公共管理与复杂性科学

公共管理与复杂性科学内容提要本文简要回顾公共管理科学和复杂性科学研究的进展，探讨将复杂性科学用于公共管理科学研究的必要性和可行性。以多学科交叉融合为特色的复杂性科学可以为推动公共管理发展提供理论支持，为公共管理科学研究提供新的视角和具体研究方法，并扩大公共管理科学的研究领域；因此，对复杂性科学视野下公共管理的未来重要研究领域的展望也是本文探讨的问题之一。关键词公共管理复杂性科学混沌多智能体系统社会网络一、引言以公共事务为研宄对象的公共管理是一个涉及众多学科的重大理论与实践领域。公共管理己经被应用了上千年，然而，作为一门系统的、理论化的科学却只有百年的历史。随着信息化、全球化和科学技术的发展，政府及公共政策在当今社会扮演着极其重要的角色，渗透在社会经济生活的各个层面，政府的行政运行和管理过程己经成为政府、企业、非赢利组织、以及学术界广泛关注的热点问题，公共管理理论和实践都已经发生了深刻的变化。公共管理研宄的对象（如，政府组织、政府与企业关系、政府与市场的互动、政策的制定与执行等）一般比较复杂，这种复杂性不仅表现在行政概念、政治关系等不易定量描述，其解析数学模型建立难以一般管理，现有公共管理研宄中可供借鉴的定量理论和模型还很少；而且表现在公共管理的目标往往不是单一、线性的，而是追求多目标协调的统筹最优效应；还表现在公共管理问题特别容易受到环境影响，而有关环境一般多样且善变。公共管理研究的理论和方法研究都应该适应问题复杂性的需要。作为一个新近的引进学科，公共管理经过20年的“中国化”，在我国的研宄取得了长足的进步，但是，目前尚存在着学科边界模糊、视野狭窄、基础不牢、知识体系不完整、研究方法陈旧、知识创新不足、理论研究落后于实践发展、针对性与应用性不强，对国外公共管理领域的新思潮、新流派、新理论和新方法的跟踪研究与批判分析尚待加强等方面的问题，因此，有学者指出当前我国公共政策研究必须下大力气加强对基本理论和方法的探索。复杂性科学己经成为一种学科交叉综合的新研究范式，是目前方法和理论研宄的新热点，虽然它还处于萌芽时期，但已被有些科学家誉为“21世纪的科学”。复杂性科学关注的系统演化、涌现、自组织、自适应、自相似等特征是众多社会问题的共同特征，其研宄成果涉及化学、生物、神经、动物、自然地理、气候、经济、考古、医药、社会等领域和学科。通过发展非线性、多智能体与复杂网络等模型和方法，复杂性科学不断为复杂问题解决提供新思路、方法和工具。公共管理领域中已经有学者开始注意如混沌非线性等系统复杂性的研究，逐渐认识到复杂性科学的重要作用。以多学科交叉为特征的复杂性科学可以从不同侧面和维度为公共管理问题研究提供新的方法，也可以为公共管理学科和专业建设指出新的发展方向。本文主要探讨将复杂性科学的思想、方法与成果引入公共管理研究的必要性和可行性，以期丰富公共管理研宄的理论和方法，探索推动有中国特色的公共管理学研宄和应用的方向，并拓展复杂性科学的研究领域。本文首先简要回顾公共管理和复杂性科学的研究进展，表明公共管理是一个复杂的研究对象，需要利用复杂性科学进行分析；然后介绍了复杂性科学在公共管理中的应用，表明复杂性科学的研究方法在公共管理问题的研究中是可行的；最后讨论在复杂性科学的视野下，公共管理研究的一些新方向。二、公共管理与复杂性科学方法作为一个主要以问题为中心的知识产生方式的学科，公共管理始终是全球关注的重要问题，作为研宄对象，其复杂是公认的，而且其研究重点、范围还在不断发展变化，有学者形象地将其比喻为“变形虫”。。单一学科、简单还原论的方法是难以满足公共管理科学这种“变形虫”式发展的需要的。从上世纪初诞生开始，基于线性、还原论思想，公共管理（主要是公共行政）的研宄范式经历了行治与行政二元分离时代（1900〜1926）、寻求行政通则时代（1927〜1937）、政治学时代（20世纪40年代初至60年代）以及从上世纪60年代至今的管理学时代。上世纪70年代开始，伴随着西方新公共管理理论与实践的兴起，国外学者对公共管理学科的发展进行相关研究成果的评估后认为，公共管理的有关研究过于强调应用性、概念化，是非累积性的和非经验主义的，方法的严谨性值得怀疑且缺乏制度支持。杰伊•怀特和盖•亚当姆斯指出：“大量历史和认识论证据向我们表明，没有任何单一的研究途径__即使被冠以科学这一高度实证的目标对公共行政研究而言是足够的，如果研宄要由理性指导，论理性__就似乎是必要的，所以，我们建议公共行政的知识和理论发展应该以多种方式进行”，强调多学科交叉研究范式在公共管理学科发展中的重要作用。但事实上，围绕社会公共事务的解决，研究者已经自觉或不自觉地整合来自各学科的知识和方法，包括政治学、经济学、社会学、管理学、数学、统计学、运筹学、未来学和系统分析等。多学科交叉与方法融合始终伴随着公共管理的发展，非还原论研究策略可以为公共管理那么，研究途径的多样化既尊重实践理性，也尊重理研究提供新的思路。上世纪90年代以来，非线性、混沌、多智能体模型以及复杂网络等复杂性科学的概念和方法引起公共管理领域学者的注意，并开始为复杂公共管理问题的解决提供新方法和研究范式，因为复杂性科学“正在试图解答的是一切常规科学范畴无法解答的问题”。严格地讲，几乎所有实际系统都是非线性的，所谓线性系统只是对非线性系统在一定范围内和一定程度上的一种简化或近似，或者说它是非线性系统的一种特例。虽然非线性系统研宄是与线性系统研宄平行发展的，但由于非线性系统所包含的现象十分复杂，且“个性”很强，目前还没有通用的方法能够对其进行分析和设计。相对而言，线性系统的分析与设计已经形成了一套完整的理论体系，这些理论和方法己经在实践中得到了广泛应用和验证，但是，自然界存在的混沌、分岔、奇异吸引子等非线性运动形态无法用线性系统的理论来加以描述，必须借助非线性相关理论才能对其进行分析。非线性动力学已从经典的以摄动法和渐近分析的方法为基础的弱非线性、弱耦合系统的研究阶段，进入到近代的更深入地研究系统的复杂行为的阶段，这些行为包括非线性动力学系统的各种运动模式的复杂性及其演化过程，尤其是长期渐近性态和对参数的依赖关系，主要研究对象包括周期运动、概周期运动、混沌运动、分岔、孤立子、斑图和拟序结构等。㈣其中混沌是非线性动力学研究的前沿和热点内容之一。对混沌的研究是从对微分方程求解开始的，二十世纪初，著名的法国数学家和理论天文学家Poinear6发现某壁特殊的微分方程的可解性与解值对其初始条件极为敏感，初始条件的细微差别可导致其解值的巨大偏差，甚至产生无解现象，成为现代最先预测混沌存在的人，但他的发现没有引起数学家和物理学家的重视。直到上个世纪60年代初，美国气象学家在研宄大气环流模型时，通过计算一个具有3个变量的方程组发现了这种复杂现象具有两个特点对初始值的极端敏感性和解的不完全随机性，同时，尽管这种非周期现象看起来是杂乱无章的，类似于随机现象，但仍然具有某种规律性，这种内在有序性被称为混沌吸引子。的工作是非线性系统混沌理论诞生的标志。1975年，美国数学家Yorke和李天岩首先引入“混沌”来描述这种无序的现象，标志着对混沌理论开始深层次的探索，也揭开了人们对非线性系统混沌现象研究的序幕。虽然目前科学家对混沌还没有一个统一的定义，但普遍认为混沌现象并不是无序和紊乱，更像是没有周期的秩序，在理想模型中，它可能包含着无穷的内在层次，层次间存在着“自相似性”。混沌现象是一种貌似毫无规律的复杂运动形态，它是发生在确定性动态系统中的不确定行为，混沌运动模糊了确定性运动和随机运动的界线，它是非线性动力学系统在一定条件下所表现的一种运动形式，越来越多的研究表明，由于非线性的动力学系统的运动状态失稳而出现混沌状态是非常普遍的现象。值得一提的是，在上个世纪70年代中期，美国生物学家在研究虫口模型的Logistic方程时发现，生态学中的一些简单模型，具有极为复杂的动力学行为，包括分岔、序列和混沌，并通过倍周期分岔达到混沌，这是研究混沌产生机理的重要途径之一。总之，非线性研究以混沌为核心，排除了拉普拉斯决定论的可预见性，揭示了确定系统的内禀随机性。通过动力学分析和李亚普罗夫指数等指标的提出，非线性研究系统地揭示“定态一周期性态一混沌性态”之间的演化关系，探讨混沌、分形和自组织等复杂现象的形成原因和本质特征。非线性曾研究是人类第一次把从宇观的宇宙、微观的基本粒子到宏观的人及人类社会统一置于真正的科学认识方法之下，使日常经验和真实的世界图景成为实际的研究目标，其研究方法己经渗透到了包括人文社会科学在内的几乎所有科学领域。多智能体系统(Multi-AgentSystem)是复杂性科学的研究前沿和重要工具，其目标是将大的复杂系统建造成小的、彼此相互通讯及协调的、易于管理的系统，这不是一种简单方法论上的“还原”，而是将个体和系统的自主性、分布性、协调性以及自组织能力、学习能力和推理能力置于一个协调统一框架下的研究路径，涉及智能体的知识、目标、技能、规划以及如何使智能体协调行动解决问题等。多智能体系统的表现通过智能体的交互来实现，固具有自主性、分布性、协调性，并具有自组织能力、学习能力和推理能力，目前的研究涉及理论和应用两个方面。理论研宄主要集中在多智能体系统体系结构的探讨。多智能体之间的交互、协作、通信，以及后来出现的智能体对周围环境和其他智能体行为的学习等。其理论方法大致可分为三种：（1）基于符号推理系统的体系结构，以Bratman等提出的BDI（BriefDesirelntention）理论固为基础，采用传统人工智能中符号推理的基本原理；（2）基于行为主义的体系结构，以Brooks提出的基于行为的系统分析与设计方法为基础；（3）基于协进化方法的体系结构，为了克服传统进化算法的不足，解决更为广泛的机器学习、共同适应以及多智能体间的协调问题，人们模仿自然界中的协进化机制，提出了协同进化计算（CEC，CoevolutionaryComputing）的思想。此外，为了满足系统实时性的要求，在开放的动态环境下，探求使各智能体在短时间内具有快速学习和协调功能的方法，是目前多智能体系统理论和方法研究的难点之一。多智能体技术对于复杂系统具有无可比拟的表达力，它为各种实际系统提供了一种统一的模型，从而为各种实际系统的研究提供了一种统一的框架，其应用领域十分广阔，具有解决复杂问题的潜力。目前多智能体系统理论和方法己经在很多领域得到成功应用，包括智能机器人、交通控制柔性制造、协调专家系统、分布式预测、监控及诊断、分布式智能决策、软件开发、虚拟现实、操作系统、网络自动化与智能化、分式布计算、产品设计、商业管理、网络化的办公自动化、网络化计算机辅助教学及医疗等。复杂性科学认为大量系统都可以通过“节点”与“关系”形成的网络加以描述。始于20世纪30年代末的、被誉为“社会学的新古典革命”的网络分析，不仅给社会学分析带来了新的概念和理论，使得社会学对社会结构的研究面目一新，而且有助于摆脱范畴或属性分析的个人主义方法论、还原主义解释和循环论证的困境，相关模型和方法在国外社会学领域已经被广泛研究和应用，如社会网络对信息传播、发明推广的影响，社会网络与职业流动和社会资源的关系，社会支持网络的特点、内容以及社会关系与社会支持的关系，社会讨论网（也称人际交往网络）对个人意识、行为的影响以及个人如何通过网络影响其他个体等。然而，统计分析和基于图论的网络拓扑结构分析依旧是社会网络的研究重点，所建立的模型多是静态而非动态的。我国社会网络分析研究相对比较滞后，相关成果多集中在跟踪性介绍或是概念应用，对社会网络分析系统深入的研究成果相对较少，而有独创性的成果则更少；但是国内研究者已经开始关注社会网络及其应用。社会网络分析作为网络研宄的一个分支，必然受到网络研究最新进展的影响。最近的研究发现，大量的真实网络既不是规则网络，也不是随机网络，而是具有与前两者皆不同的统计特征的网络，因此复杂网络在20世纪末成为新的网络研究热点。复杂网络目前研宄重点集中在网络特征的描述。小世界效应(Small—WorldEffect)和无标