破坏恐怖主义网络：一种动态适应度景观方法
适应与自组织系统
2008-07-17 v2
摘要
在大约五年的时间里，哈佛商学院的 Pankaj Ghemawat 和沃顿商学院的 Daniel Levinthal 一直致力于一项详细的模拟研究（生成了约一百万幅适应度景观图），以确定企业的最优决策模式。2006 年，我们调整了这项研究，将其与我们自身关于恐怖主义的研究相结合，以考察如果反转 Ghemawat 和 Levinthal 的结论，试图提供虚假信息或以其他方式干扰恐怖组织的通信与决策过程，从而使其决策最优化地变得糟糕并导致组织协调、指挥与控制低效，将会发生什么。该研究的主体部分随后在 2006 年北美社会与组织科学计算协会年会上发表。我们在此展示该研究的更新版本，强调了一个相当反直觉的发现，即“软”目标几乎毫无价值，而且除非能够影响关键因素，否则针对恐怖组织中易触及要素的努力实际上可能比完全不采取行动更糟。我们最后提出建议，如果美国要有效防御未来的恐怖袭击，可能需要进行一些根本性的反思。
引用
@article{arxiv.0707.4036,
title = {Disrupting Terrorist Networks, a dynamic fitness landscape approach},
author = {Philip V. Fellman and Jonathan P. Clemens and Roxana Wright and Jonathan Vos Post and Matthew Dadmun},
journal= {arXiv preprint arXiv:0707.4036},
year = {2008}
}
备注
12 pages, 8 figures. Proceedings of the 2006 annual meeting of the North American Association for Computation in the Social and Organizational Sciences