本文在阐述复杂社会经济系统的内涵及其基本特征的基础上,探索性地研究了测度复杂社会经济系统的基本方法—网络分析法(ANP)的方案排序问题。内部独立循环型系统(CSII)是ANP的五种典型系统之一。针对CSII型系统问题,论文指出传统ANP方案排序方法在超矩阵的一个重要子矩阵即方案对目标的影响矩阵(IMAG)构造时采用了和其它子矩阵完全相同的构造方式,即点估计的方式。作者认为,IMAG的这种构造方式并不合理。其中原因在于:IMAG影响矩阵所采用的构造思想实质上应是整体论而不是传统的还原论。为克服上述缺陷,论文建议专家采用区间估计而非点估计的方式来反映其相对偏好的判断。为了使这种理论观点能够在实际评价中得以实施,通过建立数据包络分析模型,提出了一种CSII型系统方案的改进排序方法。具体例子应用结果表明,该方法是科学可靠的,对复杂循环系统的排序问题有着很强的实际应用可操作性。内部依存递阶系统(HSID)是ANP的又一典型系统,针对HSID系统的问题,论文指出传统ANP方案排序方法并没有合理反映出元素集内部和元素集之间的复杂非线性关系,并且元素之间相互作用的机理不明确。针对这一理论缺陷,论文在扬弃传统ANP方案排序方法的基础上,提出了逆ANP网络结构,给出一种基于人工神经网络(ANN)的新的方案排序方法。最后,通过一个项目投资风险评价的例子,对HSID系统的方案排序方法进行了实证研究。实证结果表明,该方法是可行的,能有效地解决复杂社会经济的实际问题。