模型，一个大家都很熟悉的工具，就不多介绍了。以下想谈谈一个CAS模型的构建。说到这，我不得不说说系统仿真，系统仿真往往是按照我们设计好的元素、模型、结构和流程对数据进行演化模拟计算的过程。这种依据复杂系统与网络对数据进行计算的过程，我把它称之为复杂系统与网络的数学。

       复杂系统与网路里模型的表达不再由数学表达式单一构成。数据的计算，也不再严格遵守矩阵计算的规则，复杂系统的模型可以是一个数学表达式，也可以是一条由元素或者系统执行的一条规则。这样可以很好地处理复杂的数据过程（数据对象异质、数据过程多维交织以及数据环境未知）。

       我们利用原始数据分析和处理问题的时候，脱离不了模型的构建。CAS模型的思路是用尽量简单的元素、结构和方法，让系统自动构建求解问题的模型。比如：我们在一个未知的解空间里搜索未知目标的最优路径（动态路径），在未知解空间里找出最优目标（动态目标），都可以使用CAS模型。

       路径问题最经典的例子：蚁群，我们通过设计蚂蚁（或者类蚂蚁元素）、解空间对象、信息素规则。蚁群就会以发散-收敛的搜索行为，构建出找到食物的最佳路径。在这里，我们事先并未指定求解问题的路径或者流程。

       解目标问题最经典的例子：遗传，我们通过设计搜索对象的基因，使得对象基因在未知解空间里遗传变异和，让它无限接近对解的结果描述，从而定位解目标的位置。

       可以看出，在经典的例子中未知解的空间是实际上是同质的，规则边界的。元素也是单一的，具有相同规则或者数学表达式的。当我们接触的问题是多异质元素和混合边界的时候，我们如何通过构建CAS模型对问题进行有效的求解以及对数据进行计算呢？这个可以后面一些再谈。

       下面小结下CAS模型构建的主要步骤：

       1、找到解的目标位置。

       2、找到通向目标的路径与结构。

       3、发散-收敛自适应搜索。