网络组织的复杂性研究
网络组织的复杂性研究

网络组织的复杂性研究摘要网络组织是一种适应知识社会、信息经济和组织创新要求的新型的组织模式,是一个伴随环境演进的复杂系统。
本文在分析网络组织含义与类别的基础上,从网络组织环境的复杂性、不确定性,网络组织结构的复杂性,网络组织的动态性、自相似性、自组织性、自学习性等方面研究网络组织的复杂性特征。
关键词网络组织复杂系统复杂性组织科学1 引言我们生活在一个复杂性不断加剧,制度秩序正在消散的世界里。
无穷的变化在我们身边发生,我们必须面对混沌的场景,组织科学也要面对混沌的冲击。
“将充满交互作用的客观世界描述为一个线性的模式,每个词语仅有一个含义,预测、控制是极其重要的概念”,这样的管理理念正面临挑战。
复杂性科学提供了一个新的研究视角:复杂性理论对传统管理假设提出了挑战,人类活动要考虑突现行为的可能性。
在对突现行为的研究中,复杂性科学和组织科学走到了一起[1]。
复杂性研究学者、组织科学家对复杂科学在管理、组织的中的研究颇感兴趣,这方面的研究方兴未艾,仅1998年就有十几个会议和论坛以复杂性与管理为主题,1999年,关于复杂性与组织管理的电子刊物出版,并组织了几次相关学术会议。
SFI也将组织管理复杂性研究作为主要方向之一。
Hatch and Tsoukas指出:解释性的组织研究方法经常向传统组织观点提出挑战,并与复杂理论的研究新发现相互呼应[2]。
其他一些专家[3][4][5]也指出:复杂系统与组织系统都具有如下的共同特征:A原因与结果之间没有固定联系;B 分形特征:度量结果与所选取刻度有关,概念含义具有不确定性;C 复杂系统在不同的度量尺度间存在循环或递归性质,容易产生迷惑;D 对初值敏感:系统具有不稳定性和易变性;E 系统充满反馈环,具有潜在的分叉点,并遵循突现行为规律。
社会、经济、技术的发展变化使组织面临一个复杂、多变、混沌、不确定的环境,从而要求组织对来自环境的变化作出反应。
若把组织定义为:具有不同偏好、信息、利益和知识的个体与团体的协调行为构成的系统[6],则组织管理者的中心任务为促进冲突向合作的平滑转换,而这些组织成员具有的共同的语言(协议)和共同的观点(目标、价值观、文化)会使转换有益,并通过合作取得更好的效果。
系统科学视角下的复杂网络研究

系统科学视角下的复杂网络研究狄增如【摘要】系统科学在科学研究方法论的层面上要求我们从还原论走向系统论,其关注的核心科学问题是复杂系统的涌现性.复杂系统的涌现性通常是指系统通过个体之间的非线性相互作用,可以在宏观层次上出现新的时空结构和功能.通过对各个领域复杂系统宏观涌现行为的研究,抽象出具有普适性的一般规律,是认识系统复杂性的基本途径.而复杂网络作为刻画系统相互作用的基本工具,是构建系统模型、研究系统性质和功能的基础.%From the view point of systems science, the scientific methodology should go beyond reductionism, to adopt systematic methodology. As the theoretical foundation of systems science, systematology should be developed based on the deep research on the emergent properties of complex systems. Emergent property is an important topic in complexity research. It concerns about the emerging of global spatial-temporal structure and function in complex systems. It is believed that the self-organization of individual agent through nonlinear interaction is crucial to the emergence of global collective behavior at macroscopic level. The basic approach for understanding complexity is to investigate the universal laws that determine the emergent behaviors in variant complex systems. Complex networks, as the basic approach to characterize the interaction among components of the systems, are the basis for modeling the systems and understanding the properties and functions of the system.【期刊名称】《上海理工大学学报》【年(卷),期】2011(033)002【总页数】6页(P111-116)【关键词】复杂系统;涌现性;复杂性;复杂网络;系统学【作者】狄增如【作者单位】北京师范大学,管理学院,北京,100875;北京师范大学复杂性研究中心,北京,100875【正文语种】中文【中图分类】N94经过上个世纪一百年的发展,科学技术取得了飞速进步,人类对于自然和生命的奥秘获得了丰富而深刻的认识.这些科学成就的取得在很大程度上有赖于还原论的科学研究方法.还原论是近现代科学研究的基本方法论.当人们希望了解研究对象的性质和规律时,通常采用分析的方法,先将认识对象拆分还原成更基础的部分,了解每部分的结构属性,再试图由部分出发综合推演出整体的属性.这种化复杂为简单的方法,适应并推动了20世纪科学研究的发展,许多对世界产生重大影响的发现都源自于这种基本的方法论.例如,对于物质结构和生命奥秘的认识就经历了这样一个典型的认知过程,从分子到原子再到更细微的基本粒子,从个体、组织器官、细胞到DNA.事实上,除了以上物理和生物所代表的自然科学领域外,还原论已经影响了并正在影响着许多领域的科学研究工作.随着科学技术的进步,还原论的局限性也逐渐凸现出来,人们越来越深切地意识到,对于系统基本结构单元的性质和规律的了解并不能让我们全面地理解系统的行为.例如,仅仅基于细胞的知识我们不可能理解组织器官的功能,生命整体本身并不只是生命物质的简单组合.进入21世纪以来,对于社会和生命奥秘的探索使人们越来越认识到整体论和系统论的重要性.在这一科学发展趋势下,复杂性研究发展迅速并被认为是新世纪的前沿科学.复杂性研究的对象是复杂系统,它关注系统的演化行为和涌现性质,并致力于挖掘其中所存在的具有共性的基本规律.科学家们普遍认为,整体和系统的世界观和方法论应该真正进入到科学研究当中.尽管整体的世界观在中国古代哲学和古希腊罗马哲学中都有所体现,但现代系统论的形成一般公认为始于贝塔朗菲的著作《关于一般系统论》[1].整体论只是强调了世界是动态统一的观点,主张从整体上研究系统随时间的动态行为,而系统论对整体动态行为的认识是建立在了解系统内各部分之间相互作用关系的基础上的,关注整体与部分的关系.从这个意义上说,系统论是还原论和整体论的有机结合和辩证统一[2].科学方法论从还原论向系统论的变迁是建立系统科学学科体系的基础,我们所面临的问题是:如何在系统论这一基本科学方法论的基础上,结合网络科学的研究进展,深入开展对复杂系统和复杂性的研究,推动和促进系统科学的发展.1 系统科学与复杂性研究1.1 系统科学的学科体系20世纪末,钱学森院士提出了现代科学技术的九大学科部类体系,由此确立了系统科学体系的框架[3],使系统科学走上了全面发展的新阶段.在这个体系中,系统科学作为在系统论基础上发展起来的新兴学科,被认为是与数学、自然科学、社会科学等相并列的一个基础学科门类,它是从整体与局部的关系角度来研究客观实际的.在钱学森院士和其他专家学者的共同推动下,国务院学位委员会于1990年增列系统科学为理学门类中的一级学科,推动了系统科学学科建设在全国范围内的发展.目前,系统科学还没有一个明确的大家普遍接受的定义,但在其研究范畴和研究目标上大家都有基本的共识.中国科学院在《1999科学发展报告》中指出:系统科学是自然科学与社会科学的基础学科.不同于工程、管理等学科领域对具体工程或管理问题的关注,它关心涉及复杂系统性质和演化规律的基本科学问题,试图通过对生命生态、资源环境及社会经济等具体系统演化过程中关键问题的研究,揭示复杂系统所具有的一般性规律,研究复杂系统宏观层次上的涌现性行为、系统性质和功能的智能控制等科学问题,并促进对具体系统的认识.简言之,系统科学是探索复杂系统基本规律及其相关应用的新兴交叉学科.按照钱学森院士对现代科学技术体系的划分,任何学科都可分成基础理论、技术基础和实际应用3个层次.对系统科学而言,基础理论层次的内容是系统学或称作系统理论,技术基础层次的内容包括运筹学等理论方法,实际应用层次则是各种各样的系统工程.建立系统学,是发展技术、开展实际应用的基础.系统学目前还未形成完整的理论体系,我们认为,近年来兴起的复杂性研究是构建系统学理论体系的一个很重要的途径.复杂性研究关注复杂系统在时间演化过程中所表现出来的丰富多彩的性质和行为,及其背后存在的具有共性的基本规律,特别是复杂系统的涌现性性质.它涵盖了大脑、免疫系统、细胞、蚁群、互联网、金融市场及人类社会等具体领域,是21世纪基础科学发展的一个重要方向.《Science》杂志在1999年就曾发表专辑阐述了复杂性研究对众多学科的可能影响[4].由于探索复杂性所形成的理论和分析方法在解决复杂系统问题上的前景和威力,复杂性科学还被众多科学家誉为“21世纪的科学”[5].1.2 复杂系统与涌现性复杂性研究的对象是复杂系统,它不以系统的物质属性进行区别,广泛涉及到生命、生态、气候气象、资源环境、人口和社会经济等领域.复杂系统在目前也还没有一个被大家公认的科学定义.我们认为,系统复杂与否通常由系统中所包含个体的数量(系统的自由度)以及个体之间的相互作用形式两个因素共同决定.简单系统包含少量的个体,个体行为受已知的规律支配,且相互作用是线性的,单摆就是其中典型的例子.需要注意的是,即使对于小自由度的系统,当系统中存在非线性的相互作用时,它也可以表现出混沌等复杂行为.当系统包含大量的个体,但个体之间的关系为线性、简单、机械的相互作用时,可以称之为复杂的系统(complicated system,或称组合系统),理想气体是其中典型的例子.系统虽然包括大量的行为相近的气体分子,但分子之间除了完全弹性碰撞外,不考虑任何其他的相互作用.此时,可以通过简单的统计平均的方法来研究系统的行为.另一个例子是波音飞机,它包含了三百多万个部件,但每一个部件受已知的、机械的规律支配,具有明确的功能.通常,在外界环境改变时,复杂的系统只能对有限的改变做出响应.典型的复杂系统(complex system)不仅包含大量的个体,而个体之间的相互作用是非线性的.另外,复杂系统的另外一个典型特点是系统中的个体可以具有一定的自适应性或学习能力,例如,组织中的细胞、股市中的股民、城市交通系统中的司机及生态系统中的动植物等,这些个体都可以根据环境或其他相互作用关系的变化而调整自己的行为甚至是行为规律.显然,系统的复杂性并不一定与系统的规模成正比,复杂系统需要具有一定的规模,但不一定规模越大越复杂,非线性的相互作用以及个体的适应性是决定系统复杂性的重要因素.复杂系统这一概念可广泛应用于自然和社会各领域.一般来说,复杂系统往往是由大量具有非线性相互作用的个体组成,其突出表现是:在没有中心控制和全局信息的情况下,仅仅通过个体之间的局域相互作用,系统就可以在一定条件下展现出宏观的时空或功能结构,在新的层次上涌现出具有整体性和全局性的性质和功能,这就是所谓复杂系统的涌现性.复杂系统所涌现出来的宏观全局行为,不管其复杂与否,都表现为在个体的微观层次上不可能出现的、系统的整体行为.在这里应该强调的是,非线性的相互作用对于系统宏观行为的出现至关重要,它使得系统的整体行为不能通过个体行为的简单叠加而获得.复杂系统在空间上经常包含不同的尺度,其结构也往往具有多种层次,不同尺度和层次所面临的问题各不相同,不同尺度和层次之间的关系复杂多样,非线性因素的存在使得大尺度上的问题不能简单地通过小尺度的叠加而获得解答,高层次上涌现出来的性质也不能直接从低层次性质得到解释,因此,复杂系统研究不能采取还原论的研究方法,而必须在了解个体行为及其相互作用机制的基础上,从整体的视角、利用系统论的研究方法来进行探讨.1.3 复杂网络与复杂性研究对于复杂系统的整体涌现性行为,必须针对具体系统应用动力学手段进行研究和探讨,这就需要刻画个体的动力学行为和个体之间的相互作用关系.前面已经提到,个体之间的非线性相互作用是决定系统复杂性的重要因素,所以,刻画系统中的相互作用关系对研究宏观行为意义重大.在已有的关于复杂系统的研究中,存在两种对相互作用关系的简化处理.a.全局相互作用.系统中任意一对个体之间都以同样的概率及机制发生相互作用.在这种情况下,在理论上可以用平均场的方法研究系统的涌现行为.b.规则的相互作用结构.例如,把个体置于一维链或二维晶格之上,此时可以用反应扩散方程等方法讨论系统的行为.在以上两种相互作用关系的近似中,个体都是平权的,个体之间的相互作用关系没有差别.显然,这一简化与许多实际系统,特别是生物和社会经济系统相去甚远.近年来倍受关注的复杂网络研究表明,大量复杂系统个体之间的相互作用关系需要用网络结构来描述,而这些网络结构存在着许多特殊的性质,例如,小世界性质、幂律度分布、不同的匹配关系及社团结构等[6].当人们知道相互作用结构对系统宏观行为具有重要影响时,复杂网络研究就成为理解复杂系统宏观行为的基础.大量包含多个体和多个体相互作用的复杂系统都可以抽象成为复杂网络,其中,每个个体对应于网络的节点,个体之间的联系或相互作用对应于连结节点的边.可见,复杂网络是对复杂系统相互作用结构的本质抽象.虽然每个系统中的网络都有自身的特殊性质,都有与其紧密联系在一起的独特背景,有自身的演化机制,但是,把实际系统抽象为节点和边之后就可以用统一、一致的网络分析方法去研究系统的性质,从而可以加深对系统共性的了解.总的来说,复杂系统的涌现性现象是具有整体性和全局性的行为,不能通过分析的方法去研究,必须考虑个体之间的关联和相互作用,从这个意义上讲,理解复杂系统的行为应该从理解系统相互作用的网络结构开始.所以,尽管复杂网络本身已经成为科学研究的一个重要领域,但它的重要意义和价值仍在于它是探讨复杂系统的基础,是理解复杂系统性质和功能的基础.2009年,《Science》杂志以复杂系统与网络(complex systems and networks)为主题,发表一集专刊[7],其中,Barabási教授的一段话很有启发意义,他指出,由于底层结构对于系统行为有着重大的影响,除非探讨网络结构,否则没有办法去理解复杂系统.2 复杂网络研究的现状与发展近年来,复杂性研究方兴未艾,已成为国际上科学研究的前沿和热点,许多著名的大学纷纷设立相关的院系及研究机构,研究者来自各个领域,包括物理学家、生态学家、经济学家、各类工程师、昆虫学家、计算机科学家、语言学家、社会学家和政治学家.一场关于复杂性研究的科学竞争已经在世界范围内展开.由于相互作用的网络结构是理解复杂系统性质和功能的基础,与具体系统性质相关的网络科学问题,应该是今后探索复杂性的一个重要方向.2.1 复杂网络研究的基本内容1998年,Watts和Strogatz提出小世界网络模型,指出少量的随机捷径会改变网络的拓扑结构,从而涌现出小世界的效应[8];随后,Barabási提出了无标度网络概念,解释了增长和择优机制在复杂网络自组织演化过程中的普遍性和幂律的重要性[9];而Kleinberg则从网络的可导航性入手,解释了如何能够利用局部信息去寻找网络中的最短路径[10].在这些开创性的工作基础上,经过众多科研工作者前瞻性工作的推动,复杂网络已经成为科学研究特别是复杂性研究的一个重要领域.大量包含多个体和多个体相互作用的系统都可以进行网络抽象,其中,每一个个体对应于网络的顶点,个体之间的联系或相互作用对应于连结顶点的边.复杂网络描述中最简洁的是只包含点和边的二元无权网络,它给出了顶点之间的相互作用存在与否的定性描述,而这种定性描述反映了相互作用最主要的信息.网络描述方法已被广泛应用于实际系统的研究,例如,神经元网络、食物链网络、Internet网络、WWW网络以及人与人之间交往的社会网络等,研究结果加深了对这些具体系统的理解,并且提出了一系列新的概念和分析方法.总体上说,复杂网络研究包括以下主要内容:a.如何定量刻画复杂网络?通过实证分析,了解实际网络结构的特点,并建立相应概念刻画网络结构特征,同时,拓展网络描述的维度,例如,研究加权网络、关心网络的空间结构性质,研究超网络等;b.网络是如何发展成现在这种结构的?建立网络演化模型,理解网络结构的产生和涌现;c.网络特定结构的后果是什么?探讨网络结构与功能的关系,从系统科学的角度看,这是网络科学的核心议题,与理解系统性质紧密联系在一起.所谓系统功能往往与网络所实现的动力学行为和过程相关,如新陈代谢网络上的物质流、食物链网络上的能量流、Internet网络上的信息传播及社会网络上的舆论形成等,所以,研究网络上的各种动力学过程是探讨结构与功能之间关系的主要途径;d.在以上知识和理解的基础上,利用网络结构控制和优化系统功能.由于近十年来网络科学与工程研究的纵深发展,复杂网络与复杂性研究之间相辅相成、相互促进的发展态势已经逐渐形成.在2009年《Science》杂志发表的主题为复杂系统与网络的专辑中[7],学者们回顾和展望了复杂网络研究的进展,在未来可能的发展方向中,解开生命之网、分析社会生态系统、经济网络、技术社会系统的行为都被列为复杂网络研究发展的方向;而在世界各国确定的复杂性研究路线图中,复杂网络作为探索复杂性的重要工具,也被提高到很重要的位置.从网络结构的层面,理解生命、生态、社会及经济等复杂系统的性质,应该是未来复杂性研究的重要方向.2.2 系统科学与复杂网络研究的相互促进发展系统科学已经成为世界科学技术发展的大趋势,而针对复杂系统涌现性的复杂性研究,是建立系统学、并进而发展系统科学的技术基础和工程应用的重要途径.目前,国际国内进行复杂性研究的工作都是针对具体系统进行的,寻找复杂系统的一般规律可以说还任重而道远.我们认为,这是建立和完善系统科学学科的一个必不可少的阶段.首先,由于复杂系统的特征如不可逆性、涌现性、敏感性和路径依赖等表现出了很强的普适性,我们相信其中一定存在着普适的、制约不同系统演化的基本规律,这是建立系统学的基础;其次,通过从理论到理论的途径很难直接产生理论的成果,普适的规律一定是通过对各种各样的具体系统的深入研究而获得的,这就要求我们一定要走进去,准确把握相关系统的概念,深入细致地了解系统的性质;第三,在准确把握概念和性质的基础上,对具体系统的研究不能落入已有思想和方法的樊篱,要注意应用系统方法论研究相应的复杂性问题;第四,在获得具体系统的成果后还一定要注意挖掘规律的普遍性,注意通过对具体系统的研究提炼具有普适性的规律,通过对不同系统的研究促进对复杂性本身的认识,从而对建立系统学做出贡献.事实上,国际国内探索复杂性的研究路线基本上都是以首先解决具体系统中的科学问题为切入点的.结合2006年欧洲制定的复杂系统研究路线图,以下主题领域值得大家关注[11].a.自然系统中的涌现:集体行为和远离平衡态的涨落,包括复杂物质的自组织和时空动力学,多层次和多尺度系统的建模,多尺度动力系统中瞬态现象的分析、不同的涌现形式和形态的稳定性的描述和定位、亚稳态材料和玻璃态动力学等.b.理解生命,包括计算生物学和系统生物学、认识大脑,从分子、细胞、生理及生态等各个层次全面地理解生命的奥秘,具体问题如重建细胞成分的多尺度时空动力学,整合新陈代谢、分子动力学和基因网络动力学,研究多细胞生物体的多尺度动力学,个体生理机能及其与环境的交互关系,模拟生物多样性、功能性和生态动力学之间的关系,揭示进化机制等.c.社会与环境系统,包括计算社会学及经济学,具体问题有理解个体认知和群体行为,基于网络重建的集体智力过程,经济与金融网络以及危机的产生与扩散,环境、生态与社会经济的耦合演化,理解认知与创新的关系、模拟创新及其规律等. d.网络与技术系统,特别是与信息技术与Internet发展相关联的科学问题,包括基于网络的信息挖掘与信息扩散,网络分布式计算方法,WWW网络与虚拟社会,基于网络重建的集体智力过程等.e.人工复杂系统.模拟和仿真是研究复杂系统的重要工具,是分析、模拟和调节自然的、社会的复杂系统的途径,同时,也成为复杂性研究的重要对象.具体对象和问题包括:软件系统,人工智能和模拟神经的机器人技术,从社会性昆虫中受到启发的群体优化,进化机器人,免疫或受社会启发的计算机安全技术等.在这些具体问题的研究中,由于网络结构对于系统的性质和功能有重要影响,网络分析方法可以用来探索实际系统性质中的一些重要问题:a.找出网络中关键的结构和连接.b.了解网络中重要的动力学过程.例如,要搞清楚金融危机扩散的过程就要了解网络中节点和连边的动力学过程以及级联传播的影响.c.复杂网络的计算机模型具有预测的功能.例如,经济金融网络中某些政策的改变可能导致网络规模和结构的变化,并进而影响系统性质.d.网络结构与动力学分析是优化复杂网络系统设计和控制的基础.例如,可以弱化金融网络中的级联效应、优化电力网中输运能力的分配等.同时,社会网络和经济金融网络以及其他类型网络的耦合相互作用也是至关重要的.要实现探索复杂性与复杂网络研究的有机结合,达到理解、设计和控制网络系统的目标,复杂网络研究需要从以下4个方面深入展开:重建网络;理解网络结构;理解网络动力学;判断、设计和控制.这4个研究主题的具体研究细节包括:a.重建网络.网络的拓扑结构是研究网络行为的前提.但许多实际系统中的网络规模很大并且很复杂,往往人们不能直接测量其网络结构.因此,如何从个体单元行为重构复杂网络结构成为了近年来的研究焦点,受到越来越多的关注.重构或推断复杂网络结构作为复杂网络研究的“反问题”,比研究网络结构对动力学的影响更具挑战性,而在生物、信息及社会经济等各领域内的研究还处于探索阶段.b.理解网络结构.人们已经建立了许多在顶点层次和全局层次刻画网络结构的概念和方法,但是,网络结构的层次性迫切要求我们能够在介观或中观层次刻画网络结构的特点,需要发展将网络结构分解成不同层次的分析方法,例如,评价大网络特征谱的可扩展方法,发展寻找网络社团结构和核心骨架结构的方法.c.理解网络动力学.讨论的网络结构是研究网络动力学的基础,而网络动力学是研究系统功能的重要手段,目的是在变化的条件下(稳态时和网络演化时)理解网络的行为.网络结构是如何与网络动力学耦合到一起的?如何测量和探讨随着网络增长的行为变化?突变行为也是复杂网络动态的特点之一,研究稳态条件和理解相变非常必要,而捕捉产生这些变化的非线性相互关系应成为网络建模的重要组成部分.d.判断、设计和控制.网络建模和模拟的最终目标是发展理解和控制网络系统、改善系统功能,这个目标的实现依赖于上述3个方面的研究.其中,一个研究线路是把修改网络操作的动力学也引进系统演化行为中,系统可以在线学习并修改网络,以控制和改进系统的性质和功能.3 结束语明确的系统科学学科体系,使系统科学在我国具备了独特的发展基础和优势,同时,探索复杂性也已经成为我国科技发展的重要领域.2004年,中国科学院在基础研究中长期规划中,确定复杂系统研究为14个重点领域之一.国务院2006年发布的《国家中长期科学和技术发展规划纲要》多次论述了系统科学和交叉学科,明确指出“复杂系统、灾变形成及其预测控制”是面向国家重大战略需求的基础研究,要求“重点研究工程、自然和社会经济复杂系统中微观机理与宏观现象之间的关系,复杂系统中结构形成的机理和演变规律、结构与系统行为的关系,复杂系统运动规律,系统突变及其调控等,研究复杂系统不同尺度行为间的相关性,发展复杂系统的理论与方法等.”可见,系统科学和复杂性研究以及交叉学科对我国中长期科学发展的重要意义已经逐渐被大家所认识接受.探索复杂性与网络研究相结合,关注网络结构对于系统性质与功能的影响,是推进复杂性研究的重要途径.这需要我们将理论探索与具体领域的研究紧密结合起来,一方面利用系统科学的思想、方法和工具研究经济、资源环境、生物及计算机系统等领域中的相关问题;另一方面注意从具体问题中提炼具有共性的规律性的东西,研究系。
网络分析:探索和理解复杂网络的结构和行为

网络分析:探索和理解复杂网络的结构和行为"网络如此之复杂,仿佛是一张错综复杂的蜘蛛网。
我们如何理解和探索这些复杂网络的结构和行为呢?网络分析就是我们的绳索和放大镜。
让我们一起来了解网络分析的概念、方法和应用吧!"网络在现代社会中无处不在,它连接了人与人,企业与企业,甚至是机器与机器。
不仅仅是互联网,我们生活中的各个方面都有着网络的存在。
这些网络承载着巨大的信息和互动,它们的结构和行为有时候又如此复杂和难以理解。
面对这样的复杂性,人们需要一种方法来解析和理解网络的结构和行为,这就是网络分析。
什么是网络分析?网络分析是一种通过数量化和视觉化网络中的关系、结构和特征的方法,以探索和理解网络的功能和行为。
它基于数学、统计学和计算机科学等多个学科,旨在揭示网络中的隐藏模式和规律。
在网络分析中,重点研究的对象是节点(节点可以是人、企业、网页等)和边(边表示节点之间的连接关系)。
通过分析节点之间的连接关系和属性,我们可以揭示出网络的结构和行为。
例如,我们可以通过分析社交网络中的节点连接模式来了解人际关系的特征;通过分析链路网络中的节点之间的传播过程来研究信息传播的规律。
网络分析的方法和工具要进行网络分析,我们需要使用一些方法和工具来处理和解读网络数据。
下面是一些常用的网络分析方法和工具:1. 数据收集和预处理网络分析的第一步是收集网络数据。
网络数据可以是社交媒体的用户关系、互联网页面之间的超链接、物流网络中的货物流动等等。
一旦收集到数据,我们需要对其进行预处理,例如去除噪声、处理缺失值和异常值等,以确保数据的质量和可用性。
2. 可视化可视化是网络分析中的重要工具,通过可视化可以将复杂的网络结构转化为直观的图形展示。
通过节点和边的位置、大小、颜色等属性,我们可以更好地理解网络的拓扑结构和连接关系。
常见的网络可视化工具包括Gephi、Cytoscape等。
3. 社区发现网络中的社区是节点的集合,这些节点之间的连接更加密集,而与其他社区之间的连接相对稀疏。
复杂网络的结构与演化机理研究

复杂网络的结构与演化机理研究现代社会,人们生活在不断互联互通的网络中。
网络拓扑结构的研究和分析已经成为计算机科学、物理学、社会学等多个学科的交叉领域。
复杂网络便是其中一种研究的主要对象。
复杂网络较之简单网络,更为普遍和广泛,它是一种具有复杂拓扑结构,呈现出高度复杂性、鲁棒性和自组织性的系统,已经在现实世界的许多领域中得到了广泛的应用和研究。
本文将主要介绍复杂网络的结构和演化机制。
一、复杂网络的结构1.1. 随机网络结构随机网络是由很大的数量的节点和随机连边的拓扑结构所构成的网络。
这种网络的性质具有随机性,因此,节点的度数分布非常广泛。
正因为这种特性,随机网络的强健性极差,遭受外部攻击时容易瘫痪。
随机网络是复杂网络中最为简单的拓扑结构。
1.2. 规则网络结构规则网络表示的是一个节点和它的几个邻居节点之间存在固定的联系。
这种网络拓扑结构的性质表现出周期性。
规则网络的灵敏度是比较低的,随着节点数量的增加,其强健型也逐渐加强。
1.3. 无标度网络结构无标度网络是一种有特定数量节点,而且这些节点度数的分布不是均匀或随机的。
这种性质使无标度网络比其他网络拓扑结构更为复杂。
最值得注意的是,无标度网络对于节点的关键性质是十分敏感的。
一些节点的失效容易导致整个网络的崩溃。
二、复杂网络的演化机制2.1. 优先连接优先连接可以被看作是贵族效应的体现。
即网络中较有权威的节点(即度数比较高的节点)可以更容易地获得新的联系。
这导致了一些节点一开始就比较容易从随机网络中脱颖而出,和其他社区难以联系。
2.2. 调整和稳定网络的调整和稳定过程是一个非常重要的演化机制。
网络中的节点常常会因个人利益及其它因素进行策略性的连边。
如果没有稳定机制对这种操作进行限制,网络中连接将逐渐趋近于随机化,从而失去一些重要特性,例如社区结构。
节点对其他节点进行更改其邻边操作,这个操作将在适当时间被调整,同时维持网络的聚类,便是调整和稳定的重要机制之一。
面向大数据的复杂网络分析技术研究

面向大数据的复杂网络分析技术研究随着大数据时代的到来,我们面临着海量数据的处理和分析任务。
其中,网络数据是一个非常重要的部分,因为在网络中很多事物都是相互关联的。
比如,在社交网络中,人与人之间的关系可以被看做是一张大网,节点之间相互关联,形成一个复杂网络。
因此,对于任何一个大数据分析系统来说,复杂网络分析技术是必不可少的。
一、复杂网络的定义和特点复杂网络是指节点之间存在多种关系、节点之间的连接是非随机的、网络的结构是具有自组织和演化特性的一类网络。
从图论的角度看,复杂网络是一个由节点和连接组成的图,其中节点代表网络中各个元素,连接代表它们之间的相互作用或联系。
复杂网络具有以下特点:1. 多关键元素:在一个复杂网络中,节点之间的连接可以是不同类型的,不同类型的节点或连接可能对整个网络的形态和演化具有重要的影响。
因此,对于复杂网络的分析来说,需要在不同维度上考虑网络的各个元素和它们之间的相互作用。
2. 非线性特性:复杂网络中的节点之间往往存在非线性的相互作用关系,这种非线性特性使得网络的演化很难预测和控制。
3. 小世界特性:复杂网络中相邻节点之间的距离比较短,网络的直径比较小,这种特性被称为“小世界”特性。
4. 簇结构:复杂网络中存在着聚集在一起的节点,这些节点之间形成了簇结构,体现出了网络的自组织特性。
二、应用场景复杂网络的应用涉及到各个领域,比如社交网络、生物网络、交通网络和电力网络等。
在社交网络分析中,复杂网络可以用来研究人际关系网、意见领袖、网络舆情等方面。
在生物网络研究中,可以通过对蛋白质、基因或细胞之间的相互作用进行网络建模,来研究生物体系的复杂性和结构特点。
在交通网络中,可以通过对城市道路、公共交通等系统进行建模,来优化交通流,提高交通安全性和效率。
在电力网络中,则可以通过对电力系统进行建模和分析,来提高电网的稳定性和安全性。
三、复杂网络分析技术对于复杂网络的分析来说,需要考虑很多方面的因素,例如网络的拓扑结构、节点的属性、网络的动态演化等。
科研合作网络的复杂性与群体性质分析

科研合作网络的复杂性与群体性质分析科研合作网络是由一群研究者为了共同解决某个问题而建立的一种网络结构。
在这个网络中,每个研究者都会根据自己的专业领域和研究方向对问题做出独特的贡献。
这些贡献通过科学方法和技术互相交流和融合,最终形成一个解决问题的整体方案。
科研合作网络既有复杂性,又有群体性质,这些性质与网络的结构、演化和结果均息息相关。
科研合作网络的复杂性主要表现在以下几个方面。
一、多维度复杂性。
科研合作网络中每个节点(研究者)都会有自己的研究方向和专业领域,网络中的连接关系也是多维度的。
这种多维度的复杂性带来了挑战,使得科研合作网络的结构和演化过程都比较复杂。
同时,研究者的社交和人际关系也会影响科研合作网络的形成和演化。
二、非线性关系。
科研合作网络中,每个研究者的贡献对网络的整体性能有着不同的影响。
这种非线性的关系使得科研合作网络的演化具有很大的不确定性和复杂性。
有些研究者的贡献对网络的整体性能有巨大的影响,而有些则没有。
三、动态变化。
科研合作网络是一个动态变化的过程。
研究者的进入和退出会影响网络的结构和演化。
同时,研究本身也是一个不断发展和变化的过程。
因此,科研合作网络的结构和演化也是一个动态变化的过程。
群体性质是科研合作网络的另一个重要特征。
科研合作网络的群体性质主要体现在以下几个方面。
一、协同性。
科研合作网络是协同合作的结果,每个研究者的贡献都会对整个网络的协同效率产生影响。
通过群体的协作,可以更加有效地解决研究问题,提高研究效率。
二、创新性。
科研合作网络中,每个研究者都有自己的研究方向和专业领域。
他们通过交流和协作,可以互相启发,产生新的研究方向和创新思路。
因此,科研合作网络通常具有较高的创新性和发展潜力。
三、共享性。
科研合作网络中的研究成果通常是共享的。
这种共享有利于新知识的传播和应用,同时也为研究者提供了更多的研究机会和合作伙伴。
四、信任性。
科研合作网络中的研究者通常会建立起一定的互信关系。
复杂网络概述
大家好
26
三、复杂网络的结构模型
小世界网络
大家好
27
三、复杂网络的结构模型
小世界网络
C(p) : 平均聚集系数 L(p) : 平均最短路径
大家好
28
• 算法来源
PageRank算法
通过人工进行网页 分类并整理出高质 量的网站
计算用户查询关键 词与网页内容的相 关程度来返回搜索 结果
大家好
29
大家好
34
作战体系节点重要性分析
机械化战争时代, 在通信手段和 指挥控制手段受限的情况下, 作 战体系, 形成了一种树状结构。
随着指挥信息系统的功能越来越
强,作战体系任何两个节点之间
均可以根据需要建立联系,逐步
形成网络化结构。
大家好
35
作战体系节点重要性分析
•作战体系结构的网络描述
依据复杂网络理论, 可以定义作战 体系由节点集合 V 和 边 集 合 E 组 成 的 图 G = (V , E) 。其中, V = {v1,v2 ,…,vn}, 代表组成作 战体系的指挥控制节点、预警侦察 节点(包括战场态势信息源节点和 目标信息源节点)、攻防交战节点 等; E ={e1,e2 ,…,em}, 代表节点之间信息传递关系。
) 目
(3 K 4(K
2) 1)
Lnc( N1/2) Nm /122m/k2 Nk
一般情况下, 聚集系数较大, 平均最短路径较长。
最近邻耦合网络
大家好
24
三、复杂网络的结构模型
随机网络
(1)初始化: 给定N个节点以及连边概 率p
(2)随机连边:
①选择一对没有边相连的不同的节点。
②生成一个随机数r
网络组织的复杂性
2023-11-04contents •网络组织概述•网络组织的形成与演化•网络组织的结构与特征•网络组织的管理与治理•网络组织的绩效与风险•网络组织的案例分析目录01网络组织概述•网络组织是一种由多个节点和连接组成的组织形式,其中节点可以是个人、团队或组织,连接则代表了节点之间的互动、信息交换或合作关系。
这种组织形式以灵活、开放和自组织为特点,在网络技术的支持下实现了组织间的紧密合作和协同发展。
网络组织的定义由一个中心节点和若干个卫星节点组成,中心节点负责信息交换和决策制定,卫星节点则执行具体任务。
网络组织的类型星型网络组织将多个星型网络组织连接起来,形成一个具有层次结构的网络组织,每个层次都有不同的决策中心和信息交换节点。
簇型网络组织通过一个平台实现多个组织之间的互动和合作,平台作为连接各个节点的桥梁,可以促进信息的共享、资源的整合和协同创新。
平台型网络组织灵活性和自适应性网络组织具有灵活性和自适应性,能够快速响应市场变化和客户需求,调整战略和业务模式。
开放性和动态性网络组织具有高度的开放性和动态性,能够随时适应环境变化和需求变化,进行自我调整和重构。
合作性和协同性网络组织强调各个节点之间的合作性和协同性,通过信息共享、资源整合和知识创新实现整体最优解。
网络组织的特点02网络组织的形成与演化网络组织形成的首要原因是实现资源共享,通过连接不同的节点,优化资源配置,提高整体效益。
资源共享风险共担知识创新网络组织能够分散风险,通过与合作伙伴共同承担风险和责任,增强组织的稳健性和抗风险能力。
网络组织通过交流和合作,可以促进知识创新和积累,产生新的价值和竞争优势。
03网络组织形成的原因0201网络组织的演化过程发展阶段随着时间的推移,网络组织逐渐发展壮大,成员之间的联系和互动更加紧密,开始形成共同的愿景和目标。
成熟阶段当网络组织达到成熟阶段时,组织内部的运行机制和协调机制逐渐完善,成员之间的合作更加默契和高效。
复杂网络结构及其在社交网络中的应用研究
复杂网络结构及其在社交网络中的应用研究随着互联网的发展,社交网络的兴起和普及,网络中各种信息和资源得到了方便的传播,也有了更丰富的交互和协同。
然而,网络的节点和边并不是简单的线性关系,而是复杂的网络结构。
在社交网络中,人们的联系和交互呈现出复杂的网络结构,因此,研究和分析复杂网络结构对于理解社交网络在信息传播、社交互动和集体行为等方面的作用具有重要的意义。
一、复杂网络结构的特点复杂网络结构是指由大量节点和边构成,节点之间具有相互联系和作用的复杂系统。
与传统的线性系统不同,复杂网络结构具有以下几个特点:1. 非线性关系:节点之间的连接不一定是直接的,而可能是间接的或非线性的。
例如,在社交网络中,A、B 两人之间可能并不认识,但他们都认识C,因此通过C这个中介节点,A和B之间也会有间接联系。
2. 小世界现象:复杂网络中仅需经过少数几个节点,就可以将整个网络连接起来。
这种现象称为小世界现象,它是网络结构紧密而不断的重要表现。
3. 稳健性:复杂网络中节点之间的联系具有一定的韧性,即使某些节点失效或断开连接,网络仍能保持连通性。
4. 度分布的幂律分布性质:复杂网络中节点的度(即连接数)分布呈幂律分布,即少数节点具有高度连接性,而大多数节点并没有太多的联系。
以上特征使得复杂网络具有广泛的适应性和韧性,使其在信息传播、社交互动、集体行为等方面具有重要的应用价值。
二、应用领域在社交网络中,复杂网络结构广泛应用于以下几个方面:1. 社交网络分析社交网络分析是指通过图形化、可视化和统计分析等手段,对社交网络结构进行建模、量化和分析。
利用复杂网络分析工具,可以探索社交网络中的节点、边、子图和社区等特征,了解网络的结构、拓扑和演化,更深入地了解社交网络的行为和功能。
2. 信息传播在社交网络中,信息的传播具有广泛的潜力和变革性。
通过复杂网络分析,我们可以了解信息在网络中的传播路径、速度和影响力等特征,并根据这些特征推测出在网络中引发和加速传播的因素。
专题4-复杂性网络
其它相关因素
局域世界内的偏好连接 节点和链接的随机或优先消亡 节点间非线性优先连接 新节点所带来的外部链接及网络内新增的 内部链接
网络的可靠性分析
命题:如果大部分节点发生瘫痪,将不可 避免地导致网络的分裂。 分析:
随机的意外故障 恶意的集散节点攻击
随机网络可靠性分析
无尺度网络可靠性-意外故障
P(k) e λ λ k k!
复杂性网络
复杂性网络区别于人们已经熟悉的规则网 络和随机网络的拓扑几何特征,对于复杂 性网络的研究有助于科学家揭示现实复杂 世界更多的未知内在联系。
小世界(Small world)网络特征 无尺度(Scale-free)网络特征
小世界网络效应
1967年,美国哈佛大学的社会心理学家 Milgram “六度分离”实验发现,人际网络 具有“小世界”的特性,即平均经过六个 人便可以建立人际关系。研究人员后续发 现,其他网络也具有这种 “小世界”的特 性。例如,万维网要经过19个连结,就可 以从一个网页到达另一个网页。
BA模型(Barabá si-Albert)
模型的算法如下:
(1)增长:开始于较少的节点数量(m0),在每个时间 间隔增添一个具有m(≤m0)条边的新节点,连接这个 新节点到m个不同的已经存在于系统中的节点上。 ( 2 )择优连接:新节点连接到节点 i 的概率 π 取决于节 点i的度数.
经过t时间间隔后,该算法程序产生一具 有N=t+m0个节点,mt条边的网络。 数量模拟表明具有k条边的节点的概率服 从指数为r=3的幂指数分布。
美国电网雪崩式级联故障 网络拥塞故障
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
网络组织的复杂性研究林润辉*(南开大学国际商学院现代管理研究所,300071)摘要网络组织是一种适应知识社会、信息经济和组织创新要求的新型的组织模式,是一个伴随环境演进的复杂系统。
本文在分析网络组织含义与类别的基础上,从网络组织环境的复杂性、不确定性,网络组织结构的复杂性,网络组织的动态性、自相似性、自组织性、自学习性等方面研究网络组织的复杂性特征。
关键词网络组织复杂系统复杂性组织科学1 引言我们生活在一个复杂性不断加剧,制度秩序正在消散的世界里。
无穷的变化在我们身边发生,我们必须面对混沌的场景,组织科学也要面对混沌的冲击。
“将充满交互作用的客观世界描述为一个线性的模式,每个词语仅有一个含义,预测、控制是极其重要的概念”,这样的管理理念正面临挑战。
复杂性科学提供了一个新的研究视角:复杂性理论对传统管理假设提出了挑战,人类活动要考虑突现行为的可能性。
在对突现行为的研究中,复杂性科学和组织科学走到了一起[1]。
复杂性研究学者、组织科学家对复杂科学在管理、组织的中的研究颇感兴趣,这方面的研究方兴未艾,仅1998年就有十几个会议和论坛以复杂性与管理为主题,1999年,关于复杂性与组织管理的电子刊物出版,并组织了几次相关学术会议。
SFI也将组织管理复杂性研究作为主要方向之一。
Hatch and Tsoukas指出:解释性的组织研究方法经常向传统组织观点提出挑战,并与复杂理论的研究新发现相互呼应[2]。
其他一些专家[3][4][5]也指出:复杂系统与组织系统都具有如下的共同特征:A原因与结果之间没有固定联系;B 分形特征:度量结果与所选取刻度有关,概念含义具有不确定性;C 复杂系统在不同的度量尺度间存在循环或递归性质,容易产生迷惑;D 对初值敏感:系统具有不稳定性和易变性;E 系统充满反馈环,具有潜在的分叉点,并遵循突现行为规律。
社会、经济、技术的发展变化使组织面临一个复杂、多变、混沌、不确定的环境,从而要求组织对来自环境的变化作出反应。
若把组织定义为:具有不同偏好、信息、利益和知识的个体与团体的协调行为构成的系统[6],则组织管理者的中心任务为促进冲突向合作的平滑转换,而这些组织成员具有的共同的语言(协议)和共同的观点(目标、价值观、文化)会使转换有益,并通过合作取得更好的效果。
几乎所有组织中个体间交互、小组间交互都是一种非线性反馈格式。
人类系统,包括组织系统,个体、群体、组织、社会都是非线性反馈网*林润辉,男,1972年生,博士后,研究方向为组织系统的复杂性及网络组织、虚拟组织,复杂经济系统及其集成调控、虚拟经济系统。
Email: Linrunhui@络[4]。
可以应用复杂系统的理论和方法对其认识和研究。
应用复杂性理论与方法,可以改变管理者对其面临问题的思考方式,不是在博弈、参与战争,而是在不断变化、不确定和狂暴的环境中为组织的生存发展求得一条生路,这时组织的任务、概念的改变能使管理者改变日常的决策。
虽然证据有限,可一些大胆断言已经作出:混沌与复杂性理论是管理界的下一个主要突破[6]。
人们在几乎所以的管理系统中找到了混沌与复杂性的迹象。
《组织科学》杂志在一期复杂性理论应用的专刊征文中指出:复杂性在组织中的研究已经有了很好的成果:如A 许多动态系统达不到均衡(固定点或周期均衡);B 看似随机的过程实际是混沌的,系统围绕可确认的吸引子运动,可用实验验证是随机过程还是混沌过程;C 两个具有极相似初始状态的实体可能随着沿截然不同的路径演化,复杂过程行为会对初始条件微小差异产生十分敏感的反应,这会导致高度路径依赖的行为,历史上偶发事件会使结果走上特定的方向;D 复杂模式可能源于成员之间基于相对简单规则的交互作用,有些模式是新出现的,由于层级存在每个层次都具有新的属性;E 不能采用还原论的分析方法去研究复杂组织系统,不能只研究复杂系统的一部分、一个子系统,然后描述整个组织,进而研究其他子系统;F 看似具有随机行走行为特征的时间序列,实际具有自强化的分形特征,此时我们可以看到操作运行中的“过去之手”;G 复杂系统会表现其自组织特性,从一个随机初始状态,自然地向着有序而不是无序发展[7]。
组织是一个非线性的动态系统,受稳定力量和非稳定力量的约束并驱动组织走向复杂,未来的组织中,信息流构成组织的柔性框架结构,而不是原来旧有的层级结构和组织图,组织管理者要回答这样的问题:你的组织的信息网络是什么,它们有多大拓展空间,它们能带来什么,原来的刚性结构不再奏效。
这样一个组织要有足够的柔性去适应(环境),要有足够的创造性去创新,要具有敏感的反应能力去学习[8]。
2 网络组织的含义与特点2.1 网络组织的含义与特点关于网络组织的概念有多种说法,在工商实践中也有许多具体形式[9],我们认为网络组织应为一个概括性和前瞻性的概念,要从网络组织的具体形式中抽取其本质特征,将网络组织描述为:网络组织是一个由活性结点的网络联结构成的有机的组织系统。
信息流驱动网络组织运作,网络组织协议保证网络组织的正常运转,网络组织通过重组去适应外部环境,通过网络组织成员协作创新实现网络组织目标。
对网络组织的含义可以从以下几个方面理解:网络组织是一个由活性结点(结点具有决策能力)及结点之间的立体联结方式与信息沟通方式构成的具有网络结构的整体系统。
结点对流经它的信息具有处理能力,结点活性与决策能力是网络组织的必要特征,结点对信息的加工处理能力,对网络组织创新的贡献是决定结点在网络组织中地位与权威的重要依据。
网络组织追求在网络组织运行期间,围绕特定目标,实现信息共享与无障沟通。
网络组织中可以在不同层次、不同职能的结点间具有无障的即时的信息沟通能力,信息流驱动组织运转。
网络组织不仅是对有形资源的整合,更加专注于网络组织核心能力的构造和培养,依托并充分利用ICT等新技术,挖掘网络组织成员的潜力,激发其创造力,推动网络组织创新进程及目标实现。
网络组织的构成硬件可理解为网络组织的结点及结点间的联系,软件为各结点内的运作机制与整个网络组织运作、管理与创新机制,还包括共同遵守的网络组织协议。
网络组织依靠网络组织协议运行,在遵守协议前提下可自愿进入、退出,表现出网络组织的柔性与边界模糊性。
网络组织的协议包括有关网络组织结点进入、退出、运行、评价和奖惩的规则,也包括组织文化、礼仪等在内的无形约束内容。
网络组织是一个超组织模式,网络组织不一定是一个独立的法人实体,而是为了特定的目标或项目由人、团队、组织构成的超越结点的组织,组织结点的构成会随着网络组织运作进程、目标完成状况或项目进展增减、调整,网络组织边界超越一般组织边界,具有可渗透性和模糊性。
网络组织根据组织目标选择构成结点,结点的核心能力、互补优势及整合程度决定网络组织具有特定领域、围绕特定目标的超级功能。
例如,强大的竞争对手通过合作方式开发新产品,共享研究成果,便构成了一个在此领域具有超级功能的开发型的网络组织。
网络组织由于借助信息通信技术,使得网络组织运作可以超越结点边界、时间和空间限制。
超越结点、超越时空、超级核心能力是网络组织作为超组织模式的特征和网络组织环境适应能力的保证。
网络组织作为一个组织系统,具有自相似、自组织、自学习与动态演进特征。
2.2网络组织分类网络组织结点具有决策活性,可以由人、团队、部门或组织构成,而构成网络组织的结点可以是包括网络组织在内的某一种组织形式。
结点按性质可划分为同质结点(具有相同或类似的功能)和不同质结点,分别通过互相借鉴,扩大规模和互补赢得优势,同质结点也可以具有不同的信息处理方式与决策模式。
构成网络组织的结点可由指令、法律合同或商业信用联结,结点间的信息交流为双向、平等、高效的沟通方式、信息的沟通与共享是保证网络组织创新的基础。
由于网络组织结点性质与联结方式不同可有如下网络组织模式[10]:(表1)表1:网络组织模式分类2.3 对网络组织研究的复杂性观点在人们应用复杂科学方法对组织和管理问题进行如火如荼研究的同时,也有许多学者对网络组织进行复杂性的研究,从网络组织目的、水平集成、资源、决策点和信息收集等角度对网络组织中协同问题解决、过程方法流,资源依赖性、并行性,资源模块性,分布式知识、感知、一致性等问题运用复杂性理论进行分析[10],如表2。
本文在对网络组织复杂性特征认知的基础上,探讨网络组织的复杂性问题。
表2:网络组织复杂性分析角度资料来源:参考文献[10],经作者整理。
3 网络组织的复杂性特征3.1 网络组织的环境复杂性组织社会价值、责任的要求、经济全球化、一体化的挑战,以及新兴技术的发展给组织带来一个复杂、巨变、不确定的环境。
以往的优势组织象在风平浪静的广阔海面上行驶的巨轮,今天取而代之的是由不同特长的弄潮者共同驾驶一组快艇在急流中搏击,船只不再只是交通工具,而是他们实现自我发展的舞台,他们之间有竞争,但更多的是合作。
网络组织就是要靠组织结点间的协作创新在复杂、不确定的环境中求得生存与发展。
网络组织必须在与环境相互作用中对环境变化作出反应。
一般系统论的多样性原则要求一个组织内部调节机制必须和环境复杂性相匹配,不匹配则会出问题,不必要的内部复杂结构会导致成本上升,内部复杂性不足则组织会将不同的情况用相同的方式来处理。
环境变化的速度在不断加快,网络自我重组能力可解释为对于多样性需求的响应能力,与之对照,层级结构组织有严格的但数目较少的结点间联系,某些时候可以对环境作出迅速反应,但缺乏多样性反应能力。
被Sabel 描述为元公司[11]的具有灵活性的网络,是一个“被设计成可以自我重新设计的组织(designed to be redesigned)”,网络组织便是可以应对需要灵活性和适应能力的任务和环境的组织模式。
网络组织环境的复杂性是网络组织复杂性的外在要求,网络组织通过与环境交互作用,向环境学习、与环境匹配来推动自身的演进。
3.2 网络组织的结构复杂性网络组织由具有决策能力的活性结点构成,结点具有信息加工和处理能力,网络组织结点的数量不一、结点的决策特征不同,决策模式多样,决策素质各异,网络组织结点间联结方式多种多样、联结效果也不尽相同。
网络组织中结点及其数量、特征,结点间联系的数目、形式是网络组织复杂性的静态构造基础。
网络组织结点间具有非线性、即时的联结机制。
网络组织创新的一个源泉为相互学习,信息流驱动组织学习进程,网络组织沟通过程是信息流在各个结点间流动的过程,信息流可分为知识信息流和控制信息流,两种信息在流动中所占的比重显示控制、集中决策/分散决策的程度,信息流动的方向有单向流动、双向流动和伪双向流动,信息流动使得结点的性质和结点间联系都会发生变化,网络组织中信息的流量、质量、分布以及流动方向的组合也决定了网络组织结构的动态复杂性。