复杂系统理论发展背景和过程概述

复杂系统理论发展背景和过程概述_生态工业园系统的

复杂性与复杂系统的研究正在成为重要的科学研究方法，并形成了许多新的科学理论。国家科技部和中国科学院举办的香山科学会议在1999年召开了以“复杂性科学”为主题的学术讨论会，又在2004年召开了以“系统、控制与复杂性科学”为主题的学术讨论会。在国外，做出实质性贡献的人和著作有：马卡洛赫和匹茨（McCulloch and Pitts）的神经网络（Neural Network）、冯·诺依曼的元胞自动机（Cellular Automata）和复杂性（Complexity），以及V．维纳（N．Wiener）的控制论（Cybernetics）。到20世纪50年代以后，I．普里高津（Ilya Prigogine）及H．哈肯（Hermann Haken）做出过重要的贡献，提出了耗散结构理论。从90年代开始，SFI致力于复杂性科学的各有关部分的工作，成为研究复杂系统的中心。1999年，Science出版了《复杂系统》专集。本章在形成中，以“复杂”为关键字，按项目名称查询中国国家自然基金资助项目的情况，得到近5年关于复杂系统与现象的研究项目数量不断增加的发展趋势（1999年34项，2000年47项，2001年49项，2002年70项，2003年75项），这些说明关于复杂性与复杂系统的研究是当前各学科领域研究的热点。对于各学科复杂性问题的研究，成为现代系统科学发展的前沿问题。

自牛顿以来的科学观基本反映的是线性思维方式——把自然现象的复杂性按经验简单地还原为“原素”的还原论（Reductionism）。在还原论中，客观事物的因果关系以时间可逆（对称性或不变性）和能量守恒为特征，几乎渗透到科学的各个领域。甚至在经济学中，也运用经典力学范式创立了新古典经济学的一般均衡理论。在“理性经济人”、“偏好可传递”等假设下，忽视了结构的多样性、市场活动的不稳定性和演化的多样性，经济似乎被描述为由“看不见的手”来调节的，类似于时钟般趋向于均衡、稳定的经济循环，并由此产生诸多无法解释的现象与悖论。

20世纪初，相对论和量子力学的发现，对牛顿力学提出了挑战，从而使科学技术得到了蓬勃发展。20世纪末，科学界出现了两种不同的发展观：①人类面临许多重大科学问题，用已知方法都不可解释，形成科学的终结的悲观论；②人类正逐渐开始面对真正难解的问题，面临的不是科学的终结，而是新的转折点。这两种观点本质上反映了当代技术和社会的复杂性使得传统的方法和手段已不够用，需要探索整体和更一般的研究方法，从而导致对复杂性、复杂系统及其演化规律的研究。

复杂性研究为认识客观世界提供了新的思想和方法。从学科领域来说，复杂性研究从生物学开始，随后向物理学、化学拓展，进而延伸到经济学、管理学等社会科学更广泛的领域，并形成以复杂现象与系统为研究对象，围绕以下三个基本命题开展研究活动的复杂性科学：

（1）整体论（Holism）和还原论（Reductionism）关系；

（2）时间的可逆性与不可逆性；

（3）有序和无序的关系。

国外有学者称复杂性科学是科学史上继相对论和量子力学之后的又一次革命。我国科学家认为它是系统科学发展的一个新阶段，科学方法论的又一场革命，21世纪的科学［56］、［57］、［58］、［59］、［60］、［61］、［62］、［63］。

复杂性科学打破了线性、均衡、简单还原的传统范式，而致力于研究非线性、非均衡和复杂系统带来的各种新问题，其大致发展过程如下［64］、［65］、［66］：

1．发源期

复杂性研究可以追溯至1811年，法国数学家J．傅立叶（Joseph Fourier）的热力学研究开始了复杂性科学的起点。1928年，奥地利生物学家L．V．贝塔朗菲（Ludwig von Bertalanffy）在理论生物学的研究中首次提出“复杂性”概念。随后，怀特海（Alfred North Whitehead）也提出类似的观点。现代系统理论研究，如泰勒（Frederick W．Talor）管理思想、格式塔心理学等为复杂性研究提供了基础。

2．开创期

20世纪40年代始，以现代系统研究为基础，以L．v．贝塔朗菲的一般系统论［67］为标志，形成了一般系统论、控制论和信息论三门学科，开创了复杂性研究。如1948年N．维纳（Nobert Wiener）［68］关于物理系统与生命系统之间的关系研究，1943年生理学家W．麦卡洛克（Warrenc McCulloch）和数理逻辑学家W．皮兹（Walter Pitts）在神经网络方面的研究，20世纪50年代，J．v．纽曼（John von Neumann）在元胞自动机和复杂性方面的研究等。

3．发展期

20世纪40年代末到60年代是系统科学研究取得重大进展的时期，也是复杂性研究与系统研究出现分野的时期。

4．高潮期

大规模的复杂性科学研究始于20世纪70年代末80年代中期。美国马里兰大学李天岩和J．约克提出了著名的李－约克定理［69］，定义了“混沌（chaos）”的概念。1976年，美国生物学家M．梅依将李－约克理论应用于生物群种的研究，采用形象的分支理论描述李－约克定理及混沌现象［70］。这些成果开创了运用混沌理论与方法进行复杂性研究。其后，灾变理论、复杂性和混沌、演化、遗传算法、元胞自动机、人工生命和开放的复杂巨系统等关于复杂性的研究得到了快速发展。其间，三个标志性事件有力地推进了复杂性研究：

（1）诺贝尔奖获奖者比利时物理化学家I．普里高津与德国生物物理学家M．艾根（Manfred Eigen）、德国理论物理学家H．哈肯等基于现代生物学和物理学成就探索复杂性，标志着基础科学层次开始了复杂性探索。

（2）诺贝尔奖获奖者M．盖尔曼（Murray Gellmann）、P．W．安德森（Philip W．Anderson）、K．J．阿罗（Kenneth J．Arrow）发起建立的圣塔菲研究所（SFI，Santa Fe Institute）提出复杂适应系统（CAS，Complex Adap－tive System）理论［71］，有力地推动了复杂性科学的研究进展。

（3）1999年，Science的《复杂系统》专集出版，说明复杂性研究对科学界的影响与重要性。

（4）中国物理学家钱学森等提出开放的复杂巨系统（OCGS，Open Complex Giant System）的概念［72］，从定性到定量综合集成研讨厅体系（Hall for Workshop of Metasynthetic Engineering），形成重要的复杂性研究方法论［73］、［74］、［75］。

目前，复杂性研究从工程技术到技术科学、基础科学、哲学各层次开展了大量工作，代表现代科学一种全局性新动向。

研究复杂性科学的重要意义在于：建立在牛顿、笛卡儿等大师所创立的思想和方法论基础上的机械性线性平衡静态的还原论和确定论并不能解决原本就存在的复杂性问题，人类只有探索和研究新的普适性更高的包括“定性和定量相结合的综合集成研讨厅体系”（钱学森，1990）以及线性和非线性相结合等理论和方法，才能解决复杂系统和复杂性问题。

（一）复杂性

自L．v．贝塔朗菲首次提出“复杂性”的概念到目前为止，对复杂性尚未形成精确的科学定义和完整的系统理论［76］。复杂系统一般都有以下几个特性：

（1）由大量的作用者（Agent）（或“单元”）组成。

（2）系统是开放的，受外界影响。

（3）在特定条件下，作用者相互作用。

（4）不同的微小变化，可导致重大差异的结局。

（5）相互作用开始，将有微小变化。但系统能自组织，自加强，自协调，并随之扩大、发展，发生质变。这种质变在复杂系统中称为涌现（或“突现”）。

复杂系统的本质特征在于它的复杂性：从定量上讲数学模型是高维的，具有多输入多输出，从定性上讲系统具有非线性、外部扰动、结构与参数的不确定性，有复杂和多重的控制目标和性能制约。

可以认为，系统复杂性是基于简单性的相对概念。复杂性是复杂系统研究的基本内容。对物理系统、化学系统、生物系统、社会系统、经济系统等复杂性的研究，导致了耗散结构论、协同学、突变论、混沌动力学等非线性科学的诞生［77］。在有代表性的中国学术文献中，钱学森［78］认为，开放的复杂巨系统的巨型性、内在差异性、层次性、开放性和动态性的动力学特性称为复杂性。成思危［55］认为，复杂性主要表现为：各单元间网状联系、多层次多功能结构、学习及自我重组与完善、环境开放与相互作用、动态性并有某种程度的自我预测能力。宋学锋［79］定义了狭义复杂性：“复杂性是指系统由于内在元素非线性交互作用而产生的行为无序性的外在表象。”

王志康［80］认为：复杂性概念的内涵可以从以下三个层次上揭示：

（1）复杂性是客观事物的一种属性；

（2）复杂性是客观事物层次之间的相互关系；

（3）复杂性是客观事物跨越层次的不可直接还原的相互关系。

复杂性的基本特征［81］表现为系统的涌现、约束、编码和组织，同时也代表了复杂性过程的基本机制。

（二）复杂系统

系统科学理论认为系统整体大于其部分之和，即当系统单元组成系统时，就会出现个体单元所没有的性质。对于复杂系统的研究，形成了关于复杂系统的有代表性的定义［79］：

（1）复杂系统就是混沌系统（混沌学派）；

（2）复杂系统是具有自适应能力的演化系统（SFI）；

（3）复杂系统是包含多主体（Agent）具有层次结构的系统；

（4）复杂系统是包含反馈环的系统；

（5）复杂系统是任何人不能用传统理论与方法解释其行为的系统（J．N．Warfield）；

（6）复杂系统是动态非线性系统。

张嗣赢［60］认为，复杂系统有几个基本方面，可作为对系统某种程度的描述。①由大量的作用者（Agent）（或“单元”）组成。②系统是开放的，受外界影响。③在特定条件下，作用者相互作用。④相互作用开始，将有微小变化。但系统能自组织，自加强，自协调，并随之扩大、发展，产生涌现。

刘家壮［82］认为，复杂系统是指一个由两个或两个以上的子系统组成的大系统，其中的各组成子系统在该大系统中相互关联、互相影响，共同决定该大系统的状态。

虽然目前关于复杂系统的认识与定义尚未统一，但是对复杂系统基本特征的认识却比较一致。一般认为复杂系统具有的特征为：①非线性（不可叠加性）——非线性是产生复杂性的必要条件。②动态性——系统随着时间而变化，经过系统内部和系统与环境的相互作用，不断适应、调节，通过自组织作用，经过不同阶段和不同的过程，向更高级的有序化发展，涌现独特的整体行为与特征。③非周期性——复杂系统的行为一般是没有周期的。非周期性展现了系统演化的不规则性和无序性，系统的演化不具有明显的规律。④开放性——系统是开放的，与外部相互关联、相互作用，系统与外部环境是统一的。⑤积累效应（初值敏感性）——即所谓的“蝴蝶效应”。⑥奇怪吸引性——复杂系统在相空间里的演化一般会形成奇怪吸引子。⑦结构自相似性（分形性）——所谓自相似是指系统部分以某种方式与整体相似。

复杂系统的本质特征是其组成部分具有某种高度的智能，即具有了解其所处环境，预测其变化，并按预定目标采取行动的能力，也就是具有自组织、自适应、自驱动的能力。这也是生物进化、技术革新、经济发展及社会进步的内在原因。

霍兰德于1994年提出复杂适应系统（CAS）理论，迅速引起学术界的广泛关注。CAS理论是20世纪几代科学家不断深入研究，对于复杂系统的日益全面理解与认识的成果之一。作为第三代系统观，CAS理论突破了把系统元素看成“死”的、被动的对象的观念，引进具有适应能力的主体概念，从主体和环境的互动作用去认识和描述复杂系统行为，开辟了系统研究的新视野。

CAS理论的基本思想是：把系统中的成员称为具有适应性的主体。所谓具有适应性，就是指它能够与环境以及其他主体进行交互作用。主体在这种持续不断的交互作用的过程中，不断地进行着博弈和信息交换，称之为“学习”或“积累经验”，并且根据学到的经验改变自身的结构和行为方式。整个宏观系统的演变或进化，包括新层次的产生、分化和多样性的出现，新的、聚合而成的、更大的主体的出现等，都是在这个基础上逐步派生出来的。复杂适应系统是由许多相互作用的主体组成，并且具有自组织、自适应和自创新等功能的系统。主体（Agent）是为了达到某个特定的目标，在对外部环境的相互作用基础上，通过对环境状态的认识以及和其他主体的协作，自治地处理问题的计算单元，主体可以认为是过程、人、机器人、专家系统、企业等实体。

按照知识、信念、承诺和能力等来描述，具有相应属性的实体就是主体［84］。一般地，在复杂适应系统中，一个主体应具有协作（Co－operation）、协调（Co－ordination）和冲突消解（Collision Resolution）等功能［84］、［85］、［86］。主体在物理上或逻辑上是分散的，具有高度的自治性（Autonomy），为了共同完成某个任务和达到某些目标而遵守某种协议连接起来，面向目标（Goal oriented）、具有协作性（Collaboration），通过交互和合作解决超出单个主体能力或知识的问题。主体的行为表现为感知－动作（Perception－Action），它通过传感器感知环境并通过效应器作用于环境。主体的开放性表现为其行为不仅随着系统外的因素发生变化，而且会随着系统内的因素发生变化。

通常，一个复杂适应系统是另一个复杂适应系统的组成部分，并且它本身也是由许多复杂适应系统组成的。这种组成可以是松散的，也可以是紧凑的。复杂适应系统之间相互作用和相互影响，使它们无时无刻不存在着一种趋势，即产生新的复杂适应系统。

复杂适应的概念是和直接适应相对应的。在直接适应中，系统并不含有一个变化的策略，而是用一种固定的模式对外部变化做出反应。企业组织中至少存在着三种不同层次的适应：①在短期内，组织将用一种固定策略来对那些以特定方式发生的变化做出反应，可以认为这个层次反应是直接反应；②在中长期，组织的策略将是针对不同的变化而作用的，其产生的结果也不同；③在长期，组织对外界变化的反应将通过复杂适应，从而决定其生存或消亡。

复杂适应系统和其他系统相比较，具有独特性质［87］、［88］：

（1）自组织。复杂适应系统的自组织特性是指主体之间的相互作用将会涌现出新的实体或稳定的组织行为模式，组织的每个新层次将具有新的关系和特性。

（2）自适应。复杂适应系统自适应的基本机制是不断地进行自组织，即时时刻刻地把自己组织成新的模式。

（3）共同演化。共同演化是达尔文进化论中基本概念的进一步推进。进化论认为：在主体的进化过程中，环境决定了其属性。复杂适应系统理论则认为，在主体的演化过程中，主体对环境感知的大部分知识构成了和其他主体相互交流的内容。这些内容使主体们进行自我演化，使每个主体不仅和同一组织层次上的其他主体发生联系，还和处于不同组织层次上的其他主体发生联系。

（4）迅速均衡。迅速均衡是指复杂适应系统具有以下趋势：在相当长的一段时间内，它都保持稳定的活动模式，然后在一个短暂的过渡时间内迅速转变成另一种活动模式，随后又经历一次转变，如此循环反复。

所有这些特性都是通过涌现的方式表现出来的，或者说，对每个主体的彻底了解是无法完全推知整个系统的具体细节和进展的。而涌现则指系统中的主体根据各自行为规则相互作用所产生的、没有事先计划，但实际却发生了的一种行为模式，或指某一系统新质（未曾有过的结构或其子系统都曾不具有的功能）作为整体突然出现的过程。

CAS理论的最大贡献在于它提供了一种自底向上建模的研究方法。这种方法赋予组成系统的个体Agent以简单的规则和关系，通过仿真来重现真实世界的复杂现象。传统的自顶向下建模方法要求明确给出目标系统的所有规则和关系，包括定性的和定量的、内部的和外部的，这种巨大的任务在实际系统研究中往往是不可行的。因此自顶向下的建模方法经常运用简化的方式，但是经常被简化到不能充分反映实际情况的程度；而自底向上建模集中于构造具有相对简单行为的个体Agent，这些Agent可以被描述得很细，于是系统的复杂行为就来自于这些Agent之间的交互。

CAS理论中的一个核心思想就是：适应性造就复杂性。可以从如下几方面来加以说明：

（1）主体是主动的、活的实体。与以往的系统观认为的元素或子系统完全是被动的，与环境交流没有自身的目的和主动性不同，主体的这种主动性被提高到了系统进化的基本动因的位置，这一思路具有十分明显的突破性，复杂性正是在主体与其他主体间的交互、相互作用的过程中形成和产生的。

（2）主体与环境（包括主体之间）的相互影响和相互作用，是系统演变和进化的主要动力。以往的系统建模方法往往把个体本身的内部属性放在主要位置，而没有把个体之间，以及个体与环境之间的相互作用给予充分的重视。

（3）把宏观和微观有机地联系起来，通过主体与环境的相互作用，使得个体的变化成为整个系统变化的基础，统一到系统中加以考察。以往的比较普遍的观念是把宏观系统的某些属性理解为微观个体的某些属性的统计量，如气体温度之于分子的动能，总体国民教育素质之于每个社会成员的教育程度；但从生物界得到启示，除了统计规律外，一定还存在着其他机制或渠道，它们同样也建立起微观和宏观之间的联系。

（4）以往考虑随机因素的方法是在事物变化的某一环节中引入外来的随机因素，而随机因素只影响事物的状态参数，对运作规律和内部机制没有质的改变。CAS理论运用遗传算法处理随机因素，既考虑状态的影响又考虑组织结构和行为方式的影响，正因为这样，它提供了模拟生态、生物、经济、社会等复杂系统的巨大潜力，明显地超越了以往的一般的随机方法。

香山科学会议第198次学术讨论会于2002年12月10～12日召开，该会议以“资源利用生态化和生态工业系统”为主题，曾经提出过生态工业系统自组织演化与复杂性研究。应用复杂自适应系统理论研究生态工业系统演化进程，以期探讨促进生态工业系统演化进程的机制。

生态系统是一个典型的复杂系统。从群落或生态系统水平上看，生态系统由大量的物种构成，物种之间存在着捕食和被捕食、寄生、互惠共生等复杂的种间关系，这些物种直接或间接地联结在一起，形成一个复杂的生态网络。而生态复杂性就是生态系统结构和功能的多样性、自组织性及有序性，其研究的主要任务是利用复杂学的原理和方法，探讨生态系统复杂化的机理及发展规律，为认识生态系统提供一条新的途径。

在自然界中，物种之间会形成复杂的食物链和食物网，物质在生产者和消费者之间进行着循环利用，没有废物。物种之间除了竞争以外，还有互利共生、共栖、偏利、寄生等多种可利用的关系，从而使系统内的物质的能量得到最大使用。而在传统的工业系统中，物质多以线性方式流动，先从地球采掘不可再生的原材料，然后送到制造者，再到消费者，最后直接进入生物圈而不能再生利用，企业间除了上下游供需联系以外，其他的一些如相互共生、共栖、寄生等关系并没有发展起来，浪费了大量本来可以再次利用的资源和能源，减小了资源和能源的整体利用功效。

1989年9月美国通用汽车公司的研究部副总裁罗伯特·福布什（Robert Frosch）和负责发动机研究的尼古拉斯·加罗布劳斯（Nicolas Gallopoulos）在《科学美国人》杂志上发表的题为《可持续工业发展战略》的文章正式提出了工业生态学的概念［89］。工业生态学把整个工业系统作为一个生态系统来看待，认为工业系统中的物质、能源和信息的流动与储存不是孤立的简单叠加关系，而是可以像在自然生态系统中那样循环运行，它们之间相互依赖、相互作用、相互影响，形成复杂的、相互连接的网络系统。此外，该理论还认为理想的工业生态系统应能以完全循环的方式运行“零污染”、“零排放”，在这种状态下，没有绝对意义上的废料，对某一个产业实体来说是废料，对另一产业实体来说却可能是资源。事实上，管理层经常会倡导产业减少废弃物；从政策上引导产业在焚化或者填埋前，减少市政废弃物的数量或者毒性；在剩余物产生之前，在产品生产的时候就考虑尽量减少或者消除剩余物，从源头减少再次利用、回收利用、焚化或者填埋剩余物。需要说明的是，由于剩余物总是不能被完全消除，我们研究的目的就是为了处理这些难免产生的剩余物的充分利用，而不是鼓励产生剩余物。因此，工业生态学被认为是人类社会活动中协调经济、社会和环境各系统之间关系的最为有效的理论工具。

建立生态工业园区要使用到的一些理论回顾：

1．工业体系生态系统三级进化理论

勃拉登·阿伦比（（Braden Allenby）的《工业生态学：概念及其发展趋势》（1992）将工业生态系统与生物生态系统进行了对比，并按照系统内物质和能量利用的程度将生态系统分为三级。同生物圈一样，工业体系也是一个漫长进化的结果。目前的工业体系，与其说是一个真正的体系，还不如说是一些相互不发生关系的线形物质的叠加。其运行方式，简单地说，就是开采资源和抛弃废料，这是我们环境问题的根源。这种运行方式被勃拉登·阿伦比命名为一级生态系统。与一级生态系统相比，二级生态系统内部物质变得极为重要。资源变得有限了，虽然对资源的利用已经达到相当高的效率，但仍然不能长期维持下去，因为物质、能量流都是单向的，资源减少，而废料不可避免地不断增加。为了真正转变为可持续的形态，生态系统进化会以完全循环的方式运行。在这种形态下，我们不可能区分资源和废料，这时称为三级生态系统。理想的工业社会（包括基础设施和农业），应尽可能接近三级生态系统，将环境行为主体分为：资源开采者、处理者（制造者）、消费者和废料处理者。由于人为的集约再循环，各系统内不同行为者之间的物质流效率将远远大于原来生态系统的物质流。

2．生态结构重组理论

埃尔克曼·苏伦在其《工业生态学》（1999）中认为，生态结构重组理论主要包括四个方面：①将废料作为资源重新利用；②封闭物质循环系统和尽量减少消耗性材料的使用；③工业产品与经济活动的非物质化（服务化）；④能源的脱碳。通过生态结构重组，对宏观、中观、微观各个层次产生作用。在宏观层次上，改善整体经济的物质和能源效率，这也是工业生态学的基本观点；在中观层次上，亦即在企业与生产单位的层次上，重新审视产品与制造过程，特别是要减少废料；在微观层次上，通过优化反应过程，在分子层次上提高反应的效率，设计极为简洁（包括尽可能少的阶段）的化学合成方法。

3．工业代谢理论

20世纪80年代Ayres等人在“Industrial metabolism，the environment and application of material balance principles for selected chemicals”．（Research Report No．RP－89－11）一文中提出了工业代谢的概念。根据质量守恒定律，一定数量的物质因人类活动而消失在生物圈之中，但其质量却是守恒的，即工业代谢理论。通过对构成工业活动全部物质（不仅仅是能量）的流动与储存数量的估算，描绘物质的行进路线和复杂的动力学机理，同时指出它们的物理和化学状态，以及工业物质循环与自然生态循环之间的相互动态影响，即为工业代谢研究。它是工业生态学不可缺少的研究方法和先决条件，即一个企业的废弃物可以被另一个企业作为生产原料，废弃物的资源化突破了企业内部局限，企业滋生无法处理的废弃物可以在更大的范围内获得分解。通过工业代谢以实现资源的最优化管理，为制定社会经济可持续发展计划提供科学理论依据。

4．经济学中的外部性理论

对环境问题在经济学中运用最多的就是外部性问题。外部性是指一定的经济行为对外部的影响，造成私人（个人或者企业）成本与社会成本、私人收益与社会收益之间偏离的现象，外部性可以分成正外部性和负外部性。正外部性是指一种经济行为给外部造成积极的影响，使他人减少成本、增加效益。负外部性则是指一种经济行为给外部造成消极影响，造成他人成本增加、效益减少。外部性多存在于资源和环境问题中探讨，这需要政府通过管制管理促进正外部性减小或者避免负外部性。由于大多数环境资源的产权不存在或者不完全，造成人们对环境资源的保护、管理和投资缺乏积极性，于是在经济上产生巨大的外部性问题，这些外部性的直接经济后果就是造成私人成本与社会成本之间产生很大的偏差。一些企业和个人为了降低成本，根本不设排污装置，直接将其污染物排向大自然，他们不会承担周围受害者在防治污染、医疗等方面的损害费用，其结果造成这些企业或者个人的私人成本低于社会成本，他们以损害社会利益为代价暂时获得了低成本的优势，反而使注重环境保护的正常企业处于高成本的竞争劣势，从而造成不平等竞争。由于这些环境的外部性问题很难通过市场机制解决，这就需要政府对环境保护出台相应的政策进行干预。政府管制者通过收取排污费，制定处罚政策等管制手段进行干预，但是政策需要多大的调控力度和调控范围才会尽可能地减小甚至消除这些负外部性问题，一直困扰着政府管制者。通过充分运用经济外部性理论，结合演化仿真模型，取得最佳的政府管制和公共政策状态，是无数政府管制理论和实践工作者的梦想。

5．工业生物群落理论

在自然生态系统中，不同生物群落总是依据一定特性形成紧密的关系，生成生态系统特有的功能和结构。将这一思想扩展到工业体系中寻求“恰当的”，即最优化的工业活动组合，实现物质和能源的最优化合理流动和利用。较为著名的案例有工业共生体系、工业生态园区以及工业优势群落生态联合体等［90］。

生态工业园区就是若干个企业和企业集团内不同的子企业聚集在一定的区域（实际或虚拟的地域）内，依据生态工业原理模仿自然生态系统的结构，利用不同产业、项目或工艺流程间，及资源、主副产品或废物之间的横向耦合、纵向闭合、上下衔接、协同共生关系，运用现代化的工业技术、信息技术和经济措施优化配置组合，建立一个物质、能量多层利用，良性循环且转化效率高、经济效益与生态效益并存的工业食物网链结构，实现可持续发展的生产经营模式。

生态工业园区的目标体现在以下几个方面：

（1）设法将人类系统与自然系统进行充分的结合；

（2）对能源和水等资源实行梯级使用；

（3）减少工业活动对自然系统可承受程度产生的生态影响；

（4）保护自然系统的生态可靠性；

（5）确保人们满意的生活质量；

（6）使园区工业剩余排放为零或最小；

（7）维持工业、贸易和商业系统的经济可靠性。

生态工业园区系统实际就是模仿自然界的生态系统，通过建立产业物质和能量流循环体系，建立企业间的广泛合作，使资源（成员之间的原料、产品、副产品、废弃物、水、蒸汽、电、投资）得到充分利用，以此直接或间接减少对自然资源的需求和对生态系统的破坏，从而达到保护生态实现循环经济的目的。

生态工业园区系统复杂性从本质上分析，是因为园内各成员企业为了实现园区的功能而发生的各种非线性的相互作用关系，并反映在以下几个层次：

（1）基础设施的复杂性：通过信息网络进行信息沟通是工业生态园系统仿真运作的基础。工业生态园系统仿真时效性、动态性使信息系统必须可重构、可重用与可扩充，能面向企业资源共享与优化合作，实现信息的无缝传输。网络信息系统自身的复杂性直接决定了生态工业园系统的复杂性。

（2）合作伙伴的复杂性：共生伙伴的形成包括寻找、沟通、评价、选择与管理。建立在生态和利益关系上的合作与冲突是工业生态园区系统建立和稳定的重要内容，其中包含人的行为复杂性。

（3）资源重组与组织模式设计的复杂性：资源重组与集成不仅包括实体资源的重组，而且包括成员企业的核心能力与知识的集成；园区伙伴企业组织模式的形成与演化具有某种类似生物种群的复杂性。

（4）运作计划的复杂性：工业生态园系统仿真运作中的生产计划与资源分配计划，是一个协调与协作的复杂过程。

若将生态工业园区中成员企业实体视为主体，则生态工业园系统仿真可以抽象成为多主体系统（MAS，Multi－Agent System）。从复杂适应系统的角度分析，可以看到生态工业园区系统具备复杂适应系统的特性：

①开放性。生态工业园区系统是一个开放的系统，在演化过程中，它可以从外界引进新的主体（产业实体），也可对其进行淘汰。很显然，整个系统需要从外部接受物质和能源，也可将产品和能源输出到园外。

②自治性。主体可以解决自己局部子系统的问题，可以动态地响应外界环境的变化，并且可以实现同其他主体之间的协调。

③共同演化。各主体之间可以互相通信，获得自己所需要的信息，解决自己局部无法解决的问题，形成相互依存的网络，完成协调与协作基础上的共同演化。

④自适应性。可以动态地重组以适应不同的需求。

⑤智能性。主体具有知识，它可以根据局部的知识解决问题。

复杂适应系统Agent建模仿真方法的核心是通过建立个体Agent的内部结构和行为模型，通过这些Agent与其他Agent和环境的交互，来研究个体Agent的变化如何突现整体的复杂行为。它需要解决的问题主要有：

（1）系统的界定和描述。首先需要解决的问题是对所研究的系统进行分析，分析它是否符合复杂适应系统的特点，如果符合，则利用CAS理论对其进行分析，明确系统的界线。在对系统进行界定后，对系统的基本特征和功能，以及内部实体的活动要有所了解，当然，由于系统的复杂性，这些了解可能会在以后建模仿真过程中进行一定的修正。

（2）个体Agent的划分。对于给定的系统（有确定的系统问题描述和系统边界），个体Agent划分的任务就是解决这样的问题：将系统中的什么映射作为Agent，也就是采用面向Agent技术，对复杂适应系统进行抽象。

（3）个体Agent的建模。建立系统的Agent类库后，接着要进行的工作就是要建立每个Agent的模型。在这里主要是要处理以下两个问题：一是每个Agent如何建立实际模型；二是如何构筑Agent的内部结构。

（4）建立“回声模型”。按照J．霍兰的理论方法：在主体模型的基础上，建立整个系统的宏观模型。也就是根据先前设计的Agent模型，通过定义资源和位置，寻找交换资源的其他主体，并与其他主体进行资源交流，保存及加工资源，最后建立起整个系统的宏观模型，这个步骤中必须解决以下几个问题：①系统应该有多少个Agent。②Agent之间的交互，即Agent之间采用什么样的通信渠道，包括通信介质、通信方式等，以及Agent之间采用什么样的通信协议。③Agent之间如何协商的问题。④多个Agent之间的拓扑结构等问题。

（5）实现和仿真。就是根据系统的特征模型，进行系统设计和编程。包括仿真平台的选择。根据选定的仿真平台，对前面的系统特征模型进行必要的调整训练，让模型接近现实，然后通过运行仿真模型进行经济实验，接下来的任务就是对模型实施仿真，对所要即将出台的公共管理政策和管制方法，投入到仿真模型中演化，观察政策的后果。

“生态工业园区”是实施生态工业的系统工程基础。其目标是通过多种产业的综合协调发展，使某一产业的副产物或废料成为另一产业的原料资源，进而形成以产业剩余物物流为联系的“生态产业链”或“生态产业网”，而对能量、水等形成多次梯级利用，使在一定界区内的多行业、多产品联合发展，不仅可使物质资源在产业链中得到充分或循环利用，而且使能量资源和信息资源同时得到充分使用。在具体生态工业园区规划的过程中，可能会出现许多“网”、“链”的断点，连好了这些断点，会使生态循环链的网络连接更加健康，这又为下一步进行的生态产业实验研究和生态工业开发指明了方向。比如近年来国内开发成功的数十万吨级用于磷石膏分解成二氧化硫和氧化钙的工业技术，就可以把磷肥厂、水泥厂、高硫煤矿、硫酸厂联合形成“生态产业网”，有效地解决磷石膏污染问题，而且使资源得到充分的利用，这种“粘合”技术的优先开发无疑是发展生态工业的重要途径。

在复杂适应性系统研究中，一个重要的方面是研究基于多主体技术，我们将此技术运用于工业生态园系统仿真组织机制中，通过主体的合作与非合作演化和博弈来进行过程的演化运行。

根据现代组织理论，人类社会的组织是由人及其相互关系组成有明确目标的社会实体，社会组织有明确的社会结构和协调的活动并与外部环境相联系。工业生态园系统仿真建模的实质是对主体集合的合作求解，通过任务分解和合作使组织成员采取协调的联合行动，实现求解目标。组织的形成可以是主体由于交互而形成的合作关系，也可以是根据问题求解的要求预先设计的。由交互自然形成的主体组织没有明显的组织结构表示，而预先设计的组织往往定义一个显式的组织结构。

对生态工业园区系统的仿真方法的研究尚在起步之中，方法的选择一直困扰着我们，问题导向是解决生态工业园区系统建模主导，在具体实施过程中我们对以下方法进行了过滤和梳理：

（1）定性仿真方法：基于建立模型框架，对于参数采取定性处理（从一个定性的约束集和一个初始状态出发，预测系统未来行为）的方法。

（2）模糊仿真法：基于模糊数学，在建立模型框架的基础上，对于观察资料的不确定性，采用模糊数学的方法进行处理。

（3）归纳推理方法：基于黑箱概念，假设对系统结构一无所知，只从系统的行为一级进行建模与仿真（同态模型），根据系统观测资料，生成系统定性行为模型，用于观测系统行为。

（4）系统动力学方法：基于信息反馈及系统稳定性的概念，认为物理系统中动力学性质及反馈控制过程在复杂系统（如生物、生态、社会、经济）中同样存在，系统动力学仿真的目的主要是研究系统的变化趋势。

（5）基于主体的仿真方法：基于主体的仿真方法是一种面向对象的仿真方法，可以直接模拟组成系统的主体，以及主体与主体之间的相互作用，从而研究系统的整体行为，它充分利用主体具有的自治性。使用框架结构可以灵活组合各种不同性质、不同构造的主体，以模仿人类对多样性、复杂性问题智能活动的适应能力，在基于主体的仿真中，个体的生命由其行为来表现，而行为是基于规则产生的，多主体仿真不仅考虑系统模型中定量的特性（数字参数），而且考虑定性的特性（个体行为）。

从现代科学研究的途径来看，基于Agent的建模是科学研究的第三条途径。传统的科学研究沿着两条路线前进：演绎与归纳。归纳过程通过对观察数据的研究来发现各种模式，例如对调查数据的分析；而演绎过程则是提出一系列假设公理并证明在此基础上的推论。基于Agent的建模和演绎过程有些相似，它以一系列假设公理为基础，但与演绎过程又不同的是，它并不是要去验证一个定理，而是得到在假设公理基础上产生的行为以及模型中Agent间的交互。我们可以用归纳的方法对模型运行所产生的仿真数据进行分析，但又与传统的归纳方法不同的是，仿真数据不是来自于对真实世界的直接测量，而是来源于一套严密而又明确定义的规则。基于Agent的建模，其意图不在于机械地再现现实世界的经验条件，而是研究交互的本质模式，它是一种思想试验的手段。归纳的目的在于在数据中发现模式，演绎的目的在于推导出有假设公理的逻辑结果，而基于Agent的建模的目的在于为决策人员的直觉提供帮助，这正是吸引政府管制和公共政策制定者的最大魅力所在。

关于Agent的具体结构，有学者将其分为：慎思结构、反应结构和混合结构，由于无论是纯粹的慎思结构还是纯粹的反应结构都不是构造Agent的最佳方式。目前，人们多采用混合结构的Agent系统，试图以此来融合经典和非经典的人工智能。

最显然的方式就是在一个Agent中包含两个（或多个）子系统：一个是“慎思子系统”，含有用符号标号表示的世界模型，并用主流人工智能中提出的方法生成规划和决策；另一个是“反应子系统”，用来不经过复杂的推理就对环境中出现的事件进行反应推理。一般情况下，反应子系统要比慎思子系统有更高的优先级，以保证整个系统能对重要事件立即做出反应。

Agent建模的基本原理主要有：

（1）基于协商的合同网模型［91］。当一个主体面临难以独立求解的问题并试图通过合作求解时，通过与其他Agent的协商，将其部分或全部任务委托给其他Agent来完成。这样，在委托和被委托主体之间便形成了“客户／服务”关系类型的组织。合同网协议建模旨在为合作提供一个可以自适应的任务分配框架，并通过报酬机制实现系统的演化。

（2）面向结构的组织模型［92］、［93］。多主体问题求解中表现的组织形态就是模型结构。在模型中，可以根据角色的要求吸引主体加入联盟，并在组织的形成过程中根据组织的需要，确定主体能力以及利益等问题。由于系统运行环境、求解目标和约束条件等变化，要求主体组织在求解的过程中能够适应这些变化，满足问题求解要求。这种适应表现在主体组织及其求解机制能根据环境变化进行相应的调整和改变，如主体组织结构的调整、组织角色重新定义、负载的重新分配以及组织成员的增加或减少等。这种调整和改变的过程就是主体组织的演化与适应。主体组织如何进行演化？有哪些演化方式？主体学习的能力以及如何对主体组织的演化进行评价等问题，形成了有意义的研究内容。［94］

图2．1　基于Agent的复杂系统的建模方法

基于Agent的建模与仿真在国内外开始受到广泛的关注，特别在经济系统、自然现象、人工生命等领域研究较为广泛。虽然目前这些应用还不够深入，很大程度上还停留在实验室阶段，并不能真正地、具体地对现实世界中特定的复杂系统进行分析和控制，但是这些研究方向和研究者所做的努力，正在使这些目标成为可能。在经济领域，美国Santa Fe研究所在Swarm平台［95］上开发了虚拟股市，成功地将基于Agent的建模思想运用到股市的仿真中。ASPEN是美国Sandia国家实验室开发的一套美国经济的仿真框架，其建模的主要方法是多Agent方法。在自然现象的研究中，文献［96］用多Agent的仿真方法对地震现象进行了仿真分析，Boid系统模拟了鸟类或鱼类的群集现象［97］，展现了复杂适应系统的涌现现象，为人们充分展示了多Agent建模和仿真的研究前景。

国际上，一些学者依据各自国家的具体情况，研制了动态模拟（仿真）模型和软件平台，研究经济和社会发展问题，形成了一整套的理论和方法，并在实践中积累了丰富的经验。1994年美国Santa Fe研究所开发出了基于复杂适应性系统思想的分析复杂系统的模拟工具——SWARM软件平台。它提供了一套标准、灵活、可靠的软件工具，可以用来对复杂适应性系统进行模拟（仿真）研究，这给世界各地的科学家提供了良好的实验条件。也正是这种复杂适应性系统的思想所具有的广泛适用性（涉及物理、化学、生物、经济、生态、地理环境、气象和神经科学等多个领域），使得各个领域的科学家都能够进行相关的研究。并且该实验室还专门建立了相关的网站（www.swarm.org），为全世界对此感兴趣的科学家和学者提供相关的学习资料，以方便他们交流各自的成果。国外已有一些经济学家借助于SWARM做了一些有意义的经济仿真试验。如意大利经济学家Alessandro Perrone所做的《人力资本和产业结构的进化》模型，该模型描写了企业的规模、结构以及员工技能的动态变化，通过仿真揭示了产业结构和人力资本之间交互影响的关系，并说明了人力资本对经济增长的贡献在一定程度上比自然资源更重要；经济学家Charlotte Bruun和Francesco Luna所做的《SWARM经济中周期性内生增长模型》；此外，国外的经济学家还做了《在线供应链仿真模型》、《避税行为仿真模型》、《对银行中介研究的一种实验方法：银行网络仿真》等模型。

同时，运用复杂适应性系统的原理，美国圣地亚国家实验室（Sandia National Laboratories）于1996年开发完成了关于美国经济微观模拟模型——ASPEN模型，该模型以Agent为基础，将微观与宏观经济融为一体，符合经济系统的本质。该实验室在初始值和参数的基础上，采用非线性的方法，运用并行处理的方式，使用学习算法（包括人工智能、遗传算法、进化程序、遗传程序），在ASPEN模型上对美国经济和过渡经济（计划经济向市场经济的过渡）进行了模拟，模拟结果比较理想。这种基于分析行为主体的互相影响的新方法得到了西方经济学家的认可，并且在经济学的很多领域都得到了应用，取得了很好的效果。

其他还有一些建模工具如RePast、NetLogo、StarLogo、Mason、Ascape、AgentSheets、ABLE、EcoLab、JADE、JAS、SIM＿AGENT及Zeus等，都在多Agent建模和仿真方面占有一席之地。