复杂系统建模理论与方法PDF电子书下载

目录 1

1　绪论 1

1.1　概述 1

1.2　系统及有关概念 2

1.2.1　系统 2

1.2.2　系统的分类 2

1.3　复杂系统的特点 3

1.4.1　涌现的理念 5

1.4　复杂系统建模的理念 5

1.4.2　复杂系统建模的理念 6

1.5　广义模型的概念 12

1.5.1　集成模型 12

1.5.2　控制论模型 12

1.5.3　分层模型 13

1.5.4　智能模型 14

2　基于智能技术的复杂系统建模 15

2.1　概述 15

2.2.1　神经元的数理模型 16

2.2　神经网络建模 16

2.2.2　分层网络模型和B-P学习算法 19

2.2.3　神经网络在城市交通信号灯系统建模和控制中的应用 21

2.2.4　Hopfield模型 25

2.3 基于Agent的建模方法 27

2.3.1　概述 27

2.3.2　关于Agent的理念 27

2.3.3　Agent的基本结构 28

2.3.4　MAS组织结构模式 29

2.3.5　复杂系统实时仿真的多线程模型 31

2.3.6　复杂系统多Agent分布仿真平台 34

2.3.7　多Agent在区域交通信号灯协调优化中的应用 39

2.4　基于CGP的建模方法 44

2.4.1　概述 44

2.4.2 CGP模型 45

2.4.3　CGP模型的应用实例 46

2.5　遗传算法 47

2.5.1 概述 47

2.5.2　遗传算法的改进及其应用 49

2.6.2　粒子群优化算法 51

2.6　粒子群优化算法 51

2.6.1 概述 51

2.6.3　粒子群优化算法在车辆路径优化中的应用 52

2.6.4　粒子群优化算法和遗传算法的对比 57

2.7　蚁群优化算法 58

2.7.1 基本原理 59

2.7.2　系统模型及其实现 60

2.7.3　蚁群算法的实际应用 61

3.2　极大代数建模方法及其应用 67

3.2.1　极大代数法 67

3.1 概述 67

3　离散事件动态系统建模 67

3.2.2　极大代数法在串行生产加工系统建模中的应用 68

3.3　基于Petri网建模方法 73

3.3.1 概述 73

3.3.2　Petri网在建模中的应用 74

3.3.3　Petri网的分层递归建模方法 77

3.3.4　面向对象的Petri网建模 82

3.3.5　模糊H网 86

3.4　任务／资源图建模法 90

3.4.1　任务、边、资源及其参数 91

3.4.2　任务图模型 92

3.4.3　资源图模型 93

3.5　基于知识的建模方法 94

3.5.1 基于知识的离散事件仿真模型 95

3.5.2　知识基离散事件仿真模型的实施 97

3.5.3　应用举例 98

3.6.1 建模形式化研究回顾 100

3.6　基于系统理论形式化的建模方法 100

3.6.2　系统建模的形式化描述 101

3.6.3　系统描述的层次 103

3.6.4　离散事件仿真的形式理论 104

4　定性建模 106

4.1　基础知识 106

4.1.1　有关概率论和模糊数学的基础 106

4.1.2　精确量、模糊量的转化 108

4.1.3　模糊度量 111

4.1.4　处理不确定性的方法和原则 111

4.2.1 因果关系模型的定性建立方法 113

4.2　定性因果关系 113

4.2.2　故障诊断中的不完全因果模型逻辑方法 117

4.3　归纳推理定性建模 120

4.3.1 GSPS理论基础 120

4.3.2　归纳推理定性建模 126

4.4　结构模型化技术 130

4.4.1 引言 130

4.4.2　解释结构模型法 131

4.5　系统动力学建模 140

4.5.2　结构分析与因果分析图 141

4.5.1 系统分析 141

4.5.3　模型格式化 143

4.5.4　仿真实施与政策分析 148

4.5.5　模型检验与评估 149

4.6　定性建模的其他方法 149

4.6.1　基于量空间（Quantity Space）定性建模 150

4.6.2　基于非因果类定性物理建模 150

4.6.3　基于定性因果关系建模 150

4.6.4　利用状态转换概率定性建模 150

5.1.1 自组织理论 151

5　非线性动力学系统建模 151

5.1　准备知识 151

5.1.2　混沌理论 153

5.2　全域建模法 158

5.2.1　全域建模法原理 158

5.2.2　一阶线性全域建模法 159

5.2.3　高阶多项式全域建模法 162

5.2.4　正交多项式全域建模法 164

5.3.1　零阶局域建模法 168

5.3　局域建模法 168

5.3.2　一阶线性局域建模法 170

5.3.3　高阶局域建模法 173

5.4　基于小波网络的非线性系统建模法 174

5.4.1　概述 174

5.4.2　小波及小波变换的概念 176

5.4.3　小波神经网络预测模型 176

5.4.4　实际应用案例 178

5.5　基于GMDH的混沌时间序列建模法 178

5.5.1　试探自组织原理 179

5.5.2 GMDH的结构 180

5.5.3 GMDH的算法 182

5.5.4 GMDH算法的改进 183

5.5.5 GMDH在混沌时间序列建模中的应用 185

6　其他复杂系统建模方法 190

6.1　概述 190

6.2　元模型建模 190

6.2.1 问题的提出 190

6.2.2　元模型的理念 190

6.2.4　元模型建模技术 191

6.2.3　元建模结构 191

6.2.5 案例 195

6.2.6　小结 196

6.3　综合集成法建模 196

6.3.1 概述 196

6.3.2　专家群体的互动过程 198

6.3.3　综合集成研讨厅体系的链接结构及其分析 201

6.3.4　小结 206

6.4　分形建模方法 207

6.4.1　基本思想 207

6.4.2　应用案例 208

6.4.3　小结 210

6.5　元胞自动机 211

6.5.1　元胞自动机的理念 211

6.5.2　元胞自动机的一维模型 213

6.5.3　元胞自动机的二维模型 218

6.6　图形建模方法 222

6.6.1 复杂系统建模存在的问题 222

6.6.2　基于图形的建模支持系统 223

6.6.3　系统的总体结构 224

6.6.4　系统的功能及特点 225

6.6.5　小结 228

6.7　复杂适应系统理论及其应用 228

6.7.1 CAS理论产生 228

6.7.2 CAS理论的基本观点和概念 229

6.7.3 CAS理论的主要特点 232

6.7.4　从个体到全局——回声模型 234

6.7.5 CAS理论的实现——SWARM的功能和应用 237

6.7.6 CAS理论的进一步发展 240

参考文献 241