第1章 元胞自动机的思想基础 1
1.1复杂性形成的一种思维方式——复杂性思维 1
1.1.1简单性与简单性原则 1
1.1.2复杂性与复杂性思维 6
1.2复杂性形成的一种计算模式——规则计算 15
1.2.1计算复杂性 15
1.2.2复杂性研究的两种计算模式 16
1.3复杂性形成的一种离散动力学模型——元胞自动机 22
参考文献 25
第2章 元胞自动机的工作原理 26
2.1元胞自动机的创立 26
2.2元胞自动机的定义 30
2.2.1数学定义 30
2.2.2物理定义 32
2.3元胞自动机的构成 33
2.3.1元胞 34
2.3.2元胞空间 34
2.3.3邻居 36
2.3.4演化规则 38
2.4元胞自动机的工作过程 38
2.5元胞自动机中的信息处理 41
2.6元胞自动机的基本特征 43
2.7三种经典的元胞自动机 46
2.7.1沃尔夫勒姆的初等元胞自动机 46
2.7.2康威的“生命游戏” 58
2.7.3兰顿的“虚拟蚂蚁” 62
2.8元胞自动机的哲学启示 67
参考文献 71
第3章 元胞自动机的建模方法 73
3.1计算机模型 73
3.2元胞自动机模型 75
3.2.1元胞自动机模型的抽象性 76
3.2.2元胞自动机模型的适应性 77
3.2.3元胞自动机模型的自组织性 78
3.2.4元胞自动机模型的构成 81
3.3元胞自动机的建模过程 82
3.3.1确定被研究系统的性质 82
3.3.2对系统进行格状分割 83
3.3.3确定元胞的初始状态 83
3.3.4确定系统的演化规则 84
3.4股票市场投资策略演化模拟 85
参考文献 94
第4章 元胞自动机的复杂性 95
引言 95
4.1自然界复杂性与形式语言 95
4.1.1粗粒化描述与符号序列 95
4.1.2形式语言和语法复杂性 97
4.1.3形式语言与自动机等价性理论 99
4.1.4元胞自动机通用计算与图灵机 101
4.2元胞自动机演化位型复杂性 104
4.2.1元胞自动机的语言复杂性 104
4.2.2几类元胞自动机复杂性层次证明 109
4.3元胞自动机的复杂性度量 118
4.3.1熵与信息熵 118
4.3.2元胞自动机与熵 120
4.3.3元胞自动机演化行为复杂性度量 121
4.4小结 123
参考文献 124
第5章 元胞遗传算法 126
引言 126
5.1传统遗传算法 127
5.1.1遗传算法概述与基本思路 127
5.1.2传统遗传算法的计算流程 128
5.1.3传统遗传算法的性能及自身存在的不足 131
5.1.4小结 133
5.2元胞遗传算法 133
5.2.1遗传算法的元胞演化规则算法（E-CGA） 134
5.2.2自适应元胞遗传算法（SA-CGA） 142
5.2.3加入演化规则的自适应元胞遗传算法（ESA-CGA） 155
5.2.4改进1：基于保留精英策略的元胞遗传算法 160
5.2.5改进2：引入自适应交叉算子的元胞遗传算法 163
5.2.6改进3：三维元胞遗传算法 167
5.2.7小结 173
5.3自适应元胞遗传算法在动态环境下的应用 173
5.3.1证券投资中的决策问题 173
5.3.2问题提出 174
5.3.3传统运筹学方法求解 175
5.3.4自适应元胞遗传算法求解 177
5.3.5小结 180
参考文献 181
第6章 元胞神经网络 183
引言 183
6.1人工神经网络的基本原理 183
6.1.1生物神经元 184
6.1.2人工神经元 185
6.1.3神经网络的结构 188
6.1.4神经网络的学习方法 188
6.1.5神经网络的学习算法 190
6.2元胞自动机与神经网络结合的可行性 191
6.2.1为什么要结合？ 192
6.2.2结合思想：“帮助”和“取代” 193
6.2.3小结 194
6.3基于BP神经网络的元胞自动机规则挖掘（BP-CA） 195
6.3.1 BP神经网络及算法流程 195
6.3.2 BP-CA算法 197
6.3.3建模实例——疾病传染预测 198
6.3.4小结 201
6.4自适应元胞神经网络模型（SCNN） 202
6.4.1建模思想及理论基础 202
6.4.2内生时间序列预测模型 203
6.4.3外生时间序列预测模型 208
6.4.4小结 213
6.5元胞遗传神经网络（CGNN） 214
6.5.1构建网络 215
6.5.2网络运行原理及演化步骤 215
6.5.3计算机仿真 216
6.5.4小结 219
参考文献 220
第7章 Agent-元胞自动机 222
引言 222
7.1什么是“Agent” 222
7.1.1 Agent的概念 223
7.1.2 Agent的特点 224
7.1.3 Agent的结构分类 225
7.1.4 Agent的内部构成及形式化描述 228
7.1.5小结 230
7.2元胞自动机与Agent 230
7.2.1从班长与士兵说起 231
7.2.2两套规则 233
7.2.3 Agent——元胞自动机——规则 235
7.2.4 Agent在元胞空间内的通信行为——协同搜索 237
7.2.5 Agent——元胞自动机——交互 242
7.2.6小结 244
7.3元胞自动机与多Agent建模实例——道路交通 245
7.3.1 NaSch模型 245
7.3.2对NaSch模型的改进——刹车灯（BL）模型 249
7.3.3小结 253
7.4元胞自动机与多Agent建模实例——产业集群 254
7.4.1元胞自动机设置、Agent结构及层次 254
7.4.2演化规则 256
7.4.3计算机仿真 257
7.4.4小结 259
参考文献 259
第8章 元胞自动机的应用领域 261
引言 261
8.1元胞自动机在经济领域的应用 262
8.1.1元胞自动机与演化经济学 262
8.1.2元胞自动机在经济领域应用举例 264
8.1.3元胞自动机在经济领域中应用的特点 276
8.1.4元胞自动机理论在经济领域的发展方向 277
8.1.5小结 278
8.2元胞自动机在城市交通领域的应用 279
8.2.1基于元胞自动机的城市交通系统解析 279
8.2.2基于元胞自动机的人性化交叉口模拟 282
8.2.3元胞自动机在城市交通拥堵成本中的应用 289
8.2.4小结 298
8.3元胞自动机在研究疾病传播过程中的应用 298
8.3.1假设 299
8.3.2元胞自动机的演化规则 301
8.3.3元胞空间内疾病传播的仿真 302
8.3.4小结 307
参考文献 307
第9章 结语——未来展望 308
9.1基于规则的复杂系统建模 308
9.1.1自下而上与自上而下建模方法的结合 309
9.1.2复杂问题与简单规则 312
9.2元胞自动机的规则挖掘 314
9.2.1基于局部演化现象的规则挖掘 315
9.2.2基于智能算法的规则挖掘 317
9.3元胞自动机的涌现计算 322
9.3.1涌现的内涵 323
9.3.2涌现计算 327
9.4未来展望 332
参考文献 335