本书系统梳理了系统思想与系统科学理论的发展脉络，从系统的涵义切入，深入阐释系统的特性、结构与功能等的内在关联，以及系统与信息之间的互动机制，为读者筑牢学科认知的根基。在此基础上，涵盖了非线性动态系统理论、自组织理论、耗散结构理论、协同理论、突变理论、超循环理论、混沌理论、分形理论、形态发生理论、复杂适应系统及复杂网络等重要分支理论，并结合具体应用场景展现理论的实践价值，构建起完整的系统科学知识体系。 本书的编写注重理论与应用的融合，为相关专业的本科生和研究生提供了适配的教科书，也为从事系统科学及相关领域研究工作的研究人员提供了一本实用的参考书。

第1章 系统思想与系统科学 /001 1.1 系统思想的发展 /001 1.1.1 朴素的总体思辨 /001 1.1.2 机械分解的还原思维 /003 1.1.3 科学的系统思维 /004 1.2 系统科学内涵 /005 1.3 系统科学的形成和发展 /006 1.3.1 20世纪早期:萌芽期 /006 1.3.2 20世纪30年代至50年代:形成期 /007 1.3.3 20世纪60年代至80年代:发展期 /009 1.3.4 20世纪80年代以来:复杂性研究 /010 1.4 系统科学在中国的发展 /011 1.5 系统科学体系结构 /012 第2章 系统概念 /015 2.1 认识系统 /015 2.2 系统特性 /017 2.3 系统的边界与环境 /019 2.4 系统结构与系统功能 /020 2.5 系统状态与系统演化 /023 2.6 信息与智能系统 /024 第3章 非线性动态系统理论 /026 3.1 世界的非线性本质 /026 3.2 非线性动态系统数学描述 /027 3.3 系统的稳定性 /028 3.3.1 李雅普诺夫稳定性理论 /028 3.3.2 李雅普诺夫稳定性分析 /029 3.3.3 定态与动态平衡 /030 3.3.4 定态的稳定性与可达性 /032 3.3.5 多重定态与履历效应 /032 3.4 相空间与吸引子 /033 3.4.1 相空间 /033 3.4.2 吸引子的特性 /035 3.5 应用领域 /038 第4章 自组织理论 /040 4.1 自组织理论的发展 /040 4.2 系统的自组织 /041 4.2.1 他组织与自组织 /041 4.2.2 自组织的特征 /042 4.2.3 自组织的度量方法 /043 4.3 自组织理论的核心机制与原理 /045 4.3.1 三大驱动机制 /045 4.3.2 基础原理体系 /046 4.4 自组织类型 /048 4.4.1 按系统构成要素划分 /049 4.4.2 按系统与环境的关系划分 /051 4.4.3 按自组织机制划分 /052 4.5 自组织的数学建模与方法 /054 4.6 自组织理论的应用 /058 第5章 耗散结构理论 /060 5.1 耗散结构理论的发展 /060 5.2 耗散结构的形成机制 /061 5.3 耗散结构的数学描述 /062 5.3.1 熵的概念扩展 /063 5.3.2 反应扩散模型 /064 5.3.3 稳定性分析 /064 5.3.4 分岔理论 /065 5.4 典型的耗散结构实例 /067 5.4.1 贝纳德对流 /067 5.4.2 B-Z反应 /069 5.4.3 激光器 /070 5.5 耗散结构理论的哲学意义 /072 第6章 协同学 /075 6.1 协同学基本概念及核心思想 /075 6.1.1 基本概念 /075 6.1.2 协同演化核心思想 /076 6.2 协同演化基本理论 /080 6.2.1 不稳定性原理 /080 6.2.2 支配原理 /082 6.2.3 序参量原理 /085 6.3 典型应用模型构建与解析 /087 6.3.1 区块链产业生态系统的协同演化 /087 6.3.2 粤港澳大湾区经济的协同演化 /090 第7章 突变理论 /092 7.1 突变理论的起源与发展 /092 7.1.1 早期思想的萌芽 /092 7.1.2 理论的正式确立 /093 7.2 渐变与突变 /094 7.2.1 渐变 /094 7.2.2 突变 /095 7.2.3 渐变与突变的区别和关联 /097 7.3 突变理论的数学基础 /097 7.3.1 势函数与平衡曲面 /097 7.3.2 奇点理论 /098 7.3.3 拓扑学 /099 7.3.4 结构稳定性理论 /100 7.3.5 分歧理论 /102 7.4 突变理论的基本模型 /103 7.4.1 七种初等突变模型解析 /103 7.4.2 突变现象的基本特征 /113 7.5 突变理论的应用 /114 7.5.1 自然科学领域的应用实例 /114 7.5.2 社会科学领域的应用成果 /116 7.5.3 工程技术领域的应用价值 /117 7.6 突变理论的局限性 /117 第8章 超循环理论 /121 8.1 超循环理论的发展历程 /121 8.2 超循环理论的核心概念 /123 8.2.1 化学循环 /124 8.2.2 催化循环 /125 8.2.3 超循环 /126 8.2.4 三个层次的比较分析 /128 8.3 超循环理论的理论贡献与挑战 /129 8.3.1 对地球生命形成的解释 /129 8.3.2 对生物圈演化过程的系统解释 /129 8.3.3 对系统科学理论的贡献 /130 第9章 混沌理论 /131 9.1 蝴蝶效应 /131 9.2 混沌理论的发展历程 /133 9.3 混沌的基本特征 /134 9.3.1 非线性的相互作用 /134 9.3.2 对初始条件的敏感依赖性 /135 9.3.3 分形和自相似性 /135 9.3.4 确定性和随机性的共存 /135 9.4 混沌理论的典型系统 /136 9.4.1 逻辑斯蒂映射 /136 9.4.2 洛伦兹系统 /137 9.4.3 杜芬方程 /138 9.5 混沌的应用案例 /138 9.5.1 气象系统 /138 9.5.2 生态系统 /138 9.5.3 经济系统 /139 9.5.4 心脏节律 /139 9.6 混沌理论的科学意义 /140 第10章 自相似与分形 /141 10.1 自相似性 /141 10.2 分形的基本特性 /142 10.3 分形维数的定义与计算方法 /144 10.3.1 豪斯多夫维数 /144 10.3.2 盒计数维数 /144 10.3.3 相似维数 /145 10.3.4 关联维数 /145 10.3.5 信息维数 /146 10.4 典型分形图 /147 10.4.1 科赫曲线 /147 10.4.2 谢尔宾斯基三角形/地毯 /148 10.4.3 门格海绵 /150 10.4.4 曼德博集合 /151 10.5 分形的数学构造方法 /152 10.5.1 迭代函数系统 /152 10.5.2 递归构造法 /153 10.5.3 随机分形生成方法 /153 10.6 分形理论的应用 /154 10.6.1 金融领域中的应用 /154 10.6.2 供应链管理中的应用 /156 10.6.3 自然灾害预测的应用 /158 10.6.4 应急资源分配的应用 /160 第11章 形态发生理论 /164 11.1 形态发生理论的基本原理 /164 11.1.1 自组织的动力学基础 /164 11.1.2 多尺度调控网络 /166 11.1.3 定量描述 /167 11.2 系统科学视角下的形态发生理论 /168 11.2.1 复杂性理论在形态发生中的体现 /168 11.2.2 信息论在形态发生中的应用 /169 11.2.3 控制理论与形态发生调控 /170 11.2.4 网络科学与形态发生 /171 11.2.5 统计物理学与形态发生 /171 11.3 计算建模与仿真 /172 11.3.1 多尺度建模方法 /172 11.3.2 数值仿真技术 /174 11.3.3 模型验证与预测 /175 11.4 形态发生理论的案例分析及应用领域 /176 11.4.1 典型案例分析 /177 11.4.2 应用领域 /180 11.5 未来发展方向 /181 第12章 复杂适应系统理论 /184 12.1 复杂适应系统理论的发展 /184 12.2 复杂适应系统的特性与机制 /185 12.2.1 通用特性 /185 12.2.2 运作机制 /187 12.3 数学描述与模型构建 /189 12.3.1 基于主体的建模方法 /189 12.3.2 多尺度建模与分析方法 /191 12.4 复杂适应系统的应用领域 /193 12.4.1 生物学与生态学的应用 /193 12.4.2 经济领域的应用 /194 12.4.3 社会领域的应用 /195 12.4.4 工程领域的应用 /196 12.4.5 医疗健康领域的应用 /197 第13章 复杂网络技术 /198 13.1 复杂网络的系统科学基础 /198 13.1.1 整体性与层次性 /198 13.1.2 涌现性与集体行为 /199 13.1.3 自组织与演化机制 /199 13.2 复杂网络的类型 /200 13.2.1 经典网络模型 /200 13.2.2 单层网络与多层网络 /201 13.2.3 静态网络与动态网络 /202 13.3 复杂网络的拓扑特性分析 /203 13.3.1 度分布与幂律现象 /203 13.3.2 小世界效应 /204 13.3.3 模块结构与社区发现 /204 13.4 复杂网络的动力学过程 /205 13.4.1 信息传播动力学 /205 13.4.2 同步与协调动力学 /205 13.4.3 级联失效与鲁棒性 /206 13.5 复杂网络技术的应用领域 /207 13.5.1 生物系统网络 /207 13.5.2 社会网络系统 /207 13.5.3 技术与基础设施网络 /207 13.5.4 金融系统网络 /208 13.6 复杂网络技术的发展前沿 /208 13.6.1 机器学习与网络科学的融合 /208 13.6.2 大数据时代的网络分析 /209 13.6.3 量子网络与未来技术 /209 第14章 学习理论 /210 14.1 自然实践和社会实践中的学习 /210 14.2 学习机制 /211 14.2.1 学习认知机制 /211 14.2.2 认知行动 /212 14.3 信息论与深度学习 /213 14.3.1 信息论核心概念 /213 14.3.2 信息瓶颈理论 /214 14.3.3 表示学习的信息论观点 /215 14.4 深度学习的系统论 /215 14.4.1 深度学习的系统特征 /215 14.4.2 动态系统理论 /216 14.4.3 深度学习架构的系统分析 /217 14.4.4 卷积神经网络的空间信息处理 /218 14.5 学习算法的系统动力学分析 /219 14.5.1 梯度下降的动力学系统观点 /219 14.5.2 优化算法的信息几何 /220 14.5.3 学习过程的信息动力学 /221 参考文献 /223