复杂系统学习（一）：复杂系统简介

2. 什么使一个系统越来越复杂

3. 到底什么是一个复杂系统

4. 复杂系统的属性

5. 什么是模型？

5.1 为什么要建立模型？

5.2 模型的种类

6. 为复杂系统建模的步骤

7. 复杂系统建模中的问题

1. 引言：什么是系统？

基本系统的定义：

• 元素
• 内在组织（relation）
• 如果没有内在组织导致整个系统的各部分系统作用，那么这个系统就只能是所有元素的简单叠加，但是通过relation 将各个 element 联系起来协同对外作用，可以从外部看做一个整体

一组事物作为一个机制或一个相互连接的网络的一部分共同工作；一个复杂的整体：

2. 什么使一个系统越来越复杂

很少的组成部分，简单的规则，简单的行为

比如双体问题：

• 可以用分析法求解
• 产生有规律的轨迹

很少的组成部分，简单的规则，复杂的行为

三体问题：

• 没有精确的数学解决方案
• 产生混乱的轨迹

低维混沌：

• 逻辑方程：

很多的组成部分，简单的规则，简单的行为

晶体和气体

• 高度有序和规则（晶体）
• 高度无序但统计上均匀的（气体）       ​​​​

很多的组成部分，简单的规则，复杂的行为

群居行为

• 也是元胞自动机，模式形成，复杂网络
• 梯形复杂系统 

很多的组成部分，复杂的规则，复杂的行为 

生物发展、进化、社会、市场

• 异质性规则、专业化、等级制度
• 行为是复杂的，但可以是可重复的和强大的

很多的组成部分，复杂的规则，确定性的行为 

经典工程

• 许多专门的部件
• 全局设计以确保可预测的行为

很多的组成部分，复杂的规则，中心化的行为 

管弦乐队、军事、行政

• 由一个中心原因、领导者或计划支配的行为

3. 到底什么是一个复杂系统

复杂系统是一类特殊的系统，复杂系统的构成：

• 有多个部分组成；
• 多个部分之间没有一个中心化的约束；
• 通过自组织过程由多个部分之间的局部相互作用构成；
• 这个过程产生了新的 level 的组织层次，许多元素在许多不同的尺度上，所有这些层面都相互影响。

4. 复杂系统的属性

Emergence

• 系统具有单个部分所不具备的属性。
• 这些属性不容易被推断或预测。
• 同样的部分可以产生不同的属性，这取决于环境或安排。

Self-organisation

• 在没有外部干预的情况下，秩序增加
• 通常是部分之间相互作用的结果

Decentralisation（分散管理）

• 没有一个单一的控制器或 "领导"。
• 分布：每个部分都携带全局信息的一个子集
• 有界限的知识：没有一个部分对整体有完整的看法
• 并行性：各部分可以同时行动

Feedback（反馈）

• 正反馈放大了系统状态的波动
• 负反馈抑制了系统状态的波动

复杂系统的性质：

Numerosity：

many parts and self-orgnization 复杂系统通常具备很多个 parts，而且具备不同级别的结构层次，这些层次是通过 self-orgnization 自发构成的。

Interdependent and Nonlinearity：

各个部分相互依赖，在各部分高度依赖的过程中产生非线性的系统（例如，当我们将很多事物放在一起，他们的效果往往不等于各个部分的简单相加（两端声波叠加要么相互抵消，要么相互增益）而且由于feedback loop反馈的作用，可能以指数速度增长或者衰减，这些快速变化的时期被称为相变 （Phase transition）这也就是为什么复杂系统可以在短期内发生非常大的变化，从一个状态迅速转变成另外一个状态，系统输入值的一些微小的变化可以通过 feedback loop 而产生非常大的系统效应，这叫做对初始条件的敏感性，这也是混沌理论的中心思想）。

connectivity （连通性）：

各个组件之间是密集或高度互联的，因此通常可以组成网络。

autonomy（自治） and adaptation（自适应性）:

很多复杂系统中，不需要中心化、自上而下的指令对各个element进行额外的限制，而是靠 element自身的能力做出调整；构建了一种自下而上的组织模式；这也导致了对复杂系统给定很多不同的输入，其给出的输出差别会很大，这代表复杂系统大多是异质性的；有高度的多样性；在没有中心化调整的情况下，系统表现出更高水平的差异化和整合性。

5. 什么是模型？

对一个系统或过程的简化描述，特别是数学描述，以帮助计算和预测。

5.1 为什么要建立模型？

• 模型使我们能够以现实世界中不可行的方式检查系统行为。
• 模型帮助我们通过建立一个系统来理解它

5.2 模型的种类

数学模型

对于某些系统，我们可以用宏观方程来描述全局状态和行为
例如，在一个捕食者—猎物系统中。

数学模型—分析解

对于某些系统来说，这些宏观方程是存在的，并且有一个分析解（用微积分找到）。
例如，GDP的几何增长→指数函数

不幸的是，许多系统没有这样的分析解决方案

数学模型—数值分析

这里，可以使用数值分析

• 将空间离散为单元，将时间离散为步骤
• 通过算法（一步步）解决，发现未来的轨迹

如果没有宏观方程怎么办？

没有系统的宏观描述

• 如压力或GDP

系统包含异质性

• 各部分在空间的位置不规则
• 各部分在一个复杂的网络中相连
• 各部分被分化/专门化为各种类型

系统是动态适应性的

• 相互作用的拓扑结构随着时间的推移而变化，以应对环境的影响

计算模型 

特别是基于代理人的模型（ABM），它的出现（在20世纪60年代）是为了对那些对于分析性描述来说过于复杂的系统进行建模。

系统部分:

• 具有局部状态和规则的代理

系统结构：

• 代理之间的局部互动模式

系统行为：

• 在互动的基础上更新代理状态的动态规则 

计算能力的快速增长使ABM成为一种实用工具

Agent-based Models（ABM）

• 系统组成部分（system part）：由很多具备local state和local rules的agent组成。
• 系统的结构（system structure）：agents之间的local interaction构成了系统的结构。
• 系统表现出的行为（system behavior）：agents在与其他agent发生interaction时采用的动态规则（dynamic rules）最终形成了整个系统的行为。

6. 为复杂系统建模的步骤

1. 定义关键问题。
2. 确定系统的结构（部分和相互作用）。
3. 定义每个部分的可能状态。
4. 定义每个部分的状态如何通过与其他部分的相互作用而随时间变化。
5. 从简单性、正确性和稳健性方面验证、确认和评估该模型。
6. 定义并运行模型的实验，以解决关键问题。

用自己的话来概括就是：

• 首先弄清楚要解决的问题。
• 设计整个系统的结构（对单个 agent 的设计以及他们之间的交互方式）。
• 每个agent可能的状态有哪些。
• 每个agent可能与周围的agent发生哪些交互行为。
• 确保设计的模型是简洁的，正确的（能按照设计运行），鲁棒的（稳定的）。
• 当前的模型正确运行后能不能回答我们提出的问题。

7. 复杂系统建模中的问题

我们如何解释当前和过去的事件？

• 多细胞生物的进化，疾病的爆发
• 全球气候变化，大规模灭绝
• 政治和社会极端主义，文明的崩溃
• 股市崩盘、经济泡沫

我们如何能预测未来的行为？

• 这通常是我们想要了解系统的原因

我们如何才能设计和建造更好的工程系统？

• 自然启发的优化（蚁群、粒子群）。
• 去中心化的计算（互联网）
• 自主传感器网络，环境计算