如何高效入门复杂系统仿真？

王树义

读完需要

18分钟

速读仅需 6 分钟

推荐你一门好课，帮你在研究方法武器库中，添上复杂系统仿真这一项。

1

方法

提到研究方法，根据你所在学科的不同，一定能想到不同的名词。

学理工科的，可能会想到实验法。

学社会科学的，可能会想到问卷调查、访谈等。

这里，我给你介绍一种稍稍另类的研究方法——复杂系统仿真。

1948 年，美国数学家，信息论的创始人之一 Warren Weaver 提出了 3 类科学问题划分。

这三类问题分别是：

• 简单问题

• 无组织复杂问题

• 有组织复杂问题

所谓简单问题，就是研究少数变量之间的关系。例如你中学物理课学到过的，描述电阻、电压和电流关联的欧姆定律。这一类问题，到了 19 世纪末，就已经能够被解决了。

所谓无组织复杂问题，是指研究对象变量非常多，但是这些变量之间没有强联系，因此可以被近似当做一个整体来简单化处理。

例如气压，它源自于数千亿无组织空气分子的运动。温度和气压之间，是存在关联的。

但是，我们要理解气压和温度之间的关系，是不需要一一考察那无数分子的个体情况，只需要把气压当成一个总体来处理就好。这类的问题，到了 20 世纪中叶，也都获得了解决。

聪明的你，一定已经想到了这最后一类"有组织复杂问题"的定义了。

没错，如果我们的研究对象包括许多变量，而这些变量之间的关系不是微弱的，而恰恰是一种研究者不喜欢看到的"强非线性"关联，那么这类问题，就叫做有组织复杂问题。

例如，小麦的价格如何确定？货币如何有效、明智与稳定地投放？

这些问题，历史上有无数的聪明人，希望通过明确的数学公式来一劳永逸地解决它们。但是尝试过后，效果很不理想。

更要命的是，我们生活的社会里，越是与真实情况相近的问题，就越是具备有组织复杂问题的特性。不信你可以问问企业的管理者。

那么，面对这样的问题，我们该怎么办呢？

社会实验肯定是解决的有效方法之一。就如同历史上那些伟大的社会实验，例如：

• 六度分割实验

• 权威服从实验

问题是，不是什么时候，我们都可以选择社会实验法的。这里就会涉及到科研伦理问题。

例如说，我们要研究灾难发生时候逃生通道的情况，以便更好地设计安全的场馆；我们要研究病毒的传播路径，以便更好地防控疫情。

这种灾难，显然不能在真实场景中进行实验，否则后果不堪设想。

这就需要复杂系统仿真方法出场了。

2

仿真

什么叫做仿真呢？

就是用一个模型，来模拟真实世界的情况，给出一个近似结果。

仿真方法不稀奇。就连数学上概率问题的抛硬币，你都可以用 R 语言来轻易实现一个仿真。

以上抛硬币仿真代码来自这个地址。

但是问题在于，对于复杂系统的仿真，和它是有区别的。

前面提到了，复杂系统的特性，是变量多，而且具有强非线性关联。

因此，这种仿真，对工具是有要求的。即

• 能够描摹个体的特性与行为

• 能够刻画个体之间随时间步发生的交互作用

当然，如果你是高手，完全可以随便找来一种高级语言，从头开发自己的仿真工具。就如同有些高手，一言不合，就喜欢拿起汇编语言自己编程玩儿。

但是，这显然不适合普通人。

作为普通人来说，我们最好还是使用别人搭建好的仿真框架，在上面运行求解自己感兴趣的问题。

我做硕士毕业论文的时候，曾经使用过 Sante Fe 研究所开发的 Swarm 仿真工具，模拟无线局域网络中，通过作弊方式获得高带宽的用户行为。

不过，当时的学习过程很痛苦。因为 Sante Fe 研究所选用了一门当时非常冷门的语言作为 Swarm 的编程语言。

好在风水轮流转。后来，你可能听说了，这门语言被 Apple 看上了，一度成了开发 iOS App 的默认语言，又火了起来。

只是那时候，我已经把好不容易学会的这门语言，给忘得差不多了。惭愧。

不过，Swarm 确实不适合普通人来入门复杂系统仿真，使用起来也不是很方便。正如我在《学 Python ，能提升你的竞争力吗？》一文中跟你提过的。一门语言本身好坏固然重要，但更重要的，是网络效应，也就是有多少人愿意用。

有良好的社区，你就能很容易学习，遇到问题也容易从同侪那里找到答案；有新的需求，也会有更多的可能获得积极响应和改善。

所以后来，当我发现 Netlogo 的时候，很开心。

3

工具

和 Swarm 不同，Netlogo 一上来的定位，就是让更多人，特别是非专业编程人员，也能很容易上手复杂系统仿真。

究竟有多容易呢？

这么说吧。你连安装软件都不需要。

只要有一个浏览器，你就可以在里面输入这个链接：

https://www.netlogoweb.org/launch

然后，就能欢快地使用了。

方便吧？

不但功能齐全，Netlogo 还具有非常丰富的文档。

更让人兴奋的是，各种学科的模型样例，都很齐全。这是长年以来，社区日积月累的结果。

如果你要研究的问题，跟这些已经做好的模型相似，那么你只需要修改一下模型，就可以用于自己的研究。

我之前做教育部项目，研究虚假信息传播的机制模型与应对策略。其中一篇研究成果《基于复杂系统仿真的微博客虚假信息扩散模型研究》，用的基础就是 Netlogo 中的计算机病毒传播模型。

里面模型运行出来，是这样的：

看到这里，你可能早已跃跃欲试了。

别忙，刚才告诉你的，都是好消息那一面。

坏消息是，Netlogo 的语法，非常古怪。

对于从来没有接触过编程的人，困难在于模型一旦复杂化，阅读理解会有些困扰。

然而对他们来说，这种语法的怪异倒还好。他们的背景知识空缺，犹如一张白纸，往上面挥毫泼墨，还算容易。只要功夫深，铁杵磨成针。还是可以通过长期学习和反复练习来增强弥补。

怕就怕你之前学过 C, Java, Javascript 或者 Python 这样的高级语言。那初学 Netlogo 的时候，真的会让你有苦不堪言之感。

你直觉上正确的语句，写出来几乎全都是错的。

那感觉，肯定是不怎么样。

为什么会这样呢？

因为 Netlogo 看似一个玩具语言，简简单单。但是你千万不要被它的表象迷惑住。它属于编程语言里一个非常古老而奇异的家族——Lisp。

这个语言的其他亲戚，学起来也会让你觉得不那么直观。

例如下面这段：

所以著名的漫画 XKCD 系列里面，是这样揶揄 Lisp 的：

但是，长得怪不要紧。Lisp 这个语言家族的功能非常强大。

如果你掌握了其精髓，那便如同会用了独孤九剑。逢强则强，变化无穷。

问题的关键，在于你如何学习它。

4

教程

Netlogo 的教程，一直都很稀缺。那些真正的专家，往往会过度低估 Netlogo 的入门和上手难度，只是希望把它作为工具，介绍复杂系统研究。

例如 Melanie Mitchell 的课程，便是如此。

在这些课程里，Netlogo 会被广泛用到，但是其功能使用的细节，不作为重点，很多地方一带而过。你听着挺清楚，自己如果想要实践，或者需要定制修改模型，还是会一头雾水。

直到 2015 年，Netlogo 的作者 Uri Wilensky，和 Bill Rand 合作，才出了一本真正意义上的权威入门教程。我当时在美国访学，书刚一出版就从亚马逊下单，买了一本，背了回来。挺沉的。

说是入门教程，也确实介绍了一些 Netlogo 的使用方法，但作者依然是把重点放在了介绍 Netlogo 在各种领域的研究应用上。

更大的问题是，纸质的书籍，不适合做动态的讲解。你图截得太多，显得冗余而凌乱。图截得太少，可能会漏掉重要的步骤。一切都靠读者领悟，读者学习的认知负荷就过高了。

学习的过程中，依然有很多闹不明白的地方。尤其是那些在其他编程语言里，习以为常的东西。所以我不得不经常跳脱出来，到网上查询各种解法和经验。

例如方括号和圆括号的使用，我就是看了这个帖子，才明白，还特意剪藏到了 evernote 中。

连个括号使用，用户都会有这么多的疑问，以至于需要专门有人写个帖子来答复。Netlogo 使用中坑洼之多，可见一斑。

后来书的作者之一 Bill Rand 在 Sante Fe 的 Complexity Explorer 平台开设了一门 MOOC ，介绍复杂系统仿真。我欣然加入学习，还获得了证书。

有了这些教学材料作为基础，我试图在自己的《网络传播与舆情分析》课上，给研究生们介绍基于 Netlogo 的复杂系统仿真，以期让他们能够多掌握一种不同的研究方法，以便选题时视野更加宽广。

但是，这一部分花了精力不小，收获却不大。

因为学生们学起来困难重重。

起初的上手教程，编个蚂蚁觅食，他们还是玩儿得不亦乐乎的。

刚开始选练习题目的时候，也还算积极。

但是一旦深入到了后面的复杂网络动力学部分，就基本上不求甚解，连蒙带猜了。

为什么呢？

你可能想到了——英语不过关。

我推荐作为辅助材料的 Netlogo 视频教程，都是英文的。学的时候，他们已经有好多地方跟不上，得反复回放了。

到了练习中，遇到一些新函数，或者是方法的组合，都需要查资料。而资料里绝大部分，也都是英文的。

虽然我教给了他们如何查询编程手册，但是手册里面的使用方法，往往和实际应用里面的用法有区别。对于初学者来说，这不是很容易处理。

我就一直在想，如果能有一套中文教程，循序渐进介绍 Netlogo 的基础用法，把常见的坑一一指出。然后再进一步，把避坑的方法娓娓道来，那该多好？

我曾经也想过自己做一套这样的教程，但是确实没有足够的时间和毅力。

所以，当我看到集智学园出的这一套中文 Netlogo 教程时，非常惊喜。

5

介绍

这部教程的作者，是集智学园的创始人，北京师范大学张江教授。

张老师的课程，有一个特别好的地方，就是给那些曾经学过高级语言的人，讲了讲 Netlogo 奇怪语法与它们的区别。

我曾经就是在这里，被卡得一塌糊涂。

因为实在是不适应。

他上来就说，为了学好 Netlogo ，你得忘掉之前学的一切其他语言的语法，或者学会翻译它们。

你看，这就是个教程里展示"翻译"的样例：

你可以学会用十几行代码，就构造出朗顿蚂蚁模型。

然后，亲眼见证 10000 步左右涌现出的"高速公路"效果。

你还可以通过最简单的"羊-草"生态模型，了解语句的上下文关系。

对于每一个步骤，张老师都给出了非常清晰地介绍和图示。尤其是对重难点做了非常细致的总结和梳理。

通过一个简单的经济模型，你可以了解如何绘制动态直方图。

甚至更进一步，用另一张图，动态绘制洛伦兹曲线。

更妙的是，当我们需要考虑多个变量的交互影响或者综合因素时，还可以使用 Netlogo 给我们提供的简便实验环境 behavior space。

在使用中，每一步都有详细的介绍说明。使得你也可以让机器高速工作，帮你在短短的几分钟里面，做 2000 轮的实验。

最终的结果，还能非常方便地导出。

怎么样？是不是觉得学这样一套教程，很有意义啊？

你一定很关心价格吧？

没错，集智学园里面，有些课程确实要价不菲。

但是这一门课程，是免费的。

它是集智学园“防疫助力”课程的一部分。这一板块里面全部课程，你目前都可以免费学习。

怎么样？

是不是觉得这个漫长的假期，有事儿可做了呢？

6

小结

本文为你介绍了以下知识点：

• 研究问题按照复杂度的分类方式；

• 复杂系统研究的方法，尤其是仿真方法的必要性和应用场景；

• 复杂系统仿真的工具 Netlogo 及其特点；

• 入门 Netlogo 的优秀中文免费课程资源。

抓紧学习吧。

我这样说，不是因为我当老师，有督促你学习的职业病。而是有经验教训的。

2003 年，我上大三的时候，曾经和许多同学一样，在一个周末，被学校要求在家自我隔离。

当时我做的事儿，是把几年积攒下来的 DVD 看了个遍，很开心。

但是，等到 6 月份宣布恢复上课和考试的时候，我就傻眼了。前几天回看当时的日记，充满了惶恐与悔恨。

要知道，其他同学在家里，利用那宝贵的假期时间，把互联网协议，就是那一堆 RFC 文件，从头到尾读了一遍。

希望你，能珍惜眼前的时光，做到停课不停学。用这些优秀的教程，填充你的知识结构，增长自己的见识和实力。

公众号后台回复“netlogo”，就可以获得课程链接等资料。

祝学习愉快！

感觉有用的话，请点“在看”，并且把它转发给你身边有需要的朋友。

赞赏就是力量。

由于微信公众号外部链接的限制，文中的部分链接可能无法正确打开。如有需要，请点击文末的“阅读原文”按钮，访问可以正常显示外链的版本。

订阅我的微信公众号“玉树芝兰”，第一时间免费收到文章更新。别忘了加星标，以免错过新推送提示。

如果你对 Python 与数据科学感兴趣，希望能与其他热爱学习的小伙伴一起讨论切磋，答疑解惑，欢迎加入知识星球。

7

延伸阅读

你可能也会对以下话题感兴趣。点击链接就可以查看。

题图： Photo by Moon on Unsplash