下载掌阅APP，畅读海量书库
立即打开
由于系统的定义具有广泛性，从微观粒子到宇宙星空都有对应的系统论。从某种程度上讲，体系也是一类特殊的系统，其表现出的涌现性、整体性等也是系统所具有的特征。下面对体系与复杂系统、信息物理系统和复杂网络这三个概念的区别与联系进行比较论述。
本书研究的系统通常指由许多可能相互作用的组成部分构成的复杂系统。系统与体系之间的区别在于“聚在一起”的含义和重要性。当这些部分聚集在一起时，它们共同形成了体系的特性，这也是将体系描述为系统的原因。然而，体系比单一系统更大，因为体系的各个部分相互作用导致了新的涌现性的增强，有些组成部分即使满足功能需求，也被认为与体系本身分离。复杂系统与体系的对比如表1.4所示。
表1.4 复杂系统与体系的对比
续表
根据调研分析，体系与系统的主要区别是其形成的目的不同。系统的形成是为了完成或实现某种具体的功能，是以功能为导向的；而体系的形成则是为了完成或实现某种特定的任务使命，是以任务为导向的。因此，体系也表现出了一定的松耦合性、组成系统边界模糊性，以及根据任务使命的改变进行灵活调整与重组的特性，而系统则表现出紧耦合的特性。
信息物理系统（Cyber Physical Systems，CPS）是复杂分布式系统、物联网、移动互联网、大数据、云计算、工业控制等技术融合的产物，是一个综合计算、网络和物理环境的多维复杂系统。CPS的应用领域涉及航空航天、石油化工、电力电网、公路与轨道交通、先进制造等民用和军用关键基础设施领域。“信息物理系统”一词最早由伯克利大学的研究人员在2006年提出。CPS的概念可以定义为利用传感器和通信渠道收集物理环境中的信息，并通过控制器分析这些信息，再通过制动器对物理环境和相关过程进行影响，从而实现操作过程中的明确目标。CPS是一种特殊的机电一体化系统。与传统的机电一体化系统相比，CPS不仅包括集成组件与子系统，还可以和其他CPS互连。
自CPS概念作为一个基于系统科学的抽象概念被提出以来，专家学者根据各自领域的知识赋予了它诸如“网络化”“分布式”“复杂”等特征属性。通常人们认为，CPS是一种“在环境感知基础上，深度融合了计算、通信和控制（3C技术）能力的可控、可信、可扩展的网络化物理设备系统，它通过计算进程与物理进程相互影响的实时反馈循环实现信息世界与物理世界的深度融合与实时交互”。CPS的典型逻辑架构包含物理层、网络层和决策层三个层面，因此它被视为典型的“System of Systems”。与一般系统不同，CPS具有独有的特征，主要体现在信息物理高度融合、系统功能交互涌现、动态结构自主演化、内外状态深度感知、网络实时适应控制等方面。未来CPS的发展仍将关注其在不同系统间协同处理、CPS建模与模型融合、CPS集成、CPS验证与测试等方面的诸多挑战。
目前，CPS已经在多个领域得到广泛应用和发展，包括汽车系统、航空电子系统、国防系统、制造系统、过程控制系统、交通监控系统、海事系统，以及机器人技术、智能医疗设备、智能家居应用等。学者们通常将CPS的应用分为以下三大类（尽管这些类别之间可能存在重叠）：
（1）自主CPS，包括工业化先进机器人和自主导航系统等。
（2）网络化CPS或信息物理体系，这些是大型分布式系统，例如智能电网和铁路系统等。
（3）工业自动化和控制系统，主要应用于石油天然气工业、核工业等需要进行物理过程控制的领域。
通过对现有各国科研机构及学者的观点进行全面系统的研究，在工业和信息化部信息化和软件服务司、国家标准化管理委员会工业标准二部指导下，由中国电子技术标准化研究院和中国信息物理系统发展论坛组织编写的《信息物理系统白皮书（2017）》中对CPS进行了明确的层次分析和定义，并将CPS分为三个层次，即单元级、系统级和体系级（SoS级），如图1.2所示。
图1.2 《信息物理系统白皮书（2017）》中的CPS层次定义
体系级CPS是在系统级CPS的基础上，通过构建CPS智能服务平台，实现系统级CPS之间的协同优化。在这一层级上，多个系统级CPS构成了体系级CPS，例如在实际的生产制造中，多条生产线或多个工厂之间的协作，可以实现产品生命周期全流程和企业全系统的整合。
综上所述，体系也在一些领域的研究中被视作一种特殊的CPS。针对CPS和体系的研究应在思路和目标上有所区别。体系的研究侧重于探索其核心任务使命、架构及其所能展现出的涌现性现象。而通常情况下，对于CPS的研究则侧重于关注信息收集、软硬件开发、信号处理和算法优化等方面。
1998年和1999年， Nature 与 Science 上分别发表了一篇关于复杂网络的重要文章，揭示了许多实际网络具有既不同于规则网络也不同于随机网络的共同拓扑统计性质，即“小世界性”与“无标度性”。“小世界性”描述了实际网络系统的平均节点间距离远低于规则网络，而平均集群系数远高于随机网络，表征了一部分基本单元间相互作用的远程性、跳跃性和随机性；“无标度性”描述了实际网络系统节点度分布的幂率特性，表征了一部分基本单元建立相互作用的“优选”（或称为“富者更富”）法则。这两篇文章深化了物理学家们关于“复杂性介于规则和随机之间”的理解。这些研究成果不仅在数学、物理学、计算科学、管理科学、系统科学和社会科学等学术领域引发了广泛讨论，也在交通运输、通信工程、能源传输等应用科学领域引起了研究热潮。这些领域开始越来越多地利用复杂网络理论来解释和优化实际系统的结构和功能，推动了科学研究和应用技术的深入发展。
现实世界的很多高度技术化、高度智能化的系统都可以抽象为网络结构，如现代交通系统、智能电网系统、互联网系统等。实际上，人们将现实世界的许多系统看作网络由来已久，并且在上百年前就已经有学者运用数学的一个分支——“图论”对这些系统进行研究。这些系统为技术进步和人类生活带来了巨大便利和革新，然而复杂网络系统也面临着重要的挑战，其中最突出的是其风险与安全性问题。在一个网络系统中，局部的危险、故障或扰动可能通过多米诺效应、级联影响或涟漪效应迅速传播至整个网络，造成大规模灾难。在过去的十几年中，许多事实都证明了这种问题确实存在，且已经对人类生命财产造成了巨大的威胁，如2003年美国东北部大规模停电事故、2003年的SARS病毒蔓延、2008年全球金融危机以及近几年的新冠疫情等。此外，除了网络系统自身的拓扑结构，诸如系统组件节点的异质性、内部交互功能与规则、放大效应、自愈性和多反馈回路等因素，也使得系统表现出复杂的非线性、动态和自适应行为。这些因素共同对系统在面对危险、故障和扰动时的应对能力提出了严峻挑战，直接影响系统的稳定性和性能。因此，现代系统的互动特性及其随时间演变的规律已远超出了简单的图论描述范畴。有效解决复杂网络系统在风险与安全性方面的挑战，需要综合运用复杂网络理论、网络科学、可靠性工程、系统安全科学以及风险管理理论等多学科研究方法。同时，随着信息技术的广泛应用，系统之间的联系和交互变得更加频繁与紧密。在这一背景下，无论是在交通、科技、生态、航空、航天、能源、军事等领域，还是在国家安全和社会经济领域，体系与复杂网络都已经成为新的研究热点。网络科学专注于分析复杂网络的特性，并涉及复杂网络建模、网络结构设计、网络性能优化以及复杂网络的定性与定量评估等方面。当前，军事科学领域对复杂网络的研究主要集中在攻击策略、算法和作战模型上。例如，自2004年以来，谭跃进等学者基于复杂网络理论进行了对装备体系重要性、抗毁性和贡献度的相关研究。同年，Cares等人利用复杂网络理论构建了信息作战模型，将战场兵力抽象为决策、传感器、响应和目标四种节点，并根据节点之间的关系构建关系环和影响环，进行复杂网络特性分析。此外，许多学者还将复杂网络理论应用于体系对抗仿真中，通过对装备体系结构进行网络抽象，建立仿真分析模型，并评估网络的度、介数和聚类系数等复杂网络指标，赋予这些指标军事领域的物理意义。这种通过仿真建立装备体系的网络模型并分析其复杂网络特性的方法，对研究装备之间的关联关系及其影响具有重要的借鉴意义。
正如复杂网络研究的先驱之一Barabási在第三届国际网络科学大会上所强调的，“在我们弄清楚系统各组成部分的连接关系之前，我们不可能完全理解复杂系统”。这里所讲的复杂系统指的就是体系，即System of Systems。利用复杂网络理论对装备体系的建模与描述，是从装备体系结构与拓扑特性出发，分析体系中各组成系统之间的关联关系及其对体系能力和效能的影响。越来越多的学者开始关注体系工程与复杂网络，并运用复杂网络理论方法来研究体系工程相关问题。复杂网络理论也成为解决装备体系相关问题的重要方法，应用复杂网络理论对装备体系结构所具有的网络特性进行研究，对分析其可靠性、安全性、抗毁性及韧性等都具有重要意义。