复杂性思维中文第二版

目錄 1. 复杂性思维 中文第二版 1.1 2. 一、复杂性科学 1.2 3. 二、图 1.3 4. 三、小世界图 1.4 5. 四、无标度网络 1.5 6. 五、细胞自动机 1.6 7. 六、生命游戏 1.7 8. 七、物理建模 1.8 9. 八、自组织临界 1.9 10. 九、基于智能体的模型 1.10 11. 十、兽群、鸟群和交通堵塞 1.11 12. 十一、进化 1.12 13. 十二、合作进化 1.13 14. 附录 A、算法分析 1.14 15. 附录 B、阅读列表 1.15 复杂性思维 中文第二版 来源： Think Complexity 译者： 飞龙 版本：2.5 自豪地采用 谷歌翻译 在线阅读 PDF格式 EPUB格式 MOBI格式 代码仓库 赞助我 协议 CC BY-NC-SA 4.0 KivyCN 学习资源 Kivy 中文文档 Think Python 中文第二版 UCB CS61a 教材：SICP Python Tutorialspoint NumPy 教程 Matplotlib 用户指南 斯坦福 CS229 机器学习中文讲义 Duke STA663 计算统计学中文讲义 包含的力，来捍卫我们的模型。并且我们可以扩展模型，来包含其他相 互作用，并显示这种效果很小。对于谢林模型，它难以合理简化。 更糟糕的是，谢林模型不符合任何物理规律，它只使用简单的计算，而 不是数学推导。谢林模型不像经典科学，许多人发现它们不那么引人注 目，至少一开始是这样。但是，我将尝试演示，这些模型做了大量的实 用工作，包括预测，解释和设计。本书的目标之一是解释如何这样做。 1.1 范式转变 当我向人们介绍这本书时，别人经常问我，这种新型科学是不是一种范 式转变。我不这么认为，并且这里是解释。 Thomas Kuhn 在 1962 年的“科学革命结构 ”中介绍了“范式转变”一词。 它是指科学史上的一个过程，其中一个领域的基本假设改变，或者一个 理论被另一个理论取代。他列举了哥白尼革命，燃烧的氧气模型取代了 燃素说，以及相对论的出现。 复杂性科学的发展不是取代旧的模型，而是（在我看来）标准模型的逐 渐转变，它们是各种种类的可接受的模型。 例如，经典模型倾向于以定律为基础，以方程式的形式表示，并通过数 学推导求解。复杂性不足的模型通常是基于规则的，表示为计算，而不 是由分析来模拟。 不是每个人都认为这些模型令人满意。例如，在 Sync 中，Steven Strogatz 写道了他的萤火虫自发同步模型。他展示了一个演示该现象的 仿真，但是......