适合度景观理论（Fitness Landscape Theory）是20世纪30年代发展起来的一种理论，它建立在生物学的观点上，认为物种为了生存而不断进化，进化可以被看作是一个在有高峰和山谷的三维景观上的旅程，如图5-1所示。景观中的每个地点代表了可能的基因组合，高度代表了生存的适合度。景观中有许多高峰和低谷，不同点的高度都是相联系的，稍微不同的组合会互相接近，并有相似的适合度。这样，高峰和高峰相邻，低谷和低谷相邻，使景观呈现出山脉和峡谷相间的地貌。这种景观被称为适合度景观，就是物种在适合度景观中寻找高点的过程。后来，适合度景观理论被用于研究物理学问题，并逐步推广到其他复杂系统领域。20世纪90年代以来，适合度景观理论开始应用于管理学和经济学领域，得到了组织和管理学家的认可，现已逐渐成为理解复杂系统的结构和相互作用的一个关键概念。

图5-1　适合度景观模型示意

为描述系统的适合度景观，考夫曼（S.A.Kauffman）[73]创造了NK模型。NK模型是由进化生物学中研究基因系统的方法演变而来的一种结构化仿真方法，主要研究模块化系统如何通过适应性搜寻快速有效地达到最优点。NK模型适合研究系统内部要素间的相互作用关系对系统的整体适应性的影响这样的问题，其最大优势在于能相对简单地处理一些无法用实证方法研究的问题，比如系统复杂性如何影响系统的整体适应性。NK模型有五个主要的参数：物种的基因数量N、基因之间的上位相互作用（Epistasis Interactions）关系数量K、等位基因数量A、相关物种的数量S以及与相关物种基因的联系C。

将NK模型运用到复杂系统研究当中，主要研究具有N个元素且其中有K（K＜N）个元素具有相互作用关系的复杂性及其演化规律。NK模型方法通过研究不同元素所构成的系统的适合度以及各个元素的相互作用关系及其对系统适合度的影响，来寻找适合度较高的系统构成。NK模型把不同系统的适合度描述成适合度景观，并把系统的适应过程看成是在适合度景观上的爬山过程，而对系统元素的一个微小的改变都可能使系统爬上更高的山峰。这里的山峰其实就是适合度值的一个局域最优，利用NK模型能够确定有多少个局域最优，并且可以探讨通过怎样的适应路径来达到更高的适合度山峰。

N维概率空间称为系统的设计空间（Design space），设计空间中包含了所有可能的元素等位基因的组合，所有元素等位基因的组合数决定了设计空间的规模大小。设计空间S的规模大小可如下表示：

NK模型中的另一个参数K表示了复杂系统中元素之间相互作用关系的多少，借用生物学术语，称其为上位关系（Epistatic Relations）。一个系统中的上位关系越多，那么冲突约束就越明显，系统也就越复杂。所以，K是表明系统复杂度的关键参数。由于系统可能的结构数量与系统元素的数量存在指数增长的关系，所以即使是规模不大的系统，复杂系统的可能结构的数量也非常大，要对所有可能结构进行分析和比较就很困难。为此，考夫曼的NK模型研究只关注了系统结构中每个元素都受到相同数量的上位关系影响的一种特殊类型的结构，因此这种结构的复杂性就可以用一个独立的参数表示，即参数K。(www.daowen.com)

NK模型方法的应用往往跟适合度景观理论结合在一起。在模型中，所有组成元素对系统的适合度都有一定的影响，系统的适合度被定义为所有组成元素对系统适合度影响的平均。由于基因之间的相互作用关系十分复杂，所以很难得到每个基因对系统适合度的影响，一般的复杂系统也是如此，所以很难得出复杂系统适合度的函数。为此，考夫曼采用了一个十分巧妙的办法解决了这个问题。他的做法是每当某个基因发生变异或与之有上位关系的基因发生变异时，就从服从（0，1）均匀分布的随机变量中抽取一个随机数，作为这个基因的适合度值Wi。而整个系统的适合度则为所有基因适合度的平均值，即：

系统设计空间中所有可能的系统适合度值的分布就称为这个复杂系统的适合度景观。这种做法实际是把适合度函数定义为随机适合度函数，然后用系统适合度的期望值来度量系统的复杂性质，所以这个NK模型方法又被称为“复杂系统的统计力学”。[74]