第1章 模型理论 1
1.1 关于模型 1
1.1.1 模型的概念 1
1.1.2 模型的本质 2
1.1.3 模型的分类 3
1.2 数学模型 6
1.2.1 数学模型的特点 6
1.2.2 数学模型的分类 7
1.2.3 数学模型的评价和应用 12
1.2.4 常用的单因素变量模型 14
1.3 模型方法和基本特征 15
1.3.1 模型方法的综合性 16
1.3.2 模型方法的创造性 17
1.3.3 模型方法的实践性 21
1.4 模型在系统开发中的作用 22
1.4.1 模型的作用 23
1.4.2 系统工程开发中的模型应用 26
1.5 系统模型化过程 26
1.5.1 模型发展过程中的范畴辩证 27
1.5.2 模型化过程的构造方法论 28
1.5.3 系统模型的结构化方法论 29
1.5.4 模型化过程的规范化方法论 30
1.5.5 系统模型研究简例 32
1.6 模型化过程的工作逻辑与工程设计 36
1.6.1 工程逻辑 36
1.6.2 工程分析 41
1.6.3 案例 46
2.1.1 线性规划模型 49
2.1 直接分析法 49
第2章 模型的构造方法 49
2.1.2 目标规划模型 53
2.2 系统动力学方法 55
2.2.1 概述 55
2.2.2 系统动力模型 57
2.2.3 案例分析 61
2.3 概率统计分析法 66
2.3.1 基本概念 66
2.3.2 随机服务系统问题求解 69
2.3.3 解题实例 71
2.4 网络计划分析法 72
2.4.1 网络计划分析模型的结构 72
2.4.2 网络计划模型的优化分析 80
2.4.3 案例 84
2.5 状态空间分析法 91
2.5.1 基本概念 92
2.5.2 状态空间模型 93
2.5.3 系统的优化控制 95
2.5.4 自适应、自学习和自组织控制 97
2.6 模糊评价分析法 98
2.6.1 模糊数学概述 99
2.6.2 模糊评价模型的建模步骤与方法 99
2.6.3 应用案例 103
2.7 投入产出法 104
2.7.1 投入产出法概述 104
2.7.2 投入产出分析表与投入产出平衡方程 105
2.7.3 投入产出模型 107
2.7.4 应用举例 109
2.8.1 问题的提出 112
2.8 系统辨识方法 112
2.8.2 系统辨识 113
2.8.3 辨识算法的基本原理与等价准则 116
2.8.4 辨识的内容与步骤 117
第3章 算法分析 124
3.1 算法概述 124
3.1.1 算法的基本概念 124
3.1.2 算法设计的步骤 127
3.2 算法的复杂性 131
3.2.1 引论 131
3.2.2 算法复杂性指标 131
3.2.3 算法分析示例 138
3.3 最佳算法 141
3.3.1 引例 141
3.4.1 难解性问题 144
3.3.2 最佳算法 144
3.4 P类问题和NP类问题 144
3.4.2 P类问题与NP类问题 146
3.4.3 NP完全问题 149
3.4.4 求解NP完全问题的途径 150
3.4.5 启发式算法 151
第4章 算法设计的基本方法 154
4.1 穷举法 154
4.2 登山法 156
4.3 分枝与限界 159
4.4 分治法 162
4.5 动态规划法 164
4.6 递归方法 167
4.7 探索法 169
4.8 倒推法 170
4.9 回溯法 172
4.10 模拟法 176
第5章 启发式算法 182
5.1 神经网络算法 182
5.1.1 人工神经网络简述 182
5.1.2 BP神经网络的基本原理 184
5.1.3 BP神经网络的算法步骤 185
5.1.4 BP算法举例 186
5.2 遗传算法 195
5.2.1 遗传算法概述 195
5.2.2 遗传算法的基本原理 196
5.2.3 基因算法的要素 198
5.2.4 GA的局限性 202
5.2.5 算法举例 203
5.3.1 模拟退火简介 208
5.3 模拟退火算法 208
5.3.2 模拟退火算法的基本原理 209
5.3.3 模拟退火算法的步骤 210
5.3.4 模拟退火算法的要素设计 212
5.3.5 模拟退火方法存在的不足 215
5.3.6 算法举例 215
5.4 禁忌探索算法 217
5.4.1 禁忌搜索算法简介 217
5.4.2 禁忌算法的主要步骤 217
5.4.3 禁忌算法的要素 218
5.4.4 禁忌算法应注意的问题 220
5.4.5 禁忌算法的缺陷 222
5.4.6 应用实例 222
参考文献 225