基于CGP模型的涌现研究

涌现是复杂性理论中的一个重要概念。在讨论涌现基本概念的基础上 ,介绍了一种用于研究复杂系统涌现行为的模型方法———CGP模型 ,给出了一个CGP模型的具体例子———采集机器人的仿真模型。通过对这个模型进行仿真实验 ,观察到机器人简单的状态转换函数和看似杂乱无章的行为产生了具有明显规律性的结果 ,对这种涌现现象的产生进行了分析 ,指出了它的现实意义。     

组织决策过程及其涌现性研究

取得决策优势是信息化战争的关键问题之一。重大的战略决策往往是组织决策。如何对组织决策过程进行有效管理和控制，以实现整体大于部分之和的组织增效潜力，是组织决策理论需要研究解决的重点问题。本文研究了组织决策过程的复杂性及其中的涌现现象，分析了涌现性对组织决策效能的作用和影响，提出对组织决策过程中的涌现性进行控制，是组织决策过程管理控制的重心，也是提高组织决策效能的重要途径。     

对抗体系的一种建模方法研究

首先,通过实例阐明了信息交互在效能涌现中所起的重要作用;其此,提出了“基于信息关联网的体系建模方法”,为研究信息交互过程中对抗体系的效能涌现机理提供了方法论意义上的支持;最后,基于上述体系建模方法,给出了一个具体的建模实例。     

多智能体涌现生成的群体行为仿真

众多实验表明,以建模仿真的方法研究复杂的群体行为是一条可行有效的途径.针对如何使所构建的群体行为模型在仿真过程中,既能表现自主、智能的个体行为,又能表现灵活、适应的整体行为,提出了一种基于智能体的综合建模方法,重点从信息获取、决策判断、运动控制三个方面对智能体模型的设计与实现进行了论述,并以实验结果证明了多智能体在交互.协调作用下涌现生成可视化群体行为仿真的科学性及合理性.     

要加强对复杂适应性系统的研究——对自组织理论的反思

简单回顾了自组织理论的发展历史、内容和采用的方法，重点分析了自组织理论的研究对象和研究范围；指出自组织理论在研究复杂系统上的局限性——只适于研究简单巨系统，它研究的是系统演化的结果而非过程；自组织理论使用微分方程作为数学工具，要求子系统之间的相互作用要满足叠加原理而不考虑涌现的情况。在此基础上，本文提出要加强复杂适应性系统的研究，具体有两方面的工作：首先要加强计算机作为数学工具的应用，扩展对系统状态描述的范围；另外要加强对层次性的研究，重点是对涌现问题的分析。最后提出现在加强复杂系统的研究应从实际的具体系统入手。     

复杂性前沿探索Ⅱ：综述和展望——以2007《涌现》文献分析为例

论文以2007年《涌现》杂志发表物为分析对象，讨论了当今复杂性科学探索的若干特征，对2007复杂性研究的境况做了综述，对未来的复杂性研究做了进一步的展望。     

用遗传算法模拟复杂最优网络的自然涌现过程

为了模拟复杂最优网络从树演化到完备图的整个过程，解决现有邻接节点编码方法只适用于低密度网络，而传统的交叉变异方法又有大量不可行解的问题，提出了基于三角阵的变长基因编码方法和段间交叉、段内变异平衡的交叉变异方法．该编码方法只记录对称邻接矩阵中三角阵的信息，反映了无向网络的所有可能变化，因而编码串长度适中，网络边数不需限制，可以模拟网络从树到完备图的整个演化过程．段间交叉只交换节点一级近邻的连接方式，段内变异平衡对边进行重绕，这既符合遗传算法的要求，又保证了网络的连通性．模拟结果表明，与邻接节点编码和传统交叉变异方法相比，所提方法适用范围更广，收敛速度较快．     

网络--探索复杂性的新途径

简单系统由于非线性关系可以呈现复杂行为，而复杂系统可以遵循简单规则自组形成、近年来，作为探索复杂系统结构和功能的复杂网络引起了国际科学界的高度重视，已成为数理科学、生命科学、社会科学、技术科学和管理科学的研究热点之一．论文首先介绍了在复杂网络研究方面已经取得的某些进展，从典型模型．重要概念，网络分类一直到网络结构涌现，其中也包括了作者所做的工作；然后对某些值得注意的问题做了简短的评述．     

复杂性科学,整体规律与定性研究

研究复杂系统要探索整体规律。本文指出：为此，需要对定性研究予以适当重视。文中给出一个表达式（E）：S（∑i=1^n 1i）=E（n）。即自聚集、自组织，演化发展到新层次。此式用以描述复杂系统的结构形成及动态行为。还对其中“自聚集”的概念给以着重阐述。又分析了聚集的量对系统功能的影响，并给出表达式（C）：11＋12＋…＋1n〉en^2。然后，从生物、自然界、社会、工程等不同领域，解释可用（E）式概括的一些规律性现象；还从复杂系统的观点并借助（E）式讨论了对“从量变到质变”的进一步认识。最后，将复杂系统的自相似结构与分形自相似结构对比，指出一类复杂系统其结构的形成实质是由简单规则多次重复而来，即复杂寓于简单，且聚集、组织，再聚集、再组织……即（E）式多次重复，是形成一类复杂系统结构的基本规则。     

基于Agent的市场空间结构演化

采用基于agent的计算经济学方法对市场空间结构演化进行研究.Agent对以往交易信息的利用方式对市场的空间结构演化过程和分布有重要影响.根据信息共享程度不同考虑了两种极端信息利用方式:公共信息共享,个体信息利用,及在此两种极端情况之间的有限群体信息交流,研究哪种信息共享方式有利于产生中央集中市场,哪种不能.模型中利用了学习、记忆与协作机制.结果表明,在没有中央规划,没有预设任何初始空间结构的情况下,由个体间简单局域相互作用可以产生稳定的全局空间结构.在有公共信息共享或相当程度的信息交流时,市场的空间结构会从分散到集中演化.当个体没有共同的记忆信息,仅靠个体记忆信息,将不能产生集中的市场空间结构.