Autômatos Celulares Generalizados Como Modelos de Influência para Agrupamentos de Dados e Interações Sociais

Os sistemas complexos estão compostos por muitos elementos de caraterísticas semelhantes com interações mútuas tipicamente não-lineares. Em alguns desses sistemas, a origem da não-linearidade pode ser modelada considerando que cada elemento possui uma propriedade, que chamaremos influência, cujo valor é co-determinante da intensidade das interações de um elemento com os restantes, e que por sua vez, o histórico de interações modifica o valor da influência. Os autômatos celulares são uma das ferramentas conceituais mais empregadas na modelagem de sistemas complexos. No presente trabalho desenvolvemos dois autômatos celulares generalizados (ACG), um deles determinístico e o outro estocástico, para aplicar o conceito de influência ao problema de detecção de agrupamentos de dados e à dinâmica das relações sociais. O ACG determinístico é o embasamento de um novo algoritmo para detecção de agrupamentos em grandes bancos de dados. O conceito de vizinhança, inerente aos ACGs, é a única medida de distância empregada; por este motivo, os dados não requerem nenhum pré-processamento. A localidade do processamento da informação dos ACGs confere ao algoritmo uma aptidão intrínseca para sua paralelização. A escalabilidade do algoritmo com respeito à quantidade de dados a considerar deriva-se do fato que as próprias células que compõem o ACG representam subconjuntos. A capacidade de auto-organização dos ACG permite que os agrupamentos emerjam sem a necessidade de parâmetros. São apresentados resultados da aplicação do algoritmo a bancos de dados sintéticos e naturais. Finalmente, o ACG estocástico aplicado à dinâmica das relações sociais resulta num modelo que reproduz as tendências observadas em bancos de dados criminalísticos.