sunt total predictibile. De exemplu, îsi
pot pierde direcția de zbor. Procedurile care descriu programul de zbor al aeronavelor si
comportamentul asteptat al acestora într-o multitudine de situații sunt complexe.
Decolarea si aterizarea sunt actiuni interconectate, sunt operațiuni ce au loc pe același

aeroport și își impart resursele (pistele, spațiul aerian al aeroportului, etc).
Unii agenti (aeronave) pot avea defecțiuni sau întârzieri în ceea ce privește decolarea sau
aterizarea, iar astfel determina întarzieri la decolarea sau aterizarea altor agenti.
Complexitatea programului de zbor al aeronavelor se justifica prin numărul de elemente

și factori care intervin, cum ar fi: aeronave, controlere, piste de zbor, piste de circulație, vreme.
Această complexitate face imprevizibil sistemul care necesită o gestionare în timp real și
adaptarea unei stări dinamice. La un moment de timp nu putem ști cu certitudine ce aeronave
vor intra în aeroport, nici ora lor de sosire și nici de plecare.
Exemplu: PIAŢA DE CARTE
Se poate constata că piaţa de carte reprezintă un sistem adaptiv complex în măsura în

care este formată din agenţi precum autorii cărţilor, consumatorii de carte (aceştia pot fi
inclusiv autorii), editorii de carte, editurile, tipografiile, librăriile unde se vând, etc., care, deşi
acţionează în interes propriu, aceştia sunt interdependenţi şi nu pot exista unul fără celălalt.
Această multitudine de agenţi şi de legături oferă sistemului complexitate.
În ceea ce priveşte caracterul adaptiv al pieţei de carte, se poate observa cum aceasta a
trebuit să se adapteze în 2020 timpurilor prezente, lovite de criza cauzată de pandemia de
Covid-19, şi să se orienteze cu promovarea de carte mai mult în mediul online.
Exemplu: CINEMATOGRAFIA
Domeniul cinematografic poate fi privit sub forma unui sistem alcătuit din milioane de
agenți, de la producători, regizori, scenariști, la actori, care sunt într-o continuă acțiune de a
realiza un conținut cât mai de calitate, lovindu-se de numeroase obstacole neprevăzute.
De exemplu incapacitatea de a face rost de aprobarea pentru a filma într-un anumit loc,
sau apariția unor cheltuieli mari, neasteptate fac ca sistemul cinematografic să fie nevoit să-și
adapteze mereu strategiile, acţiunile unui agent schimband contextul pentru alţi agenţi.
Exemplu: PARTICULELE INTERCONECTATE

Folosind modelul „Bike Tire” din librăria NetLogo putem exemplifica un sistem adaptiv
complex.
În acest model, agenții sunt particulele de aer aflate într-un spațiu închis.
Modelul oferă utilizatorului cateva setări prestabilite, cu posibilitatea de a le modifica:
numarul de particulele de aer (number-of-particles-to-add), cu valoarea

prestabilită de 50;
modul de interconexiune intre particule (collide? on/off), valoarea prestabilită
fiind posibilitatea unei particule de a se lovi de alta particula, influentandu-i
astfel traiectoria ;
modul de interactiune a particulelor cu limitele spatiului inchis (bounce? on/off),
valoarea prestabilită fiind posibilitatea particulelor de a sari inapoi atunci când
se lovesc de pereții spațiului în care se află.
Modelul oferă o vizualizare a unui grup de agenti care au libertatea de a acţiona în

moduri care nu sunt total predictibile: miscarea libera a particulelor de aer in încăpereaa
simulata, neavand o traiectorie predictibilă, deoarece directia de miscare este perturbată de
lovirea de celelalte particule, fapt ce le schimbă traiectoria într-un mod imprevizibil.
Acţiunile interconectate ale agentilor sunt puse in evidenta in cadrul modelului cu

ajutorul traiectoriilor de deplasare care se intersectează la diferite momente de timp. Când
acest lucru se întâmplă, agentul se va deplasa pe o nouă traiectorie datorită acțiunii exercitate
de alt agent, fapt ce relevă un nou context pentru particula afectată.
Pentru a obține o gamă variată de interconexiuni intre agenți, utilizatorul poate alege:
• ca particulele să nu se ciocnească între ele; astfel se elimină interconexiunile între
agenti;
• să modifice dimensiunea spatiului în care se află particulele; facand spatiul mai mic sau
mai mare, se observa ca ciocnirile între agenți sunt mai frecvente sau mai rare;
• să dezactiveze opțiunea de a sări înapoi atunci când particulele se lovesc de pereții
spatiului; în acest caz, complexitatea interactiunilor scade, agentii ies in afara spatiului
la contactul cu marginiler acestuia;
• să reducă numărul de particule, caz în care scade numarul interacțiunilor dintre agenti.
Codul sursa al modelului include proceduri ce permit calcularea vitezelor si

traiectoriilor a doua particule dupa o ciocnire.
Exemplu: modelul „RECYCLING”

plu: MODELUL “RECYCLING”
Modelul „Urban Suite - Recycling” din librăria NetLogo oferă o altă exemplificare a unui
sistem adaptiv complex.
Agenții din model sunt persoane, de două tipuri:

• reciclatori, identificaţi prin culoarea
albastră;
• risipitori, identificaţi prin culoarea
roşie.
Mediul agenților constă dintr-o rețea de
celule, fiecare dintre ele putând fi în una dintre
următoarele trei stări:
• celule noi (afișate prin

culoarea verde);
• celule reciclate (afișate prin culoarea
verde deschis)
• celule deșeuri (afișate prin culoarea
galben).
La începutul simulării, toate celulele din mediu sunt noi, nici reciclate, nici încarcate de
deșeuri.
Modelul are valori prestabilite pentru trei variabile de intrare, valori pe care utilizatorul
le poate modifica pentru a realiza diverse scenarii de simulare bazată pe agenţi:
• numărul de reciclatori (num-recyclers) cu valoarea prestabilită de 25;

• numărul de risipitori (num-wastefuls) cu valoarea prestabilită de 25;
• nivelul maxim de energie pe care un agent o poate stoca (max-stored-energy) cu
valoarea prestabilită de 50;
• pierderea de energie pentru actiunea de reciclare a unui agent, atunci când un
reciclator întâlnește o celulă de tip deșeu (recycling-waste-cost), cu valoarea
prestabilită de 0.5;
• rata de regenerare a celulelor din mediu, care le transformă în celule noi, neîncarcate
de deșeuri, redandu-le culoarea verde (resource-regeneration), cu valoarea
• modul de căutare a resurselor de energie din mediu de către agenți (agents-
seekresurse? on/off), valoarea prestabilită fiind o căutare aleatoare a resurselor printre
cele opt celule vecine ale celulei curente, iar alternativa fiind ca un agent să caute mai
inteligent resursele în celulele vecine.
Agenții coleactează energie din mediu (poate fi interpretată ca resursă economică sau
monetară). Dacă un agent rămâne fără energie, dispare. De fiecare dată când agenții se
deplasează procesează mai întâi celula în care sunt pozitionati, apoi trec la colectarea energiei
din una dintre cele opt celule vecine.
Toți agenții încep simularea cu jumătate din energia stocată maximă posibilă.
Risipitorii exploatează întotdeauna în totalitate celula pe care o întâlnesc, luând toată

energia disponibilă și lăsând celula de tipul unui deșeu. Ei câștigă 4 unităţi de energie din
celulele noi (verzi), 2 unităţi de energie din celule reciclate și nimic din celulele deșeuri.
Reciclatorii au un comportament diferit şi prietenos cu mediul. Ei exploatează doar

jumătate din energia disponibilă în celula pe care o întâlnesc, permițând celulei să se
regenereze. Astfel, celulele noi rămân verzi după ce au întâlnit un reciclator, iar reciclatorul
câștigă doar 2 unităţi de energie. Reciclatorii iau, de asemenea, doar jumătate (1 unitate de
energie) din celulele reciclate, lăsând celula tot într-o stare reciclată. Iar atunci când un
reciclator întâlnește o celulă de deșeuri, va face efortul de a recicla, dar acest fapt îi costă
energie.
Din rezultatele simulării utilizând setările prestabilite, se poate observa că sistemul

mediu - agenţi este echilibrat, risipitorii şi reciclatorii sunt în număr similar, dar în scădere,
există în mediu atât celule noi, cât si reciclate sau poluate.
Ideea că agenţii au libertatea de a acţiona în moduri ce nu sunt total predictibile se

justifică prin modul imprevizibil în care agenţii se deplasează, colectează energie, poluează
mediul cu deseuri sau reciclează.
Exemplificarea acţiunilor interconectate din model se face prin acţiunile de conusm şi

de reciclare a resurselor, iar cele două tipuri de agenţi, risipitori şi reciclatori, îşi influenţează
reciproc comportamentul:
fără acţiunea de consum de resurse, total sau parţial, acţiunea de reciclare nu ar avea
loc;
lipsa reciclatorilor ar duce la un sistem dezechilibrat, simularea s-ar finaliza cu dispariţia
tuturor agenţilor, inclusiv cei de tip risipitor, într-un timp mai scurt sau mai îndelungat,
influenţat de setarea de regenerare a resurselor de pe interfaţa modelului;
poluarea mediului de către risipitori îi determină pe reciclatori să-şi sacrifice energia

pentru a recicla celulele poluate;
reciclarea celulelor de catre agenţii reciclatori îi determină pe agenţii risipitori să
consume şi mai multă energie şi să polueze şi mai mult;
dacă modul de căutare inteligentă a resurselor este activat, acţiunile interconectate
din model devin mai strânse: reciclatorii vor evita zonele preponderente cu deşeuri
pentru a nu rămâne fără energie şi a muri, iar risipitorii vor căuta să parcurgă cât mai
multe celule noi sau reciclate.
3.6 Principiile care stau la baza sistemelor adaptive complexe

Dooley (2002) a propus următoarele principii care stau la baza definirii unui sistem
adaptiv complex:
Primul principiu afirmă că ordinea şi

controlul în sistemele adaptive complexe
sunt proprietăţi emergente şi
nu predeterminate.
Al doilea principiu specifică faptul că istoria ȋn sistemele adaptive complexe este

ireversibilă.
Al treilea principiu: viitorul în sistemele adaptive complexe este incert.
Economiile de piață - sisteme adaptive complexe în raport cu principiile lui Dooley
Toate sistemele adaptive complexe sunt alcătuite dintr-un număr mare de agenţi care
interacţionează. Agenţii din economiile de piaţă sunt firme, gospodării, bănci comerciale,
agenţii guvernamentale, etc.
Legat de primul principiu, ordinea şi controlul sunt proprietăţi emergente, în

economiile de piaţă se observă că agenţii dezvoltă propriile reguli ale jocului pentru a efectua
şi controla tranzacţiile ce au loc între ei. Regulile nu sunt stabilite în prealabil întotdeauna.
Acestea sunt respectate de către noii agenţi care intră în economie. Controlul respectării
regulilor este si el un demers emergent. Exemplu: apariţia unei noi grădiniţe private intr-un
oraş. Odată cu ea apar o serie de reguli între grădinită şi consumatorii de servicii oferite.
Legat de al doilea principiu, istoria ireversibilă, în economiile de piaţă, nu se pot anula

tranzacţiile deja efectuate. Istoria acestor tranzacţii este, deci, ireversibilă. De aceea, în mediul
de afaceri al acestor economii persistă lecţiile deja invăţate de agenţi în urma tranzacţiilor
efectuate. Exemplu: tranzacţia de plată a unor produse achiziţionate dintr-un magazin de
către un cumpărător este ireversibilă.
Legat de al treilea principiu, viitorul incert, indiferent de prognozele care sunt făcute
privind evoluţia viitoare posibilă, agenţii sunt supuşi unor riscuri care sunt imposibil de
prevăzut în orice economie de piaţă, chiar şi într-una foarte bine organizată sau consolidată.
Exemple de elemente incerte:
preţul la care se vor achiziţiona materiile prime

costul cu forţa de muncă
impactul unei noi tehnologii asupra proceselor dintr-o organizaţie
modificări legislative
cursul valutar, etc.
PROVOCARE. Exemplificați un sistem adaptiv complex si justificați elementele

definiției.
3.7 Caracteristicile sistemelor adaptive complexe

Sistemele adaptive complexe au o multitudine de caracteristici. Eve Mitleton-Kelly,
considerată o inovatoare in domeniul ciberneticii, a propus caracterizarea unui sistem adaptiv
complex (CAS) prin următoarele zece caracteristici definitorii:
1. auto – organizarea;
2. emergenţa;
3. feedbackul;
4. co-evoluţia;
5. conectivitatea;
6. interdependenţa;
7. structuri disipative;
8. funcţionarea departe-de-echilibru;
9. istoricitatea şi dependenţa de traiectorie;
10. explorarea spaţiului posibilităţilor.

Caracteristica de feedback
Caracteristica de
feedback este prezenta
atunci cand inputul este
modificat de către output
într-o direcţie necesară
pentru a reduce
diferenţa dintre
situaţia curentă
şi situaţia scop.
Dispozitivul de tip
termostat, spre exemplu,
reglează temperatura unei
încăperi. Termostatul îşi
adaptează comportamentul,
oprind sau pornind sistemul de
încălzire, ca răspuns la efectele
comportamentului său anterior.
Caracteristicile de conectivitate şi interdependenţă

Conectivitatea şi interdependenţa implică faptul că o decizie sau acţiune din
partea unui element al sistemului pot afecta alte elemente ale sistemului. Aceste două
caracteristici arată legătura strânsă dintre agenți, aceștia fiind condiționați reciproc.
Conexiunile dintre agenți devin mai importante decât agenții înșiși în perspectiva
sistemelor adaptive complexe.
De exemplu, datorită conectivităţii şi interdependenţei dintre indivizi, virusul COVID-

19 apărut în China s-a răspândit rapid în câteva luni de zile în toate ţările, începând cu
Decembrie 2019, afectând sistemele medicale, sociale şi economice ale acestor ţări.
Caracteristica de conectivitate şi interdependenţă va fi detaliată în cadrul unui capitol

viitor.
Caracteristica de co-evoluţie
Co-evoluţia se referă la faptul că
traiectoriile de evoluţie a două sisteme
interferează în timp, adaptându-se una
la alta.
Evoluţia unui sistem

adaptiv complex este parţial
dependentă de evoluţia mediului sau a
altui sistem adaptiv complex şi se
adaptează la evoluţia acestora.
Pe măsura ce mediul sau un alt

sistem se schimbă, sistemul adaptiv
complex se modifică și el pentru a se
adapta la noile condiții. La rândul său,
acest lucru influențează mai mult
mediul sau sistemul co-evolutiv și
creează un ciclu constant de schimbări.
Plantele si insectele reprezinta un exemplu clasic de co-evoluţie. Plantele depind

de polenizatorii lor, iar polenizatorii depind de plante. Există o interdependenţă
strânsă între cele două specii.
Caracteristicile de auto-organizare şi emergenţă
Emergenţa se poate defini

printr-o oarecare apariţie spontană a
unei noi structuri coerente
globale a sistemului
adaptiv complex plecând de
la interacţiunile locale dintre agenţi.
Auto-organizarea, aşa cum a

fost definită de Ross Ashby, se referă la
schimbarea structurii sistemului prin
dezvoltarea mecanismelor proprii.
Sistemul adaptiv complex trece de la modul vechi de organizare la unul nou, într-un timp scurt.
Altfel spus, un fenomen prin care

se crează spontan, fără in tervenţii
exterioare,ceva nou, distinct faţă de
ceea ce a fost în sistem
.
Exemplu: plecând de la
interacţiuniledin cadrul unui grup de
turişti se creazăun noutraseu care va
fi urmatîn cadrul excursiei.
Caracteristicilede istoricitate şi dependenţă de traiectorie
Traiectoriile specifice pe care un sistem le urmează depind de istoria lor trecută.

Istoria trecută afectează dezvoltarea viitoare
, sistemeleadaptive complexefiind capabile să
învete din evenimentele trecute.
Dependenta de traiectorie este unul din

lucrurile careexplică de ce comportamentul
unui sistem este greu de prevăzut
.
Noţiuni anterioare
Ecuaţii cu diferenţe de ordinul 1 usade

ordinul 2 surprind procese dinamice, ce
evoluează în timp (evoluţia capitalului unei
firme, a venitului la nivelul unei economii,a
preţului unui produs, etc). Valoarea pe care o ia o variabilă la un moment de timp depinde de
valoarile sale la momente anterioare şi de o serie de alţi factori. Traiectoriile de evoluţie pot fi
monotone amortizate, monotone explozive, oscilante amortizate, oscialnte explozive, cu
punct şa, ciclice, etc.
Exemplu: EVOLUŢIA TEHNOLOGIEI ROBOŢILOR CASNICI

Traiectoria de evoluţie a tehnologiei roboţilor casnici depinde de istoria lor trecută.
Inainte de anul 2016, modelul de robot aspirator Roomba nu putea sa fie controlat de
oriunde, fiind necesara apasarea unui buton de start pentru ca acesta sa inceapa procesul de
curatare a suprafetelor. Evolutia tehnologiei, facilitata de existenta modelelor anterioare de
roboti aspiratori, a permis controlarea robotelului de oriunde, de exemplu de la locul de
munca, prin apasarea butonului de start cu ajutorul unei aplicatii mobile iRobot HOME (robotul
se conecteaza cu ajutorul tehnologiei Wi-Fi la aplicatia de pe telefon). Alte progrese

tehnologice dependente de istoria trecută in domeniul roboţilor aspiratori:
• modul „dock” care instruiește robotul asirator să caute in mod autonom o bază
de încărcare pentru reîncărcarea bateriei;
• setul de senzori care pot detecta prezența obstacolelor in incaperea ce se
aspira, pete murdare pe podea sau căderi abrupte pentru a împiedica robotul
să cadă pe scări;
• modul de functionare silentioasa.
In anul 2012, model de robot casnic FoldiMate Family care împătureste, calcă și
parfumează hainele s-a bazat pe o tehnologie in care hainele trebuiau sa fie asezate cu mana
de utilizator, urmand ca apoi robotelul sa calce si sa impacheteze cate un singur articol odata.
Evolutia tehnologiei, dependenta de existenta modelelelor anterioare, a permis incepand cu
2018 lansarea unui model de robot care:
• reuseste sa impatureasca, sa calce, sa usuce si sa parfumeze pana la 30 de

articole vestimentare in acelasi timp, intr-un timp mediu de cateva secunde pe
articol;
• reuseste sa detecteze textura si materialului, daca hainele au maneca scurta
sau lunga, adaptand functia de calcat si impaturit in fuctie de acesti factori;
• poate fi programat cu ajutorul tehnologiei Wi-Fi.
Caracteristicile structuri disipative şi funcţionarea departe-de-echilibru

Funcţionarea departe-deechilibru a sistemelor adaptive complexe se
refera la functionarea departe de starea in care forţele din interiorul sistemului sunt
balansate, neexistand nicio tendinţă spre mişcare.
Structura disipativă se referă la modalităţile prin care sistemele deschise schimbă

energie, materie sau informaţie cu mediile lor. Sistemele adaptive complexe sunt sisteme
caracterizate de schimburi de energie, materie sau informaţie cu mediile lor. Atunci când sunt
împinse departe–de–echilibru creează
noi structuri şi o nouă ordine.
Exemplu: în sistemele
economice reale, starea de echilibru
general este imposibila de detectat,
aceste sisteme functionand departe
de echilibru, cu dezechilibre intre
cererea şi oferta din bunuri, servicii
sau factori de producţie ai ecomiei. Intr-un sistem economic national vor fi prezente activitati
de schimburi comerciale, de import si de export.
Ernst von Glassersfeld (1917 - 2010) se numără printre inovatorii ciberneticii. Savantul a
propus următoarea definiţie pentru cibernetică, definiţie relevantă din perspectiva caracteristicii
de funcţionare departe-deechilibru a sistemelor adaptive complexe :
Cibernetica, așa cum știm cu

toții, poate fi descrisa in multe
moduri […] Cibernetica este arta de
a crea echilibru într-o lume de
posibilități și constrângeri. (von
Glassersfeld)
Caracteristica de explorare a-spaţiului–posibilităţilor
Pentru a supravieţui şi a
creşte, un sistem adaptiv
complex are nevoie să
exploreze spaţiul său al
posibilităţilor, să-şi adapteze
acţiunile curente intr-un mod
cat mai variat, să genereze outputuri cat ma variate.
Sistemul trebuie să fie într-o continuă dinamică şi să exploreze mereu posibilităţile,

elaborând, atunci când va fi nevoie, noi strategii.
Exemplu: deschiderea constantă

de noi nişe pe pieţe pentru produse cum
ar fi cuburi wireless pentru odorizarea
unei încăperi (cubul se conectează la
smartphone şi se poate regla cuantumul
miresmelor fiecărui cartuş, combinaţiile
fiind aproape nelimitate).
Exemplu: TELEFOANELE INTELIGENTE

Un domeniu care exemplifica bine caracteristica de explorare a spatiului posibilitatilor a
sistemelor adaptive complexe şi generarea de varietate este cel al telefoanelor inteligente.
Telefoanele inteligente au plecat de la modelul care îndeplinea doar funcția de apelare

și care, in urma explorarii spatiului posibilitatilor au ajuns sa îndeplineasca funcții variate, cum
ar fi:
• accesul la internet prin diferite tehnologii; de exemplu accesul prin a patra generație
de internet mobil (internet 4G) incepand cu 2009 a oferit utilizatorilor viteze de pana
la 10 ori mai mari decât cele oferite prin generatia predecedenta (3G); iar incepand
• accesul la platforme de unde utilizatorii pot descarcă jocuri, filme, melodii și aplicații,
cum ar fi platforma Google Play (pentru dispozitive mobile dotate cu sisteme de
operare tip Android) sau platforma Apple Store (pentru dispozitive mobile dotate cu
sisteme de operare tip iOS), incepand cu 2012;
• functia de recunoașterea facială pentru autentificarea utilizatorului, functie prezenta
prima dată pe modelul iPhonex apărut în 2017;
• functia pliabila, începand cu 2018, care permite folosirea dispozitivului ca un telefon
normal sau, prin pliere, dispozitvul devine o tabletă (de exemplu modelul Samsung
Galaxy Fold);
• introducerea unor ecrane tot mai variate si mai performante; de exemplu modelul
iPhone11ProMax lansat în 2019 a avut o diagonală de 6.5 inci OLED, o rezoluție de
2688 x 1242 pixeli, un contrast de rație 2.000.000:1, și luminozitate de 800 nits;
modelul iPhone6 lansat cu 5 ani mai devreme, în 2014, avea caracteristici mai
modeste: diagonala de 4.7 inci LCD, rezoluția de 1334 x 750 de pixeli, un contrast de
rație 1400:1.
In stransa legatura cu caracteristica de explorare a-spaţiului–posibilităţilor este legea

verietăţii necesare, formulată de fizicianul englez pionier al ciberneticii, Ross Ashby, în
lucrarea sa fundamentală ,,An Introduction to Cybernetics”. Conform legii verietăţii necesare,
una dintre legităţile fundamentale ale sistemelor cibernetice, pentru a obţine o varietate dată
la ieşirea unui sistem este necesar să se asigure la intrarea sistemului respectiv o varietate cel
puţin la fel de mare.
Pentru a exemplifica legea verietăţii necesare:
 sunt necesare setări cât mai variate oferite de un aparat foto privind expunerea şi
distanţa pentru a permite accesul la o varietate largă de poze
 în doemniul gastronomiei sunt necesare ingrediente plante cât mai variate pentru
a obţine o paletă largă de condimente,
Este indicat să privim caracteristica sistemelor adaptive complexe de explorare a-spaţiului–

posibilităţilor in perspectiva limitării resurselor disponibile. In acest sens amintim contribuţia lui
Stafford Beer la dezvoltarea teoriei ciberneticii manageriale.
Stafford Beer (1926 -2002), profesor englez de cercetări operaționale, se numără printre
pionierii ciberneticii.
Conceptul de cibernetică managerială a

fost introdus de către Beer. În viziunea savantului
cibernetica manageriala este o știință care ne
învață cum să cooperăm cu ordinea naturală a
lucrurilor.
Unul dintre principiile enunțate de Beer

este că oricât de mare ar fi un sistem complex,
optzeci la sută va fi produs de doar douăzeci la
sută din sistem. Un altul este legat de un sistem viabil care conține și este conținut de un sistem
viabil.
La baza ideilor dezvoltate de Beer există limitarea resurselor disponibile,

conceptualizate de savant ca spaţiu de stocare, energie liberă sau timp de prelucrare.
Exemplu: actiunea unei persoane de prinde un autobuz in contextul unei limitari de resurse a
organismului:
întai persoana în
cauză decide să
prindă autobuzul - acţiunea
de a alerga după autobuz
este formulată în sistemul
cortex;
pentru a evalua dacă
acţiunea este
realizabilă, sunt
interpretate informaţii de la
sistemul nervos somatic despre

mediul inconjurător - distanta,
viteza autobuzului etc;
dacă acţiunea de a prinde
autobuzul pare fezabilă după
evaluare, corpul se pune în
miscare pentru a prinde
autobuzul, informatia fiind
transmisă intre sistemele
corpului uman;
activitatea unor subsisteme cum ar fi plămânii, inima este sporită;
sistemul măduvii spinării monitorizează efectele, sistemul nervos simpatic
supervizează interacţiunea adecvată a organelor în timpul alergarii, sistemul nervos
parasimpatic urmăreste semnele de incordare. Dacă actiunea de a prinde autobuzul
este în pericol din cauza limitărilor fizice ale corpului, va informa cortexul de riscul
existent;
prin evaluarea informaţiei puse la dispozitie de către sistemele corpului uman implicate
în monitorizare, sistemul cortex va decide daca sa continue planul de prindere a
autobuzului sau să-l schimbe.
Beer a utilizat următoarele definiţii pentru cibernetică:
(1): Cibernetica este stiința organizării eficiente. (Beer)
(2): Cibernetica este o știință interdisciplinară, preia la fel de mult din

biologie ca și de la fizica, la fel de mult din studiul creierului ca de la studiul
calculatoarelor, și se preocupă de limbajul oficial al științei pentru furnizarea
de instrumente cu care poate fi descris comportamentul în toate aceste
sisteme în mod obiectiv. (Beer)
Exemplificarea caracteristicilor CAS: PIAŢA DE CARTE
Pe piaţa de carte din România, un exemplu de co-evoluţie este pus în evidenţă de relaţia
cinematografie-literatură. Cărţile au început să piardă teren în faţa filmelor şi a imaginii,
observându-se o tendinţă în rândul oamenilor de a se îndrepta spre activităţi care nu presupun o
angajare atât de intensă a gândirii. Prin urmare, piaţa de carte a trebuit să evolueze şi ea şi să se
găsească scriitori care să scrie cărţi mai simple, dar plăcute, care să ajungă la un public cât mai larg.
Pe piaţa de carte din România, caracteristicile de conectivitate şi interdependenţă se pot

observa prin prisma faptului că majoritatea scriitorilor se cunosc între ei, scriu cărţi, dar în aceeaşi
măsură sunt şi cititori, iar unii îşi citesc reciproc cărţile. Pe de altă parte, relaţiile dintre aceşti agenţi
ai sistemului (scriitorii) pot fi de prietenie, deci cu o intensitate a legăturii mai mare, sau pot fi de
invidie (admirativă sau de altă natură), caz în care intensitatea legăturii dintre ei scade.
Un exemplu care pune în evidenţă proprietatăţile de auto-organizare şi emergenţă pe

piaţa de carte este închiderea spontană a librăriilor, ca urmare a declanşării pandemiei de Covid-
19. Astfel, sistemul a trebuit să treacă la o nouă ordine, influenţat de acest fenomen apărut în
mediul extern pieţei, şi să funcţioneze într- o nouă structură axată pe mediul online de distribuţie
a cărţilor.
Pandemia Covid-19 oferă un bun exemplu şi pentru caracteristica de feedback. Librăriile şi-
au dorit să existe o creştere a vânzărilor în mediul online pentru a putea compensa pierderile
produse în vânzarea fizică a cărţilor în librării. Starea curentă a pieţei de carte era reprezentată la
începutul anului 2020 de vânzări scăzute de carte în mediul online. Acest decalaj s-a modificat prin
închiderea librăriilor în perioada stării de urgenţă martie-aprilie 2020, care a condus la o creştere
a vânzărilor în mediul online cu 30% faţă de aceeaşi perioadă din anul 2019, multe persoane
orientându-se şi spre cumpărarea cărţilor şcolare.
Caracteristicile de istoricitate şi dependenţă de traiectorie se pot observa pe piața de carte

prin raportare la evoluția cărții. În trecut, cea mai veche metodă prin care oamenii transmiteau
povești era comunicarea orală. După aceea au apărut scrierile pe tăblițe, pergamente, urmând apoi
să apară și cărți tipărite. Acest fenomen a culminat în prezent cu apariția eBook-urilor.
Explorarea spaţiului posibilităţilor este vizibilă în cadrul pieţei de carte prin raportare la
opera unor scriitori care şi-au modificat de-a lungul timpului stilul de a scrie şi genul cărţilor scrise.
De exemplu, Gabriel Liiceanu este un scriitor care şi-a început cariera cu o carte despre tragic, a
continuat cu scrierea unor jurnale, a unor cărţi civice, precum şi a unei cărţi cu povestiri comice.
Acest lucru s-a răsfrânt asupra succesului pe pieţa de carte în măsura în care varietatea de genuri
şi de stiluri îşi găseşte un public mai larg decât şi-ar găsi doar un anumit gen de carte.
Bibliografie
1. Descartes, R. (1957), „Discurs asupra metodei de a ne conduce bine raţiunea şi a căuta adevărul în ştiinţe”,
Editura ştiinţifică, Bucureşti
2. Francois, C. (1997), „International Encyclopedia of Systems and Cybernetics”, first edition, München: K. G.
Saur
3. Garavaglia, A. (2019), „Preferential Attachment Models for Dynamic Networks”, Technische Universiteit
Eindhoven
4. Jarrar, A., Balouki Y (2018), „Formal modeling of a complex adaptive air traffic control system in Complex
Adaptive Systems Modeling”, Issue 6
5. Mitleton-Kelly, E. (2003), „Complex Systems and Evolutionary Perspectives of Organisations: The Application
of Complexity Theory to Organisations”, Emerald Publishing Limited
6. Phillips, A.M., Ritala P. (2019), „A Complex Adaptive Systems Agenda for Ecosystem Research
Methodology”, Technological Forecasting & Social Change, vol. 148
7. Scarlat, E., Chiriţă N. (2012), “Bazele Ciberneticii Economice”, Ed. Economică, Bucureşti
8. Sestric, L. (2016), "How Your Favorite Brands Reinvented Themselves and Made Big Money”, Go Banking
Rates
9. Shelton, A., Mangel M. (2012): „Estimating von Bertalanffy parameters with individual and environmental
variations in growth”, Journal of Biological Dynamics
10. Steinhaeusser, T., Elezi F., Tommelein I., Lindemann U. (2014), “Management Cybernetics as a Theoretical
Basis for Lean Construction Thinking ”, Lean Contruction Journal
11. Umpleby, S. (2006), “Cybernetics”, Research Program in Social and Organizational Learning, The George
Washington University, Washington
12. Zimmerman, B., Lindberg, C., Plsek, P. (2008), „Edgeware: Lessons from Complexity Science for Health Care
Leaders”, V H A, Incorporated
Resurse Web:
13. https://www.news.ro/economic/librarie-online-vanzarile-au-crescut-30-prima-luna-
declansarea-starii-urgenta-cele-comandate-carti-iarta-ma-iubit-pacienta-tacuta-dragostea-
vremea-holerei-760-exemplare-vandute-1922405524262020041619343286. Accesat la
5.08.2021
Cap 4. Conectivitatea & interdependenţa. Reţele complexe. Suport de curs 2021 - 2022, Conf. Băncescu Mioara
CAPITOLUL 4. CONECTIVITATEA & INTERDEPENDENŢA ȊN

SISTEMELE ADAPTIVE COMPLEXE. REŢELE COMPLEXE
Noţiuni anterioare
Un sistem adaptiv complex
este un sistem compus din agenţi
individuali, care au libertatea de a
acţiona în moduri care nu sunt
total predictibile şi ale căror
acţiuni sunt interconectate, astfel încât acţiunile unui agent schimbă contextul pentru alţi
agenţi.
Un sistem adaptiv complex (CAS) este definit de 10 caracteristici generice: auto –

organizarea; emergenţa; feedbackul; co-evoluţia; conectivitatea; interdependenţa; structuri
disipative; funcţionarea departe-de-echilibru; istoricitatea şi dependenţa de traiectorie;
explorarea spaţiului posibilităţilor.
4.1 Conectivitatea & interdependenţa ȋn CAS

Conectivitatea şi interdependenţa, am văzut în capitolul 3, implică faptul că o decizie sau
acţiune din partea unui element al sistemului pot afecta alte elemente ale sistemului.
Conectivitatea şi interdependenţa reprezintă surse ale comportamentului complex în CAS,

acestea referindu-se:
• atât la conectivitatea şi interdependenţa dintre elementele din cadrul sistemului,
• cât şi dintre sistem şi mediul său înconjurător.
Ceea ce face un sistem să fie sistem şi nu o simplă colecţie de elemente sunt conexiunile
şi interacţiunile dintre componentele sale, ca şi efectul pe care aceste legături îl au asupra
comportamentului său.
1
Exemplu - sistemul economic.
Relaţiile de interdependenţă dintre

capital şi forţa de muncă conduc la un
sistem economic, iar fiecare
componentă luată separat, capital sau
forţa de muncă, nu ar fi suficientă
pentru atingerea unui scop economic
comun.
Exemplu – ecosistemele
biologice.
Fiecare specie interacţionează cu

o anumită submulţime din numărul
total de specii existente în mediul său
înconjurător, deci ecosistemul
biologic are o structură de tip reţea
de legături, cu diferite grade de
conectivitate între diferitele
componente.
Exemplu - sistemul social.
Relaţiile de conectivitate şi
interdependenţă dintre indivizi, grupuri de
indivizi, instituţii cu care interacţionează in
cadrul unui sistem social facilitează
atingerea unor obiective comune.
2
Exemplu – membrii unei echipe.
Atunci când un nou membru se alătură

unei echipe, contribuţia 1 acelui individ va
depinde de interacţiunile cu ceilalţi membrii
ai echipei şi de spaţiul pe care ei îl creează
pentru o astfel de contribuţie. Spaţiul creat
este definit de coordonate cum ar fi
entuziasmul, expertiza, atitudinea aduse de noul membru.
Agenţii interacţionează unul cu altul, formând o reţea complexă de conexiuni şi

interdependenţe (interdependenţe materiale, energetice, informaţionale, juridice, umane,
etc). Nici un agent nu poate exista în afara acestei reţele de interacţiuni.
Într-un CAS, interdependenţa şi conectivitatea apar în mod natural, indiferent de nivelul

la care sistemul există (micro sau macro), de dimensiunile sale (sistem de dimensiuni mici sau
mari) sau de orizontul de timp la care acesta se raportează (termen scurt, mediu sau lung).
1
Gradul de conectivitate presupune luarea în considerare a forţei de cuplare şi de dependenţă, cunoscute sub
numele de interacţiuni epistatice, iar acestea sunt funcţii de măsura în care contribuţia la fitness adusă de un individ
depinde de alţi indivizi.
3
Efectele conectivităţii şi interdependenţei dintre componentele unui sistem nu au impact

uniform.
De exemplu o decizie de creştere a salariilor

medicilor cu 15% va afecta neuniform fiecare
angajat care ar urma să beneficieze de creştere,
în funcţie de venitiurile celorlalţi membri ai
gospodăriei şi de alţi factori.
Gradul de conectivitate constituie un

element esenţial în formarea proceselor
feedback, procese care vor fi abordate pe larg în
capitolul 5.
Exemplu: viitorul grup de utilizatori ai unei aplicaţii software transmite informaţii legate
de calitatea unei livrări făcute de către echipa de dezvoltare. Astfel, o parte a outpului se
reîntoarce în sistem sub formă de input, iar gradul de conectivitate între echipa de proiect şi
viitorii utilizatori ai aplicaţiei constituie un element esenţial în formarea procesului de
feedback exemplificat.
4.2 Geneza reţelelor complexe

Geneza reţelelor complexe se regăseşte în studiile lui Euler din 1735 când acesta a
rezolvat prima problemă de drumuri într-o reţea, cunoscută sub numele de problema podurilor
de la Könisberg şi întemeind, astfel, teoria grafelor.
4
Conform manuscriptului lui Euler, în oraşul Könisberg există o insulă A, cu cele două
braţe ale râului curgând în jurul ei şi şapte poduri a, b, c, d, e, f, g traversând cele două braţe.
Soluţia găsită de Euler la intrebarea dacă o persoană poate să planifice un drum în aşa fel încât
să traverseze fiecare dintre aceste poduri odată şi numai odată avea să devină prima teoremă
importantă din studiul reţelelor complexe.
Euler a ob reprezentat problema sub forma unui graf: o mulţime de noduri şi legături
conectând fiecare pereche de noduri.
A împărţit nodurile în pare şi impare pe baza numărului de legături direct conectate la

nod. În exemplul podurilor, toate cele 4 noduri sunt impare.
Euler a demonstrat că:
• suma gradelor nodurilor unui graf este pară;
• fiecare graf trebuie să aibă un număr par de noduri impare.
Aceste constatări l-au condus pe Euler la următorul rezultat:
5
a) Dacă numărul de noduri b) Dacă numărul de c) Dacă nu există noduri

impare este mai mare decât 2 noduri impare este 2, impare, drumurile Euler
nu există un drum Euler (deci există drumuri Euler pot începe din oricare
un drum în așa fel încât el să plecând din fiecare dintre nod arbitrar.
traverseze fiecare muchie nodurile impare.
odată și numai odată).
În exemplul podurilor, cum numărul de noduri impare este 4 (mai mare decât 2), nu
există un drum Euler, un drum care să traverseze fiecare pod o singură dată.
Studiul reţelelor complexe s-a dezvoltat la inceput prin cercetările realizate de Jacob
Moreno, Elton Mayo sau Anatol Rapaport. Moreno şi Mayo au fost promotorii unor metode
cantitative de studiu al grupurilor mici. Moreno a studiat relaţiile de prietenie dintr-un
colegiu, iar Mayo reţelele sociale create între muncitorii din fabricile din Chicago. Rapaport a
fost printre primii matematicieni preocupaţi de proprietăţile cantitative ale reţelelor.
4.3 Definiția rețelei. Exemple

Definiţie: o reţea simplă are o definiţie similară cu cea a unui graf, reprezintă o
mulţime de noduri sau vârfuri care sunt conectate între ele prin muchii.
În figura 4.1 este un exemplu de reţea simplă, ce are în componenţă 4 noduri şi 4 muchii.
Semnificaţia practică a nodurilor și muchiilor este exemplificată în continuare.
6
1 2
3 4
Figura 4.1.Reţea simplă
Exemplu: Reţelele de afaceri
Vârfurile pot să reprezinte agenţi economici cum ar fi producători, consumatori, instituţii

financiare sau agenţii economice ale statului, iar muchiile pot reprezenta relaţii de cooperare,
relaţii de competiţie, obligaţii de plată, etc
7
Exemplu: Reţele de aeroporturi
Vârfurile pot pot să reprezinte aeroporturile lumii, iar muchiile pot fi determinate de
existenţa unor curse care leagă un aeroport de alt aeroport.
Exemplu: Reţele de autostrăzi
Vârfurile pot fi oraşele unei ţări, iar muchiile pot fi determinate de existenţa unor
autostrăzi care să conecteze două oraşe.
8
Exemplu: Reţeaua World wide Web (www)
Vârfurile sunt reprezentate de paginile www, iar muchiile există dacă două pagini sunt
conectate.
Exemplu: Reţele pentru comunicarea prin mesagerie instant
Vârfurile sunt reprezentate de persoanele care şi-au instalat o aplicaţie de mesagerie

instant, iar conexiunile se formează când 2 sau mai multe persoane comunică între ele prin
intermediul aplicaţiei respective.
9
Exemplu: Reţele pentru comunicarea verbală prin telefon
Vârfurile pot fi persoanele care deţin un telefon mobil, iar conexiunile se formează când
indivizii comunică între ele verbal, prin telefon.
Exemplu: Reţele de citări
Vârfurile sunt reprezentate de autorii unor publicaţii, iar muchiile există dacă un autor
sau grup de autori citează un alt studiu în lucrarea lor. Reţelele de citări sunt o sursă
importantă de date pentru studiile statistice ale reţelelor datorită abundenţei şi acurateţei
datelor oferite.
10
Exemplu: Reţele sociale complexe
Vârfurile pot fi indivizi, companii, corporaţii, pieţe, grupuri sociale mici cum ar fi un grup
de actori, comunităţi umane ş.a., iar muchiile pot fi reprezentate de relaţii de prietenie sau de
rudenie, etc
Exemplu: Reţeaua legăturilor de prietenie
Vârfurile sunt reprezentate de elevii dintr-un colegiu şi sunt colorate după rasă, iar
muchiile reprezintă relaţiile de prietenie.
11
Exemplu: Reţelele metabolice
Vârfurile sunt reprezentate de diferite substanţe (de exemplu enzime), iar muchiile
unesc acele vârfuri între care există o reacţie metabolică ce duce la apariţia unui produs.
Exemplu: Reţele genetice
12
Vârfurile pot fi reprezentate de proteine, iar muchiile reprezintă dependenţa de

producţia de proteine din celelalte vârfuri2.
Exemplu: Reţele biologice de tip ecosistem
Vârfurile sunt speciile din cadrul ecosistemului iar muchiile pot reprezenta relatii de
competitie intre doua specii.
2
Reţelele genetice reprezintă un domeniu de studiu şi cercetare intensă deoarece încă nu sunt clarificate toate
dependenţele dintre proteinele ce alcătuiesc codul genetic
13
Exemplu: Reţele „bluetooth”
Retelele „bluetooth” facilitează comunicațiile de date și cele vocale prin sincronizarea

între diverse dispozitive, fără fir (wireless), prin unde radio.
În cazul dispozitivelor conectate prin „bluetooth”, fie ele telefoane, calculatoare sau
alte dispozitive, caracteristicile de conectivitate şi interdependenţa sunt esențiale întrucât
orice acțiune din partea unui dispozitiv (o cerere de conectare/împerechere, o transmitere de
date/fișiere) determină un răspuns din partea celuilalt (acceptarea cererii, descărcarea
fișierelor, redarea datelor audio/video).
Nodurile reţelei sunt reprezentate de toate dispozitivele care au opțiunea „bluetooth”

implementată în software-ul lor. In prezent, numărul de noduri din această rețea este de
ordinul miliardelor, fiind produse de la an la an tot mai multe dispozitive cu conexiune
„bluetooth”.
Muchiile rețelei sunt reprezentate de o conexiune prin „bluetooth” existentă la un

anumit moment între oricare două dispozitive. Aparatele care dispun de bluetooth comunică
între ele atunci când se află în aceeași rază de acțiune. Ele folosesc un sistem de comunicații
radio, iar dacă transmisia este suficient de puternică, dispozitivele conectate pot fi chiar și în
camere diferite. Exemplu: laptopul A transferă către laptopul B un fișier audio printr-o
conexiune de tip „bluetooth”, creându-se astfel o muchie a rețelei; de la laptopul B fișierul este
transferat pe un telefon mobil, creându-se o muchie aditionala a rețelei; dorind să asculte
fișierul la o calitate mai bună, telefonul va fi conectat la un sistem audio performant pentru
redare, astfel apare a treia muchie în situația exemplificată.
Exemplu: Reţeaua premium de socializare LinkedIn
LinkedIn este o rețea de socializare orientată spre mediul profesional cu ajutorul căreia
un utilizator își poate găsi un loc de muncă sau un angajator poate găsi viitorul angajat de care
are nevoie.
Utilizatorii care își deschid un cont in platforma LinkedIn își pot face public CV-ul, pot
căuta locuri de muncă sau pot să împărtășească opinii și materiale.
14
Nodurile reţelei sunt reprezentate de peste 560 de milioane de oameni din întreaga
lume care s-au inregistrat in platforma, dar si de un numar foarte mare de angajatori care
posteaza anunturi despre locuri de munca disponibile.
Muchiile dintre noduri in aceasta retea sunt reprezentate de:
 conexiunile dintre membrii retelei;

 conexiunile celor ce doresc sa isi gaseasca un job cu angajatorii;
 conexiunile unui utilizator care vizualizeaza profilul profesional al altei persoane;
 conexiunile care se formeaza prin intermediul schimbului de mesaje prin chat
pornind de la interese profesionale comune.
Exemplele de reţele pot continua: reţelele neuronale, reţelele de distribuţie, circuite

electronice, etc.
4.4 Rețele colaborative şi preferenţiale

Reţelele simple sunt, după cum am văzut, cele definite de o mulţime de vârfuri unite
de muchii.
Reţelele complexe sunt reţelele cu mai multe tipuri de vârfuri sau cu mai multe tipuri
de muchii. Vârfurile pot avea anumite proprietăţi, muchiile pot fi orientate sau pot avea
ponderi înscrise pe ele.
Reţelele colaborative sau reţelele preferenţiale sunt exemple de retele complexe,

detaliate în continuare.
Reţelele colaborative sunt reţele în care participanţii colaborează în grupuri diferite,

iar legăturile dintre participanţi sunt determinate de apartenenţa la un grup comun.
Exemplu: rețeaua colaborativă WhatsApp Messenger

Un exemplu este rețeaua colaborativă a utilizatorilor aplicației de mesagerie WhatsApp
Messenger disponibilă pentru telefoane inteligente. WhatsApp folosește conexiunea la Internet a
telefonului pentru a permite utilizatorului să trimită mesaje, fișiere media și să-și apeleze prietenii
sau familia. Pe lângă conexiunea simpla intre doi utilizatori, utilizatorii pot crea grupuri pe această
platforma și pot interacționa astfel simultan.
În acest exemplu de rețea colaborativă, nodurile sunt reprezentate de utlizatorii de

telefoane inteligente ce au cont pe platforma WhatsApp. Grupurile în care utilizatorii colaborează
sunt create prin intermediul funcționalității oferite de WhatsApp. Muchiile sunt reprezentate de
15
transferul de date (mesaje, fișiere media) dintre utilizatori, iar legăturile dintre noduri sunt
determinate de apartenenţa la un grup (grupuri de familie, grupuri de prieteni, grupuri de fosti
colegi de liceu, grupuri de parinti, etc).
Exemplu: rețeaua colaborativă Github

GitHub este un
exemplu de retea sociala
dedicata dezvoltatorilor
software ce le permite
acestora sa se conecteze si sa
colaboreze.
Nodurile retelei sunt

reprezentate participanti care
isi creaza un cont de utilizator
in platforma. Muchiile retelei
se formeaza cand:
 doi sau sau mai multi
utilizatori colaboreaza intre ei;
 unul dintre utilizatori urmareste activitatea din retea efectuata de alt participant al
retelei;
 un utilizator apreciaza un proiect de colaborare existent in retea, etc.
Grupurile de colaborare vor reprezenta proiecte commune de lucru care se pot adauga in
platforma si care utilizează sistemul “Git”de control al versiunilor.
De exemplu un grup de programatori pot contribui la acelasi proiect, legaturile dintre ei

fiind determinate de apartenenţa la un proiect comun de lucru. Legaturile de colaborare se
initiaza prin intermediul unor invitatii de colaborare trimise prin email.
Alt exemplu de
reţea colaborativă este cel al
actorilor de film. Actorii care apar
în filme sunt conectati intre ei, iar
aparitia in cadrul aceluiasi film
determina apartenenţa la un
grup comun.
16
Reţelele preferenţiale au două tipuri de vârfuri reprezentând indivizi şi obiecte

preferate, iar muchiile acestor
reţele conectează fiecare individ
cu obiectele preferate şi sunt
ponderate în funcţie de
intensitatea preferinţelor.
Reţelele preferentiale au
multiple aplicaţii în comerţul
electronic.
Exemplu: rețeaua producătorilor de telefoane inteligente si a

componentelor hardware ale unui telefon inteligent
Indivizii în această rețea sunt producătorii de telefoane inteligente. Obiectele
preferate în această rețea sunt componentele hardware din care se constituie telefonul.
Muchiile sunt reprezentate de achizitiile anaumitor componente hardware de catre

producatori, de la anumiti furnizori de componente. Ponderea intensității preferințelor este
influențată de raportul preț-calitate perceput de producător. Acesta va alege acele
componente hardware în funcție de modelul de telefon inteligent dorit, de calitatea și de
performanța pe care vrea să o livreze clienților.
Exemplu: modelul legăturilor preferențiale

Folosind modelul „Preferential Attachement” din librăria NetLogo putem exemplifica
rețelele preferențiale.
Modelul surprinde comportamentul de atașare preferențială, în care noii membri ai

rețelei preferă să realizeze o conexiune cu noduri ale retelei populare (bine conectate) decat
cu noduri ce au putine conexiuni.
Procesul de atasament preferential poate fi regăsit într-o gamă variata de situații din
lumea reală, in care o formă de avere este distribuită între un număr de persoane sau obiecte
în funcție de cât au deja, astfel încât cei care sunt deja înstăriți primesc mai mult decât cei care
nu sunt.
17
În acest model, agenții sunt reprezentați de nodurile (punctele colorate cu rosu) care
fac parte din rețea.
La inceputul simularii, in model exista două noduri conectate printr-o linie ce reprezintă
prima muchie din rețea. La fiecare pas de executie a modelului, se adaugă un nou nod. Noul
nod alege un nod existent pentru a se conecta, iar șansa unui nod de a fi selectat pentru
conexiune este direct proporțională cu numărul de conexiuni pe care le are deja (cu gradul
nodului), aplicandu-se mecanismul de atasament preferential.
Utilizatorul poate interactiona cu urmatoarele setari ale modelului pentru a

vizualiza in diferite scenarii reteaua preferentiala care se extinde pe masura ce modelul se
executa:
 procedura care deplasează nodurile astfel încât rețeaua să fie vizibilă mai
ușor utilizatorului (Layout?);
 procedura care poate mari viteza de extindere a retelei (Plot?);
 butonul care face ca nodurile să poata fi vizualizate la o dimensiune
proporțională cu numarul lor de conexiuni (Resize-nodes); la o nouă apăsare
a butonului, nodurile vor reveni la dimensiuni egale.
Dupa o perioada de executie a modelului, se observa cum nodurile cu un numar mare

de conexiuni, ajung sa aiba un numar si mai mare de conexiuni, nodurile noi preferand sa se
conecteze cu noduri bine conectate.
18
4.5 Proprietățile rețelelor

Studiul reţelelor complexe necesită o varietate de tehnici şi metode. Utilizând concepte
şi metode bazate pe analiza statistică a proprietăţilor vârfurilor şi arcelor unei reţele complexe,
au putut fi abordate reţele care conţin milioane sau chiar miliarde de vârfuri şi arce.
Reţelele sunt studiate astăzi extensiv în multe domenii ştiinţifice deoarece cu ajutorul
lor se poate reprezenta destul de uşor structura internă a unui sistem complex cât şi
interacţiunile dintre elementele componente ale acestuia.
19
O direcţie de cercercetare în domeniul reţelelor complexe încearcă să determine

proprietăţile statistice ale reţelelor complexe, proprietăţi cu ajutorul cărora putem caracteriza
structura şi comportamentul sistemelor care includ astfel de reţele.
O altă direcţie de cercercetare în domeniul reţelelor complexe încearcă creeze modele

ale reţelelor cu ajutorul cărora să înţelegem mai bine proprietăţile reţelelor şi efectele lor
asupra sistemelor complexe.
Iar o altă direcţie de cercercetare în domeniul reţelelor complexe încearcă să găsească

regulile şi legităţile care guvernează evoluţia reţelelor.
Reţelele ocupă aşadar un loc important în teoria complexităţii, stând la baza modelării
oricărui sistem a cărui structură poate fi descompusă în noduri şi relaţii care există între
elementele sistemului.
Luke (2015) sintetizează următoarele obiective pentru cercetarea efectuată în

domeniul reţelelor complexe:
20
 reprezentarea grafică şi vizualizarea reţelelor;

 descrierea caracteristicilor nodurilor, a structurii reţelei şi a legăturilor
existente în cadrul ei;
 construirea modelelor matematice şi statistice ale structurilor şi dinamicii
reţelei.
La nivelul unui nod al reţelei se pot calcula indicatori cum ar fi:
• gradul unui nod;
• coeficientul de clusterizare în jurul unui nod;
• centralitatea unui nod, etc.
La nivel de macroscară, atunci când avem de-a face cu reţele foarte mari, rolul jucat de
vârfurile individuale nu mai prezintă interes, astfel că se preferă o caracterizare statistică a
reţelei în ansamblu. La nivel de macroscară se pot calcula indicatori cum ar fi:
• conectivitatea în reţea;
• diametrul reţelei;
• distribuţia gradelor;
• gradul mediu al vârfurilor;
• distanţa medie dintre vârfuri;
• coeficientul mediu de clusterizare, etc.
Din Cercetările Operaţionale, reamintim că:
un graf este un cuplu G=(V,E) în care:
• V este o mulțime nevidă ale cărei elemente se numesc noduri sau vârfuri;
• E este o mulțime ale cărei elemente se numesc muchii;
fiecărei muchii 𝑒 𝜖 𝐸 îi sunt asociate două noduri 𝑥 𝜖 𝑉, 𝑦 𝜖 𝑉 numite extremitățile muchiei;
în cazul grafurilor orientate : ( x, y) ≠ (y , x), iar muchia u = (x ,y) se numește arc.
Din punct de vedere matematic, o reţea cu 𝑛 noduri poate fi reprezentată cu ajutorul

unei matrice de adiacenţă 𝐴 × . În cazul unei reţele cu muchii neorientate şi neponderate,
21
elementele matricei 𝑎 indică prezenţa sau absenţa muchiilor reţelei între oricare două
noduri, luand valorile 1 şi 0 astfel:
1, 𝑑𝑎𝑐ă 𝑛𝑜𝑑𝑢𝑟𝑖𝑙𝑒 𝑖 ș𝑖 𝑗 𝑠𝑢𝑛𝑡 𝑐𝑜𝑛𝑒𝑐𝑡𝑎𝑡𝑒 î𝑛𝑡𝑟𝑒 𝑒𝑙𝑒

𝐴 × = 𝑎 = , ∀ 𝑖, 𝑗 ∈ 𝑉
0, î𝑛 𝑐𝑎𝑧 𝑐𝑜𝑛𝑡𝑟𝑎𝑟
În acest caz, matricea de adiacenţă este simetrică, se verifică 𝑎 = 𝑎 , ∀ 𝑖, 𝑗 două noduri

din mulţimea nodurilor 𝑉.
În cazul unei reţele cu muchii orientate şi neponderate, elementele matricei 𝑎 verifică

𝑎 ≠ 𝑎 , iar 𝑎 = 1 înseamnă că nodul 𝑖 este direcţionat către nodul 𝑗.
De asemenea, dacă reţeaua are muchii ponderate, iar 𝑤 reprezintă ponderea asociată
muchiei (𝑖, 𝑗), atunci elementele matricei de adiacenţă devin:
𝑤 , 𝑑𝑎𝑐ă 𝑛𝑜𝑑𝑢𝑟𝑖𝑙𝑒 𝑖 ș𝑖 𝑗 𝑠𝑢𝑛𝑡 𝑐𝑜𝑛𝑒𝑐𝑡𝑎𝑡𝑒 î𝑛𝑡𝑟𝑒 𝑒𝑙𝑒

𝐴 × = 𝑎 = , ∀ 𝑖, 𝑗 ∈ 𝑉
0, î𝑛 𝑐𝑎𝑧 𝑐𝑜𝑛𝑡𝑟𝑎𝑟
GRADUL UNUI NOD
Gradul unui nod 𝑖, notat cu 𝑑(𝑖), reprezintă numărul muchiilor care sunt incidente cu
nodul 𝑖 (numărul de legături care ajung la nodul respectiv). Se poate calcula conform formulei:
𝑑(𝑖) = 𝑎
unde 𝑎 reprezintă elementele matricei de adiacenţă definite anterior.
In figura 4.2 , nodul

99, de exemplu, are
gradul 2.
Figura 4.2
22
COEFICIENTUL DE CLUSTERIZARE ÎN JURUL UNUI NOD

Pentru un vârf dat, vi dintr-o reţea, cu ki vecini, coeficientul de clusterizare în jurul
vârfului vi este definit ca raportul dintre
numărul de legături existente cu
( )
cei ki vecini şi numărul de
legături potenţiale.
2𝐸
𝐶 =
𝑘 (𝑘 − 1)
unde Ei reprezintă numărul de

legături existente între cei ki
vecini.
COEFICIENTUL DE CLUSTERIZARE AL REŢELEI
Coeficientul de clusterizare al reţelei este media coeficienţilor de clusterizare ai fiecărui

nod al reţelei
∑ 𝐶 2 𝐸
𝐶𝐶 = =
𝑁 𝑁 𝑘 (𝑘 − 1)
unde N reprezintă numărul total de noduri al retelei.
CENTRALITATEA UNUI NOD
Cuantificarea centralității este importantă pentru a determina rolul jucat de vârfuri în

contextul general al reţelei. Cu ajutorul indicatorilor de centralitate stabilim cât de important
este un nod din reţea (cât de central este un nod în reţea).
Centralitatea poate fi măsurată din mai multe perspective:
 Centralitatea măsurată prin gradul nodului (Degree Centrality) – reprezintă

raportul dintre gradul nodului și numărul maxim posibil de conexiuni. Cu cât gradul
nodului este mai mare, cu atât nodul este considerat mai important în reţea:
23
𝑑(𝑖)
𝐷 (𝑖) =
𝑁−1
unde d(𝑖) reprezintă numărul muchiilor incidente cu nodul 𝑖 (gradul nodului), N reprezintă
numărul de noduri al reţelei, iar 𝑁 − 1 numărul maxim de conexiuni posibile cu nodul 𝑖.
Indicatorul de centralitate măsurată prin gradul nodului ia valori în intervalul [0,1], o

valoare apropiată de 1 indicând o centralitate ridicată.
 Centralitatea măsurată prin apropierea nodului de alte noduri (Closeness

Centrality) – arată cât de apropiat este un nod faţă de toate celelalte noduri din
reţea şi se calculează ca fiind lungimea medie a celui mai scurt drum de la nodul
respectiv la fiecare din celelalte noduri, adică raportul dintre suma drumurilor de
lungime minimă de la nod la celelalte noduri ale reţelei şi numărul maxim posibil
de conexiuni cu nodul respectiv:
1
𝐶 (𝑖) = 𝑙
𝑁−1
,
unde: 𝑁 = numărul de noduri din reţea;
𝑙 = drumul de lungime minimă de la nodul 𝑖 la nodul 𝑗, adică numărul de muchii

care trebuie să fie străbătute pe drumul cel mai scurt dintre vârfurile i si j.
Indicatorul de centralitate măsurată prin apropierea nodului de alte noduri ia valori

peste valoarea 1, iar centralitate este cu atât mai ridicată cu cât valoarea este mai apropiată
de 1.
CONECTIVITATEA ÎN REŢEA - gradul în care vârfurile unei rețele sunt conectate direct:
24
𝑘
𝐶=
𝑁(𝑁 − 1)
unde N reprezintă numărul de vârfuri, iar k reprezintă numărul de muchii.
O reţea cu o conectivitate ridicată are un număr mare de muchii în raport cu numărul

de vârfuri.
DRUMUL MEDIU DE LUNGIME MINIMĂ (l) - numărul mediu de laturi care trebuie să fie
străbătute pe drumul cel mai scurt dintre oricare două vârfuri ale retelei
2
𝑙= 𝑙 (𝑖, 𝑗)
𝑁(𝑁 − 1)
unde i≠j, iar lmin(i,j) este distanţa minimă dintre vârfurile vi şi vj.
Exemplu : numărul mediu de apăsări (clicks) care trebuiesc efectuate pentru a ajunge
dintr-o pagina web în oricare alta a reţelei web.
Drumul mediu de lunigime minimă are o creştere logaritmică. La o creştere a

numărului de noduri de la 200.000 la 1.000.000 noduri, drumul mediu de lungime minimă
ramâne între 15 şi 20 muchii care trebuiesc străbătute pentru a ajunge de la un vârf la oricare
altul al reţelei.
25
DIAMETRUL RETELEI - este cel mai lung drum minim din reţea, drumurile minime din reţea
fiind drumurile cele mai scurte dintre două vârfuri:
𝐷 = 𝑚𝑎𝑥𝑙 (𝑖, 𝑗)
Spre exemplu, diametrul rețelei web www a fost estimat ca fiind 19, toate informațiile
fiind la câteva clik-uri distanță.
EFECT DE LUME MICĂ 3- chiar dacă numarul de noduri al retelei (N) crește foarte mult, orice
nod va fi la o distanță de câteva muchii de restul nodurilor
In procesul de difuzare a informaţiei din cadrul unei reţele, efecul de lume mică implică
faptul că acest proces se desfăşoară cu o viteză mare în cadrul întregii reţele şi vor fi necesari
maximum şase paşi pentru ca informaţia să ajungă la orice vârf din cadrul reţelei. Aşadar
efectul de lume mică are implicaţii mari asupra dinamicii proceselor care se petrec într-o reţea.
Efectul de lume mică se aplică nu numai reţelelor informaţionale, dar şi altor tipuri de
reţele. Exemple:
3
În limba engleză: small-world effect
26
numărul de paşi necesari pentru a străbate lumea şi a ajunge la orice aeroport al lumii
utilizând reţeaua de aeroporturi este de maxim 6;
numărul de paşi necesari unei boli molipsitoare pentru a se răspândi în întreaga
populaţie a unei regiuni şi a molipsi oricare individ este de maxim 6.
Experimentul Stanley Migram (1967) a examinat lungimea drumurilor dintre vârfurile

unei reţele sociale. Participanţilor la acest experiment li s-a cerut să trimită o scrisoare unuia
dintre cunoscuţii săi direcţi, cu rugămintea ca aceasta să fie transmisă mai departe în
acelaşi mod, până când îşi atinge ţinta, reprezentată de un destinatar final.
În medie, o scrisoare a trebuit să treacă prin mâinile a cinci sau şase persoane până
când a ajuns la destinaţie. Acest experiment a reprezentat sursa popularului concept
„şase grade de separare” (orice persoană de pe planetă este la o distanță de cel mult 6 persoane de
restul lumii).
NUMĂRUL DE GRADE DE SEPARARE (S) - puterea lui z pentru care se poate atinge întreaga
populaţie N (numărul total de noduri al reţelei), unde z reprezintă numărul mediu de muchii
incidente unui nod al reţelei: 𝑧 = 𝑁 , de unde obtinem prin logaritmare 𝑆 =
Numărul de grade de separare are, de asemenea, o creştere logaritmică. Numărul de

grade de separare rămâne mic chiar şi în condiţiile în care N devine foarte mare.
27
COMPONENTA PUTERNIC CONECTATA - considerând un cluster de vârfuri din care se poate

atinge oricare vârf al acestui cluster, acesta se numeşte componentă puternic conectată a
reţelei.
COMPONENTA GIGANT - dacă cea mai mare componentă puternic conectată conţine o parte
semnificativă a mulţimii vârfurilor dintr-o reţea, aceasta se numeşte componentă gigant.
28
CRITICALITATEA - aceasta presupune existenţa unui prag critic începând de la care se formează
componentele gigant. Sub acest prag, reţeaua există sub forma unor subgrafe deconectate.
Peste acest prag, reţeaua se transformă într-un cluster foarte bine conectat.
DISTRIBUȚIA GRADELOR - probabilitatea P(k) ca un vârf al reţelei ales aleatoriu să aibă exact
k muchii adiacente.
Distribuţia gradelor pentru o reţea complexă se poate face cu ajutorul histogramelor:
 se reprezintă pe axa orizontală numărul de muchii,

 iar pe axa verticală frecvenţa vârfurilor care au acelaşi număr de muchii din reţea.
In exemplul prezentat,
probabilitatea ca un vârf ales
aleatoriu să aibă exact 7
muchii este 10%, să aibă exact
8 muchii este 9%, să aibă
exact 9 muchii este 13%, etc
Caracterul incert al interdependenţelor dintre elemente presupune că, la un moment

de timp dat, între două sau mai multe elemente, conexiunile se pot forma cu o anumită
probabilitate, probabilitate condiţionată de factori extrem de diferiţi.
Faptul că într-o reţea conexiunile se pot forma cu o anumită probabilitate introduce o

imensă varietate a tipurilor de conexiuni posibile între elemente.
29
Exemplu: proprietățile unei rețele cu patru noduri

Un grup de patru persoane detin dispozitive cu setare „bluetooth”, iar transferul de
fisiere intre cele patru persoane la un moment de timp conduc la reteaua din figura 4.3:
1
3 4
2
Figura 4.3. Exemplu de retea cu patru noduri
Se observa ca nodurile 1 şi 4 au gradul 2 (număr de muchii incidente = 2), iar nodurile

2 şi 3 au gradul 3.
Numărul mediu de muchii incidente unui nod este:

2∗2+2∗3
𝑧= = 2,5
4
Privind centralitatea măsurată prin gradul nodului, nodurile 1 şi 4 au centralitatea 0,66

(au fiecare cate 2 muchii incidente şi 3 muchii potenţial incidente), iar nodurile 2 şi 3 au
centralitatea 1 (au fiecare cate 3 muchii incidente şi 3 muchii potenţial incidente).
Centralitatea măsurată prin apropierea nodurilor 2 şi 3 de celelalte noduri indică o

centralitate maximă, de valoare 1 (fiecare drum de lungime minimă de la aceste noduri la
orice alte noduri este 1), iar centralitatea măsurată prin apropierea nodurilor 1 şi 4 de
celelalte noduri indică 1,33:
𝐶 (1) = 𝐶 (4) = = 1,33
30
În medie, trebuiesc străbătute 1,16 muchii pe drumul cel mai scurt dintre oricare două
noduri ale reţelei (drumul mediu de lungime minimă):
2 2
𝑙= 𝑙 (𝑖, 𝑗) = (1 + 1 + 2 + 1 + 1 + 1) = 1,16
𝑁(𝑁 − 1) 4(4 − 1)
Indicatorul de conectivitate în reţea are valoarea 0,41
𝑘 5
𝐶= = = 0,41
𝑁(𝑁 − 1) 4(4 − 1)
Diametrul D al reţelei este 2 (cel mai lung drum minim din reţea este de la nodul 1 la
nodul 4).
Coeficientul de clusterizare în jurul nodului 1 este 1, iar coeficientii de

clusterizare în jurul celorlalte noduri se calculeaza dupa un rationament similar:
2𝐸 2∗1
𝐶 = = =1
𝑘 (𝑘 − 1) 2(2 − 1)
4.6 Modele ale rețelelor complexe

Ne aflăm într-o perioadă în care are loc o transformare profundă a întregii vieţi
economice şi sociale, transformare în care reţeaua de conexiuni devine o formă esenţială de
organizare în toate domeniile, iar modelarea rețelelor complexe, un demers tot mai important.
4.6.1 Erdos şi Renyi, modelul grafelor aleatoare
Parametrii modelului:
• N= numărul de noduri
• K= numărul de muchii
• p= probabilitatea ca între două noduri să existe o muchie
In modelul grafelor aleatoare, nodurile reţelei sunt reprezentate de matematicieni, iar

între două noduri există o muchie dacă se consideră că aceștia colaborează la scrierea unui
articol.
31
Graful se construiește prin conectarea aleatoare a nodurilor. Fiecare muchie este

inclusă în graf cu probabilitatea p, independent de celelalte muchii.
In model, probabilitatea P(k) ca un vârf din reţea să aibă gradul egal exact cu k este
dată de distribuţia de probabilitate binomială:
𝑃(𝑘) = 𝐶 𝑝 (1 − 𝑝)
unde 𝐶 reprezintă combinări de N luate câte k.
Se poate vizualiza
reţeaua pentru cazul
N=100 noduri si
pentru 2 scenarii de
probabilitate :
probabilitate de 10% ca
între două
noduri să existe
o muchie
şi probabilitate mai mare, de 50%.
Numărul mediu de muchii incidente unui nod (sau gradul mediu al unui vârf oarecare)
se scrie:
𝑧 = (𝑁 − 1)𝑝
şi cum N este foarte mare, se poate aproxima cu z=Np.
Pe cazul exemplificat :
• pentru N=100, p=0.1, numărul mediu de muchii incidente unui nod este ~ 10
32
• pentru N=100, p=0.5, numărul mediu de muchii incidente unui nod este ~ 50
Distribuţia gradelor în modelul grafelor aleatoare şi interpretarea histogramelor :
• pentru cazul p=0.1 cele mai multe vârfuri au 9 -11 conexiuni, mai puţine vârfuri au 5 –
8 sau 12-15 conexiuni, iar sub 5 / peste 15 conexiuni au doar câteva vârfuri ;
• pentru cazul p=0.5 cele mai multe vârfuri au 50 de conexiuni şi tot mai puţine vârfuri
au între 40 – 50 conexiuni sau între 50 – 60 conexiuni.
4.6.2 Price, modelul citarilor
Price a construit o reţea plecând de la citările între lucrările ştiinţifice menţionate în

revistele ISI. In modelul citarilor, distribuţia gradelor reţelei este modelată prin funcţia putere:
𝑃(𝑘) = 𝑘
unde:
• k reprezintă numărul de muchii,

• α reprezintă un coeficient pozitiv,
• P(k) este probablitatea ca un vârf din reţea să aibă gradul egal cu k.
In modelul citărilor ISI, Price a găsit o valoare a coeficientului α între 2.5 şi 3 şi a

reprezentat distribuţia de tip putere a numărului de citări bibliografice din fiecare lucrare
apărută în reviste ISI într-un interval de zece ani.
33
4.6.3 Modelul Barabasi şi Albert
Autorii modelului introduc două elemente dinamice esenţiale in modelarea reţelelor: creşterea şi
conectarea preferenţială:
• reţeaua începe cu un mic număr de vârfuri şi este supusă permanent unui proces de creştere;
• creşterea are loc în aşa fel încât vârfurile nou introduse în reţea sunt legate preferenţial de
acele vârfuri care au cele mai multe conexiuni.
O implicaţie detectată de Barabasi şi Albert este apariţia unui număr mic de vârfuri puternic
conectate, în timp ce marea majoritate a vârfurilor au o conectivitate mică.
Bibliografie
Albert, R., Jeong, H., Barabasi, A.L. (1999), “Internet: Diameter of the world-wide web”, Nature, 401:430
Scarlat, E., Chiriţă N. (2012), “Bazele Ciberneticii Economice”, Ed. Economică, Bucureşti, pag.166 - 173
Scarlat, E., Chiriţă N. (2015) ”Bazele Ciberneticii Economice”, editia a 2-a, Ed. Economică, Bucureşti, pag.194 – 201
Sousa da Mata, A. (2020), „Complex Networks: a Mini-review”, Brazilian Journal of Physics, 50: 658–672
34
Cap 5. Mecanisme feedback ȋn sistemele adaptive complexe. Suport de curs 2021 - 2022, Conf. Băncescu Mioara
CAPITOLUL 5. MECANISME FEEDBACK ȊN SISTEMELE

ADAPTIVE COMPLEXE
Noţiuni anterioare
Unui sistem adaptiv complex
(CAS) ȋi sunt atribuite 10 caracteristici generice: auto – organizarea, emergenţa,
co-
evoluţia, conectivitatea, interdependenţa, structuri disipative, funcţionarea departe-
deechilibru, istoricitatea, dependenţa de traiectorie, explorarea spaţiului
posibilităţilor şi feedbackul.
Ȋn etapa Ȋntemeietorilor Ciberneticii, sistemele feedback au fost definite ca acele sisteme

în care inputul este modificat de către output într-o direcţie necesară pentru a reduce
diferenţa dintre situaţia curentă şi situaţia scop.
5.1 Contribuţia lui Ştefan Odobleja la apariţia conceptului de

feedback şi a ciberneticii
Printre precursorii ciberneticii se numără marele savant, medicul român Ştefan
Odobleja (1902-1978).
1
În 1909, Ștefan Odobleja începe școala primară în satul natal, Câmpia Blahniţei. A
urmat liceul Traian din Turnu-Severin, unde a învățat foarte bine limba franceză, fapt care
i-a permis mai târziu să publice operele sale fundamentale la Paris, în limba franceză.
Însetat de cunoaştere, adolescentul Odobleja împrumuta de la biblioteca liceului câte 30
de cărţi deodată, pe care le devora.
După studiile liceale, Odobleja urmează, ca bursier, cursurile Facultăţii de Medicină

din Bucureşti, devenind doctor în medicină şi chirurgie în anul 1928 cu o teză privind
accidentele de automobil — subiect de actualitate în acea vreme în care automobilul
începea să fie din ce în ce mai răspândit.
În decursul vieții, Ștefan Odobleja a practicat medicina și a scris importante lucrări

despre cibernetică. Prin activitatea sa în domeniul ciberneticii și-a atras ostilitatea
regimului comunist. O parte din operele sale au fost publicate după moartea sa.
Odobleja a publicat la Paris, în

1935, cartea “Fonoscopia” ce a fost la
acel timp distinsă cu un premiu ce se
acorda celor mai bune lucrări de
medicină militară.
În 1938, Odobleja a publicat în limba franceză, însumând 900 de pagini, lucrarea

„Psihologia Consonantistă” în care regăsim multe dintre ideile şi conceptele de bază ale
ciberneticii şi ştiinţei generale a sistemelor, care nu se deosebesc în mod fundamental de
ideile întemeietorilor ciberneticii.
În „Psihologia consonantistă” Odobleja introduce ideea cibernetică a

consonantismului, adică a ceea ce numim azi feedback. Odobleja vorbeşte pentru prima
dată despre feedback văzut ca răspunsul şi capacitatea de autoreglare a unui sistem viu
la acţiunea unui set de informaţii venite din afară. Lucrarea conţine în jur de 70 de
scheme de circularitate, similare feedback-ului, câteva se pot observa în figura 5.1.
2
Figura 5.1: Scheme de circularitate. „Psihologia consonantistă”.
În termenii lui Odobleja, feedbackul este legătura reversibilă în funcţionarea

sistemelor vii şi era considerat o lege universală. Dar lumea ştiinţifică nu era încă pregătită
să sesizeze importanţa practică a acestui postulat teoretic.
Psihicul este un sistem constituit din multiple elemente dinamice reversibile
asociate, afirma Odobleja. Conexiunea inversă era numită de el „cerc vicios” sau „legătura
reversibilă”.
Odobleja a făcut o descriere a funcţiilor psihologice folosind o schemă generală a
unui sistem cibernetic în care organele de simţ, care primesc informaţii din mediu,
reprezintă intrările sistemului, iar muşchii sunt consideraţi ieşirile sistemului.
Ștefan Odobleja face „pași peste granițele psihologiei” trecând de la om la sisteme

de tip comunități, organizații sociale. Odobleja a afirmat că sistemele au o tendință
specifică spre o stare de organizare internă şi una de intrare în armonie cu mediul
înconjurător.
“Psihologia consonantistă” conţine o analiză a proceselor mintale, dar şi a ştiinţei

în general. Autorul stabileşte un număr de legi generale, pe care le aplică mai multor
3
domenii, atît ştiinţelor naturii inerte, cît şi ştiinţelor lumii vii, psihologiei şi fenomenelor
economico-sociale:
• legea echilibrului (stabilității);
• legea reacției (conexiuni inverse);
• legea reversibilității;
• legea inerției.
Dintre aceste legi, Odobleja consideră că

legea reversibilităţii1 este fundamentală. El
defineşte viaţa prin reversibilitate: „viaţa este un
cerc vicios de acţiuni şi reacţiuni reciproce. O
reversibilitate complexă de fenomene fizicochimice
[...] Un cuplu reversibil de acţiuni şi reacţiuni. Un
fenomen complex unde fiecare fenomen parţial
este, succesiv, cînd cauză, cînd efect".
Pentru a exemplifica conceptul de acțiune și reacțiune, ne putem gândi la

varietatea de perechi de forțe de acțiune și reacțiune prezente în natură. De exemplu,
astfel de perechi de forțe fac posibile propulsia unui pește prin apă sau zborul păsărilor.
Un pește își folosește înotătoarele pentru a împinge apa înapoi, mișcarea cozii în apă va
servi pentru a accelera și împinge apa, forțele rezultate din interacțiuni reciproce împing
peștele înainte. Aripile unei păsări împing aer în jos, forțele rezultate din interacțiuni
reciproce împing pasărea în sus.
Constantin Bălăceanu-Stolnici, unul dintre pionierii români ai neurociberneticii,

care l-a intalnit pe Stefan Odobleja prin anii ’70, a explicat însemnatatea „Psihologiei
consonantiste”: „Odobleja, în lucrarea lui, a avut câteva idei fundamentale ale ciberneticii,
printre care cea mai importantă a fost aceea de feedback. Feedback-ul era de mult intuit
1
DEX online: REVERSÍBIL, -Ă 1. Care poate reveni, care poate fi adus sau întors înapoi. 2. (Fiz.; despre unele
transformări) Care se poate produce în mod natural atât într-un sens, cât și în sens invers, trecând prin
aceleași stări intermediare.
4
de către neurofiziologi, chiar si Danielopol la noi a intuit foarte bine inca din anii ’20 in
sistemul nervos vegetativ, circuitele acestea cibernetice. Meritul lui Odobleja este foarte
mare. Este acela de a fi introdus in psihologie principiul conexiunii inverse a sistemelor
circulare si de a fi creat o teorie, teoria consonantistă a psihologiei”.
Izbucnirea celul de-al doilea război mondial a împiedicat comunitatea ştiinţifică să

cunoască şi să recunoască contribuţià excepţională a lui Odobleja, ce a premers apariţia
lucrării lui Norbert Wiener cu zece ani şi care, în alte condiţii, ar fi fost considerată
adevărata piatră de temelie a ciberneticii.
În lucrările lui Ştefan Odobleja, una dintre personalităţile care au ȋmbogăţit România,
regăsim şi sfaturi de viaţă pentru cititorii săi:
 „Să speri intotdeauna. Să nu descurajezi niciodată. Dacă prezentul nu oferă recompense,

renunţă să te mai gandesti la aceasta: trăieste in viitor… Raspunde durerilor, suferinţelor, [...]
dubland elanul creator… Criticilor, nedreptăţilor, atacurilor, răspunde prin intelect”.
5.2 Contribuţia lui Norbert Wiener la intemeierea ciberneticii si a

definirii conceptului de feedback
Wiener (1894-1964) a fost înainte de al
doilea război mondial un strălucit profesor de
matematică la universitatea MIT din Statele
Unite ale Americii. Acesta cunoştea bine şi
foarte bine peste 10 limbi străine.
Unul dintre primele rezultate ştiinţifice

atribuite lui Wiener este relaţia matematică
ce descriere mişcarea browniană, mişcararea
perfect aleatoare. Procesul aleator brownian,
5
descris în mod strălucit de Wiener, constituie şi astăzi un model utilizat, de exemplu, în

finanţe.
În perioada primului război mondial, Wiener face parte dintr-un grup de oameni
de ştiinţă care s-a ocupat de
perfecţionarea dispozitivelor de ochire
automată ale tunurilor antiaeriene.
În primele sale studii, Wiener

descoperă că o condiţie de bază a unei
ochiri corecte este reglarea printr-o
buclă feedback şi se orientează spre
noţiunea fundamentală de
,,mesaj”, sau
“informaţie”, cum am spune astăzi, şi a modului în care aceasta este transmisă de
la obiectul observat (avion) la observator (dispozitivul de ochire).
Wiener a studiat sistemele cu autoreglare prin intermediul buclei de reacţie.

Autoreglarea se realizează prin modificarea mărimilor de intrare în baza mărimilor de
ieşire, cu scopul eliminării semnalului de eroare şi a adaptării sistemului la modificările
contextului.
Autoreglarea a permis transformarea schemei simple de legătură între percepţie

- acţiune într-un sistem mai complex, presupunand intrări, iesiri şi o cale de reacţie.
Arturo Rosenblueth şi Julian Bigelow pot fi numiti co-creatori ai ciberneticii alaturi

de Norbert Wiener. Norbert Wiener, Arturo Rosenblueth şi Julian Bigelow sunt cei care
au realizat pentru prima oară faptul că ideile legate de mecanismele feedback de reglare
pot fi uşor extinse de la fiinţe la maşini, punând astfel bazele unei discipline ştiinţifice noi.
6
Din colaborarea lui Wiener, Rosenblueth şi Bigelow rezultă o lucrare publicată în

1943 în revista ,,Pshilosophy of Science”, sub titlul: ,,Behaviour, purpose, and teleology”.
În această lucrare:
• Comportamentul era definit ca ,,orice schimbare a unei entităţi în raport cu mediul

său înconjurător”, înţelegând că orice modificare a unui obiect, detectabilă extern,
poate fi considerată ca şi comportament.
• Metoda comportamentală aplicată unui obiect sau sistem, presupune

examinarea outputului acestuia şi a relaţiei outputului cu inputul.
• Comportamentul orientat către scop a fost clasificat în:
o feedback sau ,,teleologic”
o non-feedback sau ,,non-teleologic”.
Metoda comportamentală era opusă metodei analitice, dominantă la acea vreme

în ştiinţă, prin care erau studiate cu precădere structura, proprietăţile şi organizarea
intrinsecă a obiectului sau sistemului, şi nu relaţiile output – input sau a sistemului cu
mediul înconjurător.
După apariţia lucrării ,,Behaviour, purpose, and teleology”, Wiener şi

Rosenblueth colaborează în 1945 la problema formulării matematice a
transmiterii impulsurilor într-o reţea de elemente excitabile conectate, aşa cum este
muşchiul cardiac.
De asemenea, cei doi savanţi au avut ideea lansării unui program ştiinţific în care
diferiţi oameni de ştiinţă să abordeze aceleaşi probleme din perspective diferite. Au
facilitat astfel apariţia conferinţelor Josiah Macy Jr. , conferinţe care au avut un rol foarte
important în dezvoltarea noii ştiinţe a ciberneticii.
7
Conferinţele Josiah Macy Jr. încercau să pună în practică ideea că descoperirile

dintr-un anumit domeniu ştiinţific pot fi stimulate de cunoaşterea acumulată în alte
domenii, astfel că, prin eliminarea izolării şi graniţelor stricte între diferite ştiinţe, se
puteau crea canale prin care să se obţină o diseminare şi schimb de informaţii între
oameni de ştiinţă din diferite domenii ştiinţifice.
Din grupul initial al fundaţiei Josiah Macy Jr. au făcut parte: W. McCulloch, A.
Rosenblueth, G. Bateson, L. Kubic, M. Mead, F. Fremont-Smith. Ca invitaţi s-au alăturat
grupului N. Wiener, J. von Neumann, W. Pitts, R. Lorente de Nó.
Discuţiile din cadrul conferinţelor nu trebuiau urmate de elaborarea unei lucrări.

Se încurajau, în schimb, discuţiile colegiale, care aveau loc într-o atmosferă informală.
Fiecare întâlnire de acest fel dura două zile şi se desfăşura într-un loc retras. Pentru a
asigura consistenţa discuţiilor, zilnic erau doar doi sau trei vorbitori, iar ascultătorii erau
încurajaţi să îi întrerupă.
Câteva întâlniri relevante pentru apariţia ciberneticii au avut loc în 1946 în cadrul
seriei de conferinţe:
• o ȋntâlnire a avut drept temă: ,,Mecanisme feedback şi sisteme circulare cauzale

în sistemele biologice şi sociale”;
• a altă ȋntâlnire a abordat tema ,,Mecanisme teleologice în societate”;
• a treia ȋntâlnire a fost pe tema ,,Mecanismelor teleologice şi sistemelor circulare
cauzale”.
8
Deoarece participanţii la aceste întâlniri proveneau din domenii atât de diferite,

era inevitabil ca între ei să nu apară controverse. Una dintre acestea a fost cea legată de
informaţie. O parte dintre oamenii de ştiinţă participanţi aveau convingerea că buclele
feedback servesc la transmiterea energiei, în timp ce Wiener susţinea primatul informaţiei
pentru scopul buclelor feedback.
Cum descrie Norbert Wiener momentul alegerii numelui de cibernetică pentru

noua ştiinţă: ,,... am devenit conştienţi de unitatea esenţială a setului de probleme
centrate pe comunicare, control şi mecanica statistică, atât la maşină cât şi în ţesutul
viu. Pe de altă parte, eram serios împiedicaţi de lipsa de unitate din literatura privind
aceste probleme şi de absenţa unei terminologii comune sau chiar de un singur nume
pentru acest domeniu.... [am ales] o expresie artificială din limba greacă pentru a umple
acest gol. Am decis să denumim întregul domeniu al teoriei controlului şi comunicării,
atât la maşini cât şi la animale prin denumirea ,,Cibernetica”, pe care am format-o
pornind de la grecescul ,,kybernetos” sau ,,cârmaci”.
Noţiunea de cibernetică îşi are aşadar originea în greaca veche, unde „kybernetes”
înseamnă cârmaci sau se referă la capacitatea de a conduce o navă. Termenul
„kybernetes” a fost preluat de Platon mai târziu în dialogurile sale din Republica şi i s-a
atribuit un sens ce vizează îndeletnicirea de a guverna, de conducere a unei cetăţi.
Savantul Stafford Beer, pionier al ciberneticii, afirmă că Wiener a gasit doar

cuvântul pe care îl dorea în carmuirea navelor lungi ale Greciei antice. Pe mare, navele
9
aveau de luptat cu ploaia, vântul și mareele - probleme în nici un fel previzibile. Cu toate
acestea, în cazul în care cârmaciul supraveghea de la distanță farul, el putea manipula
vasul, adaptându-l continuu în timp real, spre lumina farului.
Astfel, în 1948 cand s-a definit ştiinta ciberneticii, s-a utilizat sintagma de ştiinţă a
controlului.
Prima carte
dedicată noii ştiinţe apare
în 1948 la editura Wiley
New York , îl are drept
autor pe Norbert Wiener şi
se intitulează:
,,Cibernetica, sau ştiinţa
controlului şi comunicării
la fiinţe şi maşini”.
Definiţia dată de Norbert Wiener ciberneticii: cibernetica este ştiinţa controlului şi

comunicării atât la fiinţe cât şi la masini.
Wiener a studiat cu perseverenţă aspecte privitoare la comunicare şi control, indiferent

de aria de aplicabilitate. Wiener a apreciat că pentru a putea aplica ideile din cibernetică în
ştiinţele sociale şi în economie, acestea trebuie mai întâi testate în inginerie şi în biologie.
5.3 Conceptul de sistem feedback

Am văzut că sistemele feedback au fost definite ca acele sisteme în care inputul
este modificat de către output într-o direcţie necesară pentru a reduce diferenţa dintre
situaţia curentă şi situaţia scop.
10
Ramaprasad (1983) precizează că feedbackul este constituit din informaţii despre

un decalaj ce există într-un sistem între nivelul actual (real) şi nivelul de referinţă al unui
parametru din sistem, informaţii ce vor fi utilizate pentru modificarea decalajului. Autorul
subliniază că informaţiile, pentru a deveni feedback, trebuie să aducă modificări ale
decalajului, nu să fie stocate.
In relaţie cu componentele input – output ale unui sistem, un proces feedback se
poate reprezenta schematic ca în figura 5.2.
Input Proces Output
Feedback
Figura 5.2. Procesul feedback
Ashby (1956), un pionier al ciberneticii, introduce metoda cutiei negre de analiză

a sistemelor dinamice. Sistemul elementar este considerat o “cutie neagră” căreia i se pot
înregistra intrările și ieșirile. Pe baza acestor înregistrări, prin aplicarea unor metode
statistice şi cibernetice, se poate analiza sistemul, se pot determina funcții de
comportament şi reguli de transformare a inputurilor sistemului în outputuri.
Feedbackul şi raporturile sale cu învăţarea : în general învăţarea nu poate să aibă loc fără
existenţa a cel puţin unui feedback. Învăţarea fără feedback este asemănată cu conducerea
unei maşini legat la ochi. Acest lucru se poate, dar conduce rapid la apariţia unui accident.
11
Exemplu: TENSIUNEA ARTERIALĂ
În acest exemplu, outputul este tensiunea

arterială, inputul este ritmul cardiac (sau rata de
pompare a inimii), iar scopul este menţinerea
tensiunii la un nivel necesar. Reglarea tensiunii se
realizează astfel: baroreceptorii detectează
presiunea sângelui ce trece prin artere, un semnal
chimic este trimis inimii prin intermediul nervului
glosofaringian pentru a ajusta rata de pompare: dacă
tensiunea arterială este scăzută, ritmul cardiac
creşte, iar dacă tensiunea arterială este ridicată, ritmul cardiac scade. Valoarea curentă a
tensiunii arteriale modifică ritmul cardiac, inputul şi outputul din acest exemplu
influenţându-se reciproc în vederea reglării tensiunii la valoarea necesară organismului.
plu: TRATAMENTUL MEDICAL
Exemplu: TRATAMENTUL MEDICAL
Tratamentul medical administrat de către un doctor exemplifică, de asemenea,

conceptul de sistem feedback. Doctorul administrează un tratament şi aşteaptă un
răspuns al organismului la acesta. Dacă virusul, sau cauza bolii, este eliminată cu ajutorul
primului tratament, se atinge starea dorită. Dacă nu, tratamentul se ajustează şi se
aşteaptă un nou răspuns al organismului. În acest exemplu, outputul este starea de
sănătate a unui pacient, inputul este tratamentul prescris de medic, iar starea dorită este
starea de insănătoşire.empl
Exemplu: COAGULAREA SÂNGELUI:

EA SÂNGELUI
Un alt exemplu pentru conceptul de sistem feedback vine din medicină: coagularea
sângelui:
• inputul în acest exemplu este eliberarea, după lovire, de substanțe chimice ce

transmit semnal către țesuturile afectate;
12
• outputul este reprezentat de trombocitele activate;

• situaţia curentă este reprezentată de producerea și evoluția leziunii care sângerează;
• situaţia dorită este oprirea sângerării prin procesul fiziologic de formare în cascadă a
trombocitelor, luând naștere un cheag, rezultat al procesului de coagulare.
Sistemul feedback este inițiat atunci când țesuturile afectate eliberează substanțe
chimice de semnal care activează trombocitele din sânge. O trombocită activată
eliberează substanțe chimice pentru a activa mai multe trombocite, provocând o apariție
în cascadă a acestora și formarea unui cheag de sânge. La formarea cheagului de sânge,
situaţia dorită este atinsă şi nu mai este necesară o nouă exercitare de influenţă între input
şi output pentru activarea trombocitelor.
Exemplu: TERMOSTATUL
Dispozitivul de tip termostat reglează

temperatura unei încăperi, scopul fiind menţinerea
temperaturii la un nivel dorit. Termostatul îşi
adaptează comportamentul oprind sau pornind
sistemul de încălzire ca răspuns la efectele
comportamentului său anterior. În acest exemplu,
outputul care este temperatura din încăpere,
exercită o influenţă asupra inputului, sistemului de
încălzire al termostatului.
Putem observa comportamentul simulat al unui temostat folosind modelul

„Termostat” din libraria NetLogo.
În figura 5.3, chenarul galben marchează prereţii încăperii, iar punctele marcate
cu roşu reprezintă agenţii de căldură ai modelului, care se pot deplasa în interiorul sau
exteriorul încăperii.
Modelul are valori implicite pentru patru variabile de intrare, valori pe care
utilizatorul le poate modifica pentru a accesa o paletă mai largă de rezultate posibile:
• temperatura iniţială a încăperii este setată implicit la 53 de grade;

• puterea de încălzire este setată implicit pe nivelul 4;
• gradul de izolare termică a prereţilor încăperii este setat la 50%, jumătate din
agenţii de căldură putându-se deplasa şi în exteriorul încăperii;
• temperatura dorită a încăperii are valoarea implicită afişată pe glisorul interfeţei

de 67 de grade.
13
Cu ajutorul graficului de pe interfaţă, utilizatorul poate urmări evoluţia

temperaturii până la atingerea temperaturii dorite, când simularea se opreşte.
Figura 5.3. Model NetLogo Termosat. Setarea iniţială implicită
Toate variabilele de intrare exercită o influenţă asupra atingerii temperaturii

dorite în încăpere.
Spre exemplu dacă modificăm gradul de izolare termică a prereţilor încăperii de la

50% la 30%, temperatura din încăpere scade, mai multă căldură migrează spre exteriorul
camerei, iar timpul de a atinge temepratura dorită de 67 grade creşte. Dacă scădem gradul
de izolare termică a prereţilor încăperii la sub 25%, de exemplu la 9%, şi mai multă căldură
migrează spre exteriorul camerei, termostatul nemaireuşind să atingă temepratura dorită,
după cum se observă din figura 5.4.
14
Figura 5.4. Model NetLogo Termosat. Temperatura dorită nu se atinge
Un alt scenariu de simulare a conceptului de sistem feedback a termostatului este

creşterea diferenţei dintre temperatura iniţială şi cea dorită faţă de setările implicite, la
mai mult de 14 grade. În figura 5.5 este redată simularea pentru o temperatură iniţială de
25 grade, o temperatură dorită de 87 grade, celelate variabile de intrare rămânând la
valorile implicite. Se poate observa timpul îndelungat necesar atingerii temeperaturii
dorite în încăpere, dar şi o creştere a numărului de agenţi.
Figura 5.5. Model NetLogo Termosat. Temperatura dorită se atinge greu
15
5.4 Mecanismele feedback pozitive & negative
Reglarea pentru reducerea diferenţei dintre situaţia curentă şi situaţia scop se bazează
pe două tipuri de feedback:
• feedback pozitiv
• feedback negativ.
Definiţie: Mecanismele feedback pozitive sunt acelea în care outputul (acţiunea rezultată)
merge în aceeaşi direcţie ca şi condiţia care l-a determinat. Altfel spus, dacă creşterea unei
variabile a determinat activarea unui proces feedback, atunci, după parcurgerea conturului
buclei feedback, în iteraţia următoare, acea variabilă va înregistra o creştere.
16
Într-un sistem economic,

creşterea veniturilor
populaţiei determină sporirea
volumului economisirii. Acest lucru
duce la o nouă sporire
a veniturilor populaţiei.
În cadrul acestei bucle

feedback se obţine, în final, o nouă
creştere a variabilei
care a declanşat procesul.
Spunem că avem, în acest
caz, o buclă feedback
pozitivă.
Creşterea economiilor la nivelul

întregii economii determinată de creşterea veniturilor populaţiei duce la creşterea volumului
investiţiilor directe. Realizarea unui număr din ce în ce mai mare de capacităţi de producţie
determină creşterea numărului de locuri de muncă, deci a volumului de salarii câştigate de
angajaţi, obţinându-se, în final, o nouă creştere a variabilei care a declanşat procesul, şi anume
veniturile populaţiei.
La un student
talentat si ambiţios
detectăm bucle feedback
pozitive. Cu cat invaţă mai mult,
va avea o satisfacţie crescută, ceea
ce va stabili obiectivul de invăţare
la un nivel superior. Acest lucru va
detemina să inveţe si mai mult.
Definiţie: Mecanismele feedback negative sunt acelea în care outputul (acţiunea

rezultată) se opune condiţiilor care l-au determinat. Dacă creşterea unei variabile a determinat
activarea unui proces feedback, atunci, după parcurgerea conturului buclei feedabck, în
iteraţia următoare, acea variabilă va înregistra o scădere.
17
În cazul populaţiilor pradă-prădător:

dacă populaţia pradă va
creşte semnificativ, va genera mai multă
hrană pentru prădători, ceea ce va duce
la creşterea numărului prădătorilor.
Aceasta va duce la dominaţia
prădătorilor, iar populaţia pradă va
scădea. În cadrul acestei bucle feedback,
la o creştere a variabilei care a declanşat
procesul, după parcurgerea buclei
feedback se obţine o scădere a variabilei
declanşatoare. Avem, în acest caz, o
buclă feedback negativă.
Alternativ, Ramaprasad (1983) defineşte conceptele de feedback pozitiv si feedback

negativ astfel:
• dacă acţiunea declanşată de feedback măreşte decalajul între nivelul de referinţă şi

nivelul actual al parametrului output al sistemelui, feedbackul se numeşte feedback
pozitiv;
• pe de altă parte, dacă acţiunea reduce decalajul dintre cele două niveluri, feedbackul
se numeşte feedback negativ.
5.5 Alternanţa între feedback pozitiv şi feedback negativ

Feedbackul pozitiv (amplificator) determină schimbări de amplificare în sistem, în timp
ce feedbackul negativ (stabilizator) are rol de echilibrare, amortizare a sistemului.
18
Un sistem adaptiv complex este senzitiv la influenţele externe. Mici intrări determină
efecte mari, uneori destructive, ceea ce poate duce la reorganizarea întregului sistem, iar acest
proces se datorează şi feedbackului pozitiv2.
În sistemele adaptive, rareori se întâmplă ca o buclă feedback să se manifeste în mod

clar ca un feedback pozitiv sau negativ. Aceasta se întâmplă deoarece diferitele variabile
aflate pe conturul unei bucle pot să fie încorporate şi altor bucle feedback care au polaritatea
diferită.
Legat de alternanţa între feedback pozitiv şi feedback negativ, ambele procese

feedback sunt esenţiale. Atât când mecanismele feedback dintr-un CAS se manifestă sub
formă de feedbackuri pozitive, având un efect de stimulare, de amplificare a acţiunilor pe care
le determină în sistem, cât şi atunci când se manifestă ca nişte feedbackuri negative, având
efecte de stabilizare, de echilibrare şi de menţinere a integrităţii sistemului în raport cu mediul
său înconjurător.
2
Prigogine şi Stengers (1985): În condiţiile în care sistemele adaptive complexe funcţionează departe–de–
echilibru, iar componentele acestor sisteme sunt interconectate printr-o reţea de legături şi conexiuni
neliniare, astfel de sisteme sunt senzitive la influenţele externe.
19
Un proces nelimitat de creştere, de dezvoltare într-o anumită direcţie poate fi

distructiv (datorită pierderii stabilităţii sistemului, epuizării resurselor din mediu, efectelor
colaterale pe care le determină asupra mediului, etc)
Un proces în care sistemul rămâne mult timp într-o stare staţionară nu este de dorit
(datorită lipsei de perspectivă de a induce în sistem noutatea, creativitatea, auto-organizarea,
etc).
În cazul sistemelor umane, când un sistem este perturbat suficient de mult de la

normele stabilite sau de la modalităţile obişnuite de lucru sau odihnă, procesele feedback
pozitive susţin această transformare. Apare mişcarea constanta între schimbare şi stabilitate.
5.6 Clasificări pentru feedback

Există câteva criterii cu ajutorul cărora putem să clasificăm mecanismele feedback:
• după simplitate;
• după durată;
• după sursă;
• după efectele pe care le exercită.
Un criteriu de clasificare pentru mecanismele feedback este durata. În general,

feedbackul se obţine imediat după adoptarea unei decizii, desfăşurarea unei acţiuni sau a
unui proces. Există, însă, şi bucle feedback cu întârziere, atunci când informaţia transmisă
prin buclă necesită un anumit timp până când este prelucrată şi transmisă.
Exemplu: reglarea configurațiilor masinilor de Formula 1 -

feedback imediat
Un exemplu de feedback imediat este procesul de reglare a configurațiilor
masinilor de Formula 1 in timpul unei curse.
Într-o mașină de Formula 1 există peste 200 de senzori, iar în fiecare cursă
echipele colectează mulți terrabytes de date (aproximativ 2GB de date pe un tur), de
multe ori folosind tehnologii „cloud” și ultimele tehnologii de transmisie a datelor. Odată
colectate, aceste date sunt valoroase, facilitand ca echipele de Formula 1 sa fie foarte
competitive din punct de vedere tehnic.
Inputul procesului este constituit dintr-o multitudine de elemente măsurate de

senzori la anumite interval de timp. Printre informațiile transmise către echipă se numără:
20
temperatura motorului, temperatura și uzura pneurilor, consumul de combustibil pe tur,

elementele aerodinamice ale monopostului și modul în care acestea operează, presiunea
frânelor și a suspensiilor, orice avarie la care este supusă mașina, etc. Aceste date sunt
interpretate de mecanici în timp real, pentru a determina ceea ce funcționează și ce
trebuie să schimbe în timpul unei curse.
Outputul procesului este reprezentat de modificările transmise de echipa de la

boxe către pilot pe baza interpretarii datelor colectate.
În acest exemplu, situaţia curentă care se doreste sa fie adusa la o situatie

imbunatatita este legatura dintre puterea motorului si aerodinamica monopostului, care
poate sa nu functioneaza la parametri optimi pe parcursul unei curse. Reglajul se face prin
comunicarea cât mai eficientă între pilot și echipa sa, cu scopul de a obtine un timp cât
mai bun al mașinii pe tur și câștigarea cursei.
În acest exemplu, feedbackul se obţine imediat după adoptarea unei decizii de

catre pilot, fie folosind anumite comenzi pe volan prin care pilotul poate modifica unele
configurații, fie folosind instructiunile primite de la echipa prin intermediul boxelor.
Exemplu: reglarea securității IT - feedback cu întârziere

Un exemplu de feedback cu întârziere este procesul de reglare a securității IT intr-o
organizație.
Rolul de input al procesului este jucat de diverse amenințări cibernetice, mai cunoscute
(de exemplu programele de tip „ransomware”, care pot bloca accesul la calculator până la
plata unei sume de bani) sau mai putin cunoscute.
Rolul de output al procesului este jucat de solutiile de securitate IT, cum ar fi cele oferite
de lideri mondiali în domeniul securității IT (de exemplu soluția integrată software-hardware
de firewall furnizata de Fortinet sau soluția de securitate software furnizata de Bitdefender),
solutii de tip „cloud” sau „deep learning” menite sa sporeasca gradul de securitate pe care il
au utilizatorii in ceea ce priveste datele cu caracter personal.
Situatia curenta poate fi reprezentata de un nivel de securitate nul sau nesatisfacator

in cadrul unei organizatii la un moment de timp, iar situatia dorita este atingerea unui nivel de
siguranta IT care sa ofere protectie in fata unei liste de atacuri cibernetice cunoscute.
De la momentul reglarii nivelului de securitate IT in cadrul organizatiei pana la

momentul primirii unui raspuns daca s-a ajuns la nivelul dorit de securitate trece o perioada
de timp necesara aparitiei unei amenintari de securitate asupra organizatiei care sa ofere
validarea necesara (feedback cu întârziere).
21
În funcţie de efectele pe care le exercită procesul feedback asupra unei mărimi

considerate rezultative din proces, avem:
• bucle feedback multiplicator;
• bucle feedback accelerator;
• bucle feedback mixte (accelerator-multiplicator).
În cazul buclelor feedback multiplicator, efectul final se obţine înmulţind variabila

rezultativă respectivă cu o constantă de multiplicare. În literatura de specialitate au fost puse
în evidenţă o serie de efecte multiplicator precum:
• efectul Keynes;
• efectul Pigou;
• efectul Rose;
• efectul Mundell;
• efectul Fisher.
În cazul buclelor feedback accelerator, efectul procesului feedback se exercită asupra

vitezei cu care creşte sau scade variabila rezultativă considerată, adică asupra diferenţei
dintre două valori măsurate la momente de timp succesive ale mărimii respective. Exemple de
efecte accelerator:
• efectul Harrod;
• efectul Kaldor;
• efectul Metzler;
• efectul Blanchard.
În cazul buclelor feedback mixte (accelerator-multiplicator), viteza de modificare a

variabilei rezultative respective se înmulţeşte, la rândul ei, cu o constantă, având o
suprapunere atât a efectului multiplicator cât şi a celui accelerator. În literatura de
specialitate au fost puse în evidenţă efectul de portofoliu sau efectul de venit disponibil.
22
5.7 Efectul multiplicator Keynes

Efectul multiplicator Keynes este printre cele mai cunoscute mecanisme feedback şi,
împreună cu efectul Pigou, frecvent utilizat în modelarea sistemelor macroeconomice
dinamice.
Formularea efectului multiplicator Keynes cu ajutorul a patru paşi:
23
(1) Deflaţia preţurilor (p) şi salariilor

(w) duce la creşterea lichidităţilor
reale de fonduri pe piaţa financiară,
deci la o scădere a ratei dobânzii (r).
Acest lucru determină o creştere a
investiţiilor (I) şi a consumului (C).
{p↓;w↓} => {r↓} => {C↑; I↑}
(2) Creşterea investiţiilor (I) şi a

consumului (C) determină o creştere a
nivelului activităţii economice, soldat
cu o creştere a venitului / outputului
(Y)
{C↑; I↑} => {Y↑}
(3) Oferta de bunuri şi servicii (AS),

respectiv cererea de forţă de muncă
(Ld) vor creşte pe măsură ce venitul /
outputul creşte
{Y↑} => {AS↑; Ld↑}
24
(4) Creşterea ofertei de bunuri şi

servicii (AS), respectiv a cererii de
forţă de muncă (Ld) reprezintă o
garanţie a continuării procesului
deflaţionist, ducând la o nouă
reducere de preţuri
{AS↑; Ld↑} =>
{p↓; w↓}
Efectele interdependenţelor ce se formează între pieţe şi mărimile macroeconomice

pentru cazul efectului multiplicator Keynesian se regăsesc în figura 5.6 şi se pot rezuma astfel:
{p↓; w↓} ⇒ {r↓} ⇒ { C↑; I↑} ⇒ {Y↑} ⇒ {AS↑; Ld↑} ⇒ {p↓; w↓}
Notăm cu PBS - piaţa bunurilor şi serviciilor, PFM - piaţa forţei de muncă, PF - piaţa
financiară.
În efectul multiplicator keynesian există două bucle feedback, ambele pozitive:
• o buclă se formează între PBS şi Y, feedbackul buclei fiind reprezentat prin intermediul
ofertei de bunuri şi servicii (AS);
• o altă buclă se formează între PFM şi Y, feedbackul acestei bucle fiind reprezentat prin
intermediul cererii de forţă de muncă (Ld).
Scăderea preţurilor şi salariilor determină activarea buclelor feedback, iar după

parcurgerea conturului buclelor, în iteraţia următoare, aceste variabile vor înregistra noi
scăderi. Cum cele două bucle feedback observate sunt amândouă pozitive, acţiunile rezultate
merg în aceeaşi direcţie ca şi condiţiile care le-au determinat.
De remarcat de asemena faptul că piaţa financiară are un rol important în accelerarea

sau temperarea efectului Keynes prin nivelul ratei dobânzii.
25
Figura 5.6 Efectul multiplicator Keynes
După un timp, influenţa iniţială determinată de procesul deflaţionist se epuizează.

Preţurile şi salariile se vor ajusta, iar procesul de ajustare va avea un caracter ciclic, preţurile şi
salariile urmând să crească şi să scadă alternativ (prociclic) până când pieţele revin la echilibru.
Preţurile şi salariile se vor ajusta către valori care să reprezinte atât valoarea de echilibru dintre
cererea agregată şi oferta agregată (pe piaţa bunurilor şi serviciilor), cât şi rata salariului de
echilibru care permite utilizarea completă a forţei de muncă (pe piaţa forţei de muncă).
Astfel, efectul Keynes, dintr-un efect amplificator al acţiunilor devine în timp unul
stabilizator3.
3
Când efectul Keynes devine unul stabilizator, tranzacţiile efectuate pe cele trei pieţe fundamentale (piaţa
bunurilor şi serviciilor, piaţa forţei de muncă şi, respectiv, piaţa financiară) determină refacerea echilibrelor
perturbate de apariţia unor creşteri în evoluţia cheltuielilor autonome cum ar fi investiţiile sau consumul.
26
5.8 Efectul multiplicator Mundell

Robert Mundell, laureat al Premiului Nobel pentru economie în 1999, a fost primul care
a arătat că inflaţia aşteptată are efecte reale în economie şi care sunt acestea. Efectul
descoperit de Mundell derivă din dependenţa pozitivă dintre investiţie şi rata inflaţiei
aşteptate, realizată pe canalul ratei reale a dobânzii din cadrul mecanismului de transmisie
monetară4.
4
Rata inflaţiei aşteptate este influenţată de presiunea cererii agregate de pe piaţa bunurilor şi serviciilor,
precum şi de anticipaţiile inflaţioniste ale agenţilor economici.
27
Formularea efectului Mundell:
(1) Inflaţia preţurilor şi salariilor

duce la creşterea inflaţiei
aşteptate
{p↑; w↑} => {πe↑}
(2) Rata inflaţiei, π, care este

percepută la nivelul economiei
reale prin diferenţa dintre rata
dobânzii, r şi inflaţia aşteptată,
πe, va fi antrenată la rândul ei
într-o creştere datorită creşterii
inflaţiei aşteptate
{πe↑} => {π = (r-πe)↑}
28
(3) Deoarece mărimea investiţiei

depinde pozitiv de rata inflaţiei,
creşterea acesteia din urmă duce
la sporirea volumului investiţiilor;
cum cererea de consum depinde
de rata reală a dobânzii,
modificarea acesteia duce de
asemenea la sporirea
cheltuielilor de consum
{ π = (r-πe)↑} => {I↑; C↑}
(4) Sporirea volumului

investiţiilor şi a cheltuielilor de
consum determină mai departe o
creştere a activităţii economice
{I↑; C↑} => {Y↑}
(5) Intensificarea activităţii

economice determină o scădere a
variabilelor de preţuri şi salarii
{Y↑} => {AS↑; Ld↑} => {p↓;

w↓}
Se formează astfel o buclă

feedback negativă cu efect
stabilizator.
29
Efectele interdependenţelor ce se formează între pieţe şi mărimile macroeconomice

pentru cazul efectului multiplicator Mundell:
{p↑;w↑} ⇒ {𝜋 ↑} ⇒ {(r−𝜋 ) ↑} ⇒ {I↑; C↑} ⇒ {Y↑} ⇒ {p↓ ; w↓}
Mecanismul feedback inflaţionist al lui Mundell este descris în Figura 5.7. Se formează
2 bucle feedback, negative amândouă. Creşterea preţurilor (p) şi salariilor (w) determină
activarea buclelor feedback, iar după parcurgerea conturului buclelor, în iteraţia următoare,
aceste variabile vor înregistra scăderi.
PBS
AS p Cheltuieli de
consum C
Inflaţia Inflaţia Venitu/

e curentă
aşteptată π e
r -π Outputul Y
r Cheltuieli de
investiţii I
PFM PF
d
L w
Figura 5.7
2 Efectul multiplicator Mundell
5.9 Efectele accelerator

Am definit anterior că în cazul buclelor feedback accelerator, efectul procesului
feedback se exercită asupra vitezei cu care creşte sau scade variabila rezultativă considerată,
adică asupra diferenţei dintre două valori măsurate la momente de timp succesive ale mărimii
respective.
Spre deosebire de mecanismele (efectele) multiplicator, mecanismele de tip

accelerator se referă la o schimbare neliniară în variabilele care alcătuiesc lanţul feedback al
30
dependenţelor cauzale. Mecanismele accelerator reprezintă efecte destabilizatoare, cărora le

corespund, deci, bucle feedback pozitive.
Principiul accelerator a fost utilizat pentru prima oară într-un model economic de către
Harrod (1936). Ulterior, Harrod şi Domar au elaborat un model de creştere economică cu bucle
feedback accelerator.
În modelul de creştere Harrod – Domar, se utilizează o relaţie prin care nivelul

investiţiei din anul t, It, variază proporţional cu schimbarea outputului din anul t faţă de anul
t-1:
𝐼 = 𝛽(𝑌 − 𝑌 ), 𝛽>0
unde β este un parametru pozitiv de tip accelerator care arată cât de multă investiţie este indusă
de o schimbare cu un procent a outputului.
31
Cap 6. Co-evoluţia, auto-organizarea, emergenţa ȋn CAS. Suport de curs 2021 - 2022, Conf. Băncescu Mioara
CAPITOLUL 6. CO-EVOLUŢIA, AUTO-ORGANIZAREA ŞI

EMERGENŢA ȊN SISTEMELE ADAPTIVE COMPLEXE
Noţiuni anterioare
Obiectul de studiu al
ciberneticii actuale ȋl reprezintă
sistemele adaptive
complexe.
Un sistem adaptiv complex (CAS) este definit de 10 caracteristici generice:
6.1 Co-evoluţia – definiţie şi exemple

Am văzut în capitolul 3 că atributul de co-evoluţie a unui sistem adaptiv complex se
referă la faptul că traiectoriile de evoluţie a două sisteme interferează în timp, adaptându-se
una la alta. Evoluţia unui sistem adaptiv complex este parţial dependentă de evoluţia
mediului sau a altui sistem adaptiv complex şi se adaptează la evoluţia acestora.
1
Studierea
schimbării ce are
loc la nivele
multiple
reprezintă
elementul esențial
al abordării co-
evolutive.
Co-evoluţia are loc întotdeauna în cadrul unui ecosistem. Un ecosistem presupune că

fiecare tip de organism are, ca parte a mediului său înconjurător, alte organisme de acelaşi tip
şi de tipuri diferite.
În economie, prin ecosistem ne vom referi la toate afacerile care sunt interdependente
în cadrul aceleiaşi industrii sau a unor industrii diferite, unele organizatii din mediul de afaceri
avand acelaşi domeniu de activitate, altele avand domenii diferite de activitate.
2
Exemplu: interdependenţa strânsă între

plante si insecte: plantele depind de
polenizatorii lor, iar insectele
polenizatori depind de plante.
Exemplu:
o transformare în evoluţia morfologiei unei plante
poate determina transformări în evoluţia
morfologiei unui animal ierbivor care se hrăneşte
cu acea plantă. Iar ierbivorul influenţează la
randul sau evoluţia plantei.
Un alt exemplu: o specie de arbori Acacia şi o

specie de furnici. Arborele dispune de spini goi şi
de pori la baza frunzelor prin care secretă nectar.
Aceşti spini reprezintă adapostul exclusiv al unei
specii de furnici care se hrăneşte cu nectarul
arborelui. Furnicile ajută la randul lor ca arborele
sa fie apărat de ierbivori.
Exemple de industrii
ȋn care co-evoluţia este prezentă :
Industria auto şi cea a componentelor auto
3
Industria extracţiei de petrol & gaze şi industria energetică
Industria bunurilor de consum şi comerţul cu amănuntul
Exemplu: co-evolutia speciilor de serpi si broaste

Folosind modelul „RedQueen” din librăria NetLogo putem exemplifica cum traiectoriile de
evoluţie a două specii interferează în timp, adaptându-se una la alta.
Agentii din model sunt de doua tipuri, serpi si broaste, fiecare specie fiind colorata
distinct, ambele specii avand in comun faptul ca sunt veninoase. Mecanismul prin care cele
doua specii sunt interdependente în cursul evoluţiei lor este competiţia.
4
Serpii sunt pradatori ai broastelor. In cursul evolutiei, pentru a se adapta ecosistemului,

broastele (prada) au invatat sa produca venin capabil sa omoare serpii (pradatorii) la
momentul atacului. La randul lor, serpii (pradatorii) s-au adaptat si au invatat in timp sa
dezvolte o rezistenta la veninul broastelor. Cele doua specii sunt in competitie, luptand
continuu una impotriva celeilalte cu armele biologice mentionate.
Regulile modelului de disparitie a unui agent sunt: un agent de tip sarpe moare atunci
cand nu mai au suficienta rezistenta impotriva veninului broastelor, iar un agent de tip broasca
moare atunci cand este mancat de un agent de tip sarpe, iar rezistenta sarpelui este mai
puternica decat veninul lor.
Modelul are valori prestabilite pentru cinci variabile de intrare, valori pe care
utilizatorul le poate modifica pentru a realiza diverse scenarii de simulare a evoluţiei
competitive:
• numărul iniţial de broaste (initial-number-frogs) cu valoarea prestabilită de

150;
• numărul iniţial de serpi (initial-number-snakes) cu valoarea prestabilită de 150;
• nivelul iniţial al puterii veninului (initial-poison-mean) cu valoarea prestabilită
de 25;
• nivelul iniţial al rezistentei la venin (initial-rezistance-mean) cu valoarea
5
• numărul maxim la care oricare dintre specii poate ajunge (max-population) cu

valoarea prestabilită de 500; ambele tipuri de agenti se pot reproduce, atata
timp cat numarul de indivizi din specia respectiva nu depaseste numarul maxim
admis de model.
Pastrand valorile de intrare prestabilite si executand
modelul, se observa o crestere ciclica asincrona a fiecarei
specii, urmata de o scadere ciclica asincrona a numarului
de indivizi din specia respectiva. Cand numarul de broaste
este ridicat, iar al serpilor scazut, specia de serpi isi
adapteaza rezistenta la veninul broastelor, numarul lor
incepand sa creasca, iar cand numarul serpilor este ridicat,
iar al broastelor scazut, specia de broaste isi adapteaza
puterea veninului cu care inving serpii, numarul broastelor devenind din ce in ce mai mare,
dupa perioada de declin.
Un scenariu de evolutie ce se poate simula cu ajutorul modelului este acela in care
micsoram numarul broastelor la valoarea minima (initial-number-frogs) si crestem nivelul
iniţial al puterii veninului la valoarea maxima (initial-poison-mean). Se observa din rezultate ca
dupa un timp de co-evolutie a speciilor, numarul broastelor creste din ce in ce mai mult, iar
specia serpilor ajunge sa dispara complet, nereusiand sa reziste veninului brostelor.
Un alt scenariu de evolutie ce se poate simula este acela in care micsoram numarul
serpilor la valoarea minima (initial-number-snakes) si crestem nivelul iniţial al rezistentei la
veninul broastelor la valoarea maxima (initial-rezistance-mean). Dupa un timp de co-evolutie
6
a speciilor, se observa ca numarul serpilor creste din ce in ce mai mult, iar din specia broastelor
nu mai ramane niciun individ.
6.2 Co-evoluţia şi peisajul fitness

În contextul co-evoluţiei e important să înţelegem noţiunea de peisaj fitness. Prin
peisaj fitness ne vom referi la suprafaţa pe care pot evolua traiectoriile unui sistem adaptiv
complex.
Co-evoluţia poate fi descrisă ca o relaţie în care un sistem deformează peisajul fitness

al celui de-al doilea sistem şi invers, rezultând un anumit tip de interdependenţă prin
schimbarea fitnessului ambelor sisteme.
Peisajul fitness este utilizat în reprezentarea interacţiunilor dinamice dintre sistemele

adaptive complexe. Mişcarea unui sistem de-a lungul unui peisaj fitness schimbă peisajul
fitness al altui sistem.
7
Ecosistemele sunt vizualizate ca având peisaje fitness. Un teren muntos poate ajuta la
vizualizarea diferitelor alternative de adaptare pe care un sistem adaptiv complex le are.
Evolutia sistemului spre un varf, sau spre altul, sau spre o regiune plata dintre doua varfuri
este impredicitibila. Terenul muntos cu vârfurile cele mai înalte reprezintă strategiile de
supravieţuire cele mai de succes. Cu cât mai neted este peisajul fitness, cu atât există mai
puţine diferenţieri dintre competitori şi mai puţină incertitudine a schimbării.
Peisajul fitness poate fi privit prin analogie cu peisajul terestru: latitudinea x,

longitudinea y şi funcţia f(x,y) pentru altitudine.
Problemele de optimizare, de maximizare sau de minimizare, pot fi reprezentate

geometric cu ajutorul peisajelor fitness. Peisajele fitness vor reprezenta suprafaţa pe care se
8
gasesc raspunsurile funcţiei de optimizare. Pentru o problema de optimizare cu o singura

variabila de decizie piesajul fitness rezultat va fi o dreapta , pentru o problema cu doua
variabile de decizie piesajul fitness rezultat va fi un plan, iar pentru probleme cu trei sau mai
multe variabile de decizie, piesajul fitness rezultat va fi un hiperplan.
Cand exista un singur obiectiv de optimizat (de maximizat, de exemplu), optimizarea

prin peisaj fitness urmareste gasirea celui mai inalt varf din peisaj. O situatie mai complexa
apare cand exista doua sau mai multe obiective de optimizat. Solutia care gaseste cel mai inalt
varf din peisaj pentru unul dintre obiective poate detarmina gasirea unui varf mai putin inalt
pentru unul dintre celelelalte obiective.
În domeniul
economic, noţiunea de peisaj
fitness poate fi utilizată, de
exemplu, pentru
optimizarea unor funcţii de cost. Cum
funcţia de cost depinde de un număr
de variabile, cum ar fi distanţe,
dimensiuni, consumuri, aceste
dependenţe pot fi privite sub forma
unor coordonate spaţiale.
Creşterea interesului pentru co-

evoluţie în ştiinţele economice se
datorează faptului că este aproape
imposibil să înţelegi comportamentul şi performanţele unei organizaţii fără să studiezi cum
se schimbă mediul său înconjurător.
Firmele care sunt active pe o piaţă depun eforturi de explorare în timp pentru a rămâne
competitive la circumstanţele din mediu care se schimbă. Astfel, înzestrarea firmei se va
adapta la noile şi mereu în schimbare condiţii de mediu:
9
• înzestrarea cu cunoştinţe din cadrul firmei se va adapta prin programe de instruire

oferite angajatilor;
• înzestrarea cu capital se va adapta prin mecanisme financiar-bancare adecvate;
• înzestrarea cu platforme tehnologice se va adapta prin achiziţioanrea unor noi

versiuni de tehnologie aparute pe piaţa.
Exemplu: firmele Apple si Samsung

În 2007, Apple Inc. a lansat primul iPhone cu ecran lat si atingere tactilă. Competitorii
precum Samsung s-au adaptat regândind produsele. Au renunţat la taste şi clapete în
favoarea ecranului cu atingere tactilă. Neinformarea firmelor privind schimbările din piaţă
poate fi fatală.
10
6.3 Studiu de caz. Modelul Pradă – Prădător

Modelul Pradă – Prădător este un model neliniar pe caz continuu care surprinde prin ecuaţii
co-evoluţia a două populaţii aflate în conflict pentru supravieţuire: o populaţie de elani, o populaţie
de lupi. Modelul se poate aplica şi pentru analiza vanzărilor a două firme aflate in competiţie, nivelul
vanzărilor influenţandu-se reciproc.
Modelul constă din două ecuaţii, câte o ecuaţie de creştere a fiecărei populaţii, pe un orizont
de timp continuu:
𝑀̇ = = (𝑐 − 𝑎 𝑀 − 𝑏 𝑊)𝑀 (6.1)
𝑊̇ = = (𝑐 + 𝑎 𝑀 − 𝑏 𝑊)𝑊 (6.2)
unde:
• M – variabila pentru mărimea populaţiei de elani;

• W – variabila pentru mărimea populaţiei de lupi;
• 𝑀̇ = - derivata variabilei M în raport cu timpul;
• 𝑊̇ = - derivata variabilei W în raport cu timpul;
• 𝑎 , 𝑎 , 𝑏 , 𝑏 , 𝑐 , 𝑐 – parametri pozitivi ai modelului.
Ecuaţia (6.1) este ecuaţia de evoluţie a populaţiei de elani. În ecuaţia (6.1), termenul
−𝑏 𝑊𝑀 indică o diminuare a numărului de elani din convieţuirea mixtă (elanii sunt prada).
Ecuaţia (6.2) este ecuaţia de evoluţie a populaţiei de lupi. În ecuaţia (6.2), termenul +𝑎 𝑀𝑊
indică o creştere a numărului de lupi din convieţuirea mixtă (lupii sunt prădătorii).
Vom rezolva modelul pentru următorul caz numeric:
(𝑎 , 𝑏 , 𝑐 )=(1; 1; 4) ;
(𝑎 , 𝑏 , 𝑐 )=(0.5 ; 0.5 ; 1).
Modelul Pradă – Prădător devine :
𝑀̇ = (4 − 𝑀 − 𝑊)𝑀 (6.3)
𝑊̇ = (1 + 0.5𝑀 − 0.5𝑊)𝑊 (6.4)
Rescriem ecuaţiile (6.3), (6.4) cu ajutorul funcţiilor neliniare f(M,W) şi g(M, W).
11
𝑀̇ = 𝑓(𝑀, 𝑊) = (4 − 𝑀 − 𝑊)𝑀 (6.5)

𝑊̇ = 𝑔(𝑀, 𝑊) = (1 + 0.5𝑀 − 0.5𝑊)𝑊 (6.6)
Pentru rezolvarea sistemului format din ecuţiile (6.5), (6.6) care sunt neliniare, vom aplica o
procedură de liniarizare.
𝑥̇ = 𝑓(𝑥, 𝑦)
Pentru sistemul (6.9),
𝑦̇ = 𝑔(𝑥, 𝑦)
𝑓(𝑥, 𝑦) = 0
având stările de echilibru (𝑥 , 𝑦 ) ca soluţie a sistemului de ecuaţii , forma
𝑔(𝑥, 𝑦) = 0
linearizată prin dezvoltare Taylor va fi:
𝑑𝑥
𝑑𝑡 − 𝑓𝑥 𝑓𝑦 𝑥 0
𝑑𝑦 𝑔𝑥 𝑔𝑦 𝑦 = 0
(𝑥𝑒 ,𝑦𝑒 )
𝑑𝑡
unde:
• 𝑓 (𝑥 , 𝑦 ) – derivata funcţiei 𝑓(𝑥, 𝑦) în raport cu variabila X calculată în punctul de echilibru

(𝑥 , 𝑦 );
• 𝑓 (𝑥 , 𝑦 ) – derivata funcţiei 𝑓(𝑥, 𝑦) în raport cu variabila Y calculată în punctul de echilibru
(𝑥 , 𝑦 );
• 𝑔 (𝑥 , 𝑦 ) – derivata funcţiei 𝑔(𝑥, 𝑦) în raport cu variabila X calculată în punctul de echilibru

(𝑥 , 𝑦 );
• 𝑔 (𝑥 , 𝑦 ) – derivata funcţiei 𝑔(𝑥, 𝑦) în raport cu variabila Y calculată în punctul de echilibru
(𝑥 , 𝑦 ).
Notăm cu 𝐴- matricea derivatelor funcţiilor f(x,y), g(x,y).
Atunci forma linearizată a sistemului (6.9) se rescrie:
𝑓𝑥 (𝑥𝑒 , 𝑦𝑒 ) 𝑓𝑦 (𝑥𝑒 , 𝑦𝑒 ) 𝑥 𝑥
− 𝑦 = 𝑦 (6.10)
𝑔𝑥 (𝑥𝑒 , 𝑦𝑒 ) 𝑔𝑦 (𝑥𝑒 , 𝑦𝑒 )
Revenind la rezolvarea sistemului format din ecuţiile (6.5), (6.6) care sunt neliniare, în
vederea aplicării procedurii de liniarizare descrise mai sus, notăm cu:
𝑓 (𝑀, 𝑊) - derivata funcţiei f în raport cu M;
12
𝑓 (𝑀, 𝑊) - derivata funcţiei f în raport cu W;
𝑔 (𝑀, 𝑊) - derivata funcţiei g în raport cu M;
𝑔 (𝑀, 𝑊) - derivata funcţiei g în raport cu W.
Din (6.5) - (6.6)

𝑀̇ = 𝑓(𝑀, 𝑊) = (4 − 𝑀 − 𝑊)𝑀
𝑊̇ = 𝑔(𝑀, 𝑊) = (1 + 0.5𝑀 − 0.5𝑊)𝑊
𝑓 (𝑀, 𝑊) = 4 − 2𝑀 − 𝑊
𝑓 (𝑀, 𝑊) = −𝑀
𝑔 (𝑀, 𝑊) = 0.5𝑊
𝑔 (𝑀, 𝑊) = 1 + 0.5𝑀 − 𝑊
Atunci matricea derivatelor funcţiilor f(M,W), g(M,W) este:
4 − 2𝑀 − 𝑊 −𝑀
𝐴= (6.11)
0.5𝑊 1 + 0.5𝑀 − 𝑊
Punctele de echilibru ale sistemului format din ecuţiile (6.5), (6.6), 𝑥 = (𝑀 , 𝑊 ) se vor
obţine egalând funcţiile neliniare f şi g cu zero.
𝑓(𝑀, 𝑊) = 0 → (4 − 𝑀 − 𝑊)𝑀 = 0 (6.7)

𝑔(𝑀, 𝑊) = 0 → (1 + 0.5𝑀 − 0.5𝑊)𝑊 = 0 (6.8)
Cazuri posibile pentru sistemul de ecuaţii (6.7) - (6.8):
I. M=W =0
II. M=0; W≠0
III. M≠0; W=0
IV. M ≠0; W≠0
Caz I: M= W=0 ⇒ Se obţine punctul de echilibru 𝑥 = (𝑀 , 𝑊 ) = (0, 0).
Caz II: M=0; W≠0 ⇒ din (6.7) - (6.8):

𝑀=0
(1 + 0.5𝑀 − 0.5𝑊) = 0 ⇒𝑊 =2
13
Se obţine punctul de echilibru 𝑥 = (𝑀 , 𝑊 ) = (0, 2).
Caz III: M≠0; W=0 ⇒ din (6.7) - (6.8):

(4 − 𝑀 − 𝑊) = 0
𝑊=0 ⇒ 𝑀=4
Se obţine punctul de echilibru 𝑥 = (𝑀 , 𝑊 ) = (4, 0)
Caz IV: M ≠0; W≠0 ⇒ din (7.7) - (7.8):
(4 − 𝑀 − 𝑊) = 0
(1 + 0.5𝑀 − 0.5𝑊) = 0
⇒3−𝑊 =0 ⇒ 𝑊 = 3; 𝑀 = 1
Se obţine punctul de echilibru 𝑥 = (𝑀 , 𝑊 ) = (1, 3)
Aşadar am determinat patru puncte de echilibru ale sistemului format din ecuţiile
(6.5) - (6.6):
𝑥 =(0,0); 𝑥 =(0,2); 𝑥 =(4,0); 𝑥 =(1,3).
Calculăm valorile matricei A în cele patru puncte de echilibru găsite anterior:
4 0
𝑥 =(0,0) 𝐴 = (6.12)
0 1
2 0
𝑥 =(0,2) 𝐴 = (6.13)
1 −1
−4 −4
𝑥 =(4,0) 𝐴 = (6.14)
0 3
−1 −1
𝑥 =(1,3) 𝐴 = (6.15)
1.5 −1.5
Revenind la rezolvarea sistemului format din ecuţiile (6.5), (6.6) care sunt neliniare, folosind
(6.10), forma linearizată a unui sistem neliniar, obţinem pentru cazul 𝑥 =(0,0):
14
𝑑𝑀
𝑑𝑡 = 𝐴1 𝑀
𝑑𝑊 𝑊
𝑑𝑡
= 4 0 𝑀 = 4𝑀
0 1 𝑊 𝑊
𝑑𝑀
= 4𝑀
𝑑𝑡
𝑑𝑊 (6.17)
=𝑊
𝑑𝑡
Având o ecuaţie liniară pe caz continuu de tipul = 𝐴𝑋(𝑡), soluţia va fi de formă exponenţială:
𝑋(𝑡) = 𝑒 𝑋 (6.18)
Iar pentru o ecuaţie liniară pe caz continuu de tipul = 𝐴𝑋(𝑡) + 𝐵𝑈(𝑡), soluţia va fi de forma:
( )
𝑋(𝑡) = 𝑒 𝑋 + ∫ 𝑒 𝐵𝑈(𝑟)𝑑𝑟 (6.19)
Atunci soluţia pentru (6.17) considerând 𝑡 = 0 este:
4𝑡
𝑀(𝑡) = 𝑒 𝑀0
𝑡 (6.20)
𝑊(𝑡) = 𝑒 𝑊0
unde:
𝑀 - populaţia iniţială de elani;

𝑊 - populaţia iniţială de lupi.
Pentru analiza traiectoriilor de evoluţie a populaţiilor de elani şi lupi, vom calcula şi

analiza valorile proprii ale matricelor 𝐴 , 𝐴 , 𝐴 , 𝐴 .
4 0
Analiza traiectoriilor pentru cazul I 𝐴 =
0 1
Valorile proprii ale matricei 𝐴 le obţinem rezolvând ecuaţia:
det(𝐴1 − 𝜆𝐼) = 0 (6.16)
15
unde:
1 0
• I – matricea unitate, 𝐼 =
0 1
• 𝜆 – valorile proprii căutate.
Din (6.12), (6.16) (𝐴1 − 𝜆𝐼) = 4 0 − 𝜆 1 0 = 4 − 𝜆 0

0 1 0 1 0 1−𝜆
⇒ det(𝐴1 − 𝜆𝐼) = (4 − 𝜆)(1 − 𝜆) − 0 = 0
⇒ 𝜆 = 4; 𝜆 = 1
Matricea 𝐴 are două valori proprii: 𝜆 = 4; 𝜆 = 1 , valori proprii reale şi distincte.

𝑀(𝑡) 𝑡 → ∞
⃗+∞
Se observă că pentru cazul I, 𝑥 =(0,0), , ambele populaţii, elani şi
𝑊(𝑡) 𝑡 → ∞
⃗+∞
lupi, cresc odată cu trecerea timpului. Starea de echilibru nu este stabilă.
Sistemului de rezolvat pentru cazul𝑥 =(0,2) este:
𝑑𝑀
𝑑𝑊 𝑊
𝑑𝑡
= 2 0 𝑀 = 2𝑀
1 −1 𝑊 𝑀−𝑊
𝑑𝑀
= 2𝑀
𝑑𝑡
𝑑𝑊 (6.21)
= 𝑀−𝑊
𝑑𝑡
Soluţia pentru (6.21), folosind (6.18), (6.19):
2𝑡
𝑀(𝑡) = 𝑒 𝑀0
𝑡 (6.22)
𝑊(𝑡) = 𝑒 𝑊0 +
−𝑡
∫0 𝑒−(𝑡−𝑟) 𝑀(𝑟)𝑑𝑟
16
2 0
Analiza traiectoriilor pentru cazul II 𝐴 =
1 −1
Valorile proprii ale matricei 𝐴 :
det(𝐴2 − 𝜆𝐼) = 0
⇒ (𝐴2 − 𝜆𝐼) = 2 0 − 𝜆 1 0 = 2 − 𝜆 0
1 −1 0 1 1 −1 − 𝜆
⇒ det(𝐴2 − 𝜆𝐼) = (2 − 𝜆)(−1 − 𝜆) − 0 = 0
⇒ 𝜆 = 2; 𝜆 = −1
Matricea 𝐴 are două valori proprii: 𝜆 = 2; 𝜆 = −1, valori proprii reale şi distincte.
𝑀(𝑡) 𝑡 → ∞
⃗ +∞
Pentru cazul II, 𝑥 =(0,2), . Populaţia de elani creşte odată cu
𝑊(𝑡) 𝑡 → ∞
⃗ 0
trecerea timpului, iar populaţia de lupi scade odată cu trecerea timpului . Starea de echilibru este
semi-stabilă.
Sistemului de rezolvat pentru cazul 𝑥 =(4,0) este:
𝑑𝑀
𝑑𝑊 𝑊
𝑑𝑡
= −4 −4 𝑀 = −4𝑀 − 4𝑊
0 3 𝑊 3𝑊
𝑑𝑀
= −4𝑀 − 4𝑊
𝑑𝑡
𝑑𝑊 (6.23)
= 3𝑊
𝑑𝑡
Soluţia pentru (6.23), folosind (6.18), (6.19):
𝑡
𝑀(𝑡) = 𝑒
−4𝑡
∫0 𝑒−4(𝑡−𝑟) (−4)𝑊(𝑟)𝑑𝑟
𝑀0 +
(6.24)
𝑊(𝑡) = 𝑒 𝑊0
3𝑡
17
−4 −4
Analiza traiectoriilor pentru cazul III 𝐴 =
0 3
det(𝐴3 − 𝜆𝐼) = 0
⇒ (𝐴3 − 𝜆𝐼) = −4 −4 − 𝜆 1 0 = −4 − 𝜆 −4
0 3 0 1 0 3−𝜆
⇒ det(𝐴3 − 𝜆𝐼) = (−4 − 𝜆)(3 − 𝜆) − 0 = 0
⇒ 𝜆 = −4; 𝜆 = 3
Matricea 𝐴 are două valori proprii: 𝜆 = −4; 𝜆 = 3, valori proprii reale şi distincte.
𝑀(𝑡) 𝑡 → ∞
⃗ 0
Pentru cazul III, 𝑥 =(4,0), . Populaţia de elani scade odată cu trecerea
𝑊(𝑡) 𝑡 → ∞
⃗ +∞
timpului, iar populaţia de lupi creşte odată cu trecerea timpului . Similar cazului II, starea de
echilibru este semi-stabilă.
−1 −1
Analiza traiectoriilor pentru cazul IV 𝐴 =
1.5 −1.5
det(𝐴4 − 𝜆𝐼) = 0
⇒ (𝐴4 − 𝜆𝐼) = −1 −1 − 𝜆 1 0 = −1 − 𝜆 −1
1.5 −1.5 0 1 1.5 −1.5 − 𝜆
⇒ det(𝐴4 − 𝜆𝐼) = (−1 − 𝜆)(−1.5 − 𝜆) + 1.5 = 0
. √ .
⇒𝜆 , = .
Matricea 𝐴 are două valori proprii complex conjugate. Ambele populaţii vor
converge în spirală către zero. Starea de echilibru este stabilă.
18
6.4 Caracteristicile de auto-organizare şi emergenţă
După cum am prezentat in

capitolul 3, emergenţa se poate defini
printr-o oarecare apariţie spontană a
unei noi structuri coerente
globale a sistemului
adaptiv complex plecând de
la interacţiunile locale dintre agenţi, iar
auto-organizarea se referă la
schimbarea structurii sistemului prin
dezvoltarea mecanismelor proprii.
Unele din caracteristicile cele mai uimitoare şi, în acelaşi timp, cele mai puţin elucidate
ale sistemelor adaptive complexe sunt auto-organizarea şi emergenţa.
Un exemplu de emergenţă şi auto-organizare spontană ale unor noi structuri, uşor de

observat, îl reprezintă efectul de cristalizare a apei în fulgi dă zăpadă, fulgi care au, fiecare, forme
simetrice distincte, deşi numărul lor este uriaş.
Un alt exemplu de emergenţă şi auto-organizare spontană se poate observa la reţelele

neuronale. Modul în care neuronii interacţionează este spontan si duce la aparitia unor noi structuri.
19
În reţelele neuronale 1 nu există un control centralizat al proceselor care sunt modelate, acestea
evoluând ȋntr-un mod emergent doar pe baza conexiunilor dintre neuroni.
Un exemplu în care comportamentul colectiv spontan, emergent se produce ca urmare a

interacţiunilor locale dintre agenţi îl reprezintă lumea animală. Atunci când apare un pericol iminent
sau mediul înconjurător se modifică dramatic, indivizii care alcătuiesc anumite formaţiuni din lumea
animală se auto-organizează şi acţionează într-un mod sincronizat pentru diminuarea riscurilor.
Exemple de comportament colectiv spontan, emergent din lumea animală
1
Reţelele neuronale pornesc de la modelul neuronului, construit de McCallum şi Pitts în lucrarea lor ,,A Logical
Calculus of the Ideas Immanent in Nervous Activity”, apărută în 1943. Rezultatul evoluţiei din cadrul unei reţele
neuronale poate fi reprezentat sub forma unor modele complexe de comportament.
20
Stolurile de păsări
O regulă de comportament local este ca indivizii ce compun de exemplu un stol de păsări să

păstreze o distanţă minimă ȋntre indivizi şi să urmeze o direcţie medie, pornind de la mişcările
vecinilor imediaţi. Pornind de la aceste reguli simple, se obţine un comportament emergent coerent
la nivelul întregului sistem.
Bancurile de peşti
21
Roiurile de albine, turmele de reni
Celulele dintr-un recipient cu apă înfierbantată sunt un exemplu de sistem care se

autoorganizează în structuri stabile. Apa caldă ce se ridică de la bază şi apa rece ce coboară de la
suprafaţă produce un comportament haotic. Dar cand temperatura atinge nivelul potrivit, fluxurile şi
refluxurile se stabilizează şi se auto-organizează într-un model regulat de celule hexagonale
Dispunerea nisipului în deşert este un

exemplu de sistem care se auto -organizează.
Fluxul concurenţial de aer cald ce se ridică
întalneşte aerul rece ce coboară de la
înălţime. Curenţii ascendenţi si descendenţi
de aer antrenează firele de nisip să se auto -
organizeze în modele hexagonale.
22
Un rau este un exemplu de auto-

organizare. In aval de stanca pe care raul o va
întalni, se va forma un vartej. Va reprezenta o
formă stabilă ce a apărut dintr-o structură
haotică ca urmare a unui fenomen de
autoorganizare. De îndată ce debitul de apă
se diminuează, vartejul va dispărea.
Orasul este un exemplu de sistem

autoorganizat. De-a lungul timpului, fluxurile
de bani, alimente, oameni, informatii s-au
structurat. De exemplu ridicarea
gunoiului functionează, la fel
aprovizionarea orasului cu alimente, taxele se
plătesc, serviciile sociale
functionează si ele.
23
Heinz von Foerster (1911 -2002), unul dintre cei mai entuziaşti
participanţi la conferinţele care au facilitat apariţia ciberneticii, a introdus
principiul ordinii apărute din zgomot. Conform acestui principiu, cu cât
perturbațiile sunt mai mari într-un sistem, cu atât sistemul se auto-
organizează mai repede, iar probabilitatea ca o traiectorie să se situeze în
vecinătatea unui atractor, crește.
O legătură între conceptele de co-evoluţie si emergenţă se datorează lui Herman Haken, un

inovator al ciberneticii. Haken a propus şi dezvoltat ,,sinergetica”, o ştiinţă privind modul în care diferite
sisteme sau părţi ale acestora co-evoluează şi cooperează pentru a crea o ordine nouă în aceste
sisteme sau în procesele în care ele intervin.
Una dintre definiţiile propuse pentru cibernetică de savantul Gregory Bateson, un pionier al
ciberneticii, accentuează perspectiva largă a disciplinei si caracteristica de auto-organizare:
24
„Este o caracteristică latentă în

Cibernetică, care constă în
mijloacele de a realiza o nouă
perspectivă [...] un mijloc de a
vedea nebuniile noastre proprii
într-o perspectivă mai largă.
(Bateson)
Bibliografie
• de Visser, J.A.G.M., Elena S.F., Fragata I., Matuszewski S.(2018), „The utility of fitness landscapes and big data
for predicting evolution”, Heredity 121, 401–405
• Maier, H. R. , Razavi S. , Kapelan Z. , Matott L. S., Kasprzyk, J. , Tolson, B. A. (2019), „Introductory overview:
Optimization using evolutionary algorithms and other metaheuristics”, Environmental Modelling and
Software, Volume 114, 195-213
• Scarlat, E., Chiriţă N. (2015) ”Bazele Ciberneticii Economice”, editia a 2-a, Ed. Economică, Bucureşti
25

Cursuri BCE 1-6

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Cursuri BCE 1-6

Încărcat de

Drepturi de autor:

Formate disponibile

Cap 1. Introducere în modelare. Modelarea bazată pe agenţi. Suport de curs 2021-2022, Conf.

CAPITOLUL 1. INTRODUCERE ÎN MODELARE. MODELAREA

1.1 Modelarea, principala metodă utilizată în cibernetica economică

Metoda modelării este completată frecvent de simularea sistemelor adaptive complexe.

Exemple de metode de modelare:

modelarea bazată pe ecuaţii;

Modelarea bazată pe agenţi porneşte de la proprietăţile sistemelor adaptive complexe.

Un exemplu de program informatic dedicat modelării bazate pe agenţi este NetLogo.

NetLogo se bazează pe simularea comportamentului agenţilor, a abilităţii acestora de a

• o fereastră de interacţiune cu utilizatorul pe parcursul rulării unui model;

1.2 Definirea agenţilor

Shardlow (1990), Wooldridge şi Jennings (1995), Jennings et all (1998) se numără

Definiţia propusă de Shardlow (1990), “agenţii fac lucruri, ei acţionează: de aceea ei

Ȋn definiţia propusă de Wooldridge şi Jennings (1995) agenţii sunt definiţi prin 2

• autonomia - presupune, în general, că un agent funcţionează fără intervenţia directă

• raţionalitatea - presupune că agenţii iniţiază orice acţiune în scopul maximizării

1.3 Poziţionarea în raport cu mediul a unui agent

Poziţionarea în raport cu mediul a unui agent se

Un mediu reprezintă, în esenţă, condiţiile în care

Exemplu: AGENT UMAN IN CONTEXTUL COVID19

Un exemplu de poziţionare a unui agent în raport cu mediul este un agent uman în

agentul primeşte inputuri de la mediul său în legătură cu virusul, precum incidenţa

Exemplu: MUSUROIUL DE FURNICI

Putem observa comportamentul simulat al drumurilor furniciilor prin mediu folosind

În figura 1.1, formele de tip hexagon marchează muşuroiul unde se va depozita

Agenţii furnici ai modelului respectă reguli de comportament. Când o furnică găsește

• numărul de furnici (population);

Figura 1.1. Model NetLogo Ants.

Exemple de simulare a conceptului de pozitionare in raport cu mediul folosind

O extensie posibilă a modelului pentru a-l aduce mai aproape de realitate ar fi ca

Exemplu: FRUNZELE COACILOR

Modelul „Autumn” din librăria NetLogo ilustrează, de asemenea, conceptul de

Modelul surprinde fenomenul frumos de toamnă, cand frunzele își transformă

Figura 1.2. Model NetLogo Autumn. Setari

Interfaţa modelului permite monitorizarea mai multor rezualtate în timpul unei

evoluţia numărului de frunze agăţate în copac și a numarului de frunze

Figura 1.3. Model NetLogo Autumn. Monitorizarea rezultatelor

Modelul permite executarea a numerose simulări privind comportamentul agenţilor in

Modelul „Autumn” din librăria NetLogo surprinde fenomenul de desprindere a

1.4. Flexibilitatea agenţilor

responsiv - agentul percepe

Exemplu: TELEFONUL MOBIL INTELIGENT

Exemplu: TELEFONUL MOBIL INTELIGENT

responsivitatea agentului: prin capacitatea telefonolui inteligent de a-și adapta

1.5 Tipuri şi exemple de agenţi

Agenţi raţionali - iniţiază orice acţiune

Agenţi raţionali şi autonomi -

Agenţi adaptivi - se adaptează

Exemplu (1) : cameleonul, agent

Exemplu (2) : o persoană supusă

Agenţi reactivi - sunt activaţi de

Agenţi mobili - se deplasează unde este

Exemplu (1): aspiratoarele robot.

Exemplu (2): robotul Atlas, capabil să meargă

Agenţi interactivi şi sociali - interacţionează cu oamenii, cu alţi agenţi, cu sisteme

Exemplu de agent interactiv şi social, robotul

Exemplu de agent interactiv şi social, robotul

Exemplu de agent interactiv şi social, robotul

Agenţi cooperativi, cu personalitate, inteligenţi - îşi coordonează acţiunile şi

cum ar fi emoţii, intenţii, convingeri, răspunderi; încorporează caracteristici ce definesc

1.6 Construirea modelelor bazate pe agenţi

• Care este arhitectura modelului?

• Care sunt tipurile de interacţiune ȋntre agenţi?

 Cum poate fi făcut să evolueze comportamentul