论文部分内容阅读
摘要：基于模拟自然和社会现象的NetLogo建模仿真平台，文章结合知识创新和智能体（Agent）仿真模型等相关理论，对知识密集型产业演化机理进行研究，在基于Netlogo仿真模拟过程中，微观的知识密集型公司作为智能体，我们发现知识基因（Kene）是演化发展的内在动力，运用 Kene理论建立了知识密集型产业知识创新的知识空间模型，提出创新假设（Innovation Hypothesis）是知识创新内在动力，描述了知识创新演化的适应性机理，经由复制（模仿）、变异、选择的过程而演化。文章提出知识密集型产业发展规律对持续性的知识创新具有重要的理论和现实意义。
关键词：仿真；演化；知识基因；Kene；Netlogo
1. 知识密集产业的相关研究。生产要素的不同投入比重可以将生产部门划分为劳动密集型产业、资本密集型产业和知识密集型，随着知识经济的到来，知识密集型产业发展显示越来越重要的地位，知识密集型产业是指在生产过程中对知识的依赖程度大，即知识含量高、脑力劳动所占比重比较大的产业。国内学者高汝熹（2007）突破对知识密集型产业的定性认识，构建了一套知识密集型产业的评价指标，并运用主成分分析法对上海知识密集型产业进行定量研究。许强（2007）重点研究上海知识密集型制造业，揭示了知识密集型制造业存在的问题并提出对策。陈伟等（2013）认为专利创新绩效水平会影响知识密集型产业，利用2005年～2010年的专业时序数据进行实证分析，确定影响专利创新的主要因素。罗守贵提出知识竞争力概念来量化描述知识密集型相关产业，揭示亚太地区知识竞争力的格局正在发生变化，特别为上海指出如何保持知识竞争力优势地位的措施。王炜（2015）利用生态学理论，在Matlab仿真软件动态模拟生产者和消费者的行为中融入生态特征来模拟生产者的自主创新和合作创新运行机理；并研究知识创新演化过程中的外部和内部动力机制。
2. 知识基因在知识创新中应用。SKIN模型（Simulating Knowledge Dynamics in Innovation Networks Model）是伴随着知识密集型产业发展而提出的，其包含了很多同质的智能体（Agent），这些智能体有相互影响相互作用的行为。在SKIN模型中，Gilbert（2004）基于meme的基础上提出Kene概念（知识 knowledge 基因gene），又称为“知识的基因”，用以表示知识创新过程组织中的知识单元的集合。Pyka（2007）基于Kene是知识单元的集合，认为每个知识单元是三维向量，知识密集公司通过合作、组建创新网络来传递知识，基于agent仿真模拟复杂知识创新系统的动态变化；Pyka（2009）对近来年的文献进行汇总纳入创新网络架构，更全面地解释了知识密集产业演化的内在动力机制。Petra（2011）基于Agent分析合作策略（Agent-oriented Scenario）场景和资本结构分布（Structure-oriented Scenario）场景，用Kene来描述知识间动态流动，结论是通过合作来弥补先天的不足资金，一是当初始化资本结构平均分布时，其创新效率和规模小于初始化资本结构不均时的效率和规模；二是保守策略合作，积极策略合作都有正面影响，但保守策略合作更好于积极策略合作。
与国外相比，孙冰等（2012）设计339份调查问卷进行结构方程的实证研究。实证分析结果表明假设成立，Kene是技术演化中的重要知识结构，是技术演化的关键内部要素；同时，孙冰等（2012）认为适应性是技术演化的根本动力。基于复杂适应系统的观点研究知识密集型产业知识创新呈现的新特征，是促进动态环境和变量下产业发展问题研究的新思路。将Kene理论引入产业技术的动态研究，以知识密集型产业为研究对象，提出知识密集型产业技术的适应性演化新观点。通过仿真模型对技术的演化过程进行模拟，揭示了知识密集型产业技术及其演化的七个复杂适应特征。孙冰等（2013）引入Kene探讨技术创新的适应性演化问题，提出技术创新在环境中适应性演化中的自然选择与学习。
3. 小结。基于以上知识密集产业和知识基因研究，目前知识创新演化的表达形式还不够丰富，尚未从时间角度来连续地观察与定量分析演化进程，知识密集型产业中技术演化过程的内外部驱动机制。本文全新演绎企业知识基因在知识密集型产业知识创新动态演化过程。因此，在netlogo生态仿真模拟平台上，用 Kene理论建立知识密集型产业知识创新的知识空间模型，提出创新假设（Innovation Hypothesis）是技术知识创新内在动力，描述了知识创新演化的适应性机理，经由复制（模仿）、变异、选择的过程而演化。
在复杂多变的环境中，公司从供应商买进原材料，将生产出来的产品卖给消费者。知识密集型产业中的技术就由若干 Kene所构成，我们基于Kene对知识创新网络中的知识动力进行仿真，Kene包括了多个知识单元，每一单元是一个三维向量，三维向量都由 C、A、E三个整数值组成，分别代表知识的属性C（Capability）、能力A（Ability）和专业水平E（Expertise level）：C代表在科学、技术或商业领域的一种产业（如生物化学产业）；A代表在该产业中的一种特定能力（如生物化学产业中的技术）；E是主体运用这种能力A能够达到的专业水平，也是知识创新的知识在市场中的适应强度。
同时，NetLogo模型有两部分包括可视化部件和例程，两者具有紧密联系。先在Interface中创建可视化部件，然后在例程中实现相应的代码，通过设置控件的属性可以将两者联系起来。模型中例程包括初始化例程和仿真例程：（一）初始化例程通过setup实现，Interface页中建立一个按钮与setup例程相联系，在setup中对模型初始状态的设置，生成所需的知识密集型公司，设置其状态，比如每个知识密集型公司初期有一些资本量，资本量反映公司规模大小，初期资本量是随机的，资本多则公司规模大，大型公司的资本量是小公司资本量的10倍，公司用这些资本来生产并提高知识水平；（二）仿真的执行通过例程go实现，在go例程中编写所需执行指令，完成循环仿真。建立可控化部件中的一个按钮与go例程相联系，该按钮是一个永久（forever）按钮，点击后将不断重复执行go例程，直到用户再次点击该按钮或遇到stop指令则仿真终止。在go例程实现过程中，知识密集型公司将自己知识应用于生产，我们定于其潜在的创新能力为创新假设（IH：Innovation Hypothesis），创新假设集合是知识基因Kene的子集，包括若干个知识单元，是公司创新继而盈利的动力。从创新假设IH映射到新产品过程是对创新假设集合中的属性值Ci汇总取模的过程。
生产所需要的原材料来源于创新假设的子集，计算过程类似生产新产品过程。若所需原材料在市场上找不到，则公司停止生产。若有多个供应商，则选择最便宜价格的那个供应商；若有多个相同便宜的供应商，选择最高质量的。为了描述知识密集型产业中知识创新演化的适应性机理，我们将合作方式和学习强度作为内在演化动力。根据合作关系是否合作、和谁合作，我们将合作策略分：无合作策略、保守策略、积极策略。保守策略是为了合作顺利，寻找相似知识基础的合作伙伴，积极策略是为了最大程度吸收新知识，寻找知识基础差异大的合作伙伴。如何寻找合作者中，广告传播的公司信息capabilities作为是否合作的基础，首先寻找之前有合作过的公司、供应商、客户、最后是其他公司。比较合作两者之间的capabilities，若使用保守策略，公司将和自己相近的capabilities；若使用积极策略，公司采用与自己有差异的capabilities。当capabilities是新的，该公司的专业水平E值将减少1以此来反映整合外部知识的所需要付出的代价。当capabilities是旧的，当该公司的合作伙伴有较高的专业水平E值时，该公司会提升到合作伙伴相同专业水平E值，否则，该公司的专业水平E值不变，此类合作创新是一种组合创新，组合多个合作者的知识。如果公司最新的创新获得成功，利润大于阈值，公司有些合作伙伴，则会建立一个网络，该网络作为一个特殊的agent能够自动创新，将产生的利润分配给其成员。网络作为特殊的agent，他的知识基因来自其成员的基因，当网络联盟成功时，将分配大于初始成本的利润给其成员，若失败，则会破产直至消亡。当获得利润后，更多的新公司会因为利润进入，但新公司由于资金有限无法完全复制现有公司，其专业水平E赋值为1。根据学习强度有不学习、边干学模型、调整产品价格、增量学习模型、辐射性学习模型、成为合作者、成为网络成员。边干学模型：公司运用创新假设中的知识来生产，若新产品获得市场认可，则增加该领域的专业水平E值，创新假设集合中的专业水平E值增加1，其他专业水平E值减少1，当专业水平E值减少为0时，其隶属的三维向量则从Kene知识空间中退出；增量学习模型：若产品不符合市场需求，公司需要通过花费更多的成本来增量学习新产品（Incremental Research），通过增量投入R
关键词：仿真；演化；知识基因；Kene；Netlogo
一、 知识密集产业与知识基因研究进展
1. 知识密集产业的相关研究。生产要素的不同投入比重可以将生产部门划分为劳动密集型产业、资本密集型产业和知识密集型，随着知识经济的到来，知识密集型产业发展显示越来越重要的地位，知识密集型产业是指在生产过程中对知识的依赖程度大，即知识含量高、脑力劳动所占比重比较大的产业。国内学者高汝熹（2007）突破对知识密集型产业的定性认识，构建了一套知识密集型产业的评价指标，并运用主成分分析法对上海知识密集型产业进行定量研究。许强（2007）重点研究上海知识密集型制造业，揭示了知识密集型制造业存在的问题并提出对策。陈伟等（2013）认为专利创新绩效水平会影响知识密集型产业，利用2005年～2010年的专业时序数据进行实证分析，确定影响专利创新的主要因素。罗守贵提出知识竞争力概念来量化描述知识密集型相关产业，揭示亚太地区知识竞争力的格局正在发生变化，特别为上海指出如何保持知识竞争力优势地位的措施。王炜（2015）利用生态学理论，在Matlab仿真软件动态模拟生产者和消费者的行为中融入生态特征来模拟生产者的自主创新和合作创新运行机理；并研究知识创新演化过程中的外部和内部动力机制。
2. 知识基因在知识创新中应用。SKIN模型（Simulating Knowledge Dynamics in Innovation Networks Model）是伴随着知识密集型产业发展而提出的，其包含了很多同质的智能体（Agent），这些智能体有相互影响相互作用的行为。在SKIN模型中，Gilbert（2004）基于meme的基础上提出Kene概念（知识 knowledge 基因gene），又称为“知识的基因”，用以表示知识创新过程组织中的知识单元的集合。Pyka（2007）基于Kene是知识单元的集合，认为每个知识单元是三维向量，知识密集公司通过合作、组建创新网络来传递知识，基于agent仿真模拟复杂知识创新系统的动态变化；Pyka（2009）对近来年的文献进行汇总纳入创新网络架构，更全面地解释了知识密集产业演化的内在动力机制。Petra（2011）基于Agent分析合作策略（Agent-oriented Scenario）场景和资本结构分布（Structure-oriented Scenario）场景，用Kene来描述知识间动态流动，结论是通过合作来弥补先天的不足资金，一是当初始化资本结构平均分布时，其创新效率和规模小于初始化资本结构不均时的效率和规模；二是保守策略合作，积极策略合作都有正面影响，但保守策略合作更好于积极策略合作。
与国外相比，孙冰等（2012）设计339份调查问卷进行结构方程的实证研究。实证分析结果表明假设成立，Kene是技术演化中的重要知识结构，是技术演化的关键内部要素；同时，孙冰等（2012）认为适应性是技术演化的根本动力。基于复杂适应系统的观点研究知识密集型产业知识创新呈现的新特征，是促进动态环境和变量下产业发展问题研究的新思路。将Kene理论引入产业技术的动态研究，以知识密集型产业为研究对象，提出知识密集型产业技术的适应性演化新观点。通过仿真模型对技术的演化过程进行模拟，揭示了知识密集型产业技术及其演化的七个复杂适应特征。孙冰等（2013）引入Kene探讨技术创新的适应性演化问题，提出技术创新在环境中适应性演化中的自然选择与学习。
3. 小结。基于以上知识密集产业和知识基因研究，目前知识创新演化的表达形式还不够丰富，尚未从时间角度来连续地观察与定量分析演化进程，知识密集型产业中技术演化过程的内外部驱动机制。本文全新演绎企业知识基因在知识密集型产业知识创新动态演化过程。因此，在netlogo生态仿真模拟平台上，用 Kene理论建立知识密集型产业知识创新的知识空间模型，提出创新假设（Innovation Hypothesis）是技术知识创新内在动力，描述了知识创新演化的适应性机理，经由复制（模仿）、变异、选择的过程而演化。
二、 NetLogo仿真平台建模
在复杂多变的环境中，公司从供应商买进原材料，将生产出来的产品卖给消费者。知识密集型产业中的技术就由若干 Kene所构成，我们基于Kene对知识创新网络中的知识动力进行仿真，Kene包括了多个知识单元，每一单元是一个三维向量，三维向量都由 C、A、E三个整数值组成，分别代表知识的属性C（Capability）、能力A（Ability）和专业水平E（Expertise level）：C代表在科学、技术或商业领域的一种产业（如生物化学产业）；A代表在该产业中的一种特定能力（如生物化学产业中的技术）；E是主体运用这种能力A能够达到的专业水平，也是知识创新的知识在市场中的适应强度。
同时，NetLogo模型有两部分包括可视化部件和例程，两者具有紧密联系。先在Interface中创建可视化部件，然后在例程中实现相应的代码，通过设置控件的属性可以将两者联系起来。模型中例程包括初始化例程和仿真例程：（一）初始化例程通过setup实现，Interface页中建立一个按钮与setup例程相联系，在setup中对模型初始状态的设置，生成所需的知识密集型公司，设置其状态，比如每个知识密集型公司初期有一些资本量，资本量反映公司规模大小，初期资本量是随机的，资本多则公司规模大，大型公司的资本量是小公司资本量的10倍，公司用这些资本来生产并提高知识水平；（二）仿真的执行通过例程go实现，在go例程中编写所需执行指令，完成循环仿真。建立可控化部件中的一个按钮与go例程相联系，该按钮是一个永久（forever）按钮，点击后将不断重复执行go例程，直到用户再次点击该按钮或遇到stop指令则仿真终止。在go例程实现过程中，知识密集型公司将自己知识应用于生产，我们定于其潜在的创新能力为创新假设（IH：Innovation Hypothesis），创新假设集合是知识基因Kene的子集，包括若干个知识单元，是公司创新继而盈利的动力。从创新假设IH映射到新产品过程是对创新假设集合中的属性值Ci汇总取模的过程。
生产所需要的原材料来源于创新假设的子集，计算过程类似生产新产品过程。若所需原材料在市场上找不到，则公司停止生产。若有多个供应商，则选择最便宜价格的那个供应商；若有多个相同便宜的供应商，选择最高质量的。为了描述知识密集型产业中知识创新演化的适应性机理，我们将合作方式和学习强度作为内在演化动力。根据合作关系是否合作、和谁合作，我们将合作策略分：无合作策略、保守策略、积极策略。保守策略是为了合作顺利，寻找相似知识基础的合作伙伴，积极策略是为了最大程度吸收新知识，寻找知识基础差异大的合作伙伴。如何寻找合作者中，广告传播的公司信息capabilities作为是否合作的基础，首先寻找之前有合作过的公司、供应商、客户、最后是其他公司。比较合作两者之间的capabilities，若使用保守策略，公司将和自己相近的capabilities；若使用积极策略，公司采用与自己有差异的capabilities。当capabilities是新的，该公司的专业水平E值将减少1以此来反映整合外部知识的所需要付出的代价。当capabilities是旧的，当该公司的合作伙伴有较高的专业水平E值时，该公司会提升到合作伙伴相同专业水平E值，否则，该公司的专业水平E值不变，此类合作创新是一种组合创新，组合多个合作者的知识。如果公司最新的创新获得成功，利润大于阈值，公司有些合作伙伴，则会建立一个网络，该网络作为一个特殊的agent能够自动创新，将产生的利润分配给其成员。网络作为特殊的agent，他的知识基因来自其成员的基因，当网络联盟成功时，将分配大于初始成本的利润给其成员，若失败，则会破产直至消亡。当获得利润后，更多的新公司会因为利润进入，但新公司由于资金有限无法完全复制现有公司，其专业水平E赋值为1。根据学习强度有不学习、边干学模型、调整产品价格、增量学习模型、辐射性学习模型、成为合作者、成为网络成员。边干学模型：公司运用创新假设中的知识来生产，若新产品获得市场认可，则增加该领域的专业水平E值，创新假设集合中的专业水平E值增加1，其他专业水平E值减少1，当专业水平E值减少为0时，其隶属的三维向量则从Kene知识空间中退出；增量学习模型：若产品不符合市场需求，公司需要通过花费更多的成本来增量学习新产品（Incremental Research），通过增量投入R