第一推动丛书 综合系列：复杂

　　第1部分 背景和历史
　　第1章 复杂性是什么
　　昆虫群落
　　大脑
　　免疫系统
　　经济
　　万维网
　　复杂系统的共性
　　如何度量复杂性
　　第2章 动力学、混沌和预测
　查看完整　　

　　蚂蚁在组成群体时为何会表现出如此的精密性和具有目的性？数以亿计的神经元是如何产生出像意识这样极度复杂的事物？是什么在引导免疫系统、互联网、全球经济和人类基因组等自组织结构？这些都是复杂系统科学尝试回答的迷人而令人费解的问题的一部分。
　　理解复杂系统需要有全新的方法.需要超*传统的科学还原论，并重新划定学科的疆域。借助于圣塔菲研究所的工作经历和交叉学科方法，复杂系统的前沿科学家米歇尔以清晰的思路介绍了复杂系统的研究，横跨生物、技术和社会学等领域，并探寻复杂系统的普遍规律，与此同时，她还探讨了复杂性与进化、人工智能、计算、遗传、信息处理等领域的关系。

　　第1部分 背景和历史
　　第1章 复杂性是什么
　　昆虫群落
　　大脑
　　免疫系统
　　经济
　　万维网
　　复杂系统的共性
　　如何度量复杂性
　　第2章 动力学、混沌和预测
　　动力系统理论的起源
　　对预测的重新认识
　　线性兔子和非线性兔子
　　逻辑斯蒂映射
　　混沌的共性
　　混沌思想带来的革命
　　第3章 信息
　　信息是什么
　　能量、功、熵
　　麦克斯韦妖
　　统计力学提要
　　微观态与宏观态
　　香农信息
　　第4章 计算
　　什么是计算?什么可以计算
　　希尔伯特问题和哥德尔定理
　　图灵机和不可计算性
　　定义为图灵机的明确程序
　　通用图灵机
　　图灵对判定问题的解决
　　哥德尔和图灵的命运
　　第5章 进化
　　达尔文之前的进化观念
　　达尔文理论的起源
　　孟德尔和遗传律
　　现代综合
　　对现代综合的挑战
　　第6章 遗传学概要
　　第7章 度量复杂性
　　用大小度量复杂性
　　用熵度量复杂性
　　用算法信息量度量复杂性
　　用逻辑深度度量复杂性
　　用热力学深度度量复杂性
　　用计算能力度量复杂性
　　统计复杂性
　　用分形维度量复杂性
　　用层次性度量复杂性
　　第2部分 计算机中的生命和进化
　　第8章 自我复制的计算机程序
　　生命是什么
　　计算机中的自我复制
　　自我复制程序的深层意义
　　DNA的自我复制
　　冯·诺依曼的自复制自动机
　　冯·诺依曼
　　第9章 遗传算法
　　遗传算法菜谱
　　遗传算法的应用
　　进化的罗比，易拉罐清扫机器人
　　GA演化的策略是如何解决这个问题的
　　GA是如何演化出好的技巧的
　　第3部分 大写的计算
　　第10章 元胞自动机、生命和宇宙
　　自然界中的计算
　　元胞自动机
　　生命游戏
　　四类元胞机
　　沃尔夫勒姆的“新科学”
　　第11章 粒子计算
　　第12章 生命系统中的信息处理
　　什么是信息处理
　　免疫系统
　　蚁群
　　生物代谢
　　这些系统中的信息处理
　　第13章 如何进行类比(如果你是计算机)
　　容易的事很难
　　进行类比
　　我对类比的认识经历
　　简化的类比
　　模仿者
　　如何做到
　　模仿者程序
　　运行模仿者
　　总结
　　第14章 计算机模型
　　模型是什么
　　理想模型
　　对合作的进化进行模拟
　　建模的好处
　　计算机建模注意事项
　　第4部分 网络
　　第15章 网络科学
　　小世界
　　网络新科学
　　什么是网络思维
　　到底什么是“网络”
　　小世界网络
　　无尺度网络
　　网络稳健性
　　第16章 真实世界中的网络
　　真实世界中的网络
　　网络思想的意义
　　无尺度网络是如何产生的
　　幂律以及对其的质疑
　　网络中的信息传播和连锁失效
　　第17章 比例之谜
　　生物学中的比例缩放
　　一次跨学科合作
　　幂律与分形
　　代谢比例理论
　　理论的应用
　　争议
　　幂律的未解之谜
　　第18章 进化。复杂化
　　遗传，复杂化
　　基因是什么
　　进化发育生物学
　　基因调控和考夫曼的“秩序的起源”
　　对考夫曼的研究的反响
　　总结
　　第5部分 尾声
　　第19章 复杂性科学的过去和未来
　　统一理论和一般性理论
　　复杂系统研究的根源
　　五个问题
　　复杂性的未来，等待卡诺
　　附录 访谈——梅拉妮·米歇尔谈复杂性
　　参考文献
^ 收 起　　

　　蚂蚁在组成群体时为何会表现出如此的精密性和具有目的性？数以亿计的神经元是如何产生出像意识这样极度复杂的事物？是什么在引导免疫系统、互联网、全球经济和人类基因组等自组织结构？这些都是复杂系统科学尝试回答的迷人而令人费解的问题的一部分。
　　理解复杂系统需要有全新的方法.需要超*传统的科学还原论，并重新划定学科的疆域。借助于圣塔菲研究所的工作经历和交叉学科方法，复杂系统的前沿科学家米歇尔以清晰的思路介绍了复杂系统的研究，横跨生物、技术和社会学等领域，并探寻复杂系统的普遍规律，与此同时，她还探讨了复杂性与进化、人工智能、计算、遗传、信息处理等领域的关系。