7,129
个编辑
更改
跳到导航
跳到搜索
第180行：
第180行： − + + + + + + + + + + + + + + + + +
→编者推荐
==编者推荐==
==编者推荐==
===集智课程===
===集智课程===
====[]====
====[https://campus.swarma.org/course/1396 复杂网络机制和演化模型]====
本课程中，主要讨论复杂网络的形成机制和演化规则。
====[https://campus.swarma.org/course/1004 演化与适应：从存在到演化]====
复杂系统具有适应性，体现为复杂系统会动态地调节自身的结构以适应外在的环境。一般来说，任何复杂系统都具有一定的适应性，但是在复杂适应系统的理论模型中，适应性被特意强调以展示与一般的适应性较差的复杂系统的区别。
复杂系统的适应性可以体现为两个层面，一个是整体层面，另一个是个体层面。在整体层面上，系统的相互连接结构会根据环境的不同而发生动态的变化。而在个体层面上，每个组成元素都会发生适应型的变化从而导致系统整体属性的变化。前者如鸟群，每只鸟个体本身都是固定的程序和规则，但是由于个体的相互作用联系，使得鸟群体能够动态地调节飞行轨迹以躲避障碍物。个体层面具有适应性的例子主要包括股票市场，在股市中，每个主体都会根据价格信息来动态地调节投资策略，个体的学习即体现了个体层面的适应性。模仿股票交易的人工股市模型很好地展现了股票市场这种复杂适应系统。复杂适应系统理论模型所讨论的适应性主要在于个体层面的适应性。
具有适应性的复杂系统通常会随着时间而演化（evolution）。因此复杂适应系统理论研究的一个主题就是系统的演化，也包括生物的进化。复杂系统的适应性演化通常体现为生存竞争、优胜劣汰的复杂过程。普遍认为，生物系统的进化过程是复杂系统演化的很好的例子。
该课程中，我们将介绍关于系统的动力学与复杂系统的演化。
====[https://campus.swarma.org/course/1869 ABM仿真与大数据双轮驱动的网络舆情演化全周期模型]====
网络舆情事件呈现稳健的“生命周期” 宏观涌现规律。综合采用大数据分析与ABM仿真两种方法予以双向考察。大数据分析真实网络事件的宏观涌现特征，构建目标拟合函数。微观行为研究方面，设置事件（Hots）与网民（Netizens）两类智能体，进行ABM多主体仿真。通过参数遍历，求解拟合度最高的最优参数组合。拟合度考察指标包括寿命、峰值、差值、比值、分布等。最优解的存在，表明模型较好地刻画了微观行为机制，进而才能实现宏观演化过程的高精度复现。基于此客观模型的精准研判、轨迹预测、双向干预等实践操作，其精确性、科学性、自适应性将大为增强。