復雜系統(tǒng)建模與仿真

1 緒論
1．1 系統(tǒng)的概念與分類
1．1．1 系統(tǒng)概念
1．1．2 系統(tǒng)分類
1．2 線性系統(tǒng)理論概述
1．2．1 線性系統(tǒng)的概念及分類
1．2．2 線性系統(tǒng)理論的主要任務
1．2．3 線性系統(tǒng)理論的發(fā)展過程
1．3 非線性系統(tǒng)理論概述
1．3．1 非線性系統(tǒng)的特點
1．3．2 非線性系統(tǒng)控制的方法
1．4 復雜系統(tǒng)的理論概述
1．4．1 復雜性概念與復雜系統(tǒng)
1．4．2 復雜系統(tǒng)的特點
1．4．3 復雜系統(tǒng)的研究對象
1．4．4 復雜系統(tǒng)的研究方法
1．5 復雜系統(tǒng)研究現(xiàn)狀和趨勢
1．5．1 研究現(xiàn)狀
1．5．2 發(fā)展趨勢
1．6 系統(tǒng)建模與仿真
1．6．1 系統(tǒng)建模
1．6．2 系統(tǒng)仿真
思考題
2 連續(xù)系統(tǒng)建模與仿真技術
2．1 面向方程的建模方法與仿真
2．1．1 面向方程建模的常用方法
2．1．2 微分方程建模步驟
2．1．3 微分方程仿真求解
2．2 數(shù)值積分方法的建模與仿真
2．2．1 離散化原理
2．2．2 龍格一庫塔法
2．2．3 面向方程的龍格一庫塔法仿真舉例
思考題
3 離散系統(tǒng)建模與仿真
3．1 離散系統(tǒng)的基本概念
3．2 離散系統(tǒng)建模方法
3．2．1 實體流圖法
3．2．2 活動周期圖法
3．3 離散系統(tǒng)建模實例
3．3．1 排隊服務系統(tǒng)建模
3．3．2 報童模型
3．3．3 庫存系統(tǒng)的模型
3．4 離散系統(tǒng)仿真
3．4．1 離散系統(tǒng)仿真步驟
3．4．2 離散系統(tǒng)仿真基本原理
3．4．3 離散事件系統(tǒng)仿真策略
3．5 離散事件系統(tǒng)仿真結果分析
3．5．1 終態(tài)仿真結果的分析
3．5．2 穩(wěn)態(tài)仿真結果的分析
思考題
4 灰色系統(tǒng)建模與仿真
4．1 灰色系統(tǒng)理論概述
4．1．1 灰色系統(tǒng)理論的基本概念
4．1．2 灰色系統(tǒng)理論的基本原理
4．1．3 灰色系統(tǒng)理論的主要內容
4．2 灰色關聯(lián)分析
4．2．1 灰色關聯(lián)因素和關聯(lián)算子集
4．2．2 灰色關聯(lián)公理與灰色關聯(lián)度
4．2．3 灰色關聯(lián)分析的應用舉例
4．3 GM（1，1）灰色系統(tǒng)模型
4．3．1 GM（1，1）模型概述
4．3．2 GM（1，1）建模機理
4．3．3 GM（1，1）模型的幾種形式
4．3．4 殘差GM（1，1）模型
4．4 灰色系統(tǒng)預測理論
思考題
5 基于人工神經網絡的建模及仿真
5．1 人工神經網絡簡介
5．1．1 人工神經網絡模型
5．1．2 人工神經網絡的結構
5．1．3 人工神經網絡的基本特征
5．2 BP神經網絡
5．2．1 BP學習算法
5．2．2 BP算法的計算步驟
5．3 ．BP神經網絡案例分析
5．3．1 模型的構建
5．3．2 風險警度、預警信號的確定
5．3．3 風險預控對策
5．3．4 仿真分析
思考題
6 馬爾可夫鏈建模方法
6．1 馬爾可夫鏈的基本理論
6．1．1 狀態(tài)轉移概率
6．1．2 查普曼一柯爾莫哥洛夫方程
6．1．3 齊次馬爾可夫鏈的有限維分布
6．2 實例分析
思考題
7 復雜網絡
7．1 復雜網絡概述
7．1．1 復雜網絡的定義
7．1．2 復雜網絡中的基本概念
7．1．3 復雜網絡的結構模型
7．2 復雜網絡基礎理論
7．2．1 網絡科學理論發(fā)展的三個時期
7．2．2 復雜網絡的特性
7．2．3 其他基礎理論
7．2．4 復雜網絡的研究內容和意義
7．2．5 網絡拓撲結構與靜態(tài)特征
7．3 復雜網絡應用
7．3．1 小世界實驗
7．3．2 一些實際的復雜網絡系統(tǒng)
7．3．3 復雜網絡的靜態(tài)幾何量
7．3．4 網絡拓撲的基本模型及其性質
7．4 案例分析
思考題
8 Agent復雜系統(tǒng)建模
8．1 Agent系統(tǒng)概述
8．1．1 多Agent系統(tǒng)研究方法
8．1．2 多Agent協(xié)調
8．2 Agent結構模型
8．2．1 Agent混合結構模型
8．2．2 其他Agent結構模型
8．2．3 具有通用性的Agent混合結構模型
8．3 Agent的學習機制
8．3．1 復雜系統(tǒng)建模對Agent學習系統(tǒng)的要求
8．3．2 基于遺傳算法的Agent規(guī)則學習與演化機制
8．3．3 基于強化學習的多Agent智能決策
8．4 多Agent模型
8．4．1 復雜系統(tǒng)框架結構及工作流程
8．4．2 多Agent建模與控制方法的特點
8．4．3 多Agent建模與控制研究框架
8．4．4 多Agent交互與協(xié)調模型
思考題
9 系統(tǒng)動力學
9．1 系統(tǒng)動力學概述
9．1．1 系統(tǒng)動力學方面的主要成果
9．1．2 系統(tǒng)動力學發(fā)展歷史
9．2 系統(tǒng)動力學基本理論
9．2．1 系統(tǒng)動力學的概念
9．2．2 系統(tǒng)動力學圖形表示法
9．2．3 系統(tǒng)動力學機理
9．3 DYNAMO語言
9．3．1 DYNAM0概述
9．3．2 DYNAM0基本原理
9．3．3 DYNAM0方程
9．4 系統(tǒng)動力學建模步驟
9．4．1 系統(tǒng)分析
9．4．2 系統(tǒng)結構分析
9．4．3 建立數(shù)學的規(guī)范模型
9．4．4 模型模擬與政策分析
9．4．5 模型的檢驗與評估
9．5 案例分析
9．5．1 企業(yè)成長與投資不足案例
9．5．2 供應鏈中“牛鞭效應”
思考題
10 蒙特卡洛仿真
10．1 蒙特卡洛仿真發(fā)展
10．2 蒙特卡洛方法的基本思想
10．3 蒙特卡洛的理論基礎
10．4 蒙特卡洛方法的優(yōu)缺點
10．4．1 優(yōu)點
10．4．2 缺點
10．5 蒙特卡洛常用概率分布的抽樣公式
參考文獻