复杂系统是非线性系统组成的代理可以与当地的环境信息。的代理通常是高度的复杂性,这样的系统需要大量的数据中提取适当的见解为他们的决策。支持大量数据感知、收集、存储、传输、管理和分析,云/边缘计算和物联网(物联网)杠杆的计算基础设施支持,使大数据技术在IT行业最近的一次颠覆性的革命。巨大的商业利益,科学的进步,管理效率,分析大数据带来的精度得到了认可,进一步发展为范围广泛的应用程序包括复杂系统。

由于复杂系统的复杂性,从事代理和他们工作的数据通常是地理上分布在一套计算资源。传统上,这就是一个巨大的支持云计算服务器农场与成千上万的计算服务器是用来提供计算能力。尽管云服务提供商已经放置多个云中心在整个世界中,数据源之间的数据传输延迟和云计算中心是许多复杂系统仍然有问题,反应通常需要时间或实时至关重要。相反,最近新兴的计算模式,计算边缘,承诺满足这些需求,边缘计算资源部署数据源支持时间关键或实时数据处理和分析。云计算作为计算后台,边缘计算一直采用复杂的系统。然而,这仍然是一个挑战进行大数据管理和分析复杂系统所支持的优势,考虑到复杂系统的复杂性和边缘的独特特性计算。

协作方法已逐渐被认为是一个有效的方法来处理一个复杂的系统的复杂性。例如,基于计算智能方法启用代理在一个复杂的系统学习从大数据系统的特定任务,进一步促进复杂的问题解决,而这些复杂系统中扮演越来越重要的角色。鉴于这些方法本质上通常不用于大容量的数据,这是相当有趣的调查研究等问题如何处理大数据复杂的系统和相应的设计更多的可伸缩的计算智能方法。同时,许多新兴协同数据分析范式等联合学习分布式数据提出了实际的应用。因此,理论和实践的重要性探讨合作创新的大数据管理和分析复杂系统等先进的计算基础设施优势,高度要求伟大的研究成果从研究者和实践者。

这个特殊问题的目的是寻求高质量的原始研究和评论文章在协作的大数据管理和分析的最新进展与边缘计算复杂系统。

潜在的主题包括但不限于以下:

• 复杂系统建模在云中/优势/物联网环境
• 基于知识的协作与边缘计算复杂系统
• 对大数据对复杂系统的决策协作
• 计算智能在大数据驱动的复杂系统
• 协作的复杂系统的机器学习模型
• 协作推荐的方法在大数据复杂的系统
• 安全、隐私和信任问题在大数据驱动的复杂系统