Guided Self-Organization: Inception

آیا امکان هدایت فرآیند خودسازماندهی به سمت الگوها و نتایج خاص وجود دارد؟ آیا این با خود تناقض ندارد؟ به هر حال، یک فرآیند خودسازماندهی در غیاب کنترل متمرکز، انتقال به شکل سازمان یافته تر، یا به سمت یک عملکرد ساختاریافته تر را فرض می کند. سپس چگونه می‌توانیم عناصر راهنما را به گونه‌ای قرار دهیم که بر انتخاب‌های غنی که به طور بالقوه قابل کشف توسط یک فرآیند کنترل‌نشده است، غلبه نکنند؟

این کتاب رویکردهای مختلفی را برای حل این پارادوکس ارائه می‌کند. در انجام این کار، مطالعات ارائه شده به طیف گسترده‌ای از پدیده‌ها، از سیستم‌های خودکار تا محاسبات مورفولوژیکی، و از شبکه‌های جهان کوچک تا آبشارهای اطلاعاتی در گروه‌ها، می‌پردازد. انواع زیادی از روش‌ها، از شکستن تقارن خود به خود گرفته تا دینامیک اطلاعات تا الگوریتم‌های تکاملی، ایجاد یک طیف غنی که منعکس‌کننده این زمینه در حال ظهور است، استفاده می‌شود.

نمایش چندین نظریه و چارچوب بنیادی، و همچنین پیاده‌سازی‌های عملی نوآورانه، < i>خودسازماندهی هدایت شده: آغاز، ابزار ارزشمندی برای دانشجویان و محققان پیشرفته در زمینه های متعدد در علوم کامپیوتر، فیزیک و زیست شناسی، از جمله نظریه اطلاعات، رباتیک، سیستم های دینامیکی، نظریه گراف، زندگی مصنوعی خواهد بود. ، سیستم های چند عاملی، نظریه محاسبات و یادگیری ماشین.

Is it possible to guide the process of self-organisation towards specific patterns and outcomes? Wouldn’t this be self-contradictory? After all, a self-organising process assumes a transition into a more organised form, or towards a more structured functionality, in the absence of centralised control. Then how can we place the guiding elements so that they do not override rich choices potentially discoverable by an uncontrolled process?

This book presents different approaches to resolving this paradox. In doing so, the presented studies address a broad range of phenomena, ranging from autopoietic systems to morphological computation, and from small-world networks to information cascades in swarms. A large variety of methods is employed, from spontaneous symmetry breaking to information dynamics to evolutionary algorithms, creating a rich spectrum reflecting this emerging field.

Demonstrating several foundational theories and frameworks, as well as innovative practical implementations, Guided Self-Organisation: Inception, will be an invaluable tool for advanced students and researchers in a multiplicity of fields across computer science, physics and biology, including information theory, robotics, dynamical systems, graph theory, artificial life, multi-agent systems, theory of computation and machine learning.