複雜系統建模與仿真（簡體書）

本教材較全面地介紹了用微觀仿真方法從事複雜系統研究所需的基礎知識和建模仿真技術，對相關領域的研究前沿進行了歸納。同時，用實例的形式介紹了模型建立、仿真實現、結果分析等方面的知識，提供了詳細、全面的技術信息，便於讀者參考。其特色在於注重核心概念、思維方法的闡述，同時兼顧基本工具與模型設計的指導，是複雜系統仿真領域中一本實用、新穎、全面的讀物。本書可作為高等院校管理科學與工程、經濟學、社會科學、系統工程等專業研究生的教材，也可供管理科學、系統科學、複雜性科學等領域研究人員參考。

1 緒論

1.1 系統的概念與分類

1.1.1 系統概念

1.1.2 系統分類

1.2 線性系統理論概述

1.2.1 線性系統的概念及分類

1.2.2 線性系統理論的主要任務

1.2.3 線性系統理論的發展過程

1.3 非線性系統理論概述

1.3.1 非線性系統的特點

1.3.2 非線性系統控制的方法

1.4 複雜系統的理論概述

1.4.1 複雜性概念與複雜系統

1.4.2 複雜系統的特點

1.4.3 複雜系統的研究對象

1.4.4 複雜系統的研究方法

1.5 複雜系統研究現狀和趨勢

1.5.1 研究現狀

1.5.2 發展趨勢

1.6 系統建模與仿真

1.6.1 系統建模

1.6.2 系統仿真

思考題

2 連續系統建模與仿真技術

2.1 面向方程的建模方法與仿真

2.1.1 面向方程建模的常用方法

2.1.2 微分方程建模步驟

2.1.3 微分方程仿真求解

2.2 數值積分方法的建模與仿真

2.2.1 離散化原理

2.2.2 龍格一庫塔法

2.2.3 面向方程的龍格一庫塔法仿真舉例

思考題

3 離散系統建模與仿真

3.1 離散系統的基本概念

3.2 離散系統建模方法

3.2.1 實體流圖法

3.2.2 活動週期圖法

3.3 離散系統建模實例

3.3.1 排隊服務系統建模

3.3.2 報童模型

3.3.3 庫存系統的模型

3.4 離散系統仿真

3.4.1 離散系統仿真步驟

3.4.2 離散系統仿真基本原理

3.4.3 離散事件系統仿真策略

3.5 離散事件系統仿真結果分析

3.5.1 終態仿真結果的分析

3.5.2 穩態仿真結果的分析

思考題

4 灰色系統建模與仿真

4.1 灰色系統理論概述

4.1.1 灰色系統理論的基本概念

4.1.2 灰色系統理論的基本原理

4.1.3 灰色系統理論的主要內容

4.2 灰色關聯分析

4.2.1 灰色關聯因素和關聯算子集

4.2.2 灰色關聯公理與灰色關聯度

4.2.3 灰色關聯分析的應用舉例

4.3 GM(1，1)灰色系統模型

4.3.1 GM(1，1)模型概述

4.3.2 GM(1，1)建模機理

4.3.3 GM(1，1)模型的幾種形式

4.3.4 殘差GM(1，1)模型

4.4 灰色系統預測理論

思考題

5 基於人工神經網絡的建模及仿真

5.1 人工神經網絡簡介

5.1.1 人工神經網絡模型

5.1.2 人工神經網絡的結構

5.1.3 人工神經網絡的基本特徵

5.2 BP神經網絡

5.2.1 BP學習算法

5.2.2 BP算法的計算步驟

5.3 .BP神經網絡案例分析

5.3.1 模型的構建

5.3.2 風險警度、預警信號的確定

5.3.3 風險預控對策

5.3.4 仿真分析

思考題

6 馬爾可夫鏈建模方法

6.1 馬爾可夫鏈的基本理論

6.1.1 狀態轉移概率

6.1.2 查普曼一柯爾莫哥洛夫方程

6.1.3 齊次馬爾可夫鏈的有限維分佈

6.2 實例分析

思考題

7 複雜網絡

7.1 複雜網絡概述

7.1.1 複雜網絡的定義

7.1.2 複雜網絡中的基本概念

7.1.3 複雜網絡的結構模型

7.2 複雜網絡基礎理論

7.2.1 網絡科學理論發展的三個時期

7.2.2 複雜網絡的特性

7.2.3 其他基礎理論

7.2.4 複雜網絡的研究內容和意義

7.2.5 網絡拓撲結構與靜態特徵

7.3 複雜網絡應用

7.3.1 小世界實驗

7.3.2 一些實際的複雜網絡系統

7.3.3 複雜網絡的靜態幾何量

7.3.4 網絡拓撲的基本模型及其性質

7.4 案例分析

思考題

8 Agent複雜系統建模

8.1 Agent系統概述

8.1.1 多Agent系統研究方法

8.1.2 多Agent協調

8.2 Agent結構模型

8.2.1 Agent混合結構模型

8.2.2 其他Agent結構模型

8.2.3 具有通用性的Agent混合結構模型

8.3 Agent的學習機制

8.3.1 複雜系統建模對Agent學習系統的要求

8.3.2 基於遺傳算法的Agent規則學習與演化機制

8.3.3 基於強化學習的多Agent智能決策

8.4 多Agent模型

8.4.1 複雜系統框架結構及工作流程

8.4.2 多Agent建模與控制方法的特點

8.4.3 多Agent建模與控制研究框架

8.4.4 多Agent交互與協調模型

思考題

9 系統動力學

9.1系統動力學概述

9.1.1 系統動力學方面的主要成果

9.1.2 系統動力學發展歷史

9.2 系統動力學基本理論

9.2.1 系統動力學的概念

9.2.2 系統動力學圖形表示法

9.2.3 系統動力學機理

9.3 DYNAMO語言

9.3.1 DYNAM0概述

9.3.2 DYNAM0基本原理

9.3.3 DYNAM0方程

9.4 系統動力學建模步驟

9.4.1 系統分析

9.4.2 系統結構分析

9.4.3 建立數學的規範模型

9.4.4 模型模擬與政策分析

9.4.5 模型的檢驗與評估

9.5 案例分析

9.5.1 企業成長與投資不足案例

9.5.2 供應鏈中“牛鞭效應”

思考題

10 蒙特卡洛仿真

10.1 蒙特卡洛仿真發展

10.2 蒙特卡洛方法的基本思想

10.3 蒙特卡洛的理論基礎

10.4 蒙特卡洛方法的優缺點

10.4.1 優點

10.4.2 缺點

10.5 蒙特卡洛常用概率分佈的抽樣公式

參考文獻