|
|
|
復雜系統建模是越來越多的復雜工程系統、社會經濟系統、軍事作戰系統、人工生命系統等研究的基礎，有著極其廣泛而旺盛的社會、經濟、國防和科技需求，堪稱仿真科學與技術的前沿新領域。
本書是一部專門研究復雜系統建模理論、方法與技術的著作。作者在全面論述系統建模基本理論和常用建模方法的基礎上，重點研究面向復雜系統數學建模的新方法與技術，以及仿真建模環境和工具，並深入討論人們十分關心的大型復雜仿真系統建模的VV＆A與可信度評估技術及其應用。
本書普遍適用于從事航空、航天、航海、能源、環保、工業、農業、醫學、交通、生物學、經濟學、人文科學等方面研究和仿真的科學工作者、工程技術人員和高校教師參考，亦可作為高校高年級學生和研究生的教科書。
序
前言
第1章 緒論
1.1 系統概念與分類
1.1.1 系統概念
1.1.2 系統分類
1.2 復雜性概念與復雜系統提法
1.2.1 復雜性概念
1.2.2 復雜系統提法
1.3 復雜系統的特點、研究對象及方法
1.3.1 復雜系統的特點
1.3.2 復雜系統的研究對象
1.3.3 復雜系統的研究方法
1.4 系統研究現狀和趨勢
1.4.1 研究現狀
1.4.2 發展趨勢
1.5 系統建模與仿真
1.5.1 模型概念、性質及分類
1.5.2 數學建模及其過程
1.5.3 仿真建模與系統仿真
1.5.4 系統建模與仿真體系結構
1.6 對復雜問題建模與仿真的重要思考
1.6.1 復雜系統研究是建模與仿真發展的動力源
1.6.2 支撐復雜系統建模與仿真的新理論
1.6.3 復雜系統建模方法學進展
1.6.4 適應于復雜仿真系統的體系結構
1.6.5 復雜系統建模環境及工具
1.6.6 復雜仿真系統與VV&A技術
思考題
第2章 系統建模的基本理論
2.1 引言
2.2 模型論及其相關理論
2.2.1 引言
2.2.2 實際系統的抽象
2.2.3 系統描述及其保存關系
2.2.4 模型的非形式化與形式化描述
2.2.5 模型集總
2.2.6 模型簡化
2.2.7 模型修改
2.2.8 模型靈敏度分析
2.2.9 模型的有效性及可信性
2.3 相似理論及演繹推理
2.3.1 引言
2.3.2 相似概念及分類
2.3.3 相似關系
2.3.4 相似定理
2.3.5 演繹推理
2.3.6 連續物理系統的相似性及其模型通式
2.4 系統辨識理論
2.4.1 系統辨識概念、定義及要素
2.4.2 系統辨識框架和內容
2.4.3 系統辨識方法與算法
2.5 系統層次性與分形理論
2.5.1 系統的層次性概念
2.5.2 系統分析與層次分析
2.5.3 系統層次分析方法概述
2.5.4 系統分形概念
2.5.5 分形理論的要點
2.6 復雜適應系統理論
2.6.1 基本概念
2.6.2 CAS樹
2.6.3 主體的適應和學習
2.6.4 CAS宏觀模型
2.7 定性理論、模糊理論及雲理論
2.7.1 定性理論的產生及其範疇
2.7.2 定性推理
2.7.3 定性建模
2.7.4 模糊理論的產生
2.7.5 模糊集合（論）
2.7.6 模糊集合運算和基本定理
2.7.7 模糊數和模糊集合特征描述
2.7.8 模糊關系
2.7.9 雲理論
2.8 自組織理論
2.8.1 引言
2.8.2 理論基礎及研究範疇
2.8.3 系統自組織概念
2.8.4 耗散結構論
2.8.5 協同學
2.8.6 日趨完善的自組織理論
2.9 元胞自動機與支持向量機理念
2.9.1 引言
2.9.2 元胞自動機理念
2.9.3 元胞自動機的功能特點
2.9.4 支持向量機理念和內涵
2.9.5 支持向量分類機
2.9.6 支持向量回歸機
2.10 灰色系統理論和馬爾可夫理論
2.10.1 引言
2.10.2 灰色系統基本原理
2.10.3 灰色系統理論體系結構
2.10.4 灰色概念、運算及灰色聯度分析
2.10.5 灰色系統建模
2.10.6 馬爾可夫過程
2.10.7 馬爾可夫鏈及其相關定義和定理
2.11 圖論
2.11.1 引言
2.11.2 圖概念及重要術語
2.11.3 樹及其生成樹
2.11.4 遍歷、歐拉圖及哈密頓圖
2.11.5 圖矩陣
2.12 網絡理論
2.12.1 引言
2.12.2 基本概念及其物理意義
2.12.3 網絡最大流及最小流
2.12.4 最短路和最小代價流
2.12.5 工程網絡圖
2.12.6 計算機網絡
2.12.7 Petri網
2.12.8 人工神經網絡
2.12.9 貝葉斯網
2.13 元模型及綜合集成研討廳理念
2.13.1 引言
2.13.2 元模型理念及其相關概念
2.13.3 綜合集成研討廳理念
2.14 虛擬現實及其相關理論
2.14.1 引言
2.14.2 基本概念及定義
2.14.3 VR系統及分類
2.14.4 VR硬、軟件工具
2.14.5 VR技術及其應用
思考題
第3章 常用數學建模方法、原理及案例
3.1 概述
3.1.1 引言
3.1.2 數學建模方法的選取
3.2 機理分析法
3.2.1 方法原理
3.2.2 建模過程
3.2.3 應用案例
3.3 盲接相似法
3.3.1 方法原理
3.3.2 建模過程
3.3.3 應用案例
3.4 量綱分析法
3.4.1 方法原理
3.4.2 建模過程
3.4.3 應用案例
3.5 比例法
3.5.1 方法原理
3.5.2 建模過程
3.5.3 應用案例
3.6 概率統計法
3.6.1 方法原理
3.6.2 建模過程
3.6.3 應用案例
3.7 回歸分析法
3.7.1 方法原理
3.7.2 建模過程
3.7.3 應用案例
3.8 集合分析法
3.8.1 方法原理
3.8.2 建模過程
3.8.3 應用案例
3.9 層次分析法
3.9.1 方法原理
3.9.2 建模過程
3.9.3 應用案例
3.10 圖解法
3.10.1 方法原理
3.10.2 建模過程
3.10.3 應用案例
3.11 蒙特卡羅法
3.11.1 方法原理
3.11.2 建模過程
3.11.3 應用案例
3.12 模糊集論法
3.12.1 引言
3.12.2 隸屬函數確定法
3.12.3 模糊聚類分析法
3.12.4 模糊模式識別法
3.12.5 模糊綜合評判法
3.13 “隔艙”系統法
3.13.1 方法原理
3.13.2 建模過程
3.13.3 應用案例
3.14 灰色系統法
3.14.1 方法原理
3.14.2 建模過程
3.14.3 應用案例
3.15 想定法
3.15.1 方法原理
3.15.2 建模過程
3.15.3 應用案例
3.16 計算機輔助法
3.16.1 方法原理
3.16.2 建模過程
3.16.3 應用案例
3.17 系統辨識法
3.17.1 方法原理
3.17.2 建模過程
3.17.3 應用案例
3.18神經網絡法
3.18.1 方法原理
3.18.2 建模過程
3.18.3 應用案例
思考題
第4章 面向復雜系統建模的新方法與技術
4.1 概述
4.2 混合建模方法與技術
4.2.1 引言
4.2.2 分析-統計法
4.2.3 模糊辨識法
4.2.4 基于模糊神經網絡的模型辨識
4.3 組合建模方法與技術
4.3.1 方法原理
4.3.2 技術特點
4.3.3 典型應用
4.4 基于智能技術的Agent/MAS建模方法與技術
4.4.1 引言
4.4.2 方法原理
4.4.3 技術特點
4.4.4 典型應用
4.5 基于Petri網建模方法與技術
4.5.1 引言
4.5.2 方法原理
4.5.3 技術特點
4.5.4 典型應用
4.6 馬爾可夫建模方法與技術
4.6.1 引言
4.6.2 動態系統傳統馬爾可夫建模方法與技術
4.6.3 動態系統模糊馬爾可夫建模方法與技術
4.7 Bootstrap、Bayes及Bayes Bootstrap建模方法與技術
4.7.1 引言
4.7.2 Bootstrap建模方法與技術
4.7.3 Bayes Bootstrap建模方法與技術
4.7.4 Bayes建模方法與技術
4.8 基于貝葉斯網的建模方法與技術
4.8.1 引言
4.8.2 基于專家主導的貝葉斯網建模方法與技術
4.8.3 基于聯結樹的貝葉斯網建模方法與技術
4.9 定性建模方法與技術
4.9.1 引言
4.9.2 基于p-範數的近似推理定性建模方法與技術
4.9.3 基于通用系統問題求解系統理論的歸納推理定性建模方法與技術
4.9.4 基于QSIM算法的定性建模方法與技術
4.9.5 基于微分方程定性理論的建模方法與技術
4.9.6 基于範例推理建模方法與技術
4.10 基于因果關系的建模方法與技術
4.10.1 引言
4.10.2 方法原理
4.10.3 技術特點
4.10.4 典型應用
4.11 基于雲理論的建模方法與技術
4.11.1 引言
4.11.2 方法原理
4.11.3 技術特點
4.11.4 典型應用
4.12 基于元模型的建模方法與技術
4.12.1 引言
4.12.2 方法原理
4.12.3 技術特點
4.12.4 典型應用
4.12.5 基于元模型的仿真模型表示及建模方法
4.13 基于元胞自動機的建模方法與技術
4.13.1 引言
4.13.2 方法原理
4.13.3 技術特點
4.13.4 典型應用
4.14 基于支持向量機的建模方法與技術
4.14.1 引言
4.14.2 方法原理
4.14.3 技術特點
4.14.4 典型應用
4.15 基于超高計算智能逼近的建模方法與技術
4.15.1 引言
4.15.2 基于量子神經網絡的建模方法與技術
4.15.3 基于協同進化計算的建模方法與技術
4.15.4 基于多智能體遺傳算法的建模方法與技術
4.16 基于混合專家系統的建模方法與技術
4.16.1 引言
4.16.2 方法原理
4.16.3 技術特點
4.16.4 典型應用
4.17 綜合集成建模方法與技術
4.17.1 引言
4.17.2 方法原理
4.17.3 技術特點
4.17.4 典型應用
4.18 基于CAS理論的建模方法與技術
4.18.1 引言
4.18.2 方法原理
4.18.3 技術特點
4.18.4 典型應用
4.19 基于自組織理論的建模方法與技術
4.19.1 引言
4.19.2 基于GMDH建模的方法原理
4.19.3 基于GMDH建模的技術特點
4.19.4 基于GMDH建模的典型應用
4.20 基于分形理論的建模方法與技術
4.20.1 引言
4.20.2 方法原理
4.20.3 技術特點
4.20.4 典型應用
4.21 多分辨率建模方法與技術
4.21.1 引言
4.21.2 方法原理
4.21.3 技術特點
4.21.4 典型應用
4.22 面向對象建模方法與技術
4.22.1 引言
4.22.2 方法原理
4.22.3 技術特點
4.22.4 典型應用
思考題
第5章 復雜系統M&S支撐環境及工具
5.1 概述
5.2 UML/Rational Rose
5.2.1 引言
5.2.2 UML/Rational Rose簡介
5.2.3 應用實例
5.3 ABM/Swarm
5.3.1 引言
5.3.2 SVVarm平台簡介
5.3.3 應用實例
5.4 HLA/RTI
5.4.1 引言
5.4.2 基本思想及開發過程
5.4.3 應用實例
5.5 OpenGL/Vega和MultiGen/Creator
5.5.1 引言
5.5.2 OpenGL/Vega簡介
5.5.3 MultiGen/Creator簡介
5.5.4 應用實例
5.6 MATLAB/Simulink
5.6.1 引言
5.6.2 MATLAB/Simulink簡介
5.6.3 應用實例
5.7 ADAMS/VieVV
5.7.1 引言
5.7.2 ADAMS簡介
5.7.3 應用實例
5.8 STAGE/STRIVE
5.8.1 引言
5.8.2 STAGE簡介
5.8.3 STRIVE簡介
5.8.4 應用實例
5.9 Globus Toolkit
5.9.1 引言
5.9.2 網格技術發展概況
5.9.3 Globus Toolkit簡介
5.9.4 應用實例
5.10 M&S的其他支撐環境與工具
思考題
第6章 大型復雜仿真系統的VV&A及可信度評估
6.1 引言
6.2 大型復雜仿真系統的特點及可信度評估對策
6.2.1 現代大型復雜仿真系統的特點
6.2.2 大型復雜仿真系統的可信度評估對策
6.3 VV&A基本概念及相關概念
6.3.1 基本概念
6.3.2 相關概念
6.4 VV&A的原則和工作模式
6.4.1 仿真系統VV&A原則
6.4.2 VV&A工作模式
6.5 仿真系統V&V方法
6.5.1 仿真系統校核方法
6.5.2 仿真系統驗證方法
6.5.3 一般最大熵譜估計法
6.5.4 基于神經網絡的最大熵譜估計法
6.6 復雜仿真系統生命周期VV&A方案設計
6.7 典型復雜仿真系統生命周期VV&A開發過程
6.7.1 分布交互式仿真系統生命周期VV&A開發過程
6.7.2 HLA仿真系統生命周期VV&A開發過程
6.7.3 DIS/HLA仿真系統生命周期VV&A開發過程
6.8 復雜仿真系統VV&A標準/規範及其應用
6.8.1 引言
6.8.2 復雜仿真系統VV&A標準/規範的需求分析
6.8.3 復雜仿真系統VV&A標準/規範技術框架及主要內容
6.8.4 復雜仿真系統VV&A標準/規範應用
6.9 VV&A的自動化、通用化和智能化問題
6.9.1 VV&A工作流的自動化
6.9.2 通用的VV&A體系
6.9.3 基于人工智能的VV&A平台
6.10 M&S的VV&A管理系統設計與實現
6.10.1 引言
6.10.2 系統結構設計
6.10.3 系統數據庫設計
6.10.4 VV&A管理庫設計
6.10.5 系統功能設計
6.10.6 應用實例
6.11 大型復雜仿真系統的可信度評估方法
6.11.1 引言
6.11.2 層次分析評估法
6.11.3 模糊綜合評判法
6.11.4 模糊層次分析評估法
6.11.5 灰色綜合評估法
6.11.6 相似度辨識評估法
6.11.7 基于逼真度評估法
思考題
參考文獻
