下载文档原格式
复杂系统及其复杂性科学概述
什么是复杂系统?复杂系统是指以大量和多种规律性和情境相关的元
素为组成部分的系统，它具有自组织性、非线性性、不可预知性和层次性
等特点。
复杂系统具有多样性、多元性和多强度的特征，是一种复杂的动
态系统，其结构和功能在时间上既不是稳定的也不是静态的，而是多变的。
复杂性科学是一门研究复杂系统的学科，它研究如何应用系统思维来
理解复杂现象，以及如何改善复杂系统以实现高效率和可持续的发展。
复
杂性科学的研究方法不仅关注如何把大量综合数据组织分析，还关注如何
在复杂系统中引入新的变量，改变其结构，改变其行为模式，影响其功能。
随着复杂性科学的发展，现在已经发展出许多理论和工具，可以帮助我们
理解和管理复杂系统，比如网络分析、复杂系统模型、异构系统理论等。
科学涉及复杂系统的许多理论，如动力学、统计学、信息论、自然计算、分布式计算、连接学、自动控制、系统论、理论、复杂网络分析、多
尺度分析、时间序列分析、计算理论等。
这些理论提供了一个系统的框架，用来研究复杂系统的结构、行为和活动，以及它们之间的相互关系。
复杂性"的多领域界定及其关系研究韩晓霞(淮阴师范学院教育科学学院，江苏淮安223300)摘要:复杂性研究关涉自然科学、社会科学、哲学等不同的领域。
每个领域内均有对“复杂性”的不同理解:在自然科学领域，“复杂性”等同于自组织、混沌、混沌边缘、复杂适应系统、涌现等概念;在社会科学领域，有技术复杂性、组织复杂性、路径依赖等界定;在哲学领域，尼古拉斯*雷舍尔与吴彤从哲学观上对“复杂性”概念加以分类，钱学森、苗东升等从方法论的角度界定“复杂性”，而埃德加*莫兰等则认为“复杂性即辩证的统-”。
自然科学、社会科学、哲学意义上的复杂性是相互影响的关系。
哲学意义上的复杂性具有最深刻的指导价值。
关键词:复杂性;自然科学领域;社会科学领域；哲学领域;关系中图分类号:N941.4文献标识码:A文章编号#1007-8444(2021)03-237-7收稿日期#2021-02-10基金项目：江苏省教育科学规划“十三五”课题“学校课程变革复杂性研究：基于案例分析的视度”(JS/2019/ ZX0108-05284)。
作者简介:韩晓霞，讲师，博士，主要从事课程与教学论研究。
—、弓I言复杂性科学是近年来学术研究的热点，被霍金誉为“21世纪的科学”。
但是到目前为止，“复杂性”并没有明确的定义，这与多层面、多领域的复杂性研究是密不可分的。
复杂性研究关涉物理科学、计算科学、生命科学、经济科学、社会科学、语言科学、哲学等不同的领域,每个领域均有对“复杂性”的不同理解，这促成了“杂草丛生”的复杂性概念体系。
鉴于此，为了澄清“复杂性”概念，有必要分析自然科学领域、社会科学领域、哲学领域对“复杂性”的界定；明晰不同意义上'复杂性”之间的关系。
二、不同领域对“复杂性”的界定(一)自然科学领域的界定在自然科学领域，确切的复杂性定义已经多达30种以所口，除了衍生于具体科学领域的复杂性定义之外，还有来源于模拟、仿真实验的定义。
这些定义具有隐喻性，适用于多个学科领域，如自组织、自组织临界性、混沌边缘、复杂适应系统、涌现等。
复杂系统综述1.关于系统的分类通俗的讲系统可以分为三类：简单系统，随机系统，复杂系统。
简单系统，特点是元素数目特别少，因此可以用较少的变数来描述，这种系统可以用牛顿力学去加以解析。
简单系统又是可以控制的，可以预见的，可以组成的。
随机系统：其特征是元素和变量数很多，但其间的耦合是微弱的，或随机的，即只能用统计的方法去分析。
复杂系统：特征是元素数目很多，且其间存在着强烈的耦合作用。
复杂系统由各种小的系统组成，例如在生态系统中，是由各个种群，各种生物组成的。
生态系统是复杂系统的一个最好的例子。
2.复杂系统复杂性科学是在20世纪80年代中期兴起的，主要研究复杂系统和复杂性的一门科学.目前虽然还处于木萌芽状态，但已被有些科学家誉为“21世纪的科学”。
随着复杂性科学的兴起，对复杂系统的研究也越来越受到重视，国内外许多学者正致力于这方面的研究[1]。
2.1 复杂系统的定义复杂系统（complex system）是具有中等数目基于局部信息做出行动的智能性、自适应性主体的系统。
复杂系统是相对牛顿时代以来构成科学事业焦点的简单系统相比而言的，具有根本性的不同。
简单系统它们之间的相互作用比较弱，比如封闭的气体或遥远的星系，以至于我们能够应用简单的统计平均的方法来研究它们的行为。
而复杂并不一定与系统的规模成正比，复杂系统要有一定的规模，复杂系统中的个体一般来讲具有一定的智能性，例如组织中的细胞、股市中的股民、城市交通系统中的司机，这些个体都可以根据自身所处的部分环境通过自己的规则进行智能的判断或决策。
根据以上的描述，我们可以得到复杂性科学中对复杂系统的描述性定义：复杂系统是具有中等数目基于局部信息做出行动的智能性、自适应性主体的系统。
复杂系统有以下特性：1.智能性和自适应性这意味着系统内的元素或主体的行为遵循一定的规则，根据“环境”和接收信息来调整自身的状态和行为，并且主体通常有能力来根据各种信息调整规则，产生以前从未有过的新规则。
系统论与复杂性科学在当今科学领域的发展中，系统论和复杂性科学日益受到广泛关注。
这两个学科通过研究和探索各种系统的结构和行为，为我们理解自然界和社会现象提供了全新的视角。
本文将探讨系统论和复杂性科学的定义、原理和应用，并分析其对于解决现实问题的重要性。
一、系统论的基本原理系统论是一种跨学科综合理论，主要研究系统的结构和功能。
系统可以是物质系统，如自然界中的生态系统，也可以是抽象系统，如社会组织和经济系统。
系统论的核心观点是，系统的行为不仅仅由其中的个体成分决定，而是由这些成分之间的相互作用和关系所决定。
系统论的研究方法主要包括系统辨识、系统分析和系统优化等。
系统辨识是指通过观察和实践，对系统进行描述和辨别的过程。
系统分析是指对系统的结构和行为进行深入剖析，寻找系统内部和系统外部的关联性和互动性。
系统优化则是为了改善系统的性能和效益，提出一系列的改进措施。
二、复杂性科学的基本原理复杂性科学是一门较为新兴的学科，旨在研究复杂系统的行为和规律。
复杂性科学的核心观点是，复杂系统具有自组织、非线性和混沌等特性，其行为无法简单地由其中的个体行为加以解释。
复杂性科学主要应用于自然科学和社会科学领域，其中自然科学包括生物学、物理学和地球科学等，而社会科学则包括经济学、社会学和心理学等。
通过运用数学模型和计算机模拟等方法，复杂性科学可以模拟和分析复杂系统的行为，揭示其中的规律和机制。
三、系统论与复杂性科学的应用系统论和复杂性科学在实际应用中发挥着重要作用。
首先，它们有助于提高决策和管理的效能。
复杂性科学的研究方法可以帮助我们分析和预测系统的行为，指导决策者进行科学决策，提高决策的准确性和效果。
同时，系统论的思维方式可以帮助管理者全面理解组织内部的各个要素，优化资源配置，提高管理效率。
其次，系统论和复杂性科学有助于解决实际问题。
例如，在城市规划中，系统论可以帮助我们理解城市内部各个子系统的相互关系，从而提出更有效的规划措施。
《复杂经济学：经济思想的新框架》读后感在阅读完Eric Beinhocker所著的《复杂经济学：经济思想的新框架》之后，我对经济学的认识又有了新的领悟。
相比于传统经济学的优化理论和假设，复杂经济学更注重系统性、演化性和累积性，这些理论不仅可以用于对市场和企业的研究，还可以应用到政治、社会和生态系统等更广泛的领域。
本书的引言中提到：复杂性是经济学最大的挑战之一。
不同于传统经济学中通常的假设所保证的市场完美经济和一般均衡状态，复杂经济学把市场看做一个动态、开放和复杂的系统。
在这种情况下，市场在时间、空间和阶层方面都显示出多样性，反映了在市场上的行为者的多元性以及他们相互作用的复杂程度。
这些交互作用及其演化尤其是在人类与自然环境相互作用的情况下更为突出，对于理解和干预社会经济现象至关重要。
在本书中，作者将复杂经济学的思想与实践与实际应用结合起来，让人们能够更深入地了解经济发展的本质和流程。
比如，作者在第3章和第4章中介绍了一些以计算机模拟和实验为基础的研究方法，探索了市场的运作方式，并阐述了如何从不同的视角理解市场产生的结果。
又比如，作者在第6章中，通过分析人类进化历史，提供了一种基于遗传算法和进化游戏理论的框架，探讨了个体间交互行为的演化规律以及这种交互对经济组织和市场影响的不同方面。
这种基于复杂性的方法运用概率、信息和博弈论等数学工具，通过模拟和实验进行理论研究。
与传统方法相比，这种方法更注重现象的动态和演化规律。
通过这种方法可以更好地模拟现实环境和市场中的交互和演变，揭示市场和生态系统的规律和机制。
这种方法也为政策制定者提供了一种新的思路，解决经济、政治和生态系统中的复杂问题。
高度的开放性、动态性、多元性和非线性是复杂系统的主要特点。
与经典经济学中假设的“封闭”和“静态”市场相比，这种多变性在现今经济全球化的背景下变得更为突出。
从市场观察到生态演变，从人性探求到科学发展等众多领域共同闪耀着复杂性的光芒。
文章编号:1000-8462(2005)04-0442-03新经济地理学与复杂科学的区位选择模型谢 燮1,杨开忠1,刘安国2(1.北京大学政府管理学院,中国北京 100871;2.北京化工大学经济管理学院,中国北京 100001)摘 要:1990年代初,新经济地理学和复杂科学都对经济主体区位选择以全新的诠释。
基本的不同点在于,新经济地理学模型的基本假设是经济主体行为的完全理性,而复杂科学假设经济主体的行为为有限理性。
新经济地理学仍沿用主流经济学一般均衡的框架,而复杂科学的模型是动态和演化的过程。
它们的相似之处在于都具有报酬递增、路径依赖和事后决策和调整的特征。
根据分析和比较,得出经济地理学未来的学科交叉融合趋势。
关键词:报酬递增;路径依赖;新经济地理;复杂科学中图分类号:F119.9文献标识码:A 1990年代初,西方主流经济学家包括克鲁格曼(Paul K rugman)、藤田(Masahisa Fujita)等等运用主流经济学建模手段来解释经济的区位问题,该经济学分支被克鲁格曼称作“新经济地理学”(New Economic G eography)[1]。
他们将萨缪尔森的“冰山”形式的运输成本融入狄克希特—斯蒂格利茨(Dix2 it—S tiglitz,D—S)的垄断竞争模型并建立丰富多彩的一般均衡模型来考察产业集聚、城市集聚以及国际贸易的形成机理,从而实现了主流经济学向空间维度的扩展。
克鲁格曼[2]等将新经济地理学模型的特征归纳为:D—S模型、冰山交易成本、演化和计算机技术。
“冰山交易成本”指的是产品在区域间运输采用“冰山”形式的运输成本,即产品从产地运到消费地,其中有一部分在途中“融化”掉了。
这样处理运输费用,既避免了引入运输部门所带来的复杂,同时也回避了垄断的厂商如何定价的问题。
“演化”指的是劳动力跨区域迁移(调整)的比较静态过程,“计算机技术”指的是:求解新经济地理学的非线性方程组非常依赖计算机模拟技术,通过数学模拟才可能观察到以前没有模拟技术时所不能观察到的经济故事。
复杂性科学的兴起表明了科学正处于一个转折点——那就是复杂性科学的兴起(成思危，1999)，是人类历史上又一次科学范式的大变革。
如果说相对论排除了绝对空间和时间的幻觉，量子力学排除了可控测量过程的牛顿迷梦，那么，作为复杂性科学中的一个组成部分的混沌论则排除了拉普拉斯决定论的可预见性的狂想(格莱克，1990)。
而主流经济学的发展历史表明，自然科学每一次理论与方法的重大变革，都成为经济学创造思维的源泉(张永安、汪应洛，1997)。
因此，复杂性科学的兴起必然会对经济学的发展带来深远的影响。
本文拟就复杂性科学与经济学展开一些讨论。
二、复杂性概念 苗东升(2000)认为，从科学方法论角度看，复杂性应是复杂性科学的首要概念，需要给出它的科学定义。
按照传统的理解，简单与复杂是相对的。
一个事物在未被认识以前是复杂的，一旦被认识了就简单了。
复杂性研究的提出最少可以追溯到20世纪40年代，明确提出建立复杂性科学也有10多年，但复杂性究竟是什么，目前还没有统一的说法。
不同的学者基于不同的学科背景和研究对象，给出不同的复杂性定义。
据郝柏林(1999)介绍，麻省理工学院的Seth Lloyd编辑了一份清单，至少有31种不同的复杂性的定义。
也许根本不存在统一的复杂性定义，至少目前不必追求这种统一定义，多样性、差异性是复杂性固有的内涵，只接受一种意义下的复杂性，就否定了复杂性本身(苗东升，2000)。
但我们可以从以下几个方面来理解复杂性： (1)表现出复杂性的复杂系统一般是有大量的、不同的、相互作用的单元构成的网络。
每一单元都会受到其他单元变化的影响，并会引起其他单元的变化。
(2)各单元之间的相互作用是非线性的。
系统的整体不再为部分之和，部分与整体之间不只是现象上的因果关系，而是“一只活鸡被分成两半就不再是活鸡的两半”的关系。
复杂系统的过程具有不可逆性。
系统对初值具有很强的敏感性。
(3)复杂性是系统的某种动态行为，往往伴随涨落。
复杂性表现在系统是动态的、开放的、远离平衡的；系统是自组织的，具有一定的自组织核心。
而且复杂性也意味着系统处于发展变化之中并能在发展过程中不断地学习并对其层次结构与功能结构进行重组与完善；系统与环境有着密切的联系，能与环境相互作用，不断地适应环境的方向发展变化。
(4)复杂蕴涵着复杂多样和层次结构。
系统具有多层次、多功能的结构。
每一层次均构筑其上一层次的单元，同时也有助于系统某——功能的实现。
在系统变化无常的活动背后，呈现出某种捉摸不定的秩序。
应当承认区分不同层次上的复杂性。
复杂性科学试图探索掌握不同层次的复杂系统活动背后的东西。
(5)复杂性是系统、组织的内在属性而不是个体、单元固有的属性。
它来自复杂系统内各个部分之间的非线性相互作用产生的自组织和适应能力。
复杂性表现在系统的状态能被“看到”，也可以理解，但却无法把各要素或单元间的复杂而非简单的相互作用进行一一的还原。
在经济系统中尤其如此。
经济组织在更多情况下表现为一种自我构造。
如从企业的行为，我们推不出它的成员的行为；了解企业每一个成员的行为也推不出企业的表现。
复杂性的本质、内涵要求我们不能把复杂性全部归结为认识过程的不充分性。
我们必须承认存在客观的复杂性，真正的复杂性应当是具备自身特有的规定性，即使一个复杂问题已被人们认识、找到了解决方法，但它依然是复杂的。
也就是说，复杂性是客观世界固有的、不以人的主观意志为转移的属性，不会因为科学的发达而消失(苗东升，2000)。
这就要求我们在对复杂性问题进行简化的时候必须遵循这样的路线：必须在保留系统产生复杂性之根源前提下进行简化。
这同经典科学在面对复杂现象时总是设法把复杂性简化掉，即把复杂性当作简单性处理是明显不同的。
复杂性研究的方法论原则是把复杂性当作复杂性进行处理。
三、复杂性科学与复杂性经济学 主流经济学的发展从亚当·斯密算起，已历经200多年，其间虽有李嘉图、穆勒、马歇尔、凯恩斯等数次革命，但在一定程度上都是牛顿经典科学思想在经济学上的移植和应用。
他们对于经济现象都习惯地从单一的因果角度对复杂的世界做还原论和确定论的思考，以为经济本质上是一个以线性关系为基本特征的、经济的对象世界是一个满足线性叠加的世界，那里没有间断、混沌，更没有突变和分叉。
他们用最优化、均衡、理性、稳定等概念来解释、分析、预测经济领域的各种现象。
其相应的经济模型是线性(或对数线性)方程加上随机项。
很明显，这种理论、方法是一定条件下经济系统的良好近似，也取得了不少成功。
而在实际经济活动中，一方面经济活动要素之间的关系错综复杂，经济现象常常表现出随机性、不确定性；而另一方面，经济问题处理的是人的问题，进一步是人的集合，不是单个的人的问题。
作为市场主体的人，是有血有肉的“现实人”、“社会的人”，是有思想、欲望、情感、意志等的。
与自然的发生不同，人的活动更多的不是“发生”，而是“行为”，即人的意识的外在表现(刘怀德，2001)。
因此，经济的真实过程和现象往往是非线性、不可逆演化、远离均衡等，如宏观经济变量的不规则涨落、股价的大幅波动以及某些经济时间序列的高度自相关性等。
但传统经济学受到牛顿力学的局限，对于这些无法做出令人信服的解释。
即使是20世纪50年代兴起的新古典经济学也是如此。
如借助数学的集合论和拓朴学方法，以阿罗—德布鲁(Arrow - Debreu)模型为代表的公理化体系建立起来的微观经济学的完美数学结构与经济实际也依然缺少联系。
在该理论中，市场是完全竞争的、无逆向选择、没有交易成本、没有组织问题，追求自身利益最大化的厂商和消费者通过价格体系的自发调节实现均衡。
这虽符合逻辑美学上的评判标准，但只要看一看周围的世界，我们就知道它所说的并不真实。
作为以解释、分析、预测经济现象为己任的经济学家们当然不会忽视这些缺陷的存在，他们必然会努力寻找新的方法、理论以更新经济学理论。
经济学理论方法的更新过程中，从不拒绝从自然科学中汲取“有效成分”(张永安、汪应洛，1997)。
经济学家们必然会去关注并吸纳同时代自然科学理论和科学方法的最新成就，应用新的思维方式、新的研究工具去研究经济现象。
给自然科学带来巨大科学范式转变的复杂性科学一出现就引起了经济学家的高度重视，经济学家当然不会 放弃这一发展和更新经济学理论与方法的契机，将复杂性科学理论引入经济学，给经济学的发展注入了新的活力。
因此，自从普里高津证明了经济系统是一个耗散结构，也遵从负熵定律以来，经济学家就开始寻找能够真实描述系统演化形态和处理不确定性因素的基本方程(傅琳，1992)。
人们在研究中发现，经济系统作为一个不断演化的系统，本质上是一个复杂的非线性系统(朱宏雄、张立洪，1993；戴国强、徐龙柄、陆蓉，1999；刘洪，2000)。
因此，运用复杂性科学的理论、方法对经济进行研究是必要的、可能的。
如在1980年，美国经济学家司徒泽(Michael J．Stutzer)首先将混沌理论应用于经济学，在哈维尔模经济增长方程中揭示了混沌现象，发表了题为“一个宏观模型中的混沌动力学和分叉”的论文；经济学家德依(Day，R)1982年和1983年分别发表了题为“非规则增长周期”和“经典增长中显现的混沌”的论文则完成了复杂性经济学理论上、试验上的突破，从而使复杂性经济学开始步入主流经济学的阵地。
我们将这种经济学与复杂性科学相结合的经济学称之为复杂性经济学。
复杂性经济学是在经济理论的指导下，运用复杂性科学的理论和方法，研究和揭示复杂经济系统规律的一门经济学分支。
复杂性经济学旨在揭示经济系统中复杂现象的产生、演化和发展规律，以指导经济实践。
复杂性经济学已不再把经济现象看成是市场稳定和供求均衡的结果，而将经济现象看成是由许多相互作用的个体在不稳定的状况下保持不断调整关系的结果。
每个个体都会根据它对未来的预测及其他个体的反应来采取行动，并且在不断地学习和适应。
由此会突现出新的经济结构和模式，而组成经济的结构、行为及技术等因素也会不断地形成和重组。
与过去的传统经济学强调的“稳定”、“均衡”、“合理性行为”不同的是复杂性经济学要强调的是“不稳定性”、“结构变化”、“时空尺度”等。
当然，稳定、均衡、合理性等也应给予适当考虑。
正如相对论、量子力学对于经典力学一样，复杂性经济学并不否认传统经济学，而是普适性更高的研究经济现象的理论和方法。
作为复杂性科学研究原则的反映、结合我们对于复杂性的理解及复杂性科学研究的基本方法(成思危，1999)，我们认为复杂性经济学研究的基本方法包括以下六个方面： 1．定性判断与定量相结合。
通过定性判断建立经济系统总体及各子系统的概念模型，并尽可能将它们转化为数学模型，经求解或模拟后得出定量的结论，再对这些结论进行定性归纳，以取得认识上的飞跃，形成解决经济问题的建议。
2．局部描述与整体描述相结合。
整体是由局部构成的，整体统摄局部，局部支撑整体，局部行为受整体的约束、支配。
因此，描述经济系统包括描述整体和描述局部两方面，需要将二者结合起来。
在经济系统的整体观对照下建立对局部的描述，综合所有局部描述以建立关于经济系统整体的描述。
3．微观分析与宏观综合相结合。
微观分析的目的是了解经济系统的组织单元及其层次结构，而宏观综合的目的则是了解经济系统的功能及其形成过程。
4．还原论与整体论相结合。
还原论强调从局部机制和微观结构中寻求对宏观现象的说明，例如用物理—化学规律来说明生物现象，这显然是片面的。
而整体论则强调系统内部各部分之间的相互联系和作用决定着系统的宏观性质，但如果没有对经济系统局部机制和微观结构的深刻了解，对宏观经济现象整体的把握也难以具体化。
5．确定性分析与不确定性分析相结合。
系统的不确定性有很多种类，如随机性、模糊性、信息不完全性、歧义性等。
从牛顿以来，科学逐步发展了两种并行的分析框架体系。
一种是以牛顿力学为代表的确定性分析，另一种是由统计力学和量子力学发展起来的概率论分析。
经济学的发展也如此，要么是只使用确定性分析，要么是只使用概率论分析，没有将二者很好地沟通起来。
但在复杂性经济学的研究中，应努力有意识地将确定论框架体系和概率论框架体系沟通起来，从这两种分析体系根深蒂固的人为对立中解脱出来。
6．科学推理与哲学思辩相结合。
经济学是具有某种逻辑结构并经过一定实践检验的概念系统，经济学家表述经济学理论时总是力求达到符号化和形式化，使之成为严密的公理化体系，但是如同科学的发展一样往往证明任何理论都不是天衣无缝的，总有一些“反常”的现象和事件出现。
这时就必须运用哲学思辩的力量，从个别和一般、必然性和偶然性等范畴以及对立统一、否定之否定等规律来加以解释。
四、结束语 我们生活的世界是一个复杂的非线性世界。
对自然、社会和经济中的复杂性研究已成为人们面临的重要挑战。
