复杂系统

系统是什么意思？复杂是什么意思？复杂系统又是什么意思？

复杂系统和简单系统的区别在哪里？

复杂系统的特征和基本性质是什么？

现实生活和科研中我们接触到哪些复杂系统及其性质的实例？

我们平时所接受的教育，对于自然界和人类世界的理解，所使用的基本假设和前提，有多少是来自于简单系统？可能存在哪些局限性？

对于复杂系统的理解，会给我们的思维带来哪些变革，给科研和社会生活带来哪些新的启发？

系统是由若干相互联系、相互作用的要素组成的具有特定结构与功能的有机整体。

简单系统：

微积分、牛顿力学、热力学的研究对象；机械结构、理想气体

死的，不演化的组分少线性的可还原的

复杂系统：

细胞；生物体；大脑；社会组织；生态系统

活的，演化的3个以上组分非线性的不可还原的涌现性

复杂系统

具有变量来自不同标度层次的结构，或者大量相互之间有差别的单元构成的动态系统。通常表现出复杂性，但也可能出现简单性。

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。

定义

复杂系统（complexsystem）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。复杂系统是一个很难定义的系统，它存在于这个世界各个角落。如此，我们也可以这样定义它:

1.不是简单系统，也不是随机系统。

2.是一个复合的系统，而不是纷繁的系统（It'scomplexsystem,notcomplicated.）

3.复杂系统是一个非线性系统。

4.复杂系统内部有很多子系统（subsystem），这些子系统之间又是相互依赖的（interdependence），子系统之间有许多协同作用，可以共同进化（coevolving）。在复杂系统中，子系统会分为很多层次，大小也各不相同（multi-level&multi-scale）。

关于系统的分类（和复杂系统相关的系统）

通俗的讲系统可以分为三类：

a)简单系统simplesystem，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。在管理学中，这种组织一般是出现在组织的初期，比如一个班级，抱着同样的目的，有同样

的背景，组成了一个简单系统。又如，排成一列的长队买票，也是一个简单系统。

b)随机系统randomsystem：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。热力学研究的对象一般就是这样的系统。这样的系统在社会中不多见，但是彩票就是随机系统的一个很好的例子。

c)复杂系统complexsystem：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。当然，管理学中，经常把一个公司看做是复杂系统，它兼有简单系统和随机系统的各种特征。

复杂性科学所感兴趣的正是最后一种有组织的复杂系统。因为对于第一种系统来说，传统的牛顿力学范式的分析方法已经给出了这类系统行为的很好的解释。而对于第二类系统，由于其元素数目太多，必然是元素间的耦合“失去”个性，从而能够用统计方法去研究，成为一种简单的系统。所以，复杂系统的元素并不是多数就复杂，只用具有中等数目大小的系统才是一个有趣的系统，也才是一个复杂的系统。

特征：

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。通过系统主体的相对低等的智能行为，系统在整体上显现出更高层次、更加复杂、更加协调职能的有序性。

2.局部信息没有中央控制

在复杂系统中，没有哪个主体能够知道其他所有主体的状态和行为，每个主题只可以从个体集合的一个相对较小的集合中获取信息，处理“局部信息”，做出相应的决策。系统的整体行为是通过个体之间的相互竞争、协作等局部相互作用而涌现出来的。最新研究表明，在一个蚂蚁王国中，每一个蚂蚁并不是根据“国王”的命令来统一行动，而是根据同伴的行为以及环境调整自身行为，而实现一个有机的群体行为。

另外，复杂系统还具有突现性、不稳性、非线性、不确定性、不可预测性等等特征。

目前，大部分复杂性科学研究复杂系统的时候都用的是“涌现”的方法。而对于“控制”的方法实际上在人工智能学科诞生的时候已经开始使用了，例如专家系统的实践，各种逻辑系统的仿真都是使用这种自上而下的方法完成的，而将这种方法用于复杂系统的研究则很少提及。

首先，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，两者具有根本性的不同。简单系统通常具有少量个体对象，它们之间的相互作用比较弱，或者具有大量相近行为的个体，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，但也不是越大越复杂。另外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、生态系统中的动植物……，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。

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。根据这个定

义，我们不难总结出复杂系统的以下几个核心的特点：

（1）中等大小数目的主体，通俗的讲也就是元素不能少，也不能太多。对于一般的系统我们可以按照系统内个体的数目以及相互作用的强度进行分类，得到下面的图：

a)简单系统

b)无组织的复

杂系统

c)有组织的复杂系统

说明：a)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。

b)无组织的“复杂”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。热力学研究的对象一般就是这样的系统。

c)有组织的复杂系统：特征是元素数目很多，且其间存在着强烈的耦合作用。

复杂性科学所感兴趣的正是最后一种有组织的复杂系统。因为对于第一种系统来说，传统的牛顿力学范式的分析方法已经给出了这类系统行为的很好的解释。而对于第二类系统，由于其元素数目太多，必然是元素间的耦合“失去”个性，从而能够用统计方法去研究，成为一种简单的系统。所以，复杂系统的元素并不是多数就复杂，只用具有中等数目大小的系统才是一个有趣的系统，也才是一个复杂的系统。

（2）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。通过系统主体的相对低等的智能行为，系统在整体上显现出更高层次、更加复杂、更加协调职能的有序性。

（3）局部信息，没有中央控制：在复杂系统中，没有哪个主体能够知道其他所有主体的状态和行为，每个主题只可以从个体集合的一个相对较小的集合中获取信息，处理“局部信息”，做出相应的决策。系统的整体行为是通过个体之间的相互竞争、协作等局部相互作用而涌现出来的。最新研究表明，在一个蚂蚁王国中，每一个蚂蚁并不是根据“国王”的命令来统一行动，而是根据同伴的行为以及环境调整自身行为，而是先一个有机的群体行为。

另外，复杂系统还具有突现性、不稳性、非线性、不确定性、不可预测性等等特征。面对这样的复杂系统，人们是如何进行分析和研究的呢？一种方法是利用计算机仿真的方法通过模拟复杂系统中个体的行为，让一群这样的个体在计算机所营造的虚拟环境下进行相互作用并演化，从而让整体系统的复杂性行为自下而上的“涌现”出来。这就是圣塔菲（SantaFe）研究所研究复杂系统的主要方法。我们不妨称这种方法为自下而上的“涌现”方法。另一方面，人脑面对复杂系统可以通过有限的理性和一些不确定信息做出合理的决策，得到满意的结果，因此，研究人脑面对复杂系统是如何解决问题的则是另一种“自上而下”的解决问题的方法，我们不妨称这种方法为“控制”方法。下面我们用经济系统举例说明这两种方法的差异。

我们知道，经济系统是一个复杂系统，每一个人就构成了系统的元素，他们根据自己的决策规

则选择合适的时机进行买卖经济活动。按照“涌现”的方法来研究这样的系统，就是要在计算机上实现一个模拟的交易市场，并且创造若干相互买卖的虚拟“人”，每个“人”都用计算机编好的规则进行买卖的决策，虽然现实中的人用到的决策规则远远比计算机模型中的“人”的模型复杂的多，但是这样的近似还是有意义的，因为当若干这样的个体组合在一起构成系统的时候，宏观经济系统的一些现象就会自下而上的“涌现”出来，这些涌现出来的现象在很多方面还是客观反映真实经济系统的。

按照“控制”的观点，我们可以通过找到几个宏观经济系统的指标量，比如GDP、价格指数、失业率等等，然后根据这些经济指标累计学习系统运作的规律，通过一段时间内系统的运作，我们不难积累一些经验，这些经验就可以构成描述经济系统运作的规则。然后，我们就可以按照找寻出来的经济系统的规则对经济系统进行控制，例如通过政府的政策来改变经济系统中每个个体的决策环境和制度环境来改变个体的行为规则，从而改变整个宏观经济系统的运行状况。在这里需要指出的是，宏观经济规律的把握并不破坏复杂系统中局部信息的性质，因为对于经济系统的规律把握是在高于经济系统个体层次的基础上进行的。我们可以认为政府具有这种高层次的性质，也就是说它不是严格意义上的经济系统中的主体。

我们看到上面两种方法都可以有效的对复杂系统进行把握，然而他们用的方法是完全不一样的。目前，大部分复杂性科学研究复杂系统的时候都用的是“涌现”的方法。而对于“控制”的方法实际上在人工智能学科诞生的时候已经开始使用了，例如专家系统的实践，各种逻辑系统的仿真都是使用这种自上而下的方法完成的，而将这种方法用于复杂系统的研究则很少提及。在这里，我们分两部分介绍研究复杂系统的这两种方法。

另外，非线性系统科学虽然不属于复杂性科学范畴（正相反，复杂系统一般都是非线性系统）。

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（complexsystem）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。通过系统主体的相对低等的智能行为，系统在整体上显现出更高层次、更加复杂、更加协调职能的有序性。

2.局部信息没有中央控制

在复杂系统中，没有哪个主体能够知道其他所有主体的状态和行为，每个主题只可以从个体集合的一个相对较小的集合中获取信息，处理“局部信息”，做出相应的决策。系统的整体行为是通过个体之间的相互竞争、协作等局部相互作用而涌现出来的。最新研究表明，在一个蚂蚁王国中，每一个蚂蚁并不是根据“国王”的命令来统一行动，而是根据同伴的行为以及环境调整自身行为，而实现一个有机的群体行为。

另外，复杂系统还具有突现性、不稳性、非线性、不确定性、不可预测性等等特征。

2.2复杂系统的发展历程

研究复杂系统的发展历史首先要从复杂性科学(Complexityscience)的发展谈起。[2]

尽管复杂性科学这个范畴是在20世纪80年代才被提出的，但是关于复杂性的研究其实早在20世纪上叶就开始了。复杂性科学的发展大致可分为三个阶段。首先是研究存在阶段，这一阶段从20世纪40年代贝塔朗菲创立一般系统论开始。此期间的主要成就表现为:一般系统论，控制论和人工智能。第二阶段是20世纪60一70年代的研究演化阶段。在此期间产生的主要复杂性科学理论有：耗散结构理论、协同学、超循环理论、灾变(Catastmphe)理论、混沌(Chaos)理论、分形(Flac-tals)理论和细胞自动机(CellularAutomate)理论。到了20世纪80年代复杂性科学进人了综合研究阶段。进人第三阶段后，复杂性科学研究不再是分门别类地进行，而是打破了以前的学科界线，进行综合研究[3]。20世纪80年代，盖尔曼安德森、阿诺等几位美国的物理学和经济学等领域诺贝尔奖金获得者认识到复杂性科学的重要意义，并聚集了一批物理、经济、生物、计算机等方面的研究人员，在SantaFe成立了一个研究所，就是著名的桑塔费研究所，并将研究复杂系统的学科称为复杂性科学。桑塔费研究所在复杂系统方面的研究内容包罗万象，几乎包括传统自然科学和人文社会科学的全部领域，其研究方面所涉及的主要内容有:复杂适应系统，非适应系统(如细胞自动机)，标度，自相似，复杂性的度量等[4]。

中国最早重视复杂性科学研究的是钱学森。他从20世纪80年代就洞察到这一科学新方向的重要性，以他为核心，聚集了一批力量，“以开放的复杂巨系统(OCGS)理论为学术旗帜开创了中国复杂性研究之先河”，被称之为钱学森学派[5]。

2.3复杂系统的特点

总结起来，复杂系统具有以下主要的几个特点：[6]

(1)自适应性/自组织性(self-adaptive/self-organization)。系统是由时空交叠或分布的组

件（有时也称为主体）构成的。这些组件具有自适应、自学习、自聚集、自组织等能力，组件能够通过不断地学习，调整自身的结构和行为，以适应外部和内部的变化。组件之间、组件与环境之间会发生各种各样的交互作用，正是组件的自主性，以及组件间交互的复杂性，使得整个复杂系统呈现复杂性，同时也是复杂系统不断演化的驱动力。

(2)不确定性（uncertainty）。不确定性与随机性相关，而复杂系统中的随机因素不仅影响状态，而且影响组织结构和行为方式[7]。而复杂系统的自适应性使得组件可以自学习，能记住这些经历，并“固化”在自己以后的行为方式中。

不确定性还与混沌相关，混沌简单地说可以把它看作为“确定的随机性”。“确定”是因为它由内在的原因而不是外来的噪声或干扰所产生，即过程是严格确定的；而“随机性”指的是不规则、不能预测的行为。混沌把表现的无序与内在的决定论机制巧妙地融为了一体，在表现的有序背后隐藏着一种奇异的混沌，而在混沌的深处又隐藏着一种更奇异的秩序。

(3)涌现性（emergence）。肩负不同角色的组件间通过多种交互模式、按局部或全局的行为规则进行交互，组件类型与状态、组件之间的交互以及系统行为随时间不断改变，系统中子系统或基本单元之间的局部交互，经过一定的时间之后在整体上演化出一些独特的、新的性质，形成某些模式，这便体现为涌现性。

子系统之间的相互作用，可导致产生与单个子系统行为显著不同的宏观整体性质。

涌现是有层次的。不同的层次将产生不同的涌现效果，上一层次的涌现必由下面层次的涌现产生。涌现应具备以下一些特征：一是必须由系统产生，该系统由多个组分(子系统)组成；二是系统具有一定的自适应能力，能够通过不断地学习，调整自身的结构和行为，以适应外部和内部的变化；三是通过适应改变了系统的结构和行为形成演化，具备了新系统的整体功能，从而产生了涌现。涌现的思想反映了宏观和微观的有机联系，是微观行为展现的宏观效应。

涌现性也体现为一种质变[8]。主体之间的相互作用开始后，系统能自组织、自协调、自加强，并随之扩大，发展，最后发生质变，即发生了涌现。

(4)预决性（Finality）。复杂系统的发展趋向取决于系统的预决性[9]，预决性是系统对未来状态的预期和实际状态限制的统一。事实上，任何有生命的物质，都具预期或预测的能力，从而影响系统的运动方向。

(5)演化（Evolution）。复杂系统对于外界环境和状态的预期—适应—自组织过程导致系统从功能到结构的不断演化。这种演化运动在物理系统中是不存在的。物理系统一般由多个已有的元素组成，功能和结构都不会改变。而复杂系统一般是由简单的元素组合，经过不断的演化而发展在为功能和结构更为复杂的系统。从低级到高级，从简单到复杂，不断的演化，是复杂系统最本质特性。

(6)开放性（opening）。系统与外部环境以及子系统之间存在能量、信息或物质的交换,就系统与环境的关系而言，开放表现为最复杂与最常见的不确定的、动态连续的环境类型。复杂性不仅体现在系统本身,而且体现在环境。

系统的无序度是用熵来描述的，熵的变化大于零，因此一个孤立系统的内部熵将随时间不断增加，最终熵达到最大值，此时系统趋向于无序。开放系统与孤立系统不同，它与外界环境之间不断的进行着能量、物质和信息的交换。这种交换使它可能从外界环境输入负熵，从而使系统的总熵减小，或控制在某种缓慢的增长速度，其结果是增加了系统的有序性（这种自发的增加系统有序性的性质就称为自组织性），这正是开放性的价值所在。可见，开放性使得复杂系统具有自组织性。

3研究复杂系统的方法

面对这样的复杂系统，人们是如何进行分析和研究的呢？一种方法是利用计算机仿真的方法通过模拟复杂系统中个体的行为，让一群这样的个体在计算机所营造的虚拟环境下进行相互作用并演化，从而让整体系统的复杂性行为自下而上的“涌现”出来。这就是圣塔菲（SantaFe）研究所研究复杂系统的主要方法。我们不妨称这种方法为自下而上的“涌现”方法。另一方面，人脑面对复杂系统可以通过有限的理性和一些不确定信息做出合理的决策，得到满意的结果，因此，研究人脑面对复杂系统是如何解决问题的则是另一种“自上而下”的解决问题的方法，我们不妨称这种方法为“控制”方法。下面我们用经济系统举例说明这两种方法的差异。

我们知道，经济系统是一个复杂系统，每一个人就构成了系统的元素，他们根据自己的决策规则选择合适的时机进行买卖经济活动。按照“涌现”的方法来研究这样的系统，就是要在计算机上实现一个模拟的交易市场，并且创造若干相互买卖的虚拟“人”，每个“人”都用计算机编好的规则进行买卖的决策，虽然现实中的人用到的决策规则远远比计算机模型中的“人”的模型复杂的多，但是这样的近似还是有意义的，因为当若干这样的个体组合在一起构成系统的时候，宏观经济系统的一些现象就会自下而上的“涌现”出来，这些涌现出来的现象在很多方面还是客观反映真实经济系统的。

按照“控制”的观点，我们可以通过找到几个宏观经济系统的指标量，比如GDP、价格指数、失业率等等，然后根据这些经济指标累计学习系统运作的规律，通过一段时间内系统的运作，我们不难积累一些经验，这些经验就可以构成描述经济系统运作的规则。然后，我们就可以按照找寻出来的经济系统的规则对经济系统进行控制，例如通过政府的政策来改变经济系统中每个个体的决策环境和制度环境来改变个体的行为规则，从而改变整个宏观经济系统的运行状况。在这里需要指出的是，宏观经济规律的把握并不破坏复杂系统中局部信息的性质，因为对于经济系统的规律把握是在高于经济系统个体层次的基础上进行的。我们可以认为政府具有这种高层次的性质，也就是说它不是严格意义上的经济系统中的主体。

我们看到上面两种方法都可以有效的对复杂系统进行把握，然而他们用的方法是完全不一样的。目前，大部分复杂性科学研究复杂系统的时候都用的是“涌现”的方法。而对于“控制”的方法实际上在人工智能学科诞生的时候已经开始使用了，例如专家系统的实践，各种逻辑系统的仿真都是使用这种自上而下的方法完成的，而将这种方法用于复杂系统的研究则很少提及。

4复杂系统的研究方向

目前，复杂系统的研究方向大致可分为三个方面：复杂系统一般共性研究;复杂系统辅助仿真方法的研究;具体的复杂系统研究[10,11]。

复杂系统一般共性研究有:复杂系统一般性质和行为规律(如自组织、自加强、自协调等)；复杂系统功能、结构，特别是复杂系统演化规律的研究；复杂系统微观元素的智能判断、推理与决策；复杂系统个体之间关联性与宏观行为的关系，复杂系统中的策划与调控;有关一些哲学问题的研究等。

对复杂系统辅助仿真方法的研究主要集中在复杂系统的动力学与建模方法(如细胞自动机、基于Agent的建模与仿真等)；复杂系统的计算机建模与仿真；人一机结合的综合集成等。

具体的复杂系统的研究工作往往和具体的应用研究结合在一起。例如特定复杂系统的建模与仿真、特定复杂系统的结果评价等。

5总结

复杂系统的发展历史并不长，发展也不成熟，还没有形成统一的模式，人们对它的研究也依然是探索性的。但是复杂系统必将成为未来科学的一个重要的研究方向。因为在意识、生命等许多问题上人类仍然存在未知领域，复杂系统在许多难题的解决上能够有用武之地。虽然今天人们对复杂系统的研究还只是一个开始，但是人们有理由相信，随着更多的科技工作者的辛勤工作，复杂系统必将以美好的景象展现在人们面前。

九．结合具体事例谈一谈你对复杂系统的理解以及对自己科研、生活的启发

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。特征：

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。通过系统主体的相对低等的智能行为，系统在整体上显现出更高层次、更加复杂、更加协调职能的有序性。

2.局部信息没有中央控制在复杂系统中，没有哪个主体能够知道其他所有主体的状态和行为，每个主题只可以从个体集合的一个相对较小的集合中获取信息，处理“局部信息”，做出相应的决策。系统的整体行为是通过个体之间的相互竞争、协作等局部相互作用而涌现出来的。最新研究表明，在一个蚂蚁王国中，每一个蚂蚁并不是根据“国王”的命令来统一行动，而是根据同伴的行为以及环境调整自身行为，而实现一个有机的群体行为。

另外，复杂系统还具有突现性、不稳性、非线性、不确定性、不可预测性等等特征。

研究复杂系统的方法：1.“涌现”方法：利用计算机仿真的方法通过模拟复杂系统中个体的行为，让一群这样的个体在计算机所营造的虚拟环境下进行相互作用并演化，从而让整体系统的复杂性行为自下而上的“涌现”出来。这就是圣塔菲（SantaFe）研究所研究复杂系统的主要方法。2.“控制”方法：另一方面，人脑面对复杂系统可以通过有限的理性和一些不确定信息做出合理的决策，得到满意的结果，因此，研究人脑面对复杂系统是如何解决问题的则是另一种“自上而下”的解决问题的方法。

启发：生活中和科研的过程都会碰到许多复杂的问题—复杂系统，这些复杂系统有时会给我们造成很大困扰甚至是我们会被暂时地难住，但是只要复杂系统内的规则，理清思路从中获取有用信息，必能解决它们。。。