近年来，随着互联网的普及、物联网的渗透、大数据的涌现以及社会媒体的崛起，产生了越来越多的工程复杂性与社会复杂性高度融合的具有不定性、多样性和复杂性特征的社会物理信息系统（cyberphysicalsocialsystems，CPSS）。CPSS的复杂性主要源于智能群体间的协调网络以及所受到的外部干预，其建模、有效控制和管理等问题正面临前所未有的挑战和发展机遇。
计算实验方法作为复杂性科学研究的一种主要手段，集成了计算机科学、社会科学、系统科学、计算机模拟技术、多Agent系统技术、人工智能技术等诸多学科。尽管科研人员付出了很多努力，计算实验方法目前还不能算是一套成熟的体系，也没有一套完整而成形的理论，其理论发展和实际应用之间还存在着巨大的差距。对于初学者，很容易湮没在浩如烟海、纷繁芜杂的文献资料中，难以剥茧抽丝，理出自己的思路。而且，人工智能技术等新技术的蓬勃兴起，应用领域的千差万别，更加剧了这种困境。
为了能够对解决该问题有所帮助，《复杂系统的计算实验方法——原理、模型与案例》梳理了计算实验方法的来龙去脉，希望帮助读者构建起计算实验方法的完整知识体系，从而为后续的方法应用奠定坚实的基础。本书的内容包括原理、模型和案例三个方面。
1
计算实验方法的系统框架是什么？
计算实验方法作为一个多学科的交叉领域，涉及的知识非常多。初学者刚开始接触计算实验时，很容易湮没在浩如烟海的文献中，难以厘清计算实验方法与各类技术之间的关系，而各类层出不穷的新技术更加剧了这种困境。基于此，本书首先就是对纷繁芜杂的文献资料剥茧抽丝，对计算实验方法本身进行完整的系统化阐述，形成通用的方法框架，包括方法的适用领域、执行步骤、支撑平台，以及关键支撑技术。鉴于多Agent系统是大多数计算实验的实现平台，所以本书详细讲述了多Agent系统设计与开发所涉及的相关技术。
2
计算实验方法的核心技术是什么？
计算模型是计算实验方法的核心，也是不同领域知识发挥作用的容器。计算模型可以根据应用问题进行定制化，其中Agent智能程度的高低、自治单元间的交互关系、实验系统的抽象程度，完全取决于所要解决的问题，并不需要过度追求智能化。本书首先对常用的传统仿真模型进行了梳理，例如状态自动机、马尔可夫模型、排队模型等；然后重点介绍了几类人工社会的构建模型，包括元胞自动机、糖域与社会学习模型。现在