Os estudos sobre inovação com foco em redes têm enfatizado principalmente o papel das redes na difusão da inovação. O que não foi destacado é a forma como a estrutura da rede afeta o processo e a velocidade da inovação focada nas empresas e na co-evolução. Modelos que utilizam métodos de simulação tornaram-se ferramentas úteis para obter ideias sobre como as estruturas de rede de cooperação afetam o processo de inovação, uma vez que as simulações não são limitadas aos problemas de coleta de dados empíricos. Deseja-se saber como as capacidades tecnológicas das empresas evoluem em um sistema que se configura em uma rede de relacionamento entre agentes que buscam deliberadamente a inovação e onde exista fluxo de conhecimento e capacidade de absorção deste conhecimento por estes atores. Para responder essa indagação, busca-se principalmente analisar como ocorre a co-evolução das capacidades inovativas entre os agentes que se relacionam em rede. Foi então construído um modelo de simulação que represente o processo de co-evolução inovativa da rede, foi desenvolvida uma aplicação computacional (SimulInova) com as características apresentadas no modelo de co- evolução; foram definidas medidas de cooperação, redes de cooperação e taxas de absorção de conhecimento tecnológico pela interação entre pares de empresas que cooperam de forma assimétrica e por fim examinou-se o efeito da estrutura de rede sobre a inovação e sua difusão. Empregou-se o método quase-experimental por meio da simulação computacional, baseada em agentes evolucionários para verificar os resultados de comportamento das redes. Como resultados da pesquisa identificou-se que quanto maior as taxas de densidade de rede e de pareamento entre empresas, mais elas melhoram suas capacidades tecnológicas e co-evoluem. Sendo que o primeiro está inversamente relacionado ao tempo necessário para evolução e o segundo está diretamente relacionado à ascensão a níveis maiores de capacidade tecnológica. Aponta- se como principal limitação do estudo, a não utilização dos custos para evolução e das receitas geradas em decorrência de novos patamares de capacidades tecnológicas.

Palavras-chave: Simulação; Simulação baseada em agentes; Redes; Algoritmos evolutivos; Capacidade de absorção.

Studies on innovation networks have mainly emphasized the role of networks in the diffusion of information and knowledge. What was not highlighted is how the network structure affects the process and the speed of innovation on business and co-evolution. Models using simulation methods have become useful tools to obtain ideas about how the structures of cooperation network affect the innovation process, since the simulations are not limited to problems of empirical data collection. In this dissertation it is evaluated how technological capabilities of enterprises evolve into a system that is configured in a network of relationships between agents who deliberately seek to innovate and where there is flow of knowledge and capacity to absorb it by these actors. It is mainly analyzed how the co-evolution of innovative capabilities among agents associated network occurs. It is constructed a simulation model that represents the process of innovative co-evolution of network, we developed a computer application (SimulInova) with the characteristics presented in the co-evolution model; measures of cooperation, cooperation networks and exchange of technological knowledge absorption by the interaction between pairs of firms that cooperate asymmetrically and finally it was examined the effect of network structure on innovation and its diffusion. We used the quasi-experimental method by computer simulation, based on evolutionary agents to verify the results of the network performance. As survey results it is identified that the higher rates of network density and pairing between companies, the more they improve their technological capabilities and co-evolve. The first of which is inversely related to the time needed for evolution and the second is directly related to the rise to higher levels of technological capability. It is pointed out as the main limitation of the study, the costs for non-use developments and revenues due to new heights of technological capabilities.

Keywords: Simulation; Agent based simulation; Networks; Evolution algorithms, Dynamic capabilities.