本书的目标，是要从后现代，或者也许更精确地说是从后结构(post-struct ural)的视角来阐明复杂性概念。从这种视角获得的最明显的结论是，不存在总揽一切的、可忽略掉复杂系统中偶发性方面的复杂性理论。如果某事物的确是复杂的，就不可能从简单理论得到恰当的描述。关注复杂性，必须关注特定的复杂系统。尽管如此，我们还是可以在非常基础的层面上，对复杂行为和复杂系统动力学的条件进行一般性说明。而且我还认为，可以对复杂系统进行建模。模型可以在计算上执行，并可能导致可以执行更复杂任务的机器。不过，模型本身将至少与被建模的系统同样复杂，因此不可能导致我们对于系统本身理解的任何简化。作为这种模型的一个例子，我广泛地使用了神经网络，即一种称作联结论的趋法。事实上本书通过指出神经网络的运行与德里达的语言工作的描述之间具有结构相似性，来理解后现代理论对于复杂性研究的意义。

本书作者是当今最具有创新意识的思想家之一，本书也是对涌现现象进行深入探索的第一部著作。在本书中，作者比较了显示涌现现象的不同系统和模型，展现了它们之间共同的规则或规律，讲述了从“蕴含着规范、能够生成像巨大的红杉和普通的雏菊那样复杂而独特结构”的微小种子，到能够通过自学习在西洋跳棋游戏中让设计者一败涂地的计算机；从能够修建桥梁、跨越深沟和驾驭树叶之舟在溪流上航行的蚁群，到诗人充满感情的创作等涌现现象的具体表现。 涌现的概念(即整体大于其各部分之和)简单得令人惊讶，然而它在科学、商业以及艺术等诸多领域牛都具有极深的寓意。本书中，作者用深入浅出的描述向我们生动地阐明：涌现的理论能够预言许多复杂的行为，同时也给予我们关于生命、智慧和组织的很多启示。 序言 第一章 启程之前 走向何方 模型 研究道路上的困难 取得的进展 第二章 游戏与数字 西洋跳棋和神经网络 模型中的秘密 棋类游戏及规则 数字 积木块 计算机模型 第三章 地图、对策论和计算机建模 博弈和对策论 涌现——初露端倪 动态模型 计算机模型——进一步的研究， 第四章 西洋跳棋 困难何在 塞缪尔是如何做的 对走法的估价 由估价到策略 学习的过程 使学习过程运转起来 需要注意的问题 权重改变引起的涌现结果 小结 第五章 神经网络 神经元的特征 为神经元建模 固定阈值的神经元网络 区别与局限 有关神经元的更多特征 带环路的网络 无限期的记忆 三角形的识别——一个例子 综合 对比 继续前进 第六章 普适理论 基于主体的模型 计算机的参与 涌现和非线性 普适理论的基本要求 第七章 受限生成过程 机制 相互作用和连接 元胞自动机 第八章 西洋跳棋程序和其他受限生成过程模型 塞缪尔的西洋跳棋程序 中枢神经系统模型 复制猫 第九章 变易 具有可变结构的受限生成过程模型 示例 遗传算法和可变结构的受限生成过程模型 关于涌现的进一步理解 第十章 层次描述和还原方法 层次 如何组装元胞自动机 第十一章 隐喻和创新 科学中的创新和创造 对隐喻的初步探讨 隐喻和模型的关系 创新的培育 小结 诗歌和物理学 第十二章 结束语 作为总结的“结束语” 作为继续研究起点的“结束语” 综合 关于涌现的进一步研究 涌现的目标 涌现研究的远期目标

像艾滋病一类疾病为何能够摧毁免疫系统？像纽约、东京这样的大城市如何能够不间断地保障食品、医疗、服饰和数百万种居民必需品的供给？这类高度复杂系统的运作仍然是一个谜。但是通过霍兰及其同事在圣菲研究所和密歇根大学的工作，现在已经接近找到一种解答。 作为遗传算法之父和复杂性新科学的先驱者之一，霍兰从一开始就处于复杂适应系统（CAS）这一新兴研究领域的中心。 这部里程碑式著作为这一崭新领域首次提供了一种协调一致的综合，展示了霍兰的独特洞见。本书强调寻找支配CAS行为的一般原理，注重扩展众多科学家的直觉。书中提供了一个适用于全部CAS的计算机模型。霍兰通过描述我们能够做什么，总结了如何增强对CAS的理论认识。他提出的若干理论方法，可以指导人们对付耗尽资源、置我们世界于危险境地的棘手CAS问题。