Computação de Campos Atratores em Redes Booleanas Acopladas
Os processos de estabilização e sincronização em redes de entidades dinâmicas interagentes são quase onipresentes na natureza e desempenham um papel muito importante em muitos contextos diferentes, da biologia à sociologia. Redes Dinâmicas Discretas Acopladas (RDDA) são uma classe de modelos para redes de entidades dinâmicas interagentes, que incluem Redes Booleanas Acopladas (RBAs), e que apresentam um amplo leque de potenciais aplicações em diversas áreas. Apesar da sua importância, existem relativamente poucos estudos focados em estabilidade envolvendo essa classe específica de modelos, em particular estudos baseados em abordagens computacionais. Campos atratores em RBAs consistem em uma classe restrita de estados globalmente estáveis do sistema, nos quais a dinâmica de toda entidade interagente permanece ``localmente confinada'' -- para todo tempo -- em um mesmo atrator local. O principal objetivo desta tese consistiu no desenvolvimento de um método computacionalmente eficiente que, dada uma RBA como entrada, seja capaz de responder se ela contém ou não campos atratores, bem como identificá-los. Resultados experimentais mostram que o método proposto é capaz de recuperar todos os campos atratores em um tempo factível (da ordem de minutos ou no máximo algumas horas em uma única máquina desktop), mesmo para RBAs contendo milhões de campos atratores, sugerindo que o método é capaz de capturar a estrutura da dinâmica de RBAs de tamanhos realistas. Além disso, a análise das características das RBAs a partir da aplicação do método proposto em RBAs simuladas corroborou conhecimentos valiosos sobre a estrutura e o comportamento desses sistemas existentes na literatura, proporcionando uma compreensão mais aprofundada de como os campos atratores se formam e interagem. Esses resultados podem contribuir para o avanço do conhecimento na área de sistemas complexos.