基于关系元Agent的复杂社会网络（Relationship Agent-based Complex SocialNetworks简称ACSN）建模是将复杂网络理论、基于Agent的计算机仿真技术应用到社会学的一种研究方法。ACSN并不试图利用少数数学方程建立整个复杂社会系统的还原论模型，而是从还原论少有研究的关系出发，分析现实个体建立关系的行为，在计算机中利用相对简单的程序规则建立关系元Agent模型，并让大量的Agent通过网络相互作用自下而上地生成一个人工社会网络，最后利用人工社会网络中的涌现来映射、解释现实中的微观行为累积出现宏观现象的过程。在设计建模方法之前，首先理出了复杂社会网络建模的三个关键技术：关系元Agent建模、Agent之间的交互网络、涌现的网络结果。接着从这三种技术的角度归纳出复杂网络与它们之间的一一对应关系，为了验证模型的有效性，本文解剖了一个具体的复杂社会网络的案例——豆瓣（Douban）社区的图书搜索网。豆瓣用户是模型中Agent的现实版，本文用豆瓣用户的实际建边方式和复杂网络中节点的理论建边方式构建了更理性的Agent的二级建边方式、Agent多次行为经验积累后的边权演化模型。基于以上的分析，通过一般化用户行为后得到基于关系元Agent的形式化模型并将其具体为豆瓣社区仿真中的关系元Agent的实验设置。对于关系涌现可从两个视角来分析：个体与整体。基于豆瓣用户的时间序列行为数据构建了个体分形结构的测量指标，社会网与资源网涌现的指标链，使得复杂网络分析指标能更好的反应实际研究的问题。最后将具体的关系元Agent的模型放入社会实验平台ASNM去运行，并得到了一些涌现出的结果如网络的可导航性、资源入度的幂律分布、社团结构。由此验证了建模方法的有效性和设计的理论建边方式可实现可导航性网络，实现个体社会资本和宏观社会资本的积累。该模型的创新性成果主要体现在以下几个方面：首先是关系元Agent模型。基于关系元的Agent模型将Agent的客观属性、主观属性和社会属性分开从而使得Agent建模更加清晰；第二，基于集聚和择优的二级建边方式可以巧妙利用Agent自己的个人经验与其它Agent的经验；第三，基于Logistic方程的边权演化方式，使得Agent的邻居在搜索时是可分辨的，增加了网络的可导航性。其次是涌现结果的分析。涌现结果不仅可以涌现在宏观层面也可以涌现在个体层面，因此本文设计了个体树状分形结构的测量指标，与以往不同的在于将原来平面的度的指标根据成边的先后还原为一棵树状结构，由此产生了枝上的信任，这为以后可导航性打下基础。对于宏观层面的涌现，不是单单去建一个指标，而是构建了由绝对短的网络直径到网络的层次、社团结构到个体的集聚和择优行为，来保证网络最后的涌现。第三是用这套建模方法分析了具体的豆瓣社区，它的宏观社会资本如何从个体的建边行为到最后出现一个可导航网络的过程。社会学中对于宏观社会资本的涌现大多通过问卷甚至改变衡量指标的方式去测量，这使最终如何指导个体的行为的意义被置疑。本文的建模方法源自个体的行为，宏观涌现的网络不是设计的，实验中个体的行为直接可以还原到现实指导政策或功能设计。总之，ACSN建模方法不仅能支持、验证传统方法已得出的结论，而且可以针对以往较难建模、定量研究的问题进行讨论。