复杂学是研究自然界中各类系统复杂性的一门科学。复杂学的出现出于人类对世界的复杂性的观察、体认、思考和研究。在复杂学视域中，复杂性是自然界的基本特点。20世纪80年代以来，在一批诺贝尔奖获得者大力推动下，复杂学研究从传统科学领域拓展到计算机、生物学、人工智能、生命科学、认知科学等广阔领域，进而拓展到人文社会学科领域。

定义

复杂学，复杂科学，是研究自然界中各类系统复杂性的一门科学,专指复杂系统中的复杂性,研究复杂系统在一定规则下如何产生宏观有序的组织和行为。 复杂学创始于20世纪80年代初,以1985年在美国新墨西哥州成立的圣菲研究所。

一、复杂科学是系统科学发展的新阶段

20世纪两个重大发现(相对论、量子力学)使科学取得了更大进步。但进入80、90年代后，科学界开始思考“科学向什么方向发展”的问题？目前学术界有两种观点：一种是《科学美国人》杂志资深编辑柯根(Cohen)的观点，在访问了若干科学家后，他在《科学的终结》(End of Science)一书中认为科学已面临终结：“科学特别是纯科学已经终结，伟大而激动人心的科学发现时代已经一去不复返了，将来的研究已经不会产生多少重大的新发现了，而只有渐增的收益递减。”另一种观点是许多有识之士认为的科学不是面临终结而是面临新时代，如系统科学家普里高津指出：少数派开始怀疑这种乐观的论调，就是说科学已经到头，尽善尽美，就在我们的宏观层次上仍有一些问题还远未得到解答，曾经有过一些关头，经典科学似乎已经近乎功德圆满，但每到这时候总有一些事出了差错，于是方案必须扩大，待探索的疆域又变得宽广无际了。又如桑塔费研究所(Santa Fe Institude)的第一任所长柯夫曼(Kauffman)认为：“通过诺贝尔奖的堂皇道路通常是用还原论的方法开辟的，当为一群不同程度被理想化了的问题寻求解决的方案，但却多少背离了真实的世界，并局限于能找到一个解答的地步，这就导致科学的越分越细碎，而真实的世界却要求我们采用更加整体的方法。”再如诺贝尔物理奖获得者盖尔曼(Munay Gell-Mann)提出“必须给自己确立一个确实宏伟的任务，就是实现正在兴起的包括多学科的科学大集成。”

通常趋向于第二种观点的，现在是从经典科学走向新科学的时代，因为人类文明已经由机械工业文明向信息生态文明转变，这一转变必然伴随着科学的大转变，以还原论、经验论、纯科学为基础的经典科学正在吸收系统论、理性论和人文精神的发展，成为新的一门科学——复杂科学(Complicated Science)。

复杂科学是21世纪的科学，是研究复杂性、复杂系统的科学。自贝塔朗菲(Ludwig Von Bertalallffy)最早于20世纪对年代提出系统科学以来到现在，系统科学观念经过一段大的发展演变过程。

首先，人们认识到系统整体大于它的部分之和，即当一些组元组成一个系统时，它就会出现一些它的个体(组元)所没有的性质。对此还原论是认为系统等于组成部分之和，而复杂科学更前进一步，认为系统是其组元的函数。

其次，人们发现系统具有层次结构和功能结构，研究系统的结构时要考虑层次结构和功能结构的重叠和它们之间的关系。

再次，认识到系统处在不断发展变化之中，系统是动态的。

第四，系统经常与它的外界环境进行物质、能量和信息的交换。

第五，系统在远离平衡的状态下也可以稳定(耗散结构理论、自组织理论)。

第六，确定性系统有其内在的随机性(混沌)。

第七，随机的系统有其内在的确定性(突现)，看似完全随机的系统有自组织功能，能突现出若干种特殊的结构来。这些新观念不断冲击经典科学的传统观念，从而使系统论、信息论、控制论、相变论(主要研究平衡结构的形成与演化)、耗散结构论(主要研究非平衡相变与自组织)、突变论(主要研究连续过程引起的不连续结果)、协同论(主要研究系统演化与自组织)、混沌论(主要研究确定性系统的内在随机性)、超循环论(主要研究在生命系统演化行为基础上的自组织理论)等新科学理论也相继诞生。在这样的背景下也就产生了复杂系统和系统的复杂性两个范畴。

系统的复杂性主要表现在：(1)系统各单元之间的联系广泛而紧密，构成一个网络。因此每一单元的变化都会受到其它单元变化的影响，并会引起其它单元的变化。(2)系统具有多层次、多功能结构，每一层次均成为构筑其上一层次的单元，同时也有助于系统的某一功能的实现。(3)系统在发展过程中能够不断地学习并对其层次结构与功能结构进行重组及完善。(4)系统是开放的，它与环境有密切的联系，能与环境相互作用，并能不断向更好地适应环境的方向发展变化。(5)系统是动态的，它处于不断发展变化之中，而且系统本身对未来的发展变化也有一定的预测能力。

而复杂系统最本质的特征是其组成部分具有某种高度的智能，即具有了解其所处环境，预测其变化，并按预定目标采取行动的能力，也就是具有自组织、自适应、自驱动的能力。这也就是生物进化、技术革新、经济发展及社会进步的内在原因。

根据上述理解，复杂科学有三个主要特点：

(l)研究对象是复杂系统，例如植物、动物、人体、生命、生态(生物链)、企业、市场(股票市场)。经济、社会、政治等方面的系统。还可以包括物理、化学(例如择报催化)、天文、气象等方面的系统。

(2)研究方法是定性判断与定量计算相结合、微观分析与宏观综合相结合、还原论与整体论相结合、科学推理与哲学思辨相结合的方法。其所用的工具包括数学、计算机模拟、形式逻辑、后现代主义分析、语义学、符号学等等。

(3)研究深度不限于对客观事物的描述，而是更着重于揭示客观事物构成的原因及其演化的历程，并力图尽可能准确地推测其未来的发展。例如为什么一个受精卵能演化成具有脑、眼、口、鼻、肝、肺等器官的人体？为什么处于大致相同环境的企业各有成败？等等。

二、复杂科学的发展与现状

关于复杂科学的研究一般认为是在20世纪80年代中期开始的。1984年，由诺贝尔物理学奖获得者盖尔曼(Munay Gell-Man)和安德逊(Philip Anderson)、经济学奖获得者阿罗(Kenneth Arow)等人支持，组织了桑塔费研究所(SFI)，专门从事复杂科学的研究，试图由此找到一条迈向学科融合来解决复杂性问题的道路。从当前的研究来看，英美做了比较多的工作。我国也做了一些工作。在美国复杂科学的研究形成五个学派(如附表)。英国有一个复杂科学论坛，论题包括突现的设计、复杂性理论的应用、复杂性与技术、创新的组织、组织设计等。

三、研究复杂科学的基本方法与主要工具

研究复杂系统的基本方法应当是在唯物辩证法指导下的系统科学方法。它包括以下4个方面的结合：(l)定性判断与定量计算相结合；(2)微观分析与宏观综合相结合；(3)还原论与整体论相结合；(4)科学推理与哲学思辨相结合。

复杂科学研究中目前所用的理论工具主要是微分方程和形式逻辑，除此之外的理论工具还包括：

(1)不确定条件下的决策技术

包括定性变量(名义变量、序变量)的量化(多维尺度、广义量化等)、经验概率的确定(从最简单的指数平滑法、线性回归法、移动平衡法等到非线性回归法，再到新的研究，如数据挖掘、数据库中的知识发现、智能挖掘等)、主观概率的改进(知识库、德尔菲法)、案例研究(典型性调查)和先验信息集成(贝叶斯公式)等。

(2)综合集成技术

包括系统的结构化、系统与环境的集成(全局与局部)、人的经验与数据的集成、通过模型的集成、从定性到定量的综合集成技术。

(3)整体优化技术

包括目标群及其优先顺序(目标规划优先及变化)的确定、巨系统的优化策略(分隔断法、面向方程法、多层迭代法、并行搜索法)、优化算法(线性规划、目标规划等)、离线优化和在线优化、最优解与满意解的取得等。

(4)计算智能

包括演化计划(遗传算法、演化策略、演化规划、遗传程度设计等)、人工神经网络(EBP型、竞争型、自适应共振型、联想记忆型等)、模糊系统等。

(5)非线性科学

非线性科学已由传统的动力系统理论(稳定性和分叉理论、混沌、孤子)和统计力学(分形、标度)，延伸到多尺度、多体，以及非平衡系统中的复杂和随机现象的研究。而对非线性科学压倒一切的挑战就是，对远离平衡的各系统中的自组织结构的形成和功能，确认其关键的范式。

(6)数理逻辑

包括经典谓词逻辑、广义数理逻辑(模型论、公理集合论、证明论、递归论等)、多值逻辑、模态逻辑、归纳逻辑等。

(7)计算机模拟

包括人工生命、元胞自动机、竞争与使用、大群模拟工具等