UNIVERSIDAD NACIONAL DE INGENIERÍA CICLO: 2018 - II

FIIS - INGENIERÍA DE SISTEMAS FECHA: 15/11/18

TEORÍA Y CIENCIA DE SISTEMAS

SI 203 – V

TRABAJO DE INVESTIGACIÓN

Autómatas Celulares
(Cellular Automata)

Profesor: Ing. Jorge Daniel Llanos Panduro

Alumno: Candela Chillcce Junior Smith Código: 20180028K

2018-II
 TABLA DE CONTENIDO
1. INTRODUCCIÓN .......................................................................................................1

2. CONCEPTOS GENERALES.....................................................................................2

3. GLOSARIO..................................................................................................................9

4. ANTECEDENTES ....................................................................................................12

5. CRONOLOGÍA ........................................................................................................14

6. HISTORIA .................................................................................................................17

6.1. ERA DE VON NEUMANN ...............................................................................17

6.2. ERA DE JOHN HORTON CONWAY.............................................................17

6.3. ERA DE STEPHEN WOLFRAM .....................................................................18

7. DESCRIPCIÓN ESPECIALIZADA O EXPERTA DEL TEMA ........................20

7.1. AUTÓMATA CELULAR ................................................................................20

7.1.1. TIPOS DE PATRONES ..........................................................................20

7.1.2. VARIACIONES ......................................................................................21

7.1.3. ELEMENTOS DE UN AUTÓMATA CELULAR ..............................21

7.1.4. CONDICIONES DE FRONTERA .......................................................22
7.1.5. TIPOS DE AUTÓMATAS CELULARES ..........................................23
7.1.5.1. AUTÓMATA CELULAR UNIDIMENSIONAL ..................23
7.1.5.2. AUTÓMATA CELULAR BIDIMENSIONAL .......................24

7.1.5.3. AUTÓMATA CELULAR TRIDIMENSIONAL.....................25

8. APLICACIONES DE LOS AUTÓMATAS CELULARES ..................................27

9. IMPORTANCIA DE LOS AUTÓMATAS CELULARES....................................29

10. RESUMEN ...............................................................................................................31

11. CONCLUSIONES ...................................................................................................32

12. REFERENCIAS ......................................................................................................33

Lista de Figuras

FIGURA 1. VECINDAD DE MOORE ...................................................................................... 9

FIGURA 2. VECINDAD DE VON NEUMANN ........................................................................ 10
FIGURA 3.VECINDAD DE VON NEUMANN DE RANGO R=2. .............................................. 10
FIGURA 4. DISTANCIA DE MANHATTAN. ......................................................................... 11
FIGURA 5. CLASE I........................................................................................................... 18
FIGURA 6. CLASE II. ........................................................................................................ 19
FIGURA 7. CLASE III ........................................................................................................ 19
FIGURA 8. CLASE IV ........................................................................................................ 19
FIGURA 9. VECINDADES .................................................................................................. 22
FIGURA 10. FUNCIÓN DE TRANSICIÓN LOCAL PARA UN AUTÓMATA CELULAR
UNIDIMENSIONAL .................................................................................................... 22
FIGURA 11. FRONTERA PERIÓDICA O CIRCULAR ........................................................... 23
FIGURA 12. EVOLUCIÓN .................................................................................................. 24
FIGURA 13. JUEGO DE LA VIDA CON COMPORTAMIENTO CRECIENTE ........................... 25
FIGURA 14. AUTÓMATA CELULAR TRIDIMENSIONAL..................................................... 25

ÍNDICE DE TABLAS

TABLA 1.REGLA DE TRANSICIÓN ....................................................................... 23

1. Introducción

El mundo en el que habitamos es extremadamente complejo, los que lo habitamos también

lo somos, los cambios que ocurren en ellas son infinitamente variados y extremadamente

difíciles de predecir .Esto nos lleva a tratar de comprender lo que sucede a nuestro alrededor,

los cambios que ocurren, determinar los posibles problemas futuros y darle soluciones, estos

problemas tienen un comportamiento complejo.

Para los matemáticos es fundamental el utilizar y desarrollar herramientas que expliquen

los fenómenos que nos rodean. Esto se logra, generalmente, a través de modelos matemáticos

que den respuesta a dichos fenómenos. Con el uso de estos modelos se han logrado avances

considerables en distintas ramas de la ciencia.

En este trabajo trataremos sobre un método de modelización conocido como autómatas

celulares. Los autómatas celulares poseen características que hacen importante su estudio en

las diversas ciencias. Los mencionados son útiles en la construcción de modelos donde los

sistemas son capaces de cambiar de comportamiento ante cualquier perturbación y los

elementos componentes son de similar naturaleza y comportamiento; donde éstos se rigen por

reglas parecidas y donde, en el mismo sistema real, se identifican componentes

diferenciables, independientes, aislables y/o discretos.

Definiremos lo que es un autómata celular, así como su desarrollo a lo largo del tiempo,

sus aplicaciones y su importancia en la sociedad.

1
2. Conceptos generales

Vida Artificial

La vida artificial es el estudio de la vida y de los sistemas artificiales que exhiben

propiedades similares a los seres vivos, a través de modelos de simulación.

El científico Christopher Langton fue el primero en utilizar el término a fines de la década

de 1980 cuando se celebró la "Primera Conferencia Internacional de la Síntesis y Simulación

de Sistemas Vivientes" (también conocido como Vida Artificial I) en Laboratorio Nacional

de Los Álamos en 1987.

El área de vida artificial es un punto de encuentro para gente de otras áreas más

tradicionales como lingüística, física, matemáticas,filosofía, psicología, ciencias de la

computación, biología, antropología y sociología en las que sería inusual que se discutieran

enfoques teóricos y computacionales. Como área, tiene una historia controvertida; John

Maynard Smith criticó ciertos trabajos de vida artificial en 1995 calificándolos de "ciencia sin

hechos", y generalmente no ha recibido mucha atención de parte de biólogos. Sin embargo, la

reciente publicación de artículos sobre vida artificial en revistas de amplia difusión,

como Science y Nature son evidencia de que las técnicas de vida artificial son cada vez más

aceptadas por los científicos, al menos como un método de estudio de la evolución.

Las aplicaciones de la vida artificial se pueden encontrar en alguno de estos casos:

 Los sistemas complejos adaptativos, que han dado paso a una nueva generación

de sistemas expertos, que son capaces de aprender y evolucionar.

2
  Los autómatas celulares, que imitan funciones de los organismos celulares en

programas complejos, aplicando el conocimiento biológico de los mismos a principios

prácticos de organización en sistemas de cómputo.

 Los agentes autónomos, que son cada día más usados en aplicaciones de búsqueda.

 En el conocimiento de comportamientos adaptativos, para el desarrollo de robots

adaptativos.

 La computación cuántica, que a través del uso de las propiedades cuánticas de

los átomos y sus desplazamientos, posibilitará una nueva forma de cálculos binarios.

En algunos campos de aplicación de la vida artificial se plantean dos tipos de

simulaciones, basadas en el mundo real, las cuales ayudan a la toma de decisiones. Estas son:

 La primera de ellas, se centra en los aspectos de "más alto nivel" en cada problema,

utilizando fórmulas y reglas, o hechos históricos, que ayudan a la toma de decisiones.

Un ejemplo de esto pueden ser las fórmulas del tiro parabólico, ya que estas pueden

entenderse como modelos de simulación.

 La segunda pone atención en los aspectos de "más bajo nivel", mediante fórmulas o

reglas. Una de las ventajas de este tipo de simulaciones es que sus características son

más sencillas, ya que suelen ser más fáciles de detectar los aspectos de bajo nivel que

aquellos de alto nivel.

Inteligencia Artificial

La Inteligencia Artificial es una combinación de la ciencia del computador, fisiología y

filosofía, tan general y amplio como eso, es que reúne varios campos (robótica, sistemas

3
expertos, por ejemplo), todos los cuales tienen en común la creación de máquinas que pueden

pensar.

La de idea construir una máquina que pueda ejecutar tareas percibidas como

requerimientos de inteligencia humana es un atractivo. Las tareas que han sido estudiadas

desde este punto de vista incluyen juegos, traducción de idiomas, comprensión de idiomas,

diagnóstico de fallas, robótica, suministro de asesoría experta en diversos temas.

Es así como los sistemas de administración de base de datos cada vez más sofisticados, la

estructura de datos y el desarrollo de algoritmos de inserción, borrado y locación de datos, así

como el intento de crear máquinas capaces de realizar tareas que son pensadas como típicas

del ámbito de la inteligencia humana, acuñaron el término Inteligencia Artificial en 1956.

La Inteligencia Artificial trata de conseguir que los ordenadores simulen en cierta manera

la inteligencia humana. Se acude a sus técnicas cuando es necesario incorporar en un sistema

informático, conocimiento o características propias del ser humano.

Podemos interrogar a algunas bases de datos de Internet en lenguaje natural, o incluso

charlar con ellas nuestro idioma, porque por detrás se está ejecutando un programa de

Inteligencia Artificial.

Otras herramientas inteligentes pueden utilizarse para escrutar entre los millones de datos que

se generan en un banco en busca de patrones de comportamiento de sus clientes o para

detectar tendencias en los mercados de valores.

4
 Las definiciones anteriores implican que las máquinas para ser consideradas inteligentes

deben exhibir ciertas habilidades, suficientemente complejas como para ser tratadas como

áreas independientes. La forma de abordaje de cada una de estas áreas suele ser tan disímil,

que es difícil reconocerles un origen común.

1. Procesamiento del Lenguaje Natural

2. Consulta inteligente de base de datos

3. Robótica

4. Programación Automática

5. Sistemas Expertos

6. Prueba automática de teoremas y matemáticas simbólica

7. Problemas de optimización combinatorios y de itinerarios.

8. Percepción y reconocimiento de patrones

9. Autoaprendizaje

Máquina de Turing

Una máquina de Turing es un dispositivo que manipula símbolos sobre una tira de cinta

de acuerdo a una tabla de reglas. A pesar de su simplicidad, una máquina de Turing puede ser

adaptada para simular la lógica de cualquier algoritmo de computador y es particularmente

útil en la explicación de las funciones de un CPU dentro de un computador.

5
 La máquina de Turing fue descrita por Alan Turing como una «máquina automática» en

1936 en la revista Proceedings of the London Mathematical Society,1 La máquina de Turing

no está diseñada como una tecnología de computación práctica, sino como un dispositivo

hipotético que representa una máquina de computación. Las máquinas de Turing ayudan a los

científicos a entender los límites del cálculo mecánico.

Turing dio una definición sucinta del experimento en su ensayo de 1948, «Máquinas

inteligentes». Refiriéndose a su publicación de 1936, Turing escribió que la máquina de

Turing, aquí llamada una máquina de computación lógica, consistía en:

...una ilimitada capacidad de memoria obtenida en la forma de una cinta infinita marcada con

cuadrados, en cada uno de los cuales podría imprimirse un símbolo. En cualquier momento hay

un símbolo en la máquina; llamado el símbolo leído. La máquina puede alterar el símbolo leído

y su comportamiento está en parte determinado por ese símbolo, pero los símbolos en otros

lugares de la cinta no afectan el comportamiento de la máquina. Sin embargo, la cinta se puede

mover hacia adelante y hacia atrás a través de la máquina, siendo esto una de las operaciones

elementales de la máquina. Por lo tanto cualquier símbolo en la cinta puede tener finalmente

una oportunidad. (Turing 1948, p. 61).

Una máquina de Turing que es capaz de simular cualquier otra máquina de Turing es

llamada una máquina universal de Turing (UTM, o simplemente una máquina universal). Una

definición más matemáticamente orientada, con una similar naturaleza "universal", fue

presentada por Alonzo Church, cuyo trabajo sobre el cálculo lambda se entrelaza con el de

Turing en una formal teoría de la computación conocida como la tesis de Church-Turing. La

tesis señala que las máquinas de Turing de hecho capturan la noción informal de un método

6
eficaz en la lógica y las matemáticas y proporcionan una precisa definición de un algoritmo o

'procedimiento mecánico'.

Estudiando sus propiedades abstractas, la máquina de Turing produce muchas perspectivas

en las ciencias de la computación y en la teoría de la complejidad.

Teoría de la computación

Es un conjunto de conocimientos racionales, sistematizados y funcionales que se centran

en el estudio de la abstracción de los procesos que ocurren en la realidad con el fin de

reproducirlos con ayuda de sistemas formales, es decir, a través de códigos de caracteres

e instrucciones lógicas, reconocibles por el ser humano, con capacidad de ser modeladas en

las limitaciones de dispositivos que procesan información y que efectúan cálculos como, por

ejemplo, el ordenador. Para ello, se apoya en la teoría de autómatas, a fin de simular y

estandarizar dichos procesos, así como para formalizar los problemas y darles solución.

Física computacional

Se denomina física computacional a una rama de la física que se centra en la elaboración

de modelos por ordenador de sistemas con muchos grados de libertad para los cuales ya

existe una teoría computacional1 . En general, se efectúan modelos microscópicos en los

cuales las "partículas" obedecen a una dinámica simplificada, y se estudia el que puedan

reproducirse las propiedades macroscópicas a partir de este modelo muy simple de las partes

constituyentes. Las simulaciones se hacen resolviendo ecuaciones que gobiernan el sistema.

Por lo general, son grandes sistemas de ecuaciones diferenciales ordinarias, ecuaciones

7
diferenciales a derivadas parciales y ecuaciones diferenciales estocásticas, que no pueden ser

resueltos explícitamente de manera analítica.

A menudo, la dinámica simplificada de las "partículas" tiene cierto grado de aleatoriedad.

En general, esta vertiente se denomina método de Montecarlo, nombre que le viene por los

casinos de Montecarlo como forma jocosa de recordar que el método usa la aleatoriedad.

Otras simulaciones se basan en que la evolución de una "partícula" en el sistema depende,

exclusivamente, del estado de las partículas vecinas, y se rige mediante reglas muy simples y,

en principio, determinadas. A esto se le llama simulaciones con autómatas celulares. Un

ejemplo clásico, aunque más matemático que físico, es el famoso juego de la vida, ideado

por John Horton Conway.

La física computacional tiene sus aplicaciones más relevantes en física del estado

sólido (magnetismo, estructura electrónica, dinámica molecular, cambios de fase, etc.), física

no-lineal, dinámica de fluidos, astrofísica (simulaciones del Sistema Solar, por

ejemplo), física de partículas (teoría de campos/teoría gauge en un retículo espacio-temporal,

especialmente para la Cromodinámica Cuántica (QCD) ).

Las simulaciones que se realizan en física computacional requieren gran capacidad de

cálculo, por lo que en muchos casos es necesario utilizar supercomputadores o clusters de

computadores en paralelo.

8
3. Glosario

Tiempo discreto

Tiempo expresado en valores enteros.

Vecindad de Moore

En la teoría de autómatas celulares, la Vecindad de Moore se define como el conjunto de

las ocho celdas que rodean una celda central en un enrejado cuadrado bidimensional.

Figura 1. Vecindad
Ilustración de Moore
1. Vecindad de M..

La vecindad de Moore comprende las ocho celdas que rodean a la celda central C.

Vecindad de von Neumann

En la teoría de autómatas celulares, la vecindad de von Neumann de un punto es el

conjunto de puntos situados a una distancia de Manhattan de valor 1 respecto al punto dado.

El concepto puede ser extendido a dimensiones más altas, por ejemplo formando una

vecindad octaédrica de 6 celdas para un autómata celular cúbico en tres dimensiones.

9
 Figura 2. Vecindad de von
Neumann

En la imagen mostramos la vecindad de von Neumann para una distancia de Manhattan de

r=1

Vecindad de von Neumann de rango r

Vecindad de von Neumann para cualquier distancia de manhattan con r mayor o igual a 1.

El resultado es una región en forma de diamante.

Figura 3.Vecindad de von Neumann

de rango r=2.

Se muestra para r = 2 en la ilustración, P es el elemento central.

Distancia de Manhattan

Suma de los valores absolutos de las diferencias entre las coordenadas entre dos puntos

dados. Es decir: d(p,q)=|q1-p1|+|q2-p2|,siendo (p1, p2) y (q1 ,q2) las coordenadas de p y q

respectivamente.

10
 Figura 4. Distancia de Manhattan.

En la imagen, podemos ver una cuadrícula en la que tenemos dos puntos unidos con una línea

recta (en verde), que corresponde con la distancia habitual (la euclídea), y varias maneras de

unir ambos puntos con un camino mínimo siguiendo las calles de la cuadrícula, la distancia

para llegar desde un punto al otro, exceptuando el recorrido euclídeo, es la distancia de

manhattan entre ambos puntos.

Figura Fractal

Objeto geométrico cuya estructura básica, fragmentada o aparentemente irregular, se repite a

diferentes escalas.

Sistema Dinámico

Sistema cuyo estado evoluciona con el tiempo

11
4. Antecedentes

Teoría de los autómatas.

La teoría de autómatas es una rama de las ciencias de la computación que estudia las

máquinas abstractas y los problemas que éstas son capaces de resolver. La teoría de

autómatas está estrechamente relacionada con la teoría del lenguaje formal ya que los

autómatas son clasificados a menudo por la clase de lenguajes formales que son capaces de

reconocer.

Un autómata es un modelo matemático para una máquina de estado finito (FSM sus siglas

en inglés). Una FSM es una máquina que, dada una entrada de símbolos, "salta" a través de

una serie de estados de acuerdo a una función de transición (que puede ser expresada como

una tabla). En la variedad común "Mealy" de FSMs, esta función de transición dice al

autómata a qué estado cambiar dados un determinado estado y símbolo.

La entrada es leída símbolo por símbolo, hasta que es "consumida" completamente (piense

en ésta como una cinta con una palabra escrita en ella, que es leída por una cabeza lectora del

autómata; la cabeza se mueve a lo largo de la cinta, leyendo un símbolo a la vez) una vez la

entrada se ha agotado, el autómata se detiene.

Dependiendo del estado en el que el autómata finaliza se dice que este ha aceptado o

rechazado la entrada. Si éste termina en el estado "acepta", el autómata acepta la palabra. Si

lo hace en el estado "rechaza", el autómata rechazó la palabra, el conjunto de todas las

palabras aceptadas por el autómata constituyen el lenguaje aceptado por el mismo.

12
 Debido a ciertas etapas en los procesos de fabricación, se llegó a pensar en la posibilidad

de dejar ciertas tareas tediosas, repetitivas peligrosas, se llegó a pensar en que no pudieran

afectarle las condiciones ambientales adversas; así nació la máquina de automatización.

En 1969 Fordy general Motor impusieron a los proveedores de automatismos , a medio

camino entre los microcomputadores y la lógica cableada aparecen los primeros modelos

autómatas limitados originalmente a tratamientos de lógica secuencial, los autómatas se

desarrollaron rápidamente y actualmente extienden sus aplicaciones del conjunto de sistemas

de control de procesos y de máquinas.

La teoría de autómatas “es el estudio de las máquinas o dispositivos abstractos con calidad

de computación”.

En la década de la de 1930 antes de que existieran las computadoras Turing estudio una

máquina abstracta que poseía la misma capacidad que los computadores de hoy en día.

En 1940 y 1950 otros investigadores estudiaron tipos de máquinas más sencillas hoy

conocidas como “autómatas finitos “.

A finales de 1950 Chomsky comenzó el estudio de las gramáticas formales.

En 1969 Cook extendió los estudios realizados por Turing acerca de lo que se puede

computar y lo que no.

13
5. Cronología

 1940’s: Von Neumann crea una máquina autorreplicante en un entorno de autómatas

celulares (CA). Fue diseñado sin el uso de una computadora.

 1947 – 1957: John Von Neumann desarrolló la teoría de autómatas celulares con la

colaboración de Stanislaw Ulam.

 50’s: Dos neurofisiólogos, Warren S. McCulloch y Walter Pitts diseñaron un modelo

matemático para representar el funcionamiento de las células cerebrales que fue el

origen de los que hoy se conoce por redes neuronales. El modelo era una

aproximación muy sencilla al comportamiento real de las neuronas, pero tenía grandes

aplicaciones en otros contextos. En el campo puramente matemático, Kleene redefinió

el modelo y dio lugar a los autómatas finitos, especie de máquinas ideales o modelos

matemáticos, al modo de la máquina de Turing, con posibilidades bastante más

reducidas, pero muy adecuadas para ciertos procesos de cálculo.

 1951: Von Neumann publica The general and logical theory of automata, la teoría de

autómatas celulares está desarrollada en la teoría de autómatas definidas en este libro.

 En 1952 von Neumann construyó una red de dos dimensiones, el primer autómata de

esta clase, con 29 posibles colores para cada celda y un conjunto de reglas definidas

para emular las operaciones que llevan a cabo los componentes de un computador y

de diversos dispositivos mecánicos.

14
 1960: Edward Fredkin formuló un concepto de “mecánica de la información”, en

analogía con la mecánica cuántica. Se basa en el supuesto de que el mundo físico

proporciona constantemente información y puede, por consiguiente, modelarse como

un gran Autómata Celular tridimensional.

 1965: John Holland utilizó los Autómata Celulares para resolver problemas de

adaptación y optimización.

 1966: Von Neumann publica su libro Theory of Self-reproducing Automata, los

detalles fundamentales de la máquina creada en la década de 1940 se publicaron en

este libro, completado en 1966 por Arthur W. Burks después de la muerte de von

Neumann. El objetivo de Von Neumann era especificar una máquina abstracta que, al

ejecutarse, se replicaría a sí misma.

 1967: Konrad Zuse enuncia su tesis planteando que el Universo es un gran autómata

celular, siendo Edward Fredkin quien años más tarde popularizase el planteamiento.

 1967: Ulam y Robert Schrandt investigaron autómatas celulares de dos estados,

incluso estudiaron autómatas celulares en tres dimensiones.

 1967 en adelante: Edgar Frank Codd plantea una variación del autómata de Von

Neumann variando el número de estados posibles para cada célula.

15
 1960-1969: Gustav A. Hedlund estudia a los Autómata Celulares como sistemas

dinámicos, este estudio culmina con la publicación de Endomorphisms and

automorphisms of the shift dynamical system, Mathematical Systems Theory en 1969.

 1970: John Conway crea el Juego de la Vida, el autómata celular más representativo.

Publicado por Martin Gardner en la revista Scientifist American.

 1980 - 1990: Stephen Wolfram, realiza una investigación en profundidad de los

autómatas celulares en una dimensión y da una clasificación de acuerdo a su grado de

comportamiento.

 1980 - 2000: Carter Bays, hizo un estudio de formaciones tridimensionales a partir de

autómatas celulares.

 2002: Wolfram publicó un texto de 1.280 páginas, A New Kind of Science, que

sostiene ampliamente que los descubrimientos sobre autómatas celulares no son

hechos aislados sino que son robustos y tienen importancia para todas las disciplinas

de la ciencia.

16
6. Historia

6.1. Era de Von Neumann

John Von Neumann creó los autómatas celulares en el campo de la física computacional,

este inicia la primera etapa en el estudio de los autómatas celulares, tenía en mente crear una

máquina con la capacidad de autoreproducirse y soportar comportamiento complejo. Con la

ayuda de Stanislaw Ulam implementa la teoría de los autómatas celulares en un vector de dos

dimensiones con variables discretas. Cada una de las posiciones dentro del vector toma un

valor de 29 valores del conjunto de estados posibles. La función de transición utiliza la

vecindad de Von Neumann en una distancia de manhattan de radio 1. El matemático húngaro

John von Neumann fue conocido hacia la mitad del siglo XX como "el hombre, más

inteligente del mundo".

6.2. Era de John Horton Conway

John Horton Conway creó uno de los autómatas celulares más conocidos en la historia: El

juego de la vida (Life), publicado por Martin Gardner en la revista Scientific American.Todo

lo que se puede computar algorítmicamente se puede computar en el juego de la vida. Es

interesante para los científicos, matemáticos, economistas y otros observar cómo patrones

complejos pueden provenir de la implementación de reglas muy sencillas. Desarrolló un

seguimiento casi fanático a lo largo de 1970 hasta mediados de los 80.Una de las características

más importantes de Life es su capacidad de realizar cómputo universal, es decir, que con una

distribución inicial apropiada de células vivas y muertas ,Life se puede convertir en una

computadora de propósito general(máquina de Turing).

Juego de la vida

17
 Es un juego para cero jugadores ya que no necesita la entrada de datos posterior a la

definición del estado inicial, esta determina su evolución. El tablero de juego es una malla

plana formada por infinitos cuadrados que se extienden en todas las direcciones. La función

de transición utiliza la vecindad de Moore, las células tienen dos estados: están vivas o

muertas(o encendidas y apagadas).El estado de las células evoluciona en unidades de tiempo

discretas, las células se actualizan simultáneamente en cada turno.

6.3. Era de Stephen Wolfram

Stephen Wolfram comenzó a trabajar en autómatas celulares a mediados de 1981 después

de considerar cómo los patrones complejos parecían formarse en la naturaleza en violación de

la segunda ley de la termodinámica. En base a sus investigaciones sobre el comportamiento

cualitativo de los A.C. en una dimensión, con dos o tres estados, clasificó el comportamiento

cualitativo de los A.C. unidimensionales. La clasificación de Wolfram fue el primer intento

de clasificación global. En orden de complejidad las clases que identifica son:

 Clase I. La evolución lleva a una configuración estable y homogénea, es decir, todas

las células terminan por llegar al mismo valor.

Figura 5. Clase I.

 Clase II. La evolución lleva a un conjunto de estructuras simples que son estables o

periódicas.

18
Figura 6. Clase II.

 Clase III. La evolución lleva a un patrón caótico.

Figura 7. Clase III

 Clase IV. La evolución lleva a estructuras aisladas que muestran un

comportamiento complejo, que es un comportamiento intermedio entre caótico y

ordenado, este suele ser el tipo de comportamiento más interesante que un sistema

dinámico puede presentar.

Figura 8. Clase IV

19
7. Descripción Especializada o experta del tema

7.1. Autómata Celular

Es un modelo matemático para un sistema dinámico que evoluciona en pasos discretos. Este

sistema está compuesto por un conjunto de celdas o células que están ordenadas en un espacio

n-dimensional. Cada una de estas celdas tomará un valor de un conjunto finito de estados que

dependerá de su estado anterior y de la interacción con las células de su entorno. La regla,

expresión matemática, que gobierna la transición de estados en los entes es sensible a los

estados de los demás elementos de su vecindad, siendo por tanto una regla de transición local.

El aspecto que más caracteriza a los autómatas celulares es su capacidad para dotar al

conjunto del sistema, visto como un todo, una serie de propiedades emergentes inducidas por

la propia dinámica local, a través del paso del tiempo y no desde un inicio, que se aplican a

todo el sistema en general.

Desde un punto de vista matemático los autómatas celulares son sistemas dinámicos

discretos que presentan patrones de comportamiento tan complejos como los sistemas

dinámicos continuos más clásicos, pero pueden ser simulados sin error en un ordenador por su

carácter completamente discreto. Desde un punto de vista computacional son un modelo de

computación en paralelo y descentralizado.

7.1.1. Tipos de patrones:

 Patrones estáticos ("vidas estáticas", en inglés still lifes)

20
  Patrones recurrentes ("osciladores", oscillators, un conjunto de vidas estáticas)

 Patrones que se trasladan por el tablero ("naves espaciales", spaceships).

7.1.2. Variaciones

Pueden variar en algunas características, derivando en autómatas celulares no estándar. Por

ejemplo:

 Se asume que las células son cuadros. Esto no es necesariamente un requisito, y se

puede variar el A.C. para presentar una geometría triangular o hexagonal.

 También puede variarse el conjunto de estados que cada célula puede tomar, para que

la función de transición ya no sea homogénea, variar las vecindades de cada célula,

etc.

7.1.3. Elementos de un Autómata Celular

 Espacio regular. Ya sea una línea, un plano de 2 dimensiones o un espacio n

dimensional. Cada división homogénea del espacio es llamada célula.

 Conjunto de Estados. Conjunto de valores o colores que puede tomar las células.

También se denomina alfabeto.

 Configuración Inicial. Es la asignación inicial de un estado a cada una de las células

del espacio.

 Vecindades. Define el conjunto de células que se consideran adyacentes a una dada,

así como la posición relativa respecto a ella.

21
 Figura 9. Vecindades

 Función de Transición Local. Es la regla de evolución que determina el

comportamiento del AC. Se calcula a partir del estado de la célula y su vecindad. Define

cómo debe cambiar de estado cada célula dependiendo de su estado anterior y de los

estados anteriores de su vecindad. Suele darse como una expresión algebraica o un

grupo de ecuaciones.

Figura 10. Función de transición local para un autómata celular

unidimensional

7.1.4. Condiciones de Frontera:

 Frontera Abierta. Todas las células fuera del espacio del autómata toman un valor

fijo.

 Frontera Reflectora. Las células fuera del espacio del autómata toman los valores que

están dentro, como si se tratara de un espejo.

22
  Frontera Periódica o Circular. Las células que están en la frontera interaccionan con

sus vecinos inmediatos y con las células que están en el extremo opuesto del espacio,

como si lo dobláramos en forma de cilindro.

Figura 11. Frontera periódica o circular

 Sin Frontera. La representación del autómata no tiene límites, es infinito.

7.1.5. Tipos de Autómatas celulares

7.1.5.1. Autómata celular unidimensional

En una escala lógica, el autómata celular unidimensional es el primer paso para entender la

dinámica de los autómatas celulares. Consiste en una sola fila de células a los que se aplica un

principio de vecindad básico de dos vecinos por célula y a los que igualmente se pueden aplicar

las diversas condiciones de frontera que hemos nombrado anteriormente.

Ejemplo

000 001 010 011 100 101 110 111

0 1 1 0 1 0 0 0

Tabla 1.Regla de transición

23
El patrón obtenido a partir de la configuración inicial consistente en poner un 1 en posición 0

y ceros en el resto es la siguiente:

Figura 12. Evolución

Este patrón geométrico es muy interesante, pues se corresponde con una figura fractal

(concretamente, el triángulo de Sierpinski). Esto significa que si observamos el dibujo global

y ahora nos quedamos con uno de los subtriángulos que aparecen dentro de él, obtenemos la

misma figura

7.1.5.2. Autómata celular bidimensional

Es el más común de los autómatas celulares a nivel de simulación y estudio. Consiste en

una cuadrícula compuesta por células (ℤ x ℤ), implantada por Von Neumann y por consejo de

Stanislaw Ulam. Generalmente se utiliza la vecindad de Neumann o la vecindad de Moore para

definir a los vecinos de la célula central. Este tipo de autómata celular, por ser el más estudiado,

ha sufrido variaciones en múltiples ocasiones.

Ejemplo

Juego de la vida

Reglas:

 Una célula muerta con exactamente 3 células vecinas vivas "nace" (es decir, al turno

siguiente estará viva).

24
  Una célula viva con 2 o 3 células vecinas vivas sigue viva (supervivencia), en otro caso

muere (por "soledad" o "superpoblación").

En la siguiente imagen, los estados iniciales estarán en las matrices superiores, mostraremos la

evolución hasta el quinto segundo.

Figura 13. Juego de la vida con comportamiento creciente

En este caso el resultado que muestra es fascinante, el objeto parece ir cobrando vida propia.

7.1.5.3. Autómatas tridimensionales

Ampliamente estudiados por Carter Bays, los autómatas celulares de tres dimensiones se

enfocan principalmente para encontrar una regla de evolución en tres dimensiones que sea la

sucesora del Juego de la Vida en el espacio tridimensional, muchos de sus resultados son de

tipo cuantitativo, basados principalmente en la simulación de varias reglas de evolución en

pequeños espacios tridimensionales para encontrar estructuras que sean similares al Juego. La

aplicación de estos autómatas celulares se centra en el estudio en campos estadísticos.

25
 Son autómatas celulares que se desarrollan en un ámbito de ℤ x ℤ x ℤ, que usan el principio

de vecindad de Moore a nivel tridimensional. Esto implica que la función de transición ha de

tener en cuenta el estado de veintiséis células vecinas además del estado de la célula en

cuestión.

Los autómatas celulares tridimensionales pueden seguir los mismos principios que los

anteriores, aunque dado el incremento de la complejidad de los cálculos y el procesamiento, su

puesta en práctica no es simple. Sin embargo, y puesto que se pueden considerar autómatas

celulares tridimensionales con las mismas variables de tipo frontera en el ámbito teórico, se

debe considerar que la representación de los autómatas celulares tridimensionales considerando

una frontera periódica es en forma de toroide.

Figura 14. Autómata celular tridimensional

Los patrones evolutivos en tres dimensiones son considerados distintos, de forma que se

catalogan en complejos, caóticos o triviales.

26
8. Aplicaciones de los autómatas celulares

 En dinámica de fluidos es una de las técnicas más interesantes para la Simulación de

fenómenos concretos.

 En biología se utiliza para modelar sistemas complejos tales como la reproducción,

auto organización, desarrollo de órganos, germinación vegetal, crecimiento y

propagación de células cancerosas, etc.

 Técnica principal para el estudio de la vida artificial (Según Chris Langton).

 En Química se utiliza para el estudio cinético de las reacciones y en la

simulación del crecimiento de los cristales.

 En las Ciencias de la computación, los autómatas celulares han permitido a los

investigadores construir modelos con los que estudiar fácilmente el procesamiento de

información en paralelo así como el diseño de computadoras cuya arquitectura sea

basada en principios y materiales biológicos. Esta es una de las aplicaciones más

importantes de los autómatas celulares.

 Hay evidencia de su uso en: simulación de evacuación de barcos y salas de cines,

estudio de mercados y efectos de la publicidad, diversión y arte, distribución de

poblaciones, finanzas y economía, dispersión de árboles dentro de un ecosistema,

teoría de la relatividad, tráfico vehicular , criptografía, etc.

27
 Nuestro propio universo puede ser simulado por un gigantesco autómata celular

siendo los objetos y hasta nosotros mismos fluctuaciones de información binaria

codificándose a cada pulso de tiempo en una danza ilegible de datos, tramando futuros

exactos, ya contados hace tiempo.

28
9. Importancia de los autómatas celulares

 Uno de los factores que más ha contribuido a su uso es la sencillez con que se pueden

realizar simulaciones.

 Son capaces de representar cualquier algoritmo pero no es nada sencillo interpretarlos.

 Una ventajas en usar este tipo de modelos reside en el hecho de que los sistemas

complejos a niveles moleculares pueden ser estudiados con sistemas dinámicos

simples, la complejidad de los algoritmos es barata en términos de recursos

computacionales utilizados y los resultados obtenidos pueden ser de mucha ayuda en

los estudios de los comportamientos de los materiales ante diversos experimentos con

el fin de adecuar las características propias de cada material al objetivo para el que

han sido diseñados.

 Como son capaces de simular fenómenos complejos tales como las células

cancerígenas y predecir el comportamiento de estas, entonces es muy importante la

investigación de los autómatas celulares ya que se podría encontrar la cura para

cualquier enfermedad que el ser humano pueda padecer.

 El desarrollo de la Teoría de autómatas podría resolver el gran enigma de todos los

tiempos acerca del origen de la vida y del universo que hasta ahora no se puede

responder con exactitud.

29
 Con el uso de los autómatas celulares se puede enmarcar el país en un proceso de

desarrollo sostenible ya que los autómatas pueden predecir el comportamiento futuro

de cualquier fenómeno.

 Los autómatas celulares son interesantes por la creencia de que pueden contribuir,

quizás de forma substancial, al desarrollo de un punto de vista del mundo en el que lo

que vemos deja de convertirse en algo misterioso para convertirse en algo natural. La

razón para esta creencia es el hecho de que los autómatas celulares son capaces de

generar comportamientos globales con patrones muy complejos sobre la base de unas

reglas de interacción muy simples y locales. Además, los autómatas celulares tienen

dos virtudes fundamentales: son bien definibles desde el punto de vista matemático y

son fáciles de representar utilizando ordenadores.

30
 10. Resumen

Autómatas Celulares

Definición Tipos Componentes

Modelo matemático Clase I Clase II Célula Función de transición

para un sistema
dinámico que
evoluciona en pasos Evolución Frontera Rejilla o cuadrícula
Evolución
discretos
Estabilidad y
Estabilidad o
homogenei- Vecindad
periodicidad
dad

Clase IV Clase III

Evolución Evolución

Complejidad Patrón
caótico

Aplicaciones

 Técnica principal para el estudio de la

vida artificial.
 Simular fenómenos complejos para
poder comprenderlo, predecirlo y
solucionar los problemas que se pueden
presentar.
 Etc.

31
11. Conclusiones

 En pocas palabras los autómatas celulares son la idealización de un fenómeno y

sistema físico en el cual tiempo y espacio son discretos.

 Por lo visto ya anteriormente, se muestra que el uso de los autómatas ha cobrado

mucha relevancia debido a la simplicidad de su uso y la complejidad que se puede

lograr partiendo de reglas muy sencillas.

 El uso de autómatas celulares ha causado una revolución en la simulación, además de

ser económicamente barata, se ha convertido en una herramienta que hace de mayor

alcance el uso de la simulación.

 Aún falta más estudio en esta disciplina, por ello es importante que se siga

investigando y descubriendo nuevas potencialidades que puedan brindar el uso de

autómatas celulares, muchas más de las maravillosas aplicaciones que ya se ha visto.

 Los autómatas celulares son una tecnología que puede cambiar el paradigma actual

del modelado de fenómenos físicos y abrirnos nuevos horizontes en beneficio de la

sociedad.

32
12. Referencias

 Autómatas celulares y su aplicación. [Archivo PDF]. Recuperado de

http://www.revistasbolivianas.org.bo/pdf/rits/n4/n4a03.pdf

 Juárez. G. Grados de Reversibilidad en Autómatas Celulares Lineales. Recuperado de

http://delta.cs.cinvestav.mx/~mcintosh/oldweb/tesis/genaro/node5.html

 La regla 110. (2018). Recuperado de

https://vonneumannmachine.wordpress.com/tag/automata-celular/

 Wikipedia, La enciclopedia libre. (2018).Recuperado de

https://es.wikipedia.org/wiki/Juego_de_la_vida

 Sancho, F. (2016). Autómatas Celulares. Recuperado de

http://www.cs.us.es/~fsancho/?e=66

 Fractales y autómatas celulares. (s.f.). Recuperado de

http://www3.gobiernodecanarias.org/medusa/ecoblog/mrodperv/fractales/fractales-y-

automatas-celulares/

 Morales, M. Manhattan, distancias y “el juicio de Pitágoras”. Recuperado de

https://elpais.com/elpais/2016/10/18/el_aleph/1476813443_840074.html

 Wikipedia, La enciclopedia libre. (2018). Recuperado de

https://es.wikipedia.org/wiki/F%C3%ADsica_computacional

 Wikipedia, La enciclopedia libre. (2018).Recuperado de

https://es.wikipedia.org/wiki/Fractal

 Wikipedia, La enciclopedia libre. (2018). Recuperado de

https://es.wikipedia.org/wiki/Sistema_din%C3%A1mico

 Marius. (2013). Recuperado de

https://mariusagm.wordpress.com/2013/10/21/automatas-celulares-y-el-juego-de-la-

vida-en-mathematica/

33
 Matesfacil. (s.f.). Recuperado de https://www.matesfacil.com/automatas-

lenguajes/Maquina-Turing.html

 Ecured. (2018). Recuperado de https://www.ecured.cu/Aut%C3%B3mata_celular

34