Los sistemas complejos se caracterizan por exhibir comportamientos a nivel macroscópico para los cuales es muy difícil obtener descripciones generalizadas partiendo de conocer la dinámica de sus componentes microscópicos. Un aspecto esencial de estos sistemas radica en las interacciones entre sus componentes, las que a su vez pueden cambiar en el tiempo en función del estado macroscópico al cual contribuyen. En este contexto, las ciencias de la complejidad han recurrido históricamente a modelos de simulación computacional en busca de un laboratorio in silico para aquellos fenómenos complejos que no admitan una descripción analítica ni técnicas de experimentación controlada y repetible en laboratorio. Si bien la experimentación numérica computacional cuenta con una madurez sustentada en más de 70 años de desarrollo, en gran medida los algoritmos de simulación permanecen -aún en la práctica actual- sujetos a ambigüedades y/o poca transparencia, propias del terreno de lo artesanal. Este aspecto exacerba las dificultades de proveer modelos de simulación fácilmente comprensibles y reproducibles por la comunidad científica, conduciendo frecuentemente a réplicas artesanales de algoritmos no exentas de la introducción de errores. En cambio, los métodos formales de modelado y simulación buscan mitigar estos problemas mediante protocolos estrictos que permitan reproducir simulaciones correctas y libres de ambigüedades, partiendo de especificaciones matemáticas formales de los modelos a ser simulados. En esta Tesis potenciamos las capacidades del formalismo de modelado y simulación DEVS (Discrete Event System Specification) basado en la Teoría General de Sistemas, extendiendo su aplicación al estudio de sistemas complejos adaptativos generalizados, es decir, aquellos en los que sus partes componentes pueden ser de naturaleza híbrida (continuas o discretas, determinísticas o estocásticas, de estructura fija o variable, con o sin retardos). Dotamos al formalismo con nuevas estructuras y funciones que permiten razonar sobre el comportamiento macroscópico emergente, permitiendo a su vez que dinámicas de nivel microscópico sean una función del nivel superior, dando así lugar a dinámicas micro-macro de realimentación a lazo cerrado. El resultado es EB-DEVS (por Emergent Behavior DEVS), un formalismo que permite expresar sistemas complejos de forma modular e incremental, con tantos niveles de jerarquía espacio-temporal como se requiera. Proveemos demostraciones de que EB-DEVS es equivalente a DEVS Clásico en términos de bisimulación, permitiendo así que nuevos modelos EB-DEVS sean compatibles e integrables con la gran base de conocimiento existente para modelos DEVS. Desde el punto de vista de las aplicaciones, presentamos resultados de modelado y simulación que extienden diferentes modelos clásicos en la literatura de sistemas complejos en ciencias sociales, biología e ingeniería, mediante los cuales introducimos buenas prácticas de modelado y mostramos ventajas y limitaciones de EB-DEVS, especialmente en lo relacionado a su capacidad de detección de propiedades emergentes en tiempo de simulación. En particular, exploramos la incorporación de un índice de desigualdad en el modelo Sugarscape, modas en el modelo de Diseminación de Cultura, una distribución de grados con sesgo de tamaño en un modelo Preferential Attachment, un índice de felicidad en el modelo de Segregación, cuarentenas en un modelo epidemiológico SIR, reactividad a la formación de grupos en el modelo de Flocking y homeostasis mitocondrial en un modelo celular. Finalmente, proponemos una metodología para aplicar el enfoque de sistemas complejos adaptativos a proyectos guiados por modelado y simulación de sistemas ingenieriles, específicamente en el ámbito de arquitecturas complejas de cómputo y redes de comunicaciones para un contexto de grandes datos en experimentos de Física de Altas Energías. Complex systems are characterized by behaviors at the macroscopic level for which it is very difficult to obtain generalized descriptions based on knowledge of the dynamics of their microscopic components. An essential aspect of these systems lies in the interactions between their components, which in turn can change over time depending on the macroscopic state to which they contribute. In this context, the complexity sciences have historically resorted to computational simulation models in the quest for an in silico laboratory for those complex phenomena that do not admit an analytical description or controlled and repeatable real-world experimental techniques. Although computational numerical experimentation has a maturity supported by more than 70 years of development, to a large extent simulation algorithms remain -even in current practice- subject to ambiguities and/or lack of transparency, typical of the field of craftsmanship. This aspect exacerbates the difficulties of providing simulation models that are easily understandable and reproducible by the scientific community, often leading to hand-crafted replications of algorithms that are not free from the introduction of errors. In contrast, formal modeling and simulation methods seek to mitigate these problems by means of strict protocols that allow reproducing correct and unambiguous simulations, starting from formal mathematical specifications of the models to be simulated. In this Thesis we enhance the capabilities of the DEVS (Discrete Event System Specification) modeling and simulation formalism based on General Systems Theory, extending its application to the study of generalized adaptive complex systems, i.e., those in which their component parts can be of hybrid nature (continuous or discrete, deterministic or stochastic, fixed or variable structure, with or without delays). We endow the formalism with new structures and functions that allow reasoning about the emerging macroscopic behavior, in turn allowing microscopic level dynamics to be a function of the higher level, thus giving rise to closed-loop feedback micro-macro dynamics. The result is EB-DEVS (Emergent Behavior DEVS), a formalism that allows complex systems to be expressed in a modular and incremental fashion, with as many levels of spatio-temporal hierarchy as required. We provide proofs that EB-DEVS is equivalent to Classical DEVS in terms of bisimulation, thus allowing new EB-DEVS models to be compatible and integrable with the large existing knowledge base for DEVS models. From an applications point of view, we present modeling and simulation results that extend different classical models in the literature of complex systems in social sciences, biology, and engineering, whereby we introduce good modeling practices and show advantages and limitations of EB-DEVS, especially as related to its ability to detect emergent properties at simulation time. In particular, we explore the incorporation of an inequality index in the Sugarscape model, fashion in the Culture Dissemination model, a size-biased degree distribution in a Preferential Attachment model, a happiness index in the Segregation model, quarantines in an epidemiological SIR model, reactivity to group formation in the Flocking model, and mitochondrial homeostasis in a cellular model. Finally, we propose a methodology to apply the complex adaptive systems approach to projects guided by modeling and simulation of engineering systems, specifically in the field of complex architectures of computation and communication networks for a context of big data in High Energy Physics experiments. Fil: Foguelman, Daniel Jacobo. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.