Cómo medir la Complejidad de Sistemas de Información

Última modificación: 7 de Julio de 2015, y ha tenido 3407 vistas

¿Qué queremos decir con que un sistema dado muestra “comportamiento complejo“?, ¿podemos ofrecer medidas precisas para el grado de complejidad? En esta entrada se presenta un breve resumen sobre los diversos enfoques que ha habido para dar medidas concretas de esta complejidad.

La pregunta principal es… ¿podemos proporcionar una sola medida, o un pequeño número de medidas, que sean adecuadas para caracterizar el “grado de complejidad” de cualquier sistema dinámico? Esta pregunta, que cae dentro de la filosofía más que de las matemáticas, ha fascinado a los investigadores durante décadas y hasta el momento no hay respuestas definitivas, aunque sí aproximaciones a ellas.

La búsqueda de estas medidas de complejidad toca muchos temas interesantes de la teoría de sistemas dinámicos y ha dado lugar a una serie de potentes herramientas, aunque el objetivo original de desarrollar una medida que valga para medir la complejidad de cualquier sistema no parece realista y se ha eliminado de los objetivos científicos. Los sistemas dinámicos complejos muestran una gran variedad de comportamientos cualitativamente diferentes (que es una de las razones por las que la teoría de sistemas complejos es tan fascinante), y no parece apropiado intentar meter todos los sistemas complejos en una sola bolsa para medir su grado de complejidad siguiendo un único criterio.

La tarea de desarrollar una medida matemáticamente bien definida para la complejidad se ve obstaculizada por la falta de un objetivo claramente definido. Vamos a presentar algunos requisitos previos y algunas de las restricciones que deben postularse para obtener una medida de complejidad válida. Al final, sin embargo, es algo que depende de nuestra intuición el decidir si estos requisitos son apropiados o no para ello.

Complejidad frente a Aleatoriedad

Una propuesta habitual para medir la complejidad es la entropía informativa de Shannon: H[p]=−∑xip(xi)log(p(xi))H[p]=−∑xip(xi)log(p(xi)). Esta medida se anula cuando el sistema es regular (es decir, hay un solo evento probbale), lo que concuerda con nuestra intuición de que la complejidad es baja cuando no pasa nada, y sin embargo, es máxima para una dinámica completamente al azar.

Realmente, es una cuestión de punto de vista el que se considere que los sistemas aleatorios son complejos. Para algunas consideraciones, por ejemplo, cuando se trata de la “complejidad algorítmica” tiene sentido atribuir un grado de complejidad máximo a conjuntos completamente aleatorios de objetos. En general, sin embargo, se considera que las medidas de complejidad deben ser funciones cóncavas que alcanzan sus mínimos tanto para comportamientos regulares como para secuencias puramente aleatorias.

fuente original: 
Fernando Sancho Caparrini

http://www.cs.us.es/~fsancho/?e=81

Anuncios

Responder

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Cerrar sesión /  Cambiar )

Google+ photo

Estás comentando usando tu cuenta de Google+. Cerrar sesión /  Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Cerrar sesión /  Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Cerrar sesión /  Cambiar )

Conectando a %s