系统工程：方法与应用
出版时间：2011年版
丛编项： 现代信息管理与信息系统系列教材
内容简介
《系统工程：方法与应用》力求将系统工程方法论精心设计到系统性问题的解决过程中，从系统问题的提出、解决问题的目的分析、实现目标的系统方案（模型）设计、系统模型构建到系统模型结果分析，深入浅出地介绍了如何用系统的思想认识社会、经济、管理等系统性问题，以系统结构分析方法、系统模型方法、系统评价模型、系统仿真模型、系统预测模型为主要内容，将系统工程的思想和方法论渗透到解决问题的过程中。《系统工程：方法与应用》通过积累丰富的例子加以说明方法的运用，使得系统工程内容不再枯燥繁杂，而变得深入浅出、通俗易懂。《系统工程：方法与应用》不但适用于管理、工程类专业的学生和研究生研读，还可以作为相关人员的培训教材和自学参考书。
目录
第1章 系统科学与系统工程
1.1 系统科学概述
1.1.1 系统科学的概念
1.1.2 系统科学研究的问题
1.1.3 系统科学研究的内容
1.2 系统工程概述
1.2.1 系统工程的定义
1.2.2 系统工程发展简史
1.2.3 系统工程的实践应用
1.2.4 系统工程的发展趋势
1.2.5 系统工程的特点
1.3 结语
本章小结
思考题
第2章 系统工程研究的对象——系统
2.1 系统的基本概念
2.1.1 系统的定义
2.1.2 系统的输入、输出和系统的功能
2.1.3 系统的环境
2.1.4 系统的分类
2.1.5 系统的特性
2.2 系统的一般描述
2.2.1 系统的框图描述
2.2.2 系统的集合描述
2.3 系统的结构成分
2.4 系统的结构分析
2.4.1 系统的解释结构分析方法
2.4.2 系统结构分析应用
本章小结
思考题
第3章 系统工程方法论
3.1 霍尔(hall)硬系统方法论
3.1.1 hall方法论三维结构体系
3.1.2 hall方法论的特点
3.2 软系统方法论
3.3 h—ch综合系统方法论概述
3.4 几种方法论的比较
3.5 系统工程方法论的进一步发展
3.6 hall方法论的逻辑步骤
3.6.1 问题的界定
3.6.2 目标确定
3.6.3 方案汇总
3.6.4 系统评价和决策实施
本章小结
思考题
第4章 系统模型方法
4.1 系统模型概述
4.1.1 系统模型的定义
4.1.2 系统模型的基本特征
4.1.3 系统模型的分类
4.1.4 系统模型的作用
4.2 建立系统模型的思考方法
4.3 建立数学模型的一般步骤
4.4 建立系统模型的一般原则
4.5 建立系统模型的ahp方法
4.5.1 ahp模型方法的基本思想
4.5.2 ahp模型方法的基本步骤
4.5.3 应用ahp方法建立系统层次结构模型
本章小结
思考题
第5章 系统评价
5.1 系统评价的基本概念
5.1.1 系统评价的含义与意义
5.1.2 系统评价的思想和原则
5.2 系统评价指标体系
5.2.1 系统评价指标体系建立的原则
5.2.2 系统评价指标体系的构成
5.2.3 系统评价指标体系的构建方法
5.3 系统评价的一般步骤
5.4 系统评价方法
5.4.1 经验评价方法
5.4.2 价值分析方法
5.4.3 模糊综合评价方法
5.4.4 因子分析方法
5.4.5 主成分分析方法
5.4.6 系统评价应用案例
本章小结
思考题
第6章 mc系统仿真
6.1 系统仿真的概念
6.2 系统仿真的特点和作用
6.2.1 系统仿真的特点
6.2.2 系统仿真的作用
6.3 系统仿真的一般步骤
6.4 蒙特卡罗(mc)仿真方法
6.4.1 随机数概念
6.4.2 蒙特卡罗仿真概述
6.4.3 蒙特卡罗(mc)仿真
6.5 蒙特卡罗系统仿真的应用
本章小结
思考题
第7章 系统动力学仿真
7.1 系统动力学的一般概述
7.2 系统动力学的应用对象
7.3 系统动力学的表示方法
7.3.1 系统动力学研究过程
7.3.2 系统动力学模型的表示方法
7.4 系统动力学的建模步骤
7.5 系统动力学应用案例
本章小结
思考题
第8章 神经网络系统预测
8.1 系统预测概述
8.1.1 系统预测的应用领域
8.1.2 系统预测的概念
8.1.3 系统预测方法的分类
8.2 神经网络预测方法
8.2.1 人工神经网络的概念
8.2.2 脑神经系统与生物神经元
8.2.3 人工神经网络的特点
8.2.4 人工神经网络发展的回顾
8.2.5 人工神经网络的应用领域
8.3 人工神经元
8.3.1 人工神经元的基本构成
8.3.2 神经元作用函数
8.3.3 m—p模型
8.3.4 神经网络的拓扑结构
8.3.5 神经网络的学习
8.4 感知器模型
8.5 bp神经网络
8.5.1 bp神经网络的多层结构
8.5.2 bp网络计算公式
8.5.3 bp模型算法示意图
8.6 神经网络实现过程
8.6.1 确定系统框架
8.6.2 学习样本
8.6.3 学习算法
8.6.4 推理机
8.6.5 知识库
8.6.6 输入模式转换
8.6.7 输出模式转换
8.7 神经网络的容错性
8.7.1 容错性的研究内容
8.7.2 前馈网络容错性的分析方法
8.7.3 前馈网络容错性的设计方法
本章小结
思考题
参考文献
