现代经济学在研究方法和对象上，逐渐变化，从传统的预测的方法，如规则系统预测，回归方法，移动平均法，平滑法，时间序列，变分法，马尔科夫方法等等，（预测是关键是找到预测函数，预测的规则，然后把未来的数据带进去）到新的预测方法。如预测方法从精确到数值（近似，非线的线性近似），从数值再到模糊和不确定，如近似预测，模糊预测、灰色预测以及随机预测等等。在研究对象上，并且逐渐关注研究对象的这些性状，并且这些是不同于传统的：如异质性（同质性）——多值性（单值的）——多体性（二体或者单体）——非理性（理性）——非均衡（均衡）——非线性（线性）——交互性（独立性）——非确定（确定性）——模糊性（明确，非灰色）——动态性（静态性）——非对称（对称）——数值性（分析和解析）——整体性（局部性）——过程性（结果）等等。

在现实中如果我们做模型的过程，考虑的变量足够的少，不考虑交互，考虑均衡，我们可以得到解析解或者精确解，但如果我们考虑复杂性，考虑非均衡，我们几乎得不到精确解，就是数值解。在控制中，有两种，其一，为了控制，我们可以不改变现实，改变模型，让他更符合现实；其二，我们把系统变得简单点，构造一个独立的系统，然后较容易控制。有时候是，很悖论，我们又想让模型简单，又想找到现实的精确解，模型简单，有精确解，但不符合现实；模型复杂，没有精确解或者解没有多大决策和控制意义，但符合现实，给你提供的决策信息是柔性和模糊的。这像在科研中，严谨和创新一样，你又想严谨，又想做出大的创新，有时候，很难兼得，一个新的创新出来，严谨成分可能较为次要，那时候可能逻辑不是非常清晰，逻辑存在某些漏洞的，但往往一个成熟的理论，逻辑是很严谨的，但这样理论再去创新很难，很少有重大创新的理论，其是逻辑非常严谨的，估计那在技术中可能偶尔出现吧，如马克思和经典力学，但是仅严谨，那对科研是没多大用，正如刘全慧老师说，“如果保守，即使我们正确，我们也输啦”，“如果我们创新，即使我们错了，我们也赢啦”。故现在如果我们放松精确和严谨，我们将更符合现实，同时也将有更大的思维空间和创新性。

对于决策的方法，有确定性的决策，有风险决策，还有不确定性的决策。风险决策是我们事前知道各种结果发生的情况，并且知道每种结果发生的概率，不确定性决策，可能我们事前不知道可能发生的结果，甚至也不知道发生每种结果发生的概率，而不确定的方法有随机的、有模糊的、有灰色的、有非线性的，这样将更符合现实中，更符合人本身，虽然是逐渐是确定的，精确的，白色的以及线性的。但这些方法大大挑战人本身，加大了计算量，破换了精确和确定，带来意外和惊喜。

这种不确定决策的方法 ，模糊是其中的一种。因为在现实更符合人类的，更智能的处理信息系统，应该能够处理模糊信息，因为人即不像经济学说的那么有智慧，也不像物理学所说的那么傻瓜。而是既有动物精神，又有社会属性。而现实中提供多很多信息更多是模糊的，要么使得处理信息的系统能够处理模糊，要么使得人发出的信息变的更清晰。模糊有模糊的评价，模糊规划、模糊的控制以及模糊预测等等。研究从单值到多值，从单值逻辑到多值逻辑，从硬性控制到柔性控制，从边界清晰到边界模糊，从原先的实数，到复数，到矩阵数（不满足交换性），到空数，再到模糊数（不满足相除性）。研究从精确到模糊，首先集合的边界不再清晰啦，某个元素以隶属度的性质属于某个集合，带来很大的弹性和柔性。

一个研究者，必须有自己的思维方法，我简单介绍几种可能你有意或者无意在用的思维方法，你可能不承认，但你的确骨子里就存在，如同一、类比、守恒、分解、结构、分类、定量、过程（次序、分类、层次、权重、比较、抽象）等。同一是任何不同物质的本源是同一的，表征是一样的，处在同一系统；类比是在你没思路的情况，想想其他有没有类似的机制和概念；守恒是一个量不会消失，只会从一种形式转化为另一种形式；分解就是像个屠夫，见什么拆什么；定量就是给出数学的表达，包括几何、分析和代数；结构是包括分析物质的成分、构型以及关系；分类不同于结构，结构是整体与部分关系，有点隶属，但分类是并列的；次序就是谁先谁后，谁大谁小的问题；抽象是尽量把具体问题转化为一般问题；比较不同事物，同一事物不同时间和空间上的异同；过程就是不进关注结果，还关注如何达到；当然还包括其他如层次等等。