复杂系统建模是越来越多的复杂工程系统、社会经济系统、军事作战系统、人工生命系统等研究的基础，有着极其广泛而旺盛的社会、经济、国防和科技需求，堪称仿真科学与技术的前沿新领域。
本书是一部专门研究复杂系统建模理论、方法与技术的著作。作者在全面论述系统建模基本理论和常用建模方法的基础上，重点研究面向复杂系统数学建模的新方法与技术，以及仿真建模环境和工具，并深入讨论人们十分关心的大型复杂仿真系统建模的VV&A 与可信度评估技术及其应用。
样章试读
目录
- 目录
序
前言
第1章 绪论 1
1.1 系统概念与分类 1
1.1.1 系统概念 1
1.1.2 系统分类 1
1.2 复杂性概念与复杂系统提法 3
1.2.1 复杂性概念 3
1.2.2 复杂系统提法 3
1.3 复杂系统的特点？研究对象及方法 4
1.3.1 复杂系统的特点 4
1.3.2 复杂系统的研究对象 5
1.3.3 复杂系统的研究方法 5
1.4 系统研究现状和趋势 6
1.4.1 研究现状 6
1.4.2 发展趋势 7
1.5 系统建模与仿真 7
1.5.1 模型概念？性质及分类 7
1.5.2 数学建模及其过程 9
1.5.3 仿真建模与系统仿真 10
1.5.4 系统建模与仿真体系结构 11
1.6 对复杂问题建模与仿真的重要思考 12
1.6.1 复杂系统研究是建模与仿真发展的动力源 12
1.6.2 支撑复杂系统建模与仿真的新理论 13
1.6.3 复杂系统建模方法学进展 14
1.6.4 适应于复杂仿真系统的体系结构 14
1.6.5 复杂系统建模环境及工具 14
1.6.6 复杂仿真系统与VV&A技术 15
思考题 15
第2章 系统建模的基本理论 16
2.1 引言 16
2.2 模型论及其相关理论 16
2.2.1 引言 16
2.2.2 实际系统的抽象 16
2.2.3 系统描述及其保存关系 17
2.2.4 模型的非形式化与形式化描述 20
2.2.5 模型集总 22
2.2.6 模型简化 23
2.2.7 模型修改 28
2.2.8 模型灵敏度分析 29
2.2.9 模型的有效性及可信性 31
2.3 相似理论及演绎推理 34
2.3.1 引言 34
2.3.2 相似概念及分类 35
2.3.3 相似关系 36
2.3.4 相似定理 36
2.3.5 演绎推理 38
2.3.6 连续物理系统的相似性及其模型通式 39
2.4 系统辨识理论 40
2.4.1 系统辨识概念？定义及要素 40
2.4.2 系统辨识框架和内容 41
2.4.3 系统辨识方法与算法 43
2.5 系统层次性与分形理论 46
2.5.1 系统的层次性概念 46
2.5.2 系统分析与层次分析 46
2.5.3 系统层次分析方法概述 47
2.5.4 系统分形概念 51
2.5.5 分形理论的要点 51
2.6 复杂适应系统理论 53
2.6.1 基本概念 54
2.6.2 CAS树 55
2.6.3 主体的适应和学习 55
2.6.4 CAS宏观模型 57
2.7 定性理论？模糊理论及云理论 59
2.7.1 定性理论的产生及其范畴 59
2.7.2 定性推理 60
2.7.3 定性建模 62
2.7.4 模糊理论的产生 64
2.7.5 模糊集合(论) 64
2.7.6 模糊集合运算和基本定理 65
2.7.7 模糊数和模糊集合特征描述 67
2.7.8 模糊关系 67
2.7.9 云理论 68
2.8 自组织理论 71
2.8.1 引言 71
2.8.2 理论基础及研究范畴 71
2.8.3 系统自组织概念 71
2.8.4 耗散结构论 72
2.8.5 协同学 72
2.8.6 日趋完善的自组织理论 73
2.9 元胞自动机与支持向量机理念 74
2.9.1 引言 74
2.9.2 元胞自动机理念 74
2.9.3 元胞自动机的功能特点 75
2.9.4 支持向量机理念和内涵 76
2.9.5 支持向量分类机 76
2.9.6 支持向量回归机 77
2.10 灰色系统理论和马尔可夫理论 78
2.10.1 引言 78
2.10.2 灰色系统基本原理 78
2.10.3 灰色系统理论体系结构 79
2.10.4 灰色概念？运算及灰色联度分析 79
2.10.5 灰色系统建模 81
2.10.6 马尔可夫过程 81
2.10.7 马尔可夫链及其相关定义和定理 82
2.11 图论 86
2.11.1 引言 86
2.11.2 图概念及重要术语 87
2.11.3 树及其生成树 88
2.11.4 遍历？欧拉图及哈密顿图 88
2.11.5 图矩阵 88
2.12 网络理论 89
2.12.1 引言 89
2.12.2 基本概念及其物理意义 89
2.12.3 网络最大流及最小流 90
2.12.4 最短路和最小代价流 91
2.12.5 工程网络图 92
2.12.6 计算机网络 93
2.12.7 Petri网 95
2.12.8 人工神经网络 96
2.12.9 贝叶斯网 98
2.13 元模型及综合集成研讨厅理念 100
2.13.1 引言 100
2.13.2 元模型理念及其相关概念 100
2.13.3 综合集成研讨厅理念 102
2.14 虚拟现实及其相关理论 103
2.14.1 引言 103
2.14.2 基本概念及定义 103
2.14.3 VR系统及分类 104
2.14.4 VR硬？软件工具 104
2.14.5 VR技术及其应用 105
思考题 108
第3章 常用数学建模方法？原理及案例 110
3.1 概述 110
3.1.1 引言 110
3.1.2 数学建模方法的选取 110
3.2 机理分析法 111
3.2.1 方法原理 111
3.2.2 建模过程 111
3.2.3 应用案例 112
3.3 直接相似法 114
3.3.1 方法原理 114
3.3.2 建模过程 114
3.3.3 应用案例 115
3.4 量纲分析法 116
3.4.1 方法原理 116
3.4.2 建模过程 116
3.4.3 应用案例 117
3.5 比例法 118
3.5.1 方法原理 118
3.5.2 建模过程 118
3.5.3 应用案例 118
3.6 概率统计法 119
3.6.1 方法原理 119
3.6.2 建模过程 119
3.6.3 应用案例 120
3.7 回归分析法 122
3.7.1 方法原理 122
3.7.2 建模过程 122
3.7.3 应用案例 122
3.8 集合分析法 125
3.8.1 方法原理 125
3.8.2 建模过程 125
3.8.3 应用案例 125
3.9 层次分析法 129
3.9.1 方法原理 129
3.9.2 建模过程 129
3.9.3 应用案例 132
3.10 图解法 134
3.10.1 方法原理 134
3.10.2 建模过程 134
3.10.3 应用案例 136
3.11 蒙特卡罗法 137
3.11.1 方法原理 137
3.11.2 建模过程 137
3.11.3 应用案例 137
3.12 模糊集论法 138
3.12.1 引言 138
3.12.2 隶属函数确定法 139
3.12.3 模糊聚类分析法 140
3.12.4 模糊模式识别法 142
3.12.5 模糊综合评判法 143
3.13 “隔舱”系统法 144
3.13.1 方法原理 144
3.13.2 建模过程 144
3.13.3 应用案例 144
3.14 灰色系统法 146
3.14.1 方法原理 146
3.14.2 建模过程 146
3.14.3 应用案例 146
3.15 想定法 149
3.15.1 方法原理 149
3.15.2 建模过程 149
3.15.3 应用案例 149
3.16 计算机辅助法 150
3.16.1 方法原理 150
3.16.2 建模过程 151
3.16.3 应用案例 151
3.17 系统辨识法 152
3.17.1 方法原理 152
3.17.2 建模过程 153
3.17.3 应用案例 153
3.18 神经网络法 155
3.18.1 方法原理 155
3.18.2 建模过程 156
3.18.3 应用案例 156
思考题 158
第4章 面向复杂系统建模的新方法与技术 161
4.1 概述 161
4.2 混合建模方法与技术 161
4.2.1 引言 161
4.2.2 分析G统计法 161
4.2.3 模糊辨识法 164
4.2.4 基于模糊神经网络的模型辨识 167
4.3 组合建模方法与技术 171
4.3.1 方法原理 171
4.3.2 技术特点 172
4.3.3 典型应用 172
4.4 基于智能技术的Agent/MAS建模方法与技术 175
4.4.1 引言 175
4.4.2 方法原理 175
4.4.3 技术特点 176
4.4.4 典型应用 177
4.5 基于Petri网建模方法与技术 179
4.5.1 引言 179
4.5.2 方法原理 180
4.5.3 技术特点 181
4.5.4 典型应用 181
4.6 马尔可夫建模方法与技术 184
4.6.1 引言 184
4.6.2 动态系统传统马尔可夫建模方法与技术 185
4.6.3 动态系统模糊马尔可夫建模方法与技术 188
4.7 Bootstrap？Bayes及BayesBootstrap建模方法与技术 191
4.7.1 引言 191
4.7.2 Bootstrap建模方法与技术 191
4.7.3 BayesBootstrap建模方法与技术 192
4.7.4 Bayes建模方法与技术 194
4.8 基于贝叶斯网的建模方法与技术 197
4.8.1 引言 197
4.8.2 基于专家主导的贝叶斯网建模方法与技术 197
4.8.3 基于联结树的贝叶斯网建模方法与技术 201
4.9 定性建模方法与技术 203
4.9.1 引言 203
4.9.2 基于pG范数的近似推理定性建模方法与技术 203
4.9.3 基于通用系统问题求解系统理论的归纳推理定性建模方法与技术 206
4.9.4 基于QSIM 算法的定性建模方法与技术 210
4.9.5 基于微分方程定性理论的建模方法与技术 213
4.9.6 基于范例推理建模方法与技术 217
4.10 基于因果关系的建模方法与技术 219
4.10.1 引言 219
4.10.2 方法原理 219
4.10.3 技术特点 220
4.10.4 典型应用 220
4.11 基于云理论的建模方法与技术 223
4.11.1 引言 223
4.11.2 方法原理 223
4.11.3 技术特点 224
4.11.4 典型应用 224
4.12 基于元模型的建模方法与技术 228
4.12.1 引言 228
4.12.2 方法原理 228
4.12.3 技术特点 229
4.12.4 典型应用 229
4.12.5 基于元模型的仿真模型表示及建模方法 231
4.13 基于元胞自动机的建模方法与技术 232
4.13.1 引言 232
4.13.2 方法原理 233
4.13.3 技术特点 234
4.13.4 典型应用 234
4.14 基于支持向量机的建模方法与技术 236
4.14.1 引言 236
4.14.2 方法原理 236
4.14.3 技术特点 236
4.14.4 典型应用 237
4.15 基于超高计算智能逼近的建模方法与技术 242
4.15.1 引言 242
4.15.2 基于量子神经网络的建模方法与技术 242
4.15.3 基于协同进化计算的建模方法与技术 244
4.15.4 基于多智能体遗传算法的建模方法与技术 247
4.16 基于混合专家系统的建模方法与技术 250
4.16.1 引言 250
4.16.2 方法原理 251
4.16.3 技术特点 251
4.16.4 典型应用 252
4.17 综合集成建模方法与技术 253
4.17.1 引言 253
4.17.2 方法原理 254
4.17.3 技术特点 255
4.17.4 典型应用 255
4.18 基于CAS理论的建模方法与技术 257
4.18.1 引言 257
4.18.2 方法原理 258
4.18.3 技术特点 259
4.18.4 典型应用 259
4.19 基于自组织理论的建模方法与技术 261
4.19.1 引言 261
4.19.2 基于GMDH建模的方法原理 261
4.19.3 基于GMDH建模的技术特点 263
4.19.4 基于GMDH建模的典型应用 263
4.20 基于分形理论的建模方法与技术 266
4.20.1 引言 266
4.20.2 方法原理 266
4.20.3 技术特点 267
4.20.4 典型应用 267
4.21 多分辨率建模方法与技术 269
4.21.1 引言 269
4.21.2 方法原理 270
4.21.3 技术特点 270
4.21.4 典型应用 271
4.22 面向对象建模方法与技术 276
4.22.1 引言 276
4.22.2 方法原理 277
4.22.3 技术特点 277
4.22.4 典型应用 278
思考题 281
第5章 复杂系统M&S支撑环境及工具 283
5.1 概述 283
5.2 UML/RationalRose283
5.2.1 引言 283
5.2.2 UML/RationalRose简介 284
5.2.3 应用实例 284
5.3 ABM/Swarm288
5.3.1 引言 288
5.3.2 Swarm平台简介 288
5.3.3 应用实例 289
5.4 HLA/RTI292
5.4.1 引言 292
5.4.2 基本思想及开发过程 292
5.4.3 应用实例 294
5.5 OpenGL/Vega和MultiGen/Creator297
5.5.1 引言 297
5.5.2 OpenGL/Vega简介 298
5.5.3 MultiGen/Creator简介 301
5.5.4 应用实例 303
5.6 MATLAB/Simulink305
5.6.1 引言 305
5.6.2 MATLAB/Simulink简介 305
5.6.3 应用实例 307
5.7 ADAMS/View311
5.7.1 引言 311
5.7.2 ADAMS简介 311
5.7.3 应用实例 314
5.8 STAGE/STRIVE316
5.8.1 引言 316
5.8.2 STAGE简介 316
5.8.3 STRIVE简介 318
5.8.4 应用实例 319
5.9 GlobusToolkit322
5.9.1 引言 322
5.9.2 网格技术发展概况 322
5.9.3 GlobusToolkit简介 323
5.9.4 应用实例 325
5.10 M&S的其他支撑环境与工具 326
思考题 340
第6章 大型复杂仿真系统的VV&A及可信度评估 341
6.1 引言 341
6.2 大型复杂仿真系统的特点及可信度评估对策 342
6.2.1 现代大型复杂仿真系统的特点 342
6.2.2 大型复杂仿真系统的可信度评估对策 342
6.3 VV&A基本概念及相关概念 343
6.3.1 基本概念 343
6.3.2 相关概念 344
6.4 VV&A的原则和工作模式 347
6.4.1 仿真系统VV&A原则 347
6.4.2 VV&A工作模式 349
6.5 仿真系统V&V方法 351
6.5.1 仿真系统校核方法 351
6.5.2 仿真系统验证方法 352
6.5.3 一般最大熵谱估计法 353
6.5.4 基于神经网络的最大熵谱估计法 356
6.6 复杂仿真系统生命周期VV&A方案设计 358
6.7 典型复杂仿真系统生命周期VV&A开发过程 359
6.7.1 分布交互式仿真系统生命周期VV&A开发过程 359
6.7.2 HLA仿真系统生命周期VV&A开发过程 360
6.7.3 DIS/HLA仿真系统生命周期VV&A开发过程 361
6.8 复杂仿真系统VV&A标准/规范及其应用 361
6.8.1 引言 361
6.8.2 复杂仿真系统VV&A标准/规范的需求分析 361
6.8.3 复杂仿真系统VV&A标准/规范技术框架及主要内容 362
6.8.4 复杂仿真系统VV&A标准/规范应用 363
6.9 VV&A的自动化？通用化和智能化问题 367
6.9.1 VV&A工作流的自动化 367
6.9.2 通用的VV&A体系 367
6.9.3 基于人工智能的VV&A平台 369
6.10 M&S的VV&A管理系统设计与实现 371
6.10.1 引言 371
6.10.2 系统结构设计 371
6.10.3 系统数据库设计 372
6.10.4 VV&A管理库设计 372
6.10.5 系统功能设计 372
6.10.6 应用实例 373
6.11 大型复杂仿真系统的可信度评估方法 373
6.11.1 引言 373
6.11.2 层次分析评估法 373
6.11.3 模糊综合评判法 374
6.11.4 模糊层次分析评估法 375
6.11.5 灰色综合评估法 376
6.11.6 相似度辨识评估法 380
6.11.7 基于逼真度评估法 386
思考题 393
参考文献 394
京公网安备 11010102004214号