|
复杂性科学理论框架 吴晓军，薛惠锋，李 慜 （西北工业大学 自动化学院，陕西 西安 710072） 摘 要：依照复杂性科学的发展脉络，对人工生命研究方法进行了整理、归纳和提升。从主体与规则的演变上总结出了从元胞自动机、群体智慧到复杂适应系统的复杂性科学人工生命的研究框架。人工生命作为复杂性科学的主体，是探索复杂性的前沿。 关 键 字：人工生命；复杂系统；群体智慧；复杂适应系统；受限生成过程 中图分类号：TP301.5 文献标识码：A 文章编号：1000-274X(2004)0113-6 2002年5月，美国科学家S. Wolfram推出一本大有争议的书——《一种新科学》，S. Wolfram是在继M. Ulam以及Von. Neunmann之后，在元胞自动机的研究上具有重大贡献的科学家，其研究导致了20世纪80年代末C. Langton关于“人工生命”概念的顿悟[1]。尽管S. Wolfram在此书中对宇宙的模型做了完整的描述，但用以支撑其理论的基础却并未被完全发现，因此该观点具有争议也是必然的。 无论S. Wolfram所描述的世界是否正确，在现实中，问题的解决不可能从研究组成世界的基本粒子、空间、时间以及作用规律出发，复杂性研究仍旧需要遵循层次性的研究方法，因此致力于不同层次的复杂性理论的研究具有重要的意义。 复杂系统就是具有复杂性的系统，而关于复杂性这门科学目前还无确切的定义，不知其边界的存在[1]。它是现代系统科学与非线性科学进一步发展、融合的产物，而复杂性思维是包含了崭新的哲学思维方式和高度现代化的技术方法体系[2]。在现代科学研究中，无论是S. Hawking关于时间的观念，还是M. Gell-Mann关于基本粒子的理论；无论社会科学还是自然科学，都把目光集中到了复杂性的研究上。I. Prigogine指出：“我们确实处于一个新科学时代的开端。我们正在目睹一种科学的诞生，这种科学不再局限于理想化与简单化情形，而是反映现实世界的复杂性”[3]。圣菲研究所的G. Cowan认为，它将是“21世纪的科学”[1,2]。复杂性科学的研究，标志着科学研究的又一个新的开端。 1 复杂系统的特点 复杂系统是相对于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[2]。一般来讲，复杂系统由一定数量的个体构成，除此以外，复杂系统的个体通常具有适应性、智能性和抽象性。 系统所包含的个体是复杂系统的基本组织条件，其数量以及其相互之间的耦合强度是复杂系统分类的重要指标。按照钱学森等人对系统的分类（见表1），中等规模的系统以及个体间存在较强的耦合作用便称为复杂系统，如果系统规模巨大，则为复杂巨系统[4]。在本文的研究中，凡不能用复杂性理论研究的复杂系统，可以认为是复杂巨系统。 表1 复杂系统的分类[4,5] Tab.1 The structure of the complex system
除系统规模与耦合性之外，智能性、适应性、抽象性也是复杂系统的重要特征，即构成系统的个体，能够根据环境的信息，调整自身状态和规则，从而使系统在整体上表现出更高层次、更加复杂、更加智能协调的有序性。抽象性是复杂系统建模的基础。 从系统的角度讲，复杂系统一般具有：开放性、不确定性、非线性、涌现性以及不可预测性；在这些特征的综合作用下，在更高的层次上表现出规律性；对复杂系统的预测是很困难的；往往存在“蝴蝶效应”。因此系统本身的演化又常常表现出反直觉的特征[2]。 简言之，复杂系统理论就是要研究解决复杂系统中的共性问题，即复杂性问题[1]。复杂性科学是建立在系统科学的基础之上的，是对系统科学的发展和深化，而非线性科学中的许多理论和方法，是研究复杂性科学的有力工具，复杂性科学是对非线性科学的凝聚和升华[2]。 2 复杂系统理论框架 20世纪40年代，L. Bertalanffy建立了开放系统一般系统论，提出了系统具有整体性、有序性和目的性，但他并没有对有序性、目的性做出满意的解释[6]；N. Wiener以信息、反馈和控制的新观念研究系统行为，总结出跨越工程与生物界的一般性规律——控制论。信息论是针对通信中信号的传输而提出的，它与系统论、控制论一起并称为现代系统理论中的“老三论”[7]。然而“老三论”的应用在社会经济领域却没有那么成功，到20世纪70年代，有人哀叹“控制论时代的终结”，这正是系统科学即将进入一个新阶段的前兆，这个时期的系统观念被称为第一代系统观[6]。 20世纪70年代，对许多混乱而复杂的系统研究，发现整体大于部分之和的事实，形如Lotka-Volterra方程的求解不仅仅使人们认识到整体大于部分之和，还发现稳定的相互作用可以导致结果的剧烈振荡[8]。该研究促进了第二代系统观——非线性科学的兴起。I. Prigogine和H. Hanken所说的“系统”，具有两个新特征：第一，元素数量极大，一般都在1020以上，致使“我推你动”的控制和管理方式成为不可能；第二，元素具有自身的、另一层次的、独立的运动，使整个系统不可避免地具有统计性和随机性。从这两点出发，第二代系统观拓宽了控制概念，引伸了随机性和确定性对立统一的思想，讨论了自组织涨落、相变等新的概念，对系统的理解深入了一大步。这里说的“系统”所隐含的背景已经不是人造机器，而是更为广义的系统[6]。与此同时，这一阶段突变理论、超循环理论、分形理论等的研究为复杂性科学提供了理论基础。 然而，当人们试图把第二代系统思想应用于经济、社会等系统时还是不能令人满意。原因在于，尽管理论上对于自组织、突变、分形等现象进行了分析与描述，但在具体问题的解决上没有提供可供实施的方案，系统观需要进一步深化。 20世纪90年代以来，中外学者不约而同地把注意力集中到个体与环境的互动作用上[6]。计算机技术的发展，为圣菲研究所集中于系统的数字模拟方向上的复杂性研究提供了保证，这个由多学科背景的科学家构成的团队，通过对个体、环境相互作用下涌现现象的思考，从不同的角度揭示了复杂的本质，提出了“混沌边缘”的口号，创立了“人工生命”学科，圣菲研究所的研究成果已经成为复杂系统理论的旗帜。复杂系统理论的框架如图1
所示。
图1 复杂系统理论框架 Fig.1 The framework of complex
system 人工生命所研究的范围远比这里提到的要大得多，其研究构成了复杂性科学的主体[9,10]，归纳起来，元胞自动机、群体智慧与复杂适应系统构成了复杂系统的人工生命研究方法。 20世纪40年代初，Von. Neunmann开始思考描述生物自我繁衍的逻辑形式，在发现DNA和遗传密码之前就认识到，任何自我繁衍的系统物质，必须具备两个基本功能：一方面必须起到计算机程序的作用，另一方面，必须起到被动数据的作用[8]。在这种思想的指导之下，提出了元胞自动机的概念。尽管是一个伟大的设想，但受制于当时计算机能力的限制，直到20世纪80年代，S. Wolfram才对元胞自动机进行了全面研究，将其动力学行为分为四大类[11]，平稳型、周期型、混沌型、复杂型，其中复杂型为出现复杂的局部结构。80年代末，C. Langton受到J. H. Conway“生命游戏”的启发[1,2]，在对S. Wolfram动力学分类的分析和研究的基础上，提出“混沌的边缘”的口号。从此拉开了由涌现表达出的复杂性研究的序幕，得出的结论简单却并不直观：①简单的规则可能构成非常复杂的系统，元胞自动机在简单规则的作用下，在某些状态中，系统会表现出自我繁衍、滑翔机以及自组织等复杂的结构[2]；②确定的有限边界元胞自动机演化最终陷入稳定或者循环态，该结论揭示出系统开放的重要性，即封闭系统必然陷入稳定或者循环状态[12]。 元胞自动机的提出为许多复杂系统的研究提供了有力的工具，比如：在地理系统动态扩展的研究中森林火灾蔓延模拟、城市发展动态演化研究；物理系统中流体力学、沙漏模型；在算法模型中利用元胞自动机求解图的最短路径[13]等。 但元胞自动机在实际应用中仍然受到限制，其主要原因在于规则的简单性与真实性之间的矛盾，网格空间与真实空间的矛盾[2]。因此，“主体”概念的引入是对基于静态规则的元胞自动机模型的一大改进，主体是对复杂系统中个体的一种抽象。 通过定义主体间的相互作用，利用计算机进行仿真而得到的系统整体的结果称为群体智慧。群体智慧是一个包含范围非常广泛的概念，它具有以下特点：系统由众多的主体构成，主体遵行的演化规则相同，主体与环境交互，系统演化是众多主体共同作用的结果，如进化算法、蚁群算法、粒子群优化算法、神经网络等[14]。进化算法研究具有进化特征的算法，1975年J. Holland提出的遗传算法便是其中之一，其特点在于整体搜索策略和优化计算不依赖于梯度信息[15]，仿效生物进化和遗传的过程，从随机生成的初始解出发，利用复制、交换、突变等操作，遵循自然选择的原则，并行循环进行，逐渐逼近全局最优解。1996年，Marco Dorigo提出蚁群算法，由蚂蚁寻找食物的过程得到启示，采用遗留在路径上的信息素与分布于该路上的蚂蚁数量成正反馈的机制，得到了群体上的路径最短[16]。粒子群优化算法是由Eberhart博士和Kennedy博士于1995年通过研究鸟群捕食行为而提出的一种迭代、优化工具，它通过对粒子的速度、方向的描述，在解空间追随最优粒子进行搜索，与遗传算法相比较，需要调整的参数更少，效率更高[17]。1987年，Craug Reynolds在人工生命研讨会上展示了“Biod”系统，通过3条个体间的相互作用规则，在整体上非常逼真地模拟了鸟类的群体行为；人工鱼是通过对于鱼以及组成鱼的各要素和对行为、环境的描述，在不需要“关键帧”的情况下，生动的实现了计算机动画上的一次突破，其现实意义早已超越计算机动画的领域[17]。文献[18]的N皇后问题求解也值得一提，该算法利用了人工生命中大量适应性主体的概念，通过与环境交互，提高了N皇后问题求解的搜索速度[16]。它所表现出来的解的搜索效率令人吃惊，是一个值得关注的方向。 群体智慧在算法研究上给予研究者许多启发，然而在系统的研究方向上，仍然显得过分理想化。复杂适应性系统（CAS）理论的提出构筑了一个新的系统思想。J. Holland从最初对于城市供应的思考出发，什么使系统在缺乏中央规划的情况下得以协调运行？它又是如何做到这一点的？对于各种复杂的系统而言，尽管在细节上表现不同，但发展变化中的协调问题，却是共性，是不解之谜。这些系统均称之为——复杂适应系统（complex adaptive system）[8]。其基本思想是：CAS的复杂性起源于其中的主体的适应性，正是这些主体与环境以及与其它主体间的相互作用，不断改变着它们的自身，同时也改变着环境。CAS最重要的特征是适应性，系统中的主体能够与环境以及其它主体进行交流，在这种交流的过程中“学习”或“积累经验”，不断进行着演化学习，并且根据学到的经验改变自身的结构和行为方式。各低层个体通过相互的作用、交流，可以在上一层次，在整体层次上涌现出新的结构、现象和更复杂的行为，如新层次的产生，分化和多样性的出现，新聚合的形成，更大的主体的出现等。80年代末期，属于复杂适应性系统的萌芽时期，各种进化、适应性复杂系统层出不穷，到1994年，Holland发表了他的里程碑式的杰作“Hidden order, how adaptation builds complexity”，为这些研究做出了一个完美的总结。 复杂适应系统的理论的基本内容和观点可概括为：具有适应能力的主体，由于学习与进化的存在，随着演化，主体间存在着差异；主体和环境的交互作用是主体进化与学习的动力，是系统演化的动力；主体的演化过程是一个动态的自然选择的过程。由于主体的适应性演化、主体与环境的交互导致了系统的演化。基于这样的思维，J. Holland(1995)构造了著名的ECHO模型[8]。该模型为CAS系统建模提供了统一的思路。 3 框架的统一 仔细思考从元胞自动机到群体智慧再到复杂适应系统，遵从了规则由静态到动态变化的一个过程。同时它们具有共同的要素[7]：首先都包含一定数量相互作用的主体，其次主体的配置会随时间的变化而变化，最后主体间的相互作用受到一个简明规则的约束。 J. Holland对棋类游戏、数字系统、神经系统、元胞自动机等不同领域的复杂系统进行了研究归纳，提出了一个复杂性研究的普适框架，CGP(constrained generating procedures) 。在文献[19]中，被译为受限生成过程。这是一个范围很广的模型的精确描述，它通过抽象模型中的个体以及规则并转换为机制，来定义系统中的元素；根据机制之间的相互作用，连接成网络；系统状态来通过转换函数来精确描述；转换函数提供了系统在合法状态间转换的一种策略，类似于决策树；系统的构成可能是多层次的，CGP可以分解为子层次上的CGP，也可以构成更为复杂的CGP。“到目前为止，我们研究的这些系统，都能够描述成某种CGP过程，事实上，任何CGP都能表现出涌现特性”[19]。复杂系统的模拟，至此，可以归纳到这个统一的研究框架之中。 4 结 语 系统科学的发展已经进入了一个崭新的阶段，而这个阶段正致力于建立复杂性系统的思维，解决“无人知晓”的问题；非线性科学为复杂性理论的出现提供了理论基础，人工生命则构成了复杂性问题研究的主体，为复杂性理论的应用提供了一种工具，是复杂系统理论研究的热点与重点；人工生命理论解决复杂性问题的思路，具有一定的共性；CGP则反映在一定条件约束下，主体发展和进化的一般规律，是人工生命研究复杂问题模型的高度总结。 参考文献： [1] 沃尔德罗普. 复杂: 诞生于秩序与混沌边缘的科学[M]. 陈玲译. 北京: 生活·读书·新知三联书店，1997. 1-2. 310-311 [2] 周成虎, 孙战利, 谢一春. 地理元胞自动机[M]. 北京: 科学出版社, 1999. 26-27，38-39 [3] 普利高津. 确定性的终结[M]. 湛 敏译. 上海: 上海科技教育出版社, 1998. 5-6 [4] 钱学森, 于景元, 戴汝为. 一个科学新领域——开放的复杂巨系统及其方法论[J]. 自然杂志, 1990, 13(1): 3-10. [5] WEAVER W. A Quarter Century in the Natural
Sciences[R]. [6] 陈 禹. 复杂适应系统(CAS)理论以及应用——由来、内容与启示[J]. 系统辩证学学报, 2001, 9(4): 35-36. [7] 汪应洛. 系统工程理论方法与应用[M]. 北京: 高等教育出版社, 2001. [8] 霍 兰. 隐秩序[M]. 周晓牧译. 上海: 上海科技教育出版社, 2000. [9] 张嗣瀛. 复杂系统与复杂科学简介[J]. 青岛大学学报, 2001, 16 (4): 25-28. [10] 周登勇, 戴汝为. 人工生命[J]. 模式识别与人工智能, 1998:4(3). 412-418. [11] KENNEDY J, EBERHART R C. Particle swarm optimization[J]. Neural Network, 1995(4): 1 942-1 948. [12] 吴晓军, 薛惠锋, 丁晓阳. 确定的有限边界元胞自动机研究[A]. 薛惠锋. 系统工程前沿论丛[C]. 西安，西北工业大学出版社，2004. [13] 吴晓军, 薛惠锋. 基于元胞自动机扩展模型的图的最短路径算法研究[J]. 计算机应用, 2004, 24(5): 92-93. [14] WOLFMANM S. Theory and Application
of Cellular Automata[M]. [15] 云庆夏. 进化算法[M]. 北京: 冶金工业出版社, 2000. 12-13. [16] DORIGO M, MANIEZZO V, COLORNI A. The ant system: Optimization by a colony of cooperating Agents[J]. IEEE Transactions on Systems, Man, and Cybernetics-Part B, 1996, 26(1): 29-41. [17] 陈泓娟, 班晓娟, 艾迪明, 等. 人工生命的概念、内容和方法[J]. 北京科技大学学报, 2002, 24(3): 353-356. [18] HAN Jing, LIU Ji-ming, CAI Qing-sheng.
From Alife Agents to A [19] 霍 兰. 涌现[M]. 陈 禹译. 上海: 上海科技教育出版社, 2001. （编辑 曹大刚） The framework of the complex science theory
WU Xiao-jun, XUE Hui-feng,
LI Min (College of Automatic
Control, Northwestern Polytechnical University, Abstract: According to the evolution of complex science, the method for research artificial life has been reorganized and promoted. A theoretic frame to research complex science is given by the summing-up of agent and regulation’s evolution from Cell Automation to Swarm Intelligence followed by Complex Adaptive System. Artificial life constructs the core of complex science. It is a new branch of science to deal with the problem of complexity. Key words: artificial life; complex system; swarm Intelligence; complex adaptive system; constrained generating procedures 作 者 简 介
本文引用格式为： [ ] 吴晓军, 薛惠锋, 李 慜, 复杂性科学理论框架[J]. 西北大学学报（自然科学网络版）,2004, 2(12): 0114. |
||||||||||||||||||
|
|
