何铮、张晓军主编的《复杂网络在管理领域的应用研究》共分成上、下两篇，上篇为集群演进篇，包括第一章到第五章；下篇为创新扩散篇，包括第六章到第十章。上篇首先将集群置于复杂适应性系统的框架之内，建立了基于“环境设计、正反馈机制、边界约束和不确定性结果”的集群自组织的一般定性分析框架，随后运用案例研究方法，对东莞PC集群自组织进行了分析并获得了一些经验性支持；然后，论文运用复杂网络研究方法对集群自组织进行了量化研究，构建了相应的分析框架和模型，并采用仿真模拟来研究不同网络连接方式对集群自组织的影响方式和程度；最后，论文以沙溪服装产业集群为样本，结合问卷调查、访谈等方法，运用复杂网络模型对沙溪集群自组织进行了实证研究，获得了有价值的结果，并从政府角度强调了对集群进行网络治理的重要性。

复杂网络作为研究复杂系统的一个新兴工具，以其能较为形象、准确地描述系统主体之间错综复杂的联系，在计算机、生命科学等领域得到了广泛的应用，但其在管理学研究中仍处于起步阶段。本书致力于探索复杂网络在管理领域的具体应用。何铮、张晓军主编的《复杂网络在管理领域的应用研究》共分集群演进和创新扩散上、下两篇。

上篇为集群演进篇，将集群视为一个复杂适应性系统(CAS)，其演进过程实质上是集群自组织进程。本书抓住集群最本质的特征——各组织间的密切联系，从网络结构演进角度研究了集群自组织。首先通过案例研究方法对集群自组织过程进行了理论上的定性研究；在此基础上，构建了集群自组织的复杂网络分析框架，探讨了集群自组织的不同演化模型，并结合传统的实证研究方法，运用复杂网络工具，对特定集群的自组织过程进行了定量分析。

下篇为创新扩散篇，研究创新在特定网络上的扩散机理。首先构建了基于复杂网络的微观个体决策理论分析框架，给出了一个基于复杂网络的随机阈值模型，并运用该模型研究了新产品在消费者之间以及新技术在企业间两类不同的创新扩散。在新产品扩散中，我们主要研究了正反馈效应、初值敏感性和两个竞争性产品的扩散；而在新技术扩散中，我们重点对扩散的稳定性和脆弱性进行了较为深入的探讨。

《复杂网络在管理领域的应用研究》适用于管理学科的研究生、教师阅读，也可供从事管理学和复杂网络研究的相关人员参考。

引论

1．本书的研究目的及内容简介

2．复杂网络概述

3．复杂网络与社会网的关系

4．复杂网络基本概念

上篇集群演进

第一章 集群基本问题界定

 1．1 集群的定义

 1．2 集群的特点

 1．3 集群的分类

第二章 集群文献综述

 2．1 集群区位

 2．2 集聚效应

2．2．1 知识信息外溢

2．2．2 弹性专精

2．2．3 网络结构

2．2．4 集群内企业竞争优势

 2．3 集群演进

第三章 集群演进：一个复杂适应性系统的自组织进程

 3．1 集群：一个复杂适应性系统(CAS)

3．1．1 CAS基本含义

3．1．2 CAS主要特点

3．1. 3集群的系统特征

3．2 集群自组织的主要特征

3．2．1 环境设计

3．2．2 正反馈机制

3．2．3 边界约束

3．2．4 不确定性结果

 3．3 案例研究：东莞PC集群自组织过程

3．3．1 环境设计

3．3．2 正反馈机制

3．3．3 边界约束

3. 3．4 不确定性结果

 3．4 案例研究结论

3．4．1 集群自组织的共同演进框架

3．4．2 对正反馈机制的进一步探讨

第四章 集群自组织的复杂网络仿真模拟

 4．1 集群：一个复杂网络

 4．2 集群自组织的复杂网络分析框架

4．2．1 组织间连接类型

4．2．2 相关统计指标

 4．3 集群自组织模型

4．3．1 模型基本假设

4．3．2 具体模型

 4．4 模型仿真模拟

4．4．1 仿真结果

4．4．2 仿真结果的现实解释

第五章 集群自组织的实证研究

 5．1 研究对象选择

5．1．1 集群实证研究方法比较

5．1．2 选择标准

5．1. 3 集群背景

 5．2 实证数据采集

5．2．1 数据类型选择

5．2．2 量表设计和数据采集

 5．3 集群自组织过程仿真模拟

5．3．1 模型选择

5．3．2 仿真结果

 5．4 实证研究结论

5．4．1 仿真结果与实际数据对比

5．4．2 集群自组织过程：统计指标的解释

5．4．3 核心网研究

 5．5 实证研究对集群治理的启示

5．5．1 集群网络的主要问题

5．5．2 集群网络治理

下篇 创新扩散

第六章 创新扩散简介

 6．1 创新扩散的定义

 6．2 创新扩散的分类

 6．3 创新扩散的影响因素：

第七章 创新扩散模型文献综述

 7．1 宏观总体速度模型

7．1．1 Bass模型之前的创新扩散模型

7．1．2 Bass模型

7．1. 3 Bass模型的扩展

 7．2 微观个体决策模型

7．2．1 动力学模型

7．2．2 渗流模型

7．2．3 元胞自动机模型

7．2．4 多Agent模型

7．2．5 阈值模型

第八章 基于复杂网络的创新扩散模型分析框架

 8．1 复杂网络：有向加权网

8．1．1 有向网络和有向加权网络

8．1．2 有向加权网络上的统计指标

 8．2 基于复杂网络的微观个体决策分析框架

8．2．1 技术或产品特征

8．2．2 网络结构

8．2．3 行为选择

 8．3 基于复杂网络的随机阈值模型分析框架

8．3．1 基本模型

8．3．2 模型解释

 8．4 随机阈值模型的应用

第九章 新产品扩散中的随机阈值模型分析

 9．1 新产品扩散中网络结构分析

9．1．1 大众传媒网

9．1．2 亲缘网

 9．2 参数设计

 9．3 新产品扩散的正反馈效应

9．3．1 权重参数对扩散程度的影响分析

9．3．2 新产品扩散的正反馈效应

 9．4 新产品扩散的初值敏感性

 9．5 模型仿真

9．5．1 对初始采用者比例的敏感性分析

9．5．2 对初始采用者位置的敏感性分析

9．5．3 对消费者初始评价的差异性分析

 9．6 两个竞争性产品扩散

9．6．1 影响因素分析

9．6．2 模型参数确定

9．6．3 进入时间分析

9．6．4 转换成本分析

第十章 新技术扩散中的随机阈值模型分析

 10．1 网络结构

10．1．1 销售网络M

10．1．2 企业信息网络

 10．2 核心参数的影响分析

10．2．1 核心参数设计

10．2．2 权重参数对专用型技术扩散的影响分析

10．2．3 权重参数对通用型技术扩散的影响分析

 10．3 新技术扩散的稳定性和脆弱性分析

10．3．1 复杂网络中稳定性和脆弱性的一般含义

10．3．2 新技术扩散中稳定性和脆弱性的具体含义

10．3．3 专用型技术扩散：稳定性和脆弱性

10．3．4 通用型技术扩散：稳定性和脆弱性

10．3．5 专用型与通用型技术扩散比较

参考文献