学习视角下创新型中小企业协同成长粒子群优化分析.docVIP

学习视角下创新型中小企业协同成长粒子群优化分析 　　摘要：运用标准粒子群优化分析了不同类型学习因子对创新型中小企业协同成长的影响。结果表明：非对称线性学习因子对创新型中小企业协同成长有积极影响，但潜藏的知识流向断链可能会阻滞协同成长的持续性；惯性权重与学习因子的线性关系比非线性关系对创新型中小企业协同成长具有指引作用，同时，提出知识虚拟链接信息渠道有助于实现群体智能化学习，保持协同成长的稳定性；权重与学习因子的余弦函数关系说明了外界环境的剧烈变化不适宜创新型中小企业的协同成长。 　　关键词：学习因子；创新型中小企业；协同成长；粒子群优化 　　DOI：10.13956/j.ss.1001-8409.2016.08.07 　　中图分类号：F272 文献标识码：A 文章编号：1001-8409（2016）08-0029-05 　　1引言 　　中小企业作为社会经济单元的基本构成单位，在推动社会经济稳定发展方面起着不可替代的作用。企业发展过程的思维产生的氛围、资源的整合利用、寻求新组合以及承担和共享风险[1]的动态能力是企业获得自身成长优势的表现。而在创新型社会中，经济的转型发展主要依靠创新型中小企业，因为创新型中小企业是中小企业以持续性创新作为生存动力和发展目标的特殊群体[2]。 　　随着国家一系列创新政策的出台，创新型中小企业的异军突起有力地推进了国家创新经济的转型升级，而经济转型发展的持久性与创新型中小企业的成长密不可分。创新型中小企业考虑自身实际运营和发展状况，选择最佳的市场来提升融资效率[3～5]，融资创新对中小企业成长起重要作用[6]。与金融支持相关的创新环境政策是激励创新型中小型企业成长活力的重要外部因素[7，8]。而张玉明等认为知识和资本的双链要素是创新型中小企业成长的基因结构之一[9]，通过知识的积累和运用能够提高企业的创新水平[10]，它是为创新型中小企业持续成长制定政策的重要依据，并以科学规范的方法构建了创新型中小企业成长评价体系[11]。 　　已有研究从先验性理论和实证检验的视角研究了创新型中小企业成长的融资效率、经济环境与政策、成长结构以及评价体系等，也为本文提供了理论支撑和实践指导性。但这些研究更多地关注了创新型中小企业个体内部成长的本质特征，而在现实运营环境中，以知识为载体的中小企业个体成长关乎群体中的企业成长，并依企业个体的成长学习能力及群体之间的互动性来提升创新型中小企业的成长速度和竞争水平。基于此，本文从学习视角分析了环境中群体创新型中小企业的协同成长问题，并尝试运用粒子群优化方法与创新型中小企业的协同成长结合起来，对协同成长的过程及趋势进行仿真。 　　2创新型中小企业协同成长的标准PSO算法分析 　　粒子群优化（Particle Swarm Optimization， PSO）算法是在模拟鸟群或鱼群觅食过程中发展起来的群体协作的随机迭代搜索算法。PSO算法首先初始化一群随机粒子，设群体粒子数为m，在迭代时刻t，第i个粒子在d维空间以一定的位置Xi=（x1i，x2i，…，xdi）和速度Vi=（v1i，v2i，…，vdi）进行搜索，粒子搜索历史最优位置（pbest）和群体最优位置（gbest）分别表示为pi=（p1i，p2i，…，pdi）和pg=（p1g，p2g，…，pdg），i=1，2，…，N 。粒子在t+1时刻搜索到pbest和gbest时根据下式来调整自己的速度和位置。 　　vdi（t+1）=ω?vdi（t）+c1r1[pdi（t）-xdi（t）]+c2r2[pdg（t）-xdi（t）]（1） 　　xdi（t+1）=xdi（t）+vdi（t+1）（2） 　　其中，惯性权重ω描述了惯性对粒子搜索速度的影响，ω≥0；c1和c2为粒子向自身和群体学习的加速因子，c1，c2≥0；r1和r2为（0，1）的均匀随机数。当惯性权重ω，加速因子c1和c2为常数时，称为标准PSO算法。 　　为验证改进PSO算法在创新型中小企业协同成长分析上的性能，本文选择sphere函数作为粒 　　子的适应度函数，表达式为f（x）=∑ni=1x2i。一般而言，知识密集型企业的成长在受自身软条件约束时，促使企业之间产生需求特征的合作，尤其是领域内的劣势企业，合作化的研发行为为创新型中小企业提供从同伴企业中获得外部知识资源。伴随企业对知识的吸收、消化、模仿、运用的学习能力的提升，借助外部知识力量弥补技术劣势能力得到强化，新知识的跃迁促进企业对高技术产品研发独立性的形成，降低合作中对知识的过度依赖而造成额外损失。首先利用标准PSO算法分析创新型中小企业中粒子群的规模和迭代次数对创新型中小企业协同生长结果的影响。 　　（1）粒子群迭代次数对创新型中小企业协同成长的影响。假设粒子群的规模N=20，权重ω=0