Vol. 20 Núm. 3 (2004)
Artículos originales

EXPERIMENTOS EN AUTOORGANIZACIÓN

César E. Moreira Arana
Facultad de Ciencias Agrícolas, Universidad Veracruzana.
Miguel E. Equihua Zamora
Instituto de Ecología A. C.
José Negrete Martínez
Instituto de Investigaciones Biomédicas UNAM.

Publicado 14-06-2004

Palabras clave

  • Sistemas complejos,
  • simulación biológica,
  • vida artificial,
  • autómatas celulares,
  • modelos ecológicos

Cómo citar

Moreira Arana, C. E., Equihua Zamora, M. E., & Negrete Martínez, J. (2004). EXPERIMENTOS EN AUTOORGANIZACIÓN. ACTA ZOOLÓGICA MEXICANA (N.S.), 20(3), 107–125. https://doi.org/10.21829/azm.2004.2031585

Resumen

Se describe el diseño y los experimentos llevados a cabo con un simulador de un ecosistema sintético de tres componentes (autótrofos, consumidores primarios y consumidores secundarios) por autómatas celulares, de tipo IBM (individual-based model), donde cada agente exhibe su propia singularidad por responder a una serie de etiquetas fijas que se pueden denominar de modo algo laxo “genes”, en tanto que otras de tipo variable definen su estado interno. Este modelo, a modo de “experimento pensado opaco”, se destinó al estudio de la autoorganización, manifestada a través de la aparición y conservación de un orden espontáneo y al análisis de los factores que pudieran desestabilizar dicha estructura. Mientras que el simulador cuenta con un limitado número de interacciones codificadas de corto alcance, su desenvolvimiento exhibe efectos no codificados, de largo alcance, o emergentes, que suponen la presencia de procesos de autoorganización subyacentes.

Citas

  1. Bak, P., C. Tang & K. Wiesenfeld. 1988. Self-organized criticality. Phys. Rev., 38(1):264-374. DOI: https://doi.org/10.1103/PhysRevA.38.364
  2. Baxter, J., 1992. The evolution of learning algorithms for artificial neural networks. Pp. 364-374. In: Green, D. and Bossomaier, T. (Eds) Complex Systems, IOS Press.
  3. Bedau, M. A. 1999. Can Unrealistic Computer Models Illuminate Theoretical Biology? Pp. 20-23. In: Proceedings of the 1999 Genetic and Evolutionary Computation Conference Workshop Program, Orlando, Florida, July 13, 1999, Annie S. Wu, Ed.,
  4. Bertalanffy, L. 1992. Teoría General de los Sistemas. Fondo de Cultura Económica. Buenos Aires. 270 pp.
  5. Casti, J. L. 1997. Would-be Worlds. How Simulation is Changing the Frontiers od Science. Wiley. U.S.A. 215 pp.
  6. Childress, W. M., E. J. Rykiel Jr., W. Forsythe, Bai-Lian Li & Hsin-i Wu. 1996. Transition rule complexity in grid-based automata models. Lands. Ecol. 11(5): 257-266. DOI: https://doi.org/10.1007/BF02059853
  7. Connor, E. F. & D. Simberloff. 1979. The Assembly of Species Communities: Chance or Competition?. Ecology 60(6): 1132-1140. DOI: https://doi.org/10.2307/1936961
  8. Depew, D. J. & B. Weber. 1995. Darwinism Evolving. System Dynamics and the Genealogy of Natural Selecction. MIT Press. Cambridge. Massachusetts. 588 pp. DOI: https://doi.org/10.7551/mitpress/2274.001.0001
  9. Di Paolo, E. A., Noble, J. & Bullock, S. 2000. Simulation Models as Opaque Thought Experiments. Pp. 497-506. In: Proceedings of the 7th. International Conference on Artificial Life, Bedau, M. (Ed.).
  10. Dobzhansky, T. 1975. Genética del Proceso Evolutivo. Extemporáneos. México. 463 pp.
  11. Drake, J. A. 1990. The Mechanics of Community Assembly and Succession. J. Theor. Biol. 147: 213- 233. DOI: https://doi.org/10.1016/S0022-5193(05)80053-0
  12. Dunkerley, D. L. 1997. Banded vegetation: survival under drought and grazing pressure based on a simple cellular automaton model. J. Arid Envir. 35: 419-428. DOI: https://doi.org/10.1006/jare.1995.0158
  13. Gross, L. J. 1996. Individual-based ecological models for spatially-explicit investigation and computational ecology. http://tiem.utk.edu/~gross/indiv.based.txt
  14. Gurney, W. S. C. & R. Veitch. 2000. Self organization, Scale and Stability in a Spatial Predator-Prey Interaction. Bull. Mathem. Biol., 62: 61-86. DOI: https://doi.org/10.1006/bulm.1999.0130
  15. Haefner, J.W. 1996. Modeling Biological Systems. Chapman & Hall. N.Y. 473 pp. DOI: https://doi.org/10.1007/978-1-4615-4119-6
  16. Holland, J. 1992. Genetic Algorithms. Sci. Am. July, 1992, pp. 44-50.
  17. Hraber, P. T., T. Jones, & S. Forrest.1997. The Ecology of ECHO. Artificial Life 3: 165-190. DOI: https://doi.org/10.1162/artl.1997.3.3.165
  18. Huston, M., D. DeAngelis & W. Post. 1988. New Computer Models Unify Ecological Theory. BioScience 38 (10): 682-691. DOI: https://doi.org/10.2307/1310870
  19. Jansen, V. A. A. & G. S. E. E. Mulder. 1999. Evolving biodiversity. Ecol. Lett., 2: 379-386. DOI: https://doi.org/10.1046/j.1461-0248.1999.00100.x
  20. Kauffman, S. 1993. The Origins of Order. Self-Organization and Selection in Evolution. Oxford University Press. New York. 645 pp. DOI: https://doi.org/10.1007/978-94-015-8054-0_8
  21. Kupiec, J. J. & P. Sonigo. 2000. Ni Dieu Ni Gène. Pour Une Autre Théorie de L’Hérédité. Seuil. Paris. 216 pp.
  22. Levins, R. 1968. Evolution in Changing Environments. Some Theoretical Explorations. Princeton University Press. 120 pp. DOI: https://doi.org/10.1515/9780691209418
  23. Mahner, M. & Bunge, M. 2000. Fundamentos de Biofilosofía. Siglo XXI Editores. México. 421 pp.
  24. Martínez, S. 1997. De los efectos a las causas. Sobre los patrones de explicación científica. Paidós. México. 180 pp.
  25. Mitchell, M. & M. Newman. 2001. Complex Systems Theory and Evolution. Por aparecer en Encyclopedia of Evolution, M. Pagel (editor), Oxford University Press, New York. Disponible en: http://www.santafe.edu/~mark/pubs.html
  26. Nee, S. 1990. Community Construction. TREE, vol. 5, NE 10, pp. 337-340. DOI: https://doi.org/10.1016/0169-5347(90)90182-D
  27. Pérez, A. & C. Moreira A. 2002. El papel del desequilibrio en la naturaleza. Foresta Veracruzana 4(2): 45-50.
  28. Piotrkovski, R., M. Rapacioli, G. La Mura, J. L. Ferrán, V. Flores, C. E. Moreira Arana, A. Pérez. 1999. Simulación con autómatas celulares y autoorganización. V Congreso Argentino de Física Médica. Mendoza, Argentina. 25-27 de Noviembre de 1999.
  29. Popper, K. R. 1992. The Logic of Scientific Discovery. Routledge. U.S.A. 464 pp.
  30. Resnick, M. 1994. Lerning About Life. Artificial Life, 1(1-2): 229-241. DOI: https://doi.org/10.1162/artl.1993.1.1_2.229
  31. Reynolds, C. 1998. Individual-Based Models. En: http://hmt.com/cwr/ibm.html.
  32. Richard, W. & J. Dean. 1998. Space invaders: modellin the distribution, impacts and control of alien organisms. TREE, 13: 256-258. DOI: https://doi.org/10.1016/S0169-5347(98)01393-7
  33. Risan, L. 1997. Why are there so few biologists here? Artificial life as a theoretical biology of artistry. In: Husbands, P. & Harvey, I. (Eds.), Proceedings of the Fourth European Conference on Artificial Life (ECAL'97). MIT Press / Bradford Books, Cambridge, MA.
  34. Rocha L. M. 1995. Contextual Genetic Algorithms: Evolving Developmental Rules. Pp. 368-382. In: F. Morán, A.Moreno, J.J. Merelo, P. Chacón (Eds). Advances in Artificial Life. Springer. Berlin. DOI: https://doi.org/10.1007/3-540-59496-5_312
  35. Rohani, P., T. J. Lewis, D. Grünbaum & G. D. Ruxton. 1997. Spatial self-organization in ecology: pretty patterns or robust reality? TREE 12 (2): 70-74. DOI: https://doi.org/10.1016/S0169-5347(96)20103-X
  36. Schmitz, O. J. & G. Booth. 1996. Modelling Food Web Complexity: the consequence of individual- based spacially explicit behavioral ecology on trophic interactions. Evol. Ecol. 11: 379-398. Disponible en: http://reef.biology.yale.edu:8001/papers/gecko.html. DOI: https://doi.org/10.1023/A:1018476606256
  37. Sherratt, J. A., B. T. Eagan & M. A. Lewis. 1997. Oscillations an chaos behind predator-prey invasion: mathematical artifact or ecological reality? Phil. Trans. R. Soc. Lond. B, 352, 21-38. DOI: https://doi.org/10.1098/rstb.1997.0003
  38. Sherratt, J. A. 2001. Periodic travelling waves in cyclic predator-prey systems. Ecol. Lett. 4: 30-37. DOI: https://doi.org/10.1046/j.1461-0248.2001.00193.x
  39. Sigmund, K. 1993. Games of Life. Exploration in ecology, evolution and behaviour. Oxford University Press. Hong Kong. 225 pp.
  40. Silvertown, J., S. Holtier, J. Johnson & P. Dale. 1992. Cellular automaton models of interespecific competition for space - the effect of pattern on process. J. Ecol. 80: 527-534. DOI: https://doi.org/10.2307/2260696
  41. Thompson, P. 1999. Le Rôle des Modèles Mathématiques dans la Formalisation des Systèmes Auto- organisés. Pp. 421-438. In: Feltz, B., M. Crommelinck y P. Goujon. (Comps.). Auto-organization et Emergence dans les Sciences de la Vie. Ousia. Grecia.
  42. Wilensky, U. 1995. Learning probability through building computational models. Proceedings of the Ninteenth International Confereence on the Psycology of Mathematics Education. Recife, Brasil.
  43. Wilson, J. B. 1994. Who makes the assembly rules. J. Veg. Sci. 5: 275-278. DOI: https://doi.org/10.2307/3236161
  44. Wolfram, S. 1984. Cellular Automata as models of complexity. Nature. 311: 419-424. DOI: https://doi.org/10.1038/311419a0