可能不同，但在分析是否应当供应或减少某种资源时，考虑它还是有益处的。
非线性的经济解释与线性的有相仿之处。区别在于有关理论的层次高于线性规划。为了能稍深入地讨论问题，我们引入摄动函数的概念和稳定的概念，假设
原有摄动函数：
对偶摄动函数：
可以证明，F是正常凹函数。我们称（GMC）是稳定的。如果次梯度合理JF（0；0）是非空集合。稳定的含意是 有限且摄动函数F（w；g）在零点不会无限地增大，或（GMC）的最优值是…￥。由非线性规划的对偶理论有以下结论＇2＇：
（1）？*（0；l；b）=F*（l；b）
（2）设F（0；0）有限，则规划 有最优解 ，且
的充要条件是（P？）是稳定的。此外， 是摄动函数 在零点的次梯度的充要条件是上式成立。
（3）若 是闭正常凹函数，则
（4）若？是闭正常凹函数，且设j（0）有限，则规划（P？）有最优解 ，且
（5）若？是闭正常凹函数，则（P？）是稳定的且有最优解 的充要条件为 是稳定的且有最优解 。
根据上述结论和前面对于对偶最优解的经济讨论，我们引入一个新的数学概念一一拟对偶最优解，其定义为：
yi（di）=＇M（b＋di×ei）…M（b）＇/di
其中di是一正数，ei是m维向量，其第i个分量是1，其余为0。M（·）是一极值映射，定义为：M（b）=sup｛E｛GMC（x；ξ）｝｜Ax￡b；x30｝。一般说来di愈小；yi（di）就愈接近对偶最优解。显然，拟对偶最优解表示创利额关于资源的变动率。由此看出，对偶最优解 和bi的乘积恰好是在决策为 时创利额在资源b点关于bi的弹性。至此，我们运用共轭对偶理论分析了创利额的经济模型，并给出了一些经济解释。
勿须讳言，非线性规划理论在经济中的应用是有限的，其原因之一是太数学化。我们引入拟对偶解的目的在于增加对偶理论的实用性。需要指出，拉格朗日乘子常和对偶最优解是一致的。因此，可以通过Kuhn…Tucker条件去求对偶最优解。不过这经常是困难的。
第六章 经济控制论模型
§6。1 系统论方法
一、基本思想
十九世纪的科学发展的突出特点是摒弃了目的范畴；致力于把数学方法与实验方法结合起来；并以还原论作为方法论。虽然近代科学在研究简单系统的物质运动方面取得了成功，但是面对复杂系统提出的诸多问题仍然束手无策。一般系统论的创立，正是在这种背景下应运而生的。系统论的特点在于用系统的观点去看待世界，其研究对象是复杂系统。
系统论和物理主义的区别是什么呢？从方法论的角度看有三个重要不同点：
1）思辩原则代替实验原则
物理主义认为，自然科学可以分成经验（实验）和理论（数学）两个部分，但系统论却使之彻底改观。今天，在分析和研究复杂系统时，实验员被在计算机上模拟系统的数学家代替，理论家则被精通被研究对象并能解释计算机实验结果的经验家代替。我们需要这类思辩实验并非由于实验设备不完善，而是由于被研究对象是复杂系统。对整个复杂系统进行经典意义下的实验，无疑是荒诞的。例如，社会经济系统在时空上不断变化，结构又极其错综松散，因此难以进行全面的模拟。
2）整体论代替还原论
物理主义的基本原则之一是还原论。即在研究整体时先将整体分解成若干部分，然后研究诸部分的性质，再从中可以确定整体的性质。然而复杂系统与简单系统的一个重要的区别就在于，它不遵从还原论。例如，即使我们熟知每个社会基本单位一一家庭的结构，也不能解释社会行为和伦理。
3）目的论代替因果论
物理主义建立在自然定律的基础上。其因果定律源于对简单系统的大量实验，并通常珍述成简单的数学形式。因而欲推翻某一定律，只须做出一个不符合该定律的实验即可。但是复杂系统却不一样，它的许多特性是相互关联的，因而反映系统个别特性的模型可能与系统本身不相容。
那么，什么是系统的定律呢？目的论的答案只有在对复杂系统有关目的性的行为作出假定后，才有可能对其特性进行简单的解释，乃至得到用数学形式表达的定律。
二、基本概念
下面我们对系统论的基本概念作一个描述性的说明。在〃系统〃一词被通俗化的今天，尤其有这个必要。需要说明的是，我们与其说是在形式化的定义，还不如说是解释性的定义。
首先，系统指的是由相互作用的和相互依赖的若干组成部分结合而成的具有特定功能的有机整体。由于客观世界的层次结构，某个系统本身是它所从属的一个更大的系统的组成部分，同时，该系统本身又具有自己的诸要素的体系。系统是由结构和行为来决定的。对系统学来说，结构和行为就象物理学中的空间和时间一样，是一种极为基础的概念。在系统论里，系统的行为理解为系统随时间的动作，而系统的结构则理解为对系统要素间的联系在时间上不变的规定。系统结构随时间的变化可看作是系统的演化。系统结构可划分成两种：形式结构和非形式结构。形式结构指的是直接把位于下一层次水平上的系统看作不可分割的要素。非形式结构指的则是？quot；原始〃要素作为系统的要素。显然，系统结构是一个相对性的概念。因此，在系统结构概念基础上定义〃复杂系统〃是非常困难的，有时甚至是不可能的。由于这个缘故，有时尽力避开系统结构这个概念，而利用系统行为这个概念。凭直觉可以看出，系统行为的复杂性的增加（至少要到个体这个水平）是与系统非形式结构复杂性的增加联系在一起的。因此我们可以用系统行为的复杂性来确定系统的复杂性。
为了阐明〃复杂系统〃这个概念，我们先定义〃决策行动〃。决策行动指的是选择备选方案，其中也包括利用随机机制进行选择（就是说，这时完全不必是理智选择）。当系统的行为本来就是决策行动时，这样的系统就叫做决策系统。如果系统中至少有一个决策系统作为子系统，则该系统就称为复杂系统。不具备决策行动的系统，就称为简单系统。特别地，决策系统本身就是复杂系统。我们隐含地认为：一切系统力图达到对它来说的最佳状态。这就称为系统的趋的行动，并称这个状态为系统的目的。而只有复杂系统才具有目的。
其次，我们结合系统论对模型作一个回顾。按系统属性，系统可划分成物质系统和符号系统。符号系统在某种程度上能够反映物质系统。符号系统可称为系统的符号模型。非符号模型（物质系统在同一物质系统中的反映）叫做类比模型。由于在系统学中往往只讨论符号模型，因此就把符号模型简称为模型。系统学不仅研究现有物质系统的模型，还研究现实物理世界中可实现系统的模型（可实现模型）。此外，为了解释和（或）预测复杂系统的结构和（或）行为，在观测误差的范围内往往可能建立起来几个模型。
再次，对于许多类型的系统来说，关于规律或多或少具有普遍性这个观点是与其适用的范围联系在一起的。物理主义发现的还只是自然界中简单的普遍自然定律，其原因就在于，它所研究的简单系统的诸性质在实际上是相互独立的。因此，简单系统的这些单独性质的仿真模型与简单系统本身是完全相符的。
复杂系统与简单系统不一样，它具有本质上联系的众多性质。所以，复杂系统单个性质的仿真模型与复杂系统是不完全相符的。复杂系统的众多性质的仿真模型是非常复杂的，而且缺乏一般性。
那么，怎样理解复杂系统的规律呢？这里，我们需要讨论一下解释和预测这两个概念以及它们与理论和实验的关系，在系统学里，这是需要予以重新陈述的。这是因为，如果复杂系统与它的仿真模型相符合的程度越高，即模型的复杂程度越接近原型，则对系统进行预测的准确性越高，而解释的质量却越低。在许多情况下，解释的概念在系统学中与在物理主义中不同，有着另外的含义。事实上，物理主义遵循还原论，它是依据尽可能低的系统水平（直到原子、粒子）上的现象来解释某个系统水平上的现象。与此不同，系统学解释现象的基本原则是下面将要阐述的一步递推原则。
物理主义赋于预测以传统的含义，就是由物理定律来预先确定系统的未来行为或某未来行为发生的概率。系统学里则是利用计算机仿真来实现预测实验，其实验就是在比现实世界中快得多的机器时间的进程中进行各种状态？quot；抽签〃。为了预测复杂系统的行为，在计算机仿真的同时还利用半直觉的专家方法（人一机对话），这就在某种程度上复活了古代特尔斐预言家的实践活动。
三、系统学的若干基本原则
1、层次组织原则
我们所知道的这部分世界里存在着逐渐产生并相互作用着的三个层次，这就是自然产生的物理生物层次、社会层次以及人工产生的技术层次。无论是自然系统还是人工系统，层次组织原则均能使它们处于隶属的地位。例如对物理生物层次来说，其层次水平大致是：原子一分子一细胞一个体一群体一种群一生物群落一生物圈。每当上升到高一极的层次水平时，位于下一极水平上的系统就成为上一级水平系统的要素。层次组织原则在系统学中得到了广泛的应用。
2、系统行为复杂化原则
系统行为复杂化原则中目前从经验上已发现的一些原则如下：
（1）物质能量平衡原则（基于守恒定律）；
（2）稳态原则（基于反馈概念）；
（3）决策选择原则（基于归纳行为）；
（4）前景积极性原则或未来需要原则（预适应，超前反应）；
（5）反射原则（超前反映）。
必须指出的是，在某个水平的系统中首先发现的行为原则，对更高复杂性水平的系统来说都是成立的。但是，对于某一个水平系统的行为原则而言，其中起决定作用的仍然应该是在这个水平系统中首先发现的原则。例如，最低水平的系统所固有的物质能量平衡原则对所有系统直到高度复杂的系统都是成立的。但是，这个原则仅只对最简单的系统才是决定性的。
3、反直觉行为原则
有不少学者注意到这个原则，它可以陈述如下：仅仅根据固有经验和直觉来给出相当长时期内关于复杂系统行为的满意预测实际上是不可能的。我们的直觉是在与简单系统打交道的过程中培养起来的，而简单系统中各要素的联系总是能够弄清楚的。复杂系统行为的反直觉性就在于，它对作用的反应同我们直觉上期待的结果比较起来完全是另外一回事。
4、极小极大建模原则
对于复杂性不断增加的系统来说，其理论仍然应该由最简单的模型来构成。最简单模型中的每一个模型哪怕是在极小程度上（极小）都应该反映出复杂性水平不断增加的（极大）系统行为。换句话说，模型的形式上的复杂性（例如，描述模型的方程数目）不应对应于系统的非形式上的复杂性（系统行为的复杂性）。
由这条原则可以得到一个推论：较复杂系统的粗糙模型与较简单系统的较精确模型比较起来可能还要简单些。这在系统学中引起乐观。
因此，为了建立系统（其中包�