Una prioridad de salud pública para los gobiernos es la definición e implementación de un plan de acción para enfrentar una pandemia. Dado que los virus se transmiten principalmente de persona a persona por la cercanía o por el contacto físico, la movilidad de las personas puede ocasionar una alta o baja propagación de la enfermedad. Este trabajo presenta un modelo basado en agentes para analizar el movimiento e interacción de individuos en una epidemia y cómo la movilidad afecta el nivel de contagios, para medir la eficacia de las estrategias de distanciamiento social y cuarentena.
El modelo SFI-ASM es un modelo basado en agentes para los mercados financieros donde los agentes aprenden continuamente usando un algoritmo evolutivo y donde además el precio del mercado es una propiedad emergente de las interacciones entre los agentes. Surge en 1990 como respuesta de Brian Arthur et. al. a la llamada hipótesis de Miramon-Sargent. Mostró que esta hipótesis, a favor del régimen neoclásico, era errónea por lo que fungió como evidencia a favor de una visión compleja de la economía y de los fenómenos sociales. En 2004 Ehrentreich mostró que las conclusiones a las que se llegaron podrían mas bien ser apresuradas, que el régimen complejo descrito por Brian Arthur et. al. no era robusto y más bien producto de un artificio de diseño. El desarrollo del area del cómputo evolutivo durante las últimas décadas nos ha permitido una visión más crítica del modelo. Nueva evidencia muestra que las conclusiones de Ehrentreich pueden ser apresuradas, que las debilidades se deben más bien a lo joven que entonces era el campo del cómputo evolutivo. Técnicas modernas nos permiten dar la vuelta a un problema fundacional del modelo que nos permiten reforzar la visión hacía una economía compleja lejana al régimen neoclásico.
El “Physarum Polycephalum”, mejor conocido como Slime Mould, es un organismo unicelular perteneciente al grupo Mycetozoa. En los últimos años ha resultado ser de interés para las Ciencias de la Computación por su capacidad de resolver distintos problemas de optimización como: el problema del camino más corto; la solución a laberintos de distintas dificultades; problemas en el área de geometría computacional, como el envolvente cóncavo y convexo. En este proyecto de tesis se analiza la dinámica del Slime Mould en su faceta "plasmodium" para así definir y desarrollar un modelo basado en agentes que aproxime su comportamiento. La finalidad de este análisis es extraer un conjunto de reglas descentralizadas de evolución con un enfoque tipo bottom-up que logre el comportamiento global deseado.
El comportamiento colectivo presente en algunos grupos de animales como los estorninos, cardúmenes, hormigas, abejas, entre otros, es un fenómeno muy interesante. Estos comportamientos permiten a los enjambres presentar ciertas características que hacen que el sistema sea más robusto ante perturbaciones del ambiente, haciendo así que puedan resolver tareas que son difíciles o incluso imposibles para un solo individuo del enjambre. Diversos enfoques se han propuesto para modelar este tipo de comportamiento, dentro de los que destacan los modelos basados en agentes (MBA); en los cuales se imponen reglas a los agentes. A diferencia de los MBA, en los enjambres naturales no existen reglas explícitas; el comportamiento que tienen los individuos puede deberse a acciones que han aprendido durante su vida. El objetivo de este trabajo es desarrollar una simulación de un enjambre de agentes capaz de presentar comportamientos colectivos emergentes a partir de su interacción con el entorno, implementando algoritmos de aprendizaje reforzado a nivel individual. Esto tiene como finalidad ir un paso antes en el proceso de modelado, y evaluar si los agentes son capaces de aprender este tipo de reglas que dan lugar al comportamiento colectivo.