公共管理与复杂性科学

程，尤其是长期渐近性态和对参数的依赖关系，主要研究对象包括周期运动、概周期运动、混沌运动、分岔、孤立子、斑图和拟序结构等。㈣其中混沌是非线性动力学研究的前沿和热点内容之一。
　　对混沌的研究是从对微分方程求解开始的，二十世纪初，著名的法国数学家和理论天文学家Poinear6发现某些特殊的微分方程的可解性与解值对其初始条件极为敏感，初始条件的细微差别可导致其解值的巨大偏差，甚至产生无解现象，成为现代最先预测混沌存在的人，但他的发现没有引起数学家和物理学家的重视。直到上个世纪60年代初，美国气象学家E.N.Lorenz在研究大气环流模型时，通过计算一个具有3个变量的方程组发现了这种复杂现象具有两个特点：对初始值的极端敏感性和解的不完全随机性，同时，尽管这种非周期现象看起来是杂乱无章的，类似于随机现象，但仍然具有某种规律性，这种内在有序性被称为混沌吸引子。E.N.Lorenz的工作是非线性系统混沌理论诞生的标志。1975年，美国数学家J.A Yorke和李天岩首先引入“混沌”来描述这种无序的现象，@标志着对混沌理论开始深层次的探索，也揭开了人们对非线性系统混沌现象研究的序幕。虽然目前科学家对混沌还没有一个统一的定义，但普遍认为混沌现象并不是无序和紊乱，更像是没有周期的秩序，在理想模型中，它可能包含着无穷的内在层次，层次间存在着“自相似性”。混沌现象是一种貌似毫无规律的复杂运动形态，它是发生在确定性动态系统中的不确定行为，混沌运动模糊了确定性运动和随机运动的界线，它是非线性动力学系统在一定条件下所表现的一种运动形式，越来越多的研究表明，由于非线性的动力学系统的运动状态失稳而出现混沌状态是非常普遍的现象。值得一提的是，在上个世纪70年代中期，美国生物学家R.May在研究虫口模型的Logistic方程时发现，生态学中的一些简单模型，具有极为复杂的动力学行为，包括分岔、序列和混沌，并通过倍周期分岔达到混沌，这是研究混沌产生机理的重要途径之一。
　　总之，非线性研究以混沌为核心，排除了拉普拉斯决定论的可预见性，揭示了确定系统的内禀随机性。通过动力学分析和李亚普罗夫指数等指标的提出，非线性研究系统地揭示“定态一周期性态—混沌性态”之间的演化关系，探讨混沌、分形和自组织等复杂现象的形成原因和本质特征。非线性曾研究是人类第一次把从宇观的宇宙、微观的基本粒子到宏观的人及人类社会统一置于真正的科学认识方法之下，使日常经验和真实的世界图景成为实际的研究目标，其研究方法已经渗透到了包括人文社会科学在内的几乎所有科学领域。
　　多智能体系统(Multi-Agent System)是复杂性科学的研究前沿和重要工具，其目标是将大的复杂系统建造成小的、彼此相互通讯及协调的、易于管理的系统，这不是一种简单方法论上的“还原”，而是将个体和系统的自主性、分布性、协调性以及自组织能力、学习能力和推理能力置于一个协调统一框架下的研究路径，涉及智能体的知识、目标、技能、规划以及如何使智能体协调行动解决问题等。多智能体系统的表现通过智能体的交互来实现，固具有自主性、分布性、协调性，并具有自组织能力、学习能力和推理能力，目前的研究涉及理论和应用两个方面。
　　理论研究主要集中在多智能体系统体系结构的探讨。多智能体之间的交互、协作、通信，以及后来出现的智能体对周围环境和其他智能体行为的学习等。其理论方法大致可分为三种：(1)基于符号推理系统的体系结构，以Bratman等提出的BDI(Brief Desire Intention)理论固为基础，采用传统人工智能中符号推理的基本原理；(2)基于行为主义的体系结构，以Brooks提出的基于行为的系统分析与设计方法为基础；(3)基于协进化方法的体系结构，为了克服传统进化算法的不足，解决更为广泛的机器学习、共同适应以及多智能体间的协调问题，人们模仿自然界中的协进化机制，提出了协同进化计算(CEC，Coevolutionary Computing)的思想。此外，为了满足系统实时性的要求，在开放的动态环境下，探求使各智能体在短时间内具有快速学习和协调功能的方法，是目前多智能体系统理论和方法研究的难点之一。
　　多智能体技术对于复杂系统具有无可比拟的表达力，它为各种实际系统提供了一种统一的模型，从而为各种实际系统的研究提供了一种统一的框架，其应用领域十分广阔，具有解决复杂问题的潜力。目前多智能体系统理论和方法已经在很多领域得到成功应用，包括智能机器人、交通控制柔性制造、协调专家系统、分布式预测、监控及诊断、分布式智能决策、软件开发、虚拟现实、操作系统、网络自动化与智能化、分式布计算、产品设计、商业管理、网络化的办公自动化、网络化计算机辅助教学及医疗等。
　　复杂性科学认为大量系统都可以通过“节点”与“关系”形成的网络加以描述。始于20世纪30年代末的、被誉为“社会学的新古典革命”的网络分析，不仅给社会学分析带来了新的概念和理论，使得社会学对社会结构的研究面目一新，而且有助于摆脱范畴或属性分析的个人主义方法论、还原主义解释和循环论证的困境，相关模型和方法在国外社会学领域已经被广泛研究和应用，如社会网络对信息传播、发明推广的影响，社会网络与职业流动和社会资源的关系，社会支持网络的特点、内容以及社会关系与社会支持的关系，社会讨论网(也称人际交往网络)对个人意识、行为的影响以及个人如何通过网络影响其他个体等。然而，统计分析和基于图论的网络拓扑结构分析依旧是社会网络的研究重点，所建立的模型多是静态而非动态的。我国社会网络分析研究相对比较滞后，相关成果多集中在跟踪性介绍或是概念应用，对社会网络分析系统深入的研究成果相对较少，而有独创性的成果则更少；但是国内研究者已经开始关注社会网络及其应用。
　　社会网络分析作为网络研究的一个分支，必然受到网络研究最新进展的影响。最近的研究发现，大量的真实网络既不是规则网络，也不是随机网络，而是具有与前两者皆不同的统计特征的网络，因此复杂网络在20世纪末成为新的网络研究热点。复杂网络目前研究重点集中在网络特征的描述。小世界效应(Small—World Effect)和无标度特性是目前最受关注的两类复杂网络特征。已有研究表明，类似的特征广泛存在于好莱坞演员网络、科学家合作研究网络、人类性关系网络等社会网中。当然，真实网络还有很多统计上的特征，例如混合模式@，度相关特性也受到了研究者的重视。国内虽然紧跟了国际相关研究的趋势，但原创性工作还不多见。
　　复杂网络的研究重点可能在将来很长一段时间依然会集中在理论分析和相关模型的讨论上，这可能是因为，复杂网络理论还不完善，还有大量