Dynamics of Complex Interconnected Biological Systems

این جلد شامل مجموعه مقالات کارگاه آموزشی استرالیای ایالات متحده در مورد سیستم های بیولوژیکی پیچیده به هم پیوسته است که در آلبانی، استرالیای غربی در 1-5 ژانویه 1989 برگزار شد. این کارگاه به طور مشترک توسط وزارت صنعت، تجارت و بازرگانی (استرالیا) حمایت شده است. بنیاد ملی علوم (ایالات متحده آمریکا) تحت توافق ایالات متحده و استرالیا. مطالعه سیستم های بیولوژیکی معمولاً از نظر ریاضی دشوار است. این امر به‌ویژه در مورد سیستم‌هایی با اتصالات قوی مانند اکوسیستم‌ها یا شبکه‌های نورون‌ها صادق است. در چند سال گذشته پیشرفت های قابل توجهی در ابزارهای ریاضی موجود برای مطالعه پیچیدگی صورت گرفته است. پیشرفت های نظری شامل درک قابل ملاحظه ای بهبود یافته از ویژگی های سیستم های غیرخطی است که منجر به الگوهای رفتاری مهمی مانند هرج و مرج می شود. پیشرفت‌های عملی شامل تکنیک‌های مدل‌سازی بهبود یافته و درک عمیق‌تر شاخص‌های پیچیدگی مانند بعد فراکتال است. نظریه بازی ها اکنون نقش مهمی را در درک و توصیف فرآیندهای تکاملی در سیستم های به هم پیوسته ایفا می کند. استراتژی‌های افراد که بر تناسب اندام یکدیگر تأثیر می‌گذارند ممکن است به عنوان پارامتر در مدل‌ها گنجانده شوند. استراتژی هایی که دارای خاصیت ثبات تکاملی هستند ناشی از مقادیر پارامتر خاصی هستند که ممکن است ویژگی اصلی زندگی تعیین شده با استفاده از روش های نظری بازی باشد. از آنجایی که سیستم‌ها تکامل می‌یابند، مناسب به نظر می‌رسد که هر مدلی که برای توصیف چنین سیستم‌هایی استفاده می‌شود باید این ویژگی را نیز داشته باشد. نظریه بازی های تکاملی باید در توسعه چنین روش هایی پیشرو باشد.

This volume contains the proceedings of the U.S. Australia workshop on Complex Interconnected Biological Systems held in Albany, Western Australia January 1-5, 1989. The workshop was jointly sponsored by the Department of Industry, Trade and Commerce (Australia), and the Na­ tional Science Foundation (USA) under the US-Australia agreement. Biological systems are typically hard to study mathematically. This is particularly so in the case of systems with strong interconnections, such as ecosystems or networks of neurons. In the past few years there have been substantial improvements in the mathematical tools available for study­ ing complexity. Theoretical advances include substantially improved un­ derstanding of the features of nonlinear systems that lead to important behaviour patterns such as chaos. Practical advances include improved modelling techniques, and deeper understanding of complexity indicators such as fractal dimension. Game theory is now playing an increasingly important role in under­ standing and describing evolutionary processes in interconnected systems. The strategies of individuals which affect each other's fitness may be incor­ porated into models as parameters. Strategies which have the property of evolutionary stabilty result from particular parameter values which may be the main feature of living determined using game theoretic methods. Since systems is that they evolve, it seems appropriate that any model used to describe such systems should have this feature as well. Evolutionary game theory should lead the way in the development of such methods.