第1章 复杂系统的基本分析 1
1.1 复杂性 2
1.1.1 自然界的复杂性 2
1.1.2 复杂性的基本概念 2
1.2 工业管理过程的复杂性 9
1.2.1 从工业经济看工业管理的复杂性 9
1.2.2 从制造过程看工业管理的复杂性 9
1.2.3 工业管理的发展趋势——自组织化 10
1.3 复杂系统的控制与决策 14
1.3.1 复杂系统管理方法 14
1.3.2 复杂管理信息的集成化和智能化 16
参考文献 26
第2章 复杂系统的分形自相似分析与建模 27
2.1 复杂系统的自相似过程 27
2.1.1 什么是自相似 27
2.1.2 自相似的模拟 29
2.1.3 分形几何的特征 30
2.2 复杂系统的分形建模技术 32
2.2.1 分形几何的产生和意义 32
2.2.2 分形的定义 33
2.2.3 分维的计算 35
2.2.4 分形时间 37
2.2.5 分形几何学的应用 37
2.3 分形在工程系统中的自相似分析与建模 38
2.3.1 股票价格的预测模型 38
2.3.2 企业需求的预测 41
2.3.3 符合分形原理的企业供应链的管理 43
2.3.4 其他预测问题的应用 45
参考文献 47
第3章 复杂系统的元胞自动机自组织分析与建模 49
3.1 元胞自动机与自组织过程 49
3.1.1 什么是自组织过程 49
3.1.2 元胞自动机的自组织 51
3.1.3 模拟自组织过程 53
3.2 复杂系统的元胞自动机建模技术 55
3.2.1 “生命的游戏” 56
3.2.2 元胞自动机的基础 57
3.2.3 元胞自动机的自组织建模方法 64
3.2.4 元胞自动机的应用领域 67
3.3 元胞自动机在工程系统中的自组织化分析与建模 69
3.3.1 城市交通信号自组织控制模型 69
3.3.2 结构拓扑的自组织进化 75
3.3.3 股票市场投资行为的模拟 81
3.3.4 交通流中多自主体人员行为的模型 86
参考文献 91
第4章 复杂系统的遗传进化分析与建模 94
4.1 遗传算法与进化过程 94
4.1.1 进化算法的概述 94
4.1.2 遗传算法的决策机理 96
4.2 复杂系统的遗传算法建模技术 97
4.2.1 遗传算法的概貌 97
4.2.2 单纯型遗传算法 99
4.2.3 模式定理（schemata theorem） 104
4.2.4 遗传算法的有关操作规则和方法 106
4.3 遗传算法在工程系统中的进化分析与建模 111
4.3.1 财务规划问题的解法 111
4.3.2 非线性强制振动解的解法 113
4.3.3 无序加工调度 118
4.3.4 港口投资辅助决策 122
参考文献 127
第5章 复杂系统的神经网络自适应分析与建模 129
5.1 神经网络与自适应分析概述 129
5.1.1 什么是自适应过程 129
5.1.2 神经网络的适应性模拟 130
5.1.3 企业的自适应管理 131
5.2 复杂系统的神经网络建模技术 135
5.2.1 神经网络的概述 135
5.2.2 神经网络的主要特点 137
5.2.3 细胞元模型 139
5.2.4 神经网络模型 142
5.2.5 神经网络的学习 146
5.2.6 多层前向神经网络（BP网络） 152
5.2.7 典型反馈网络——Hopfield网络 163
5.2.8 基于概率学习的Boltzmann机模型 168
5.3 神经网络在工程系统中的自适应分析与建模 174
5.3.1 非线性系统的识别 174
5.3.2 案例挖掘的神经网络决策 184
5.3.3 新产品和改型产品成本估计的模型 190
5.3.4 企业破产预测 194
参考文献 202
第6章 复杂系统的人工生命模型分析 204
6.1 复杂系统的人工生命分析 204
6.1.1 人工生命的特征 204
6.1.2 人工生命的自繁衍 206
6.1.3 人工生命的适应性 207
6.1.4 人工生命的自组织 209
6.1.5 人工生命技术的本质 211
6.2 人工生命的方法 212
6.2.1 人工生命的进化模型 212
6.2.2 L系统与形态生成模型 218
6.2.3 人工生命的研究内容归纳 221
6.3 人工生命在工程系统中的分析与建模 224
6.3.1 金融证券市场分析决策中的应用 225
6.3.2 计算机动画 227
6.3.3 提速因特网 228
参考文献 231