复杂系统建模理论、方法与技术PDF电子书下载

第1章 绪论 1

1.1系统概念与分类 1

1.1.1系统概念 1

1.1.2系统分类 1

1.2复杂性概念与复杂系统提法 3

1.2.1复杂性概念 3

1.2.2复杂系统提法 3

1.3复杂系统的特点、研究对象及方法 4

1.3.1复杂系统的特点 4

1.3.2复杂系统的研究对象 5

1.3.3复杂系统的研究方法 5

1.4系统研究现状和趋势 6

1.4.1研究现状 6

1.4.2发展趋势 7

1.5系统建模与仿真 7

1.5.1模型概念、性质及分类 7

1.5.2数学建模及其过程 9

1.5.3仿真建模与系统仿真 10

1.5.4系统建模与仿真体系结构 11

1.6对复杂问题建模与仿真的重要思考 12

1.6.1复杂系统研究是建模与仿真发展的动力源 12

1.6.2支撑复杂系统建模与仿真的新理论 13

1.6.3复杂系统建模方法学进展 14

1.6.4适应于复杂仿真系统的体系结构 14

1.6.5复杂系统建模环境及工具 14

1.6.6复杂仿真系统与VV&A技术 15

思考题 15

第2章 系统建模的基本理论 16

2.1引言 16

2.2模型论及其相关理论 16

2.2.1引言 16

2.2.2实际系统的抽象 16

2.2.3系统描述及其保存关系 17

2.2.4模型的非形式化与形式化描述 20

2.2.5模型集总 22

2.2.6模型简化 23

2.2.7模型修改 28

2.2.8模型灵敏度分析 29

2.2.9模型的有效性及可信性 31

2.3相似理论及演绎推理 34

2.31引言 34

2.3.2相似概念及分类 35

2.3.3相似关系 36

2.3.4相似定理 36

2.3.5演绎推理 38

2.3.6连续物理系统的相似性及其模型通式 39

2.4系统辨识理论 40

2.4.1系统辨识概念、定义及要素 40

2.4.2系统辨识框架和内容 41

2.4.3系统辨识方法与算法 43

2.5系统层次性与分形理论 46

2.5.1系统的层次性概念 46

2.5.2系统分析与层次分析 46

2.5.3系统层次分析方法概述 47

2.5.4系统分形概念 51

2.5.5分形理论的要点 51

2.6复杂适应系统理论 53

2.6.1基本概念 54

2.6.2CAS树 55

2.6.3主体的适应和学习 55

2.6.4CAS宏观模型 57

2.7定性理论、模糊理论及云理论 59

2.7.1定性理论的产生及其范畴 59

2.7.2定性推理 60

2.7.3定性建模 62

2.7.4模糊理论的产生 64

2.7.5模糊集合（论） 64

2.7.6模糊集合运算和基本定理 65

2.7.7模糊数和模糊集合特征描述 67

2.7.8模糊关系 67

2.7.9云理论 68

2.8自组织理论 71

2.8.1引言 71

2.8.2理论基础及研究范畴 71

2.8.3系统自组织概念 71

2.8.4耗散结构论 72

2.8.5协同学 72

2.8.6日趋完善的自组织理论 73

2.9元胞自动机与支持向量机理念 74

2.9.1引言 74

2.9.2元胞自动机理念 74

2.9.3元胞自动机的功能特点 75

2.9.4支持向量机理念和内涵 76

2.9.5支持向量分类机 76

2.9.6支持向量回归机 77

2.10灰色系统理论和马尔可夫理论 78

2.10.1引言 78

2.10.2灰色系统基本原理 78

2.10.3灰色系统理论体系结构 79

2.10.4灰色概念、运算及灰色联度分析 79

2.10.5灰色系统建模 81

2.10.6马尔可夫过程 81

2.10.7马尔可夫链及其相关定义和定理 82

2.11图论 86

2.11.1引言 86

2.11.2图概念及重要术语 87

2.11.3树及其生成树 88

2.11.4遍历、欧拉图及哈密顿图 88

2.11.5图矩阵 88

2.12网络理论 89

2.12.1引言 89

2.12.2基本概念及其物理意义 89

2.12.3网络最大流及最小流 90

2.12.4最短路和最小代价流 91

2.12.5工程网络图 92

2.12.6计算机网络 93

2.12.7Petri网 95

2.12.8人工神经网络 96

2.12.9贝叶斯网 98

2.13元模型及综合集成研讨厅理念 100

2.13.1引言 100

2.13.2元模型理念及其相关概念 100

2.13.3综合集成研讨厅理念 102

2.14虚拟现实及其相关理论 103

2.14.1引言 103

2.14.2基本概念及定义 103

2.14.3VR系统及分类 104

2.14.4VR硬、软件工具 104

2.14.5VR技术及其应用 105

思考题 108

第3章 常用数学建模方法、原理及案例 110

3.1概述 110

3.1.1引言 110

3.1.2数学建模方法的选取 110

3.2机理分析法 111

3.2.1方法原理 111

3.2.2建模过程 111

3.2.3应用案例 112

3.3直接相似法 114

3.3.1方法原理 114

3.3.2建模过程 114

3.3.3应用案例 115

3.4量纲分析法 116

3.4.1方法原理 116

3.4.2建模过程 116

3.4.3应用案例 117

3.5比例法 118

3.5.1方法原理 118

3.5.2建模过程 118

3.5.3应用案例 118

3.6概率统计法 119

3.6.1方法原理 119

3.6.2建模过程 119

3.6.3应用案例 120

3.7回归分析法 122

3.7.1方法原理 122

3.7.2建模过程 122

3.7.3应用案例 122

3.8集合分析法 125

3.8.1方法原理 125

3.8.2建模过程 125

3.8.3应用案例 125

3.9层次分析法 129

3.9.1方法原理 129

3.9.2建模过程 129

3.9.3应用案例 132

3.10图解法 134

3.10.1方法原理 134

3.102建模过程 134

3.10.3应用案例 136

3.11蒙特卡罗法 137

3.11.1方法原理 137

3.11.2建模过程 137

3.11.3应用案例 137

3.12模糊集论法 138

3.12.1引言 138

3.12.2隶属函数确定法 139

3.12.3模糊聚类分析法 140

3.12.4模糊模式识别法 142

3.12.5模糊综合评判法 143

3.13“隔舱”系统法 144

3.13.1方法原理 144

3.13.2建模过程 144

3.13.3应用案例 144

3.14灰色系统法 146

3.14.1方法原理 146

3.14.2建模过程 146

3.14.3应用案例 146

3.15想定法 149

3.15.1方法原理 149

315.2建模过程 149

3.15.3应用案例 149

3.16计算机辅助法 150

3.16.1方法原理 150

3.16.2建模过程 151

3.16.3应用案例 151

3.17系统辨识法 152

3.17.1方法原理 152

3.17.2建模过程 153

3.17.3应用案例 153

3.18神经网络法 155

3.18.1方法原理 155

3.18.2建模过程 156

3.18.3应用案例 156

思考题 158

第4章 面向复杂系统建模的新方法与技术 161

4.1概述 161

4.2混合建模方法与技术 161

4.2.1引言 161

4.2.2分析-统计法 161

4.2.3模糊辨识法 164

4.2.4基于模糊神经网络的模型辨识 167

4.3组合建模方法与技术 171

4.3.1方法原理 171

4.3.2技术特点 172

4.3.3典型应用 172

4.4基于智能技术的Agent/MAS建模方法与技术 175

4.4.1引言 175

4.4.2方法原理 175

4.4.3技术特点 176

4.4.4典型应用 177

4.5基于Petri网建模方法与技术 179

4.5.1引言 179

4.5.2方法原理 180

4.5.3技术特点 181

4.5.4典型应用 181

4.6马尔可夫建模方法与技术 184

4.6.1引言 184

4.6.2动态系统传统马尔可夫建模方法与技术 185

4.6.3动态系统模糊马尔可夫建模方法与技术 188

4.7Bootstrap、Bayes及Bayes Bootstrap建模方法与技术 191

4.7.1引言 191

4.7.2Bootstrap建模方法与技术 191

4.7.3 Bayes Bootstrap建模方法与技术 192

4.7.4 Bayes建模方法与技术 194

4.8基于贝叶斯网的建模方法与技术 197

4.8.1引言 197

4.8.2基于专家主导的贝叶斯网建模方法与技术 197

4.8.3基于联结树的贝叶斯网建模方法与技术 201

4.9定性建模方法与技术 203

4.9.1引言 203

4.9.2基于p-范数的近似推理定性建模方法与技术 203

4.9.3基于通用系统问题求解系统理论的归纳推理定性建模方法与技术 206

4.9.4基于QSIM算法的定性建模方法与技术 210

4.9.5基于微分方程定性理论的建模方法与技术 213

4.9.6基于范例推理建模方法与技术 217

4.10基于因果关系的建模方法与技术 219

4.10.1引言 219

4.10.2方法原理 219

4.10.3技术特点 220

4.10.4典型应用 220

4.11基于云理论的建模方法与技术 223

4.11.1引言 223

4.11.2方法原理 223

4.11.3技术特点 224

4.114典型应用 224

4.12基于元模型的建模方法与技术 228

4.12.1引言 228

4.12.2方法原理 228

4.12.3技术特点 229

4.12.4典型应用 229

4.12.5基于元模型的仿真模型表示及建模方法 231

4.13基于元胞自动机的建模方法与技术 232

4.13.1引言 232

4.13.2方法原理 233

4.13.3技术特点 234

4.13.4典型应用 234

4.14基于支持向量机的建模方法与技术 236

4.14.1引言 236

4.14.2方法原理 236

4.14.3技术特点 236

4.14.4典型应用 237

4.15基于超高计算智能逼近的建模方法与技术 242

4.15.1引言 242

4.15.2基于量子神经网络的建模方法与技术 242

4.15.3基于协同进化计算的建模方法与技术 244

415.4基于多智能体遗传算法的建模方法与技术 247

4.16基于混合专家系统的建模方法与技术 250

416.1引言 250

416.2方法原理 251

4163技术特点 251

4.16.4典型应用 252

4.17综合集成建模方法与技术 253

4.17.1引言 253

4.17.2方法原理 254

4.17.3技术特点 255

4.17.4典型应用 255

4.18基于CAS理论的建模方法与技术 257

4.18.1引言 257

4.18.2方法原理 258

4.18.3技术特点 259

4.18.4典型应用 259

4.19基于自组织理论的建模方法与技术 261

4.19.1引言 261

4.19.2基于GMDH建模的方法原理 261

4.19.3基于GMDH建模的技术特点 263

4.19.4基于GMDH建模的典型应用 263

4.20基于分形理论的建模方法与技术 266

4.20.1引言 266

4.20.2方法原理 266

4.20.3技术特点 267

4.20.4典型应用 267

4.21多分辨率建模方法与技术 269

4.21.1引言 269

4.21.2方法原理 270

4.21.3技术特点 270

4.21.4典型应用 271

4.22面向对象建模方法与技术 276

4.22.1引言 276

4.22.2方法原理 277

4.22.3技术特点 277

4.22.4典型应用 278

思考题 281

第5章 复杂系统M&S支撑环境及工具 283

5.1概述 283

5.2UML/RationalRose 283

5.2.1引言 283

5.2.2UML/RationalRose简介 284

5.2.3应用实例 284

5.3ABM/Swarm 288

5.3.1引言 288

5.3.2Swarm平台简介 288

5.3.3应用实例 289

5.4HLA/RTI 292

5.4.1引言 292

5.4.2基本思想及开发过程 292

5.4.3应用实例 294

5.5OpenGL/Vega和MultiGen/Creator 297

5.5.1引言 297

5.5.2OpenGL/Vega简介 298

5.5.3MultiGen/Creator简介 301

5.5.4应用实例 303

5.6MATLAB/Simulink 305

5.6.1引言 305

5.6.2MATLAB/Simulink简介 305

5.6.3应用实例 307

5.7ADAMS/View 311

5.7.1引言 311

5.7.2ADAMS简介 311

5.7.3应用实例 314

5.8STAGE/STRIVE 316

5.8.1引言 316

5.8.2STAGE简介 316

5.8.3STRIVE简介 318

5.8.4应用实例 319

5.9GlobusToolkit 322

5.9.1引言 322

5.9.2网格技术发展概况 322

5.9.3GlobusToolkit简介 323

5.9.4应用实例 325

5.10M&S的其他支撑环境与工具 326

思考题 340

第6章 大型复杂仿真系统的VV&A及可信度评估 341

6.1引言 341

6.2大型复杂仿真系统的特点及可信度评估对策 342

6.2.1现代大型复杂仿真系统的特点 342

6.2.2大型复杂仿真系统的可信度评估对策 342

6.3VV&A基本概念及相关概念 343

6.3.1基本概念 343

6.3.2相关概念 344

6.4VV&A的原则和工作模式 347

6.4.1仿真系统VV&A原则 347

6.4.2VV&A工作模式 349

6.5仿真系统V&V方法 351

6.5.1仿真系统校核方法 351

6.5.2仿真系统验证方法 352

6.5.3一般最大熵谱估计法 353

6.5.4基于神经网络的最大熵谱估计法 356

6.6复杂仿真系统生命周期VV&A方案设计 358

6.7典型复杂仿真系统生命周期VV&A开发过程 359

6.7.1分布交互式仿真系统生命周期VV&A开发过程 359

6.7.2HLA仿真系统生命周期VV&A开发过程 360

6.7.3DIS/HLA仿真系统生命周期VV&A开发过程 361

6.8复杂仿真系统VV&A标准／规范及其应用 361

6.8.1引言 361

6.8.2复杂仿真系统VV&A标准／规范的需求分析 361

6.8.3复杂仿真系统VV&A标准／规范技术框架及主要内容 362

6.8.4复杂仿真系统VV&A标准／规范应用 363

6.9VV&A的自动化、通用化和智能化问题 367

6.9.1VV&A工作流的自动化 367

6.9.2通用的VV&A体系 367

6.9.3基于人工智能的VV&A平台 369

6.10M&S的VV&A管理系统设计与实现 371

6.10.1引言 371

6.10.2系统结构设计 371

6.10.3系统数据库设计 372

6.10.4VV&A管理库设计 372

6.10.5系统功能设计 372

6.10.6应用实例 373

6.11大型复杂仿真系统的可信度评估方法 373

6.11.1引言 373

6.11.2层次分析评估法 373

6.11.3模糊综合评判法 374

6.11.4模糊层次分析评估法 375

6.11.5灰色综合评估法 376

6.11.6相似度辨识评估法 380

6.11.7基于逼真度评估法 386

思考题 393

参考文献 394