[论文解读] Enfrentando a la Complejidad: Predecir vs. Adaptar

Carlos Gershenson|ArXiv.org|May 29, 2009

Complex Systems and Decision Making被引用 3

一句话总结

本文认为，尽管经典科学假设通过优化实现可预测性，但复杂和动态系统往往因内在不可预测性及自我影响的改变而抗拒此类方法。相反，本文主张适应性是一种更优策略——赋予系统自主生成新解决方案以应对未预见情境的能力，尤其是在问题空间变化速度超过优化响应能力时。

ABSTRACT

Una de las presuposiciones de la ciencia desde los tiempos de Galileo, Newton y Laplace ha sido la previsibilidad del mundo. Esta idea ha influido en los modelos cientificos y tecnologicos. Sin embargo, en las ultimas decadas, el caos y la complejidad han mostrado que no todos los fenomenos son previsibles, aun siendo estos deterministas. Si el espacio de un problema es previsible, podemos en teoria encontrar una solucion por optimizacion. No obstante, si el espacio de un problema no es previsible, o cambia mas rapido de lo que podemos optimizarlo, la optimizacion probablemente nos dara una solucion obsoleta. Esto sucede con frecuencia cuando la solucion inmediata afecta el espacio del problema mismo. Una alternativa se encuentra en la adaptacion. Si dotamos a un sistema de esta propiedad, este mismo podra encontrar nuevas soluciones para situaciones no previstas. One of the assumptions of science since the times of Galileo, Newton, and Laplace has been the predictability of the world. This idea has influenced scientific and technological models. However, in the last decades, chaos and complexity have shown that not all phenomena are predictable, even if they are deterministic. If a problem space is predictable, we can in theory find a solution via optimization. Nevertheless, if a problem space is not predictable, or changes faster than we can optimize it, optimization probably will give us an obsolete solution. This often happens when the immediate solution affects the problem space itself. One alternative is found in adaptation. If we give this property to a system, the system will be able to find by itself new solutions for unforeseen situations.

研究动机与目标

• 挑战长期以来科学界认为所有确定性系统均可通过优化实现可预测性的假设。
• 考察在问题空间快速变化或本质上不可预测的系统中，优化方法的局限性。
• 论证自影响解决方案（即行动会改变问题空间）使传统优化方法过时。
• 提出适应性作为面对未预见或快速变化条件的系统之可行替代方案。
• 将适应性定位为建模复杂系统所需的根本范式转变，尤其在现实世界应用中。

提出的方法

• 分析科学中可预测性的理论基础，追溯至伽利略、牛顿和拉普拉斯。
• 识别混沌与复杂性作为破坏确定性可预测性的关键因素，即使在原则上亦如此。
• 区分可预测的问题空间（理论上优化可成功）与不可预测的问题空间。
• 引入自影响系统概念，即解决方案会改变问题空间，使优化失效。
• 提出适应性作为机制，使系统能自主发现应对未预见变化的新解决方案。
• 运用概念性与理论性推理，论证在动态复杂环境中，适应性系统优于优化系统。

实验结果

研究问题

• RQ1 在混沌与复杂性存在的情况下，确定性系统在多大程度上可通过优化实现预测？
• RQ2 当问题空间变化速度超过系统适应速度时，基于优化的解决方案会发生什么？
• RQ3 解决方案的自影响特性（即行动改变问题空间）如何瓦解传统优化方法？
• RQ4 在哪些类型的系统中，适应性比预测与优化更具有效性？
• RQ5 从预测转向适应性系统设计，其理论与实际影响是什么？

主要发现

• 并非所有确定性系统在实践中都可预测，即使理论上可解，也因对初始条件的敏感性及混沌动力学而受限。
• 当问题空间演化速度超过优化过程响应速度时，优化方法会失效，导致解决方案过时。
• 在自影响系统中（即解决方案改变问题空间），优化方法本质上不稳定且无效。
• 适应性使系统能够自主发现应对未预见或变化条件的新解决方案。
• 具备适应能力的系统在复杂、动态且不可预测的环境中优于优化系统。
• 本文结论认为，适应性不仅是一种替代方案，更是建模现实世界复杂系统所必需的根本范式。