复杂系统建模与仿真(基于Python语言)/大数据与商务智能系列

本书借助大量有趣的模型和实例，介绍复杂系统及模型的相关概念。本书使用的Python语言被认为是非常优秀的数据分析和建模工具，设计高效且易学易用。本书采用理论分析与实践相结合的方式，建立系统的数学模型及相应的计算机模型和虚拟仿真实验。本书适合对复杂性科学有浓厚兴趣并具备一定计算机编程技术的读者阅读。希望读者通过阅读本书，可以学会用模型思考问题，掌握对自然、经济和社会中复杂现象的建模与仿真技术，从而研究和预测它们的发展态势。本书配套的程序源代码，可以登录华信教育资源网（www.hxedu.com.cn）免费下载。 本书适合作为高等院校管理类、工程类、信息技术类等专业的相关课程教材，也可供社会相关从业人员参考阅读。

陈洁，1966年5月出生，毕业于山东大学数学系。山东财经大学管理科学与工程学院教授，管理科学与工程专业博士，曾任山东财经大学管理科学与工程学院副院长，2009年美国ODU大学管理学院访学1年，从事电子商务研究。1988年入职，从事高等教育30余年。讲授“数据结构”，“高级程序设计语言”、“复杂系统建模与仿真”等课程。在国内外学术期刊、学术会议发表论文30余篇。现从事复杂性科学、复杂系统建模与仿真领域的研究，具体是基于大数据和人工智能的智慧城市、城市空间规划、城市复杂性等系统的算法研究。

第1章  绪论   1.1  系统与模型 1.1.1  系统 1.1.2  系统模型 1.2  复杂系统模型   1.2.1  复杂性的定义 1.2.2  复杂性科学的研究对象 1.2.3  复杂系统的基本特征   1.2.4  系统建模方法论   1.2.5  复杂系统的成因 1.2.6  复杂系统的分析与建模 1.3  复杂系统模型的发展现状 1.3.1  自然科学领域 1.3.2  经济管理领域 1.3.3  桑塔菲研究所 第2章  建模工具 2.1  建模工具概述 2.2  Python建模工具包   2.2.1  NumPy 2.2.2  SciPy   2.2.3  Matplotlib   2.2.4  SimPy 2.2.5  SimuPy 2.2.6  PyGame 2.2.7  SymPy 2.2.8  PIL   2.2.9  Mesa   2.2.1  0NetworkX 2.3  简单案例：Schelling模型 第3章  元胞自动机   3.1  元胞自动机概述   3.1.1  元胞自动机的提出   3.1.2  元胞自动机的定义   3.2  初级元胞自动机   3.3  二维元胞自动机   3.4  元胞自动机应用案例   3.4.1  格子气体模拟   3.4.2  表决与退火模型 3.4.3  森林火灾模型   3.4.4  DLA模型   3.4.5  激发介质中的非线性波 模型   3.5  元胞自动机的应用现状 3.6  元胞自动机的优势与不足   3.7  三维元胞自动机 第4章  多主体模型   4.1  Agent的基本概念   4.1.1  什么是Agent   4.1.2  Agent的特征、分类和环境   4.2  Multi-Agent系统   4.2.1  Multi-Agent系统概述   4.2.2  Multi-Agent软件工具   4.3  Multi-Agent模型的应用   4.4  案例 4.4.1  “大糖帝国”模型   4.4.2  随机游走模型   4.4.3  Boltzmann财富模型   4.4.4  Schelling模型   4.4.5  Epstein内乱模型 4.4.6  鸟群迁徙模型   4.4.7  病毒传播模型   4.4.8  食物链模型 4.4.9  银行准备金模型 4.4.10  囚徒困境模型 第5章  复杂网络模型   5.1  网络基础 5.1.1  网络基本概念和基础操作   5.1.2  网络的经典算法 5.2  网络模型 5.2.1  网络模型概述   5.2.2网络建模   5.2.3  网络可视化布局 5.3  图和网络的特征   5.3.1  图的密度   5.3.2  网络的平均最短路径长度   5.3.3节点的偏离度   5.3.4  节点的中心率   5.3.5  互联网的PageRank   5.3.6  图的核心数 5.3.7  图的度分布 5.3.8  网络的群集化系数 5.4  复杂动态网络模型 5.4.1  拓扑结构不变的动态网络模型   5.4.2  拓扑结构变化的动态网络模型   5.4.3  自适应动态网络模型 第6章  离散事件模型 6.1  基本概念 6.1.1  周期驱动模型与事件驱动模型   6.1.2  事件驱动机制   6.2  建模与仿真   6.2.1  SimPy介绍 6.2.2  案例   第7章  系统动力模型   7.1  基本概念 7.2  简单的系统动力模型   7.2.1  RCL电路 7.2.2  单摆模型   7.3  混沌 7.3.1  兰顿蚂蚁模型   7.3.2  蝴蝶效应   7.3.3  Logistic方程   7.3.4  物种竞争模型   7.3.5  Mandelbrot集合 第8章  分形模型   8.1  分形概述 8.2  分形应用 8.3  分形建模方法 8.3.1  L系统（L-systems） 8.3.2  迭代函数系统   8.4  分形设计 8.4.1  Sierpinski三角形   8.4.2  万花筒 8.4.3  树 8.4.4  自然地貌模拟   第9章  预测和学习模型 9.1  统计预测模型 9.1.1  回归模型   9.1.2  时间序列分析模型 9.2  机器学习模型 9.2.1  有监督的学习模型 9.2.2  无监督的学习模型 9.3  人工神经网络 9.3.1  多层感知机 9.3.2  深度学习模型   第10章  博弈模型   10.1  计算机游戏模型 10.1.1  子模型   10.1.2  主体模型及系统参数 10.1.3  逻辑规则 10.1.4  用户界面 10.1.5  用户交互 10.1.6  模型的实时性与资源优化 10.2  Q-Learning模型 第11章  城市空间模型 11.1  虚拟城市空间模型 11.2  空间句法模型 11.2.1  轴线的连接度 11.2.2  路段的可达性 11.2.3  轴线的选择度 11.3  分形虚拟城市模型 11.3.1  分形虚拟城市模型的复杂性   11.3.2  分形虚拟城市模型的分形假设和分形过程 11.3.3  分形虚拟城市模型的定义 11.3.4  分形虚拟城市模型的实现 11.3.5  Python实现