復(fù)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(wù)
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(diǎn)
1．3．2 非線性系統(tǒng)控制的方法
1．4 復(fù)雜系統(tǒng)的理論概述
1．4．1 復(fù)雜性概念與復(fù)雜系統(tǒng)
1．4．2 復(fù)雜系統(tǒng)的特點(diǎn)
1．4．3 復(fù)雜系統(tǒng)的研究對(duì)象
1．4．4 復(fù)雜系統(tǒng)的研究方法
1．5 復(fù)雜系統(tǒng)研究現(xiàn)狀和趨勢(shì)
1．5．1 研究現(xiàn)狀
1．5．2 發(fā)展趨勢(shì)
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(shù)
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(kù)塔法
2．2．3 面向方程的龍格一庫(kù)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(shí)體流圖法
3．2．2 活動(dòng)周期圖法
3．3 離散系統(tǒng)建模實(shí)例
3．3．1 排隊(duì)服務(wù)系統(tǒng)建模
3．3．2 報(bào)童模型
3．3．3 庫(kù)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(jié)果分析
3．5．1 終態(tài)仿真結(jié)果的分析
3．5．2 穩(wěn)態(tài)仿真結(jié)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(nèi)容
4．2 灰色關(guān)聯(lián)分析
4．2．1 灰色關(guān)聯(lián)因素和關(guān)聯(lián)算子集
4．2．2 灰色關(guān)聯(lián)公理與灰色關(guān)聯(lián)度
4．2．3 灰色關(guān)聯(lián)分析的應(yīng)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(jī)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(yù)測(cè)理論
思考題
5 基于人工神經(jīng)網(wǎng)絡(luò)的建模及仿真
5．1 人工神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介
5．1．1 人工神經(jīng)網(wǎng)絡(luò)模型
5．1．2 人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
5．1．3 人工神經(jīng)網(wǎng)絡(luò)的基本特征
5．2 BP神經(jīng)網(wǎng)絡(luò)
5．2．1 BP學(xué)習(xí)算法
5．2．2 BP算法的計(jì)算步驟
5．3 ．BP神經(jīng)網(wǎng)絡(luò)案例分析
5．3．1 模型的構(gòu)建
5．3．2 風(fēng)險(xiǎn)警度、預(yù)警信號(hào)的確定
5．3．3 風(fēng)險(xiǎn)預(yù)控對(duì)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(zhuǎn)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(shí)例分析
思考題
7 復(fù)雜網(wǎng)絡(luò)
7．1 復(fù)雜網(wǎng)絡(luò)概述
7．1．1 復(fù)雜網(wǎng)絡(luò)的定義
7．1．2 復(fù)雜網(wǎng)絡(luò)中的基本概念
7．1．3 復(fù)雜網(wǎng)絡(luò)的結(jié)構(gòu)模型
7．2 復(fù)雜網(wǎng)絡(luò)基礎(chǔ)理論
7．2．1 網(wǎng)絡(luò)科學(xué)理論發(fā)展的三個(gè)時(shí)期
7．2．2 復(fù)雜網(wǎng)絡(luò)的特性
7．2．3 其他基礎(chǔ)理論
7．2．4 復(fù)雜網(wǎng)絡(luò)的研究?jī)?nèi)容和意義
7．2．5 網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)與靜態(tài)特征
7．3 復(fù)雜網(wǎng)絡(luò)應(yīng)用
7．3．1 小世界實(shí)驗(yàn)
7．3．2 一些實(shí)際的復(fù)雜網(wǎng)絡(luò)系統(tǒng)
7．3．3 復(fù)雜網(wǎng)絡(luò)的靜態(tài)幾何量
7．3．4 網(wǎng)絡(luò)拓?fù)涞幕灸Ｐ图捌湫再|(zhì)
7．4 案例分析
思考題
8 Agent復(fù)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(diào)
8．2 Agent結(jié)構(gòu)模型
8．2．1 Agent混合結(jié)構(gòu)模型
8．2．2 其他Agent結(jié)構(gòu)模型
8．2．3 具有通用性的Agent混合結(jié)構(gòu)模型
8．3 Agent的學(xué)習(xí)機(jī)制
8．3．1 復(fù)雜系統(tǒng)建模對(duì)Agent學(xué)習(xí)系統(tǒng)的要求
8．3．2 基于遺傳算法的Agent規(guī)則學(xué)習(xí)與演化機(jī)制
8．3．3 基于強(qiáng)化學(xué)習(xí)的多Agent智能決策
8．4 多Agent模型
8．4．1 復(fù)雜系統(tǒng)框架結(jié)構(gòu)及工作流程
8．4．2 多Agent建模與控制方法的特點(diǎn)
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(diào)模型
思考題
9 系統(tǒng)動(dòng)力學(xué)
9．1 系統(tǒng)動(dòng)力學(xué)概述
9．1．1 系統(tǒng)動(dòng)力學(xué)方面的主要成果
9．1．2 系統(tǒng)動(dòng)力學(xué)發(fā)展歷史
9．2 系統(tǒng)動(dòng)力學(xué)基本理論
9．2．1 系統(tǒng)動(dòng)力學(xué)的概念
9．2．2 系統(tǒng)動(dòng)力學(xué)圖形表示法
9．2．3 系統(tǒng)動(dòng)力學(xué)機(jī)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(dòng)力學(xué)建模步驟
9．4．1 系統(tǒng)分析
9．4．2 系統(tǒng)結(jié)構(gòu)分析
9．4．3 建立數(shù)學(xué)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(yàn)與評(píng)估
9．5 案例分析
9．5．1 企業(yè)成長(zhǎng)與投資不足案例
9．5．2 供應(yīng)鏈中“牛鞭效應(yīng)”
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(chǔ)
10．4 蒙特卡洛方法的優(yōu)缺點(diǎn)
10．4．1 優(yōu)點(diǎn)
10．4．2 缺點(diǎn)
10．5 蒙特卡洛常用概率分布的抽樣公式
參考文獻(xiàn)