第一章 复杂系统的挑战 3
1.1 本书的结构 3
1.2 什么是复杂系统 4
1.3 如何处理复杂系统 11
1.4 模型系统 14
1.5 自组织 18
1.6 普适性的追求 19
1.7 信息 23
1.8 协同学的第二个基点 48
第二章 从微观世界到宏观世界 55
2.1 描述的层次 55
2.2 朗之万方程 57
2.3 福克-普朗克方程 59
2.4 具有细致平衡的系统的福克-普朗克方程的严格定态解 61
2.5 路径积分 64
2.6 复杂性的约简·序参量·伺服原理 66
2.7 非平衡相变 70
2.8 图样形成 71
第三章 最大信息原理（MIP） 71
3.1 若干基本概念 77
3.2 信息增益 82
3.3 信息熵和约束条件 83
3.4 连续变量 89
第四章 物理学中的一个例子：热力学 89
第五章 最大信息原理在自组织系统中的应用 89
5.1 引言 101
5.2 自组织系统中的应用：单模激光 102
5.3 没有位相关系的多模激光 104
5.4 周期性序参量的过程 105
第六章 非平衡相变的最大信息原理：序参量、伺服模和模式的确定 109
6.1 引言 109
6.2 一般方法 110
6.3 序参量、伺服模和出现的模式的确定 111
6.4 近似 114
6.5 空间模式 115
6.6 与朗道相变理论的关系及福克-普朗克方程的猜测 115
第七章 自组织系统在接近不稳定点时的信息、信息增益和效率 119
7.1 引言 119
7.2 伺服原理及其对信息的应用 120
7.3 信息增益 121
7.4 一个例子：非平衡相变 122
7.5 软模的不稳定性 124
7.6 我们能够测量信息和信息增益吗 124
7.7 几个序参量的情形 126
7.8 单序参量信息的具体计算 128
7.9 单序参量的信息、信息增益和效率的严格解析结果 137
7.10 柯里蒙托维奇（Klimontovich）的S-定理 143
7.11 接近非平衡相变时伺服模对信息的贡献 149
第八章 拉氏乘子的直接确定 159
8.1 临界点之上和之下系统的信息熵 159
8.2 临界点之上和之下拉氏乘子的直接确定 162
第九章 随机过程的无偏模型化：怎样推测路径积分，福克-普朗克方程和朗之万-伊藤方程 162
9.1 一维状态矢量 173
9.2 对多维状态矢量的推广 176
9.3 作为约束的关联函数 179
9.4 相应于短时传播子（9.35）的福克-普朗克方程 181
9.5 从实验数据能推导出牛顿定律吗 183
第十章 应用于一些物理系统 187
10.1 有相位关系的多模激光器 187
10.2 包含极化和反转的单模激光器 188
10.3 流体动力学：对流不稳定性 190
第十一章 生物学中的行为模式转变·一个例子：手的运动 190
11.1 一些实验事实 195
11.2 怎样将转变模型化 197
11.3 临界涨落 204
11.4 一些结论 209
第十二章 模式识别 225
第十三章 量子系统 225
13.1 为什么要研究量子信息理论 225
13.2 最大信息原理 228
13.3 序参量、伺服模及构型 234
13.4 序参量与伺服模的信息 238
第十四章 结语和展望参考文献 249
中文版第二版的说明 255