基于遺傳算法的創(chuàng)新型產(chǎn)業(yè)集群成員選擇方法的研究

[摘要] 基于遺傳算法，將創(chuàng)新型產(chǎn)業(yè)集群成員評價指標體系與產(chǎn)業(yè)集群競爭力GEM模型結合，從集群整體競爭力提升角度對創(chuàng)新型產(chǎn)業(yè)集群新成員選擇方法進行研究。

[關鍵詞] 創(chuàng)新型產(chǎn)業(yè)集群 遺傳算法 成員選擇 GEM模型

隨著知識經(jīng)濟的發(fā)展，很多根植于地方的產(chǎn)業(yè)集群開始面臨技術能力不足、地方優(yōu)勢喪失等問題。于是升級作為競爭力提升的方式被引入集群的研究中，創(chuàng)新被認為是升級的關鍵，而如何為集群創(chuàng)新網(wǎng)絡選擇合適的目標成員成為亟待解決的問題。

一、目標模型確定

創(chuàng)新型產(chǎn)業(yè)集群成員引入的最終目標是實現(xiàn)集群整體競爭力的提升。對產(chǎn)業(yè)集群競爭力的評價加拿大學者Padmore和Gibson提出了GEM模型。本文以GEM模型為基礎構造創(chuàng)新型產(chǎn)業(yè)集群成員選擇的目標函數(shù)。

GEM模型涉及到三對六個決定因素：因素對I－基礎，包括資源與設施；因素對II－企業(yè)，包括供應商和相關輔助產(chǎn)業(yè)以及企業(yè)結構、戰(zhàn)略和競爭；因素對III－市場，包括當?shù)厥袌龊屯獠渴袌觥EM模型的產(chǎn)業(yè)集群競爭力總得分表達式為：

(1)

其中i取值為1、2、3，和為因素對中兩個可以相互替代或基本上可以相互替代的因素。GEM滿分為1000分，分數(shù)越高說明集群額競爭力越強。

二、指標體系確定及量化

集群成員選擇一般需要考慮的標準兼容性、能力和承諾。W. M， Cohen 和D.A.Levinthal(1990)認為創(chuàng)新還要考慮知識吸收能力這個因素。我國盧燕等提出應將知識產(chǎn)權單獨考慮。本文在此基礎上將集群成員選擇影響因素劃分為兼容性、互補性、信任、知識吸收能力和知識創(chuàng)新能力五類變量，在變量之下設立詳細指標如下：

1.兼容性：戰(zhàn)略目標、集群目標、企業(yè)文化、管理團隊、經(jīng)營實力相當、長期合作的可能性

2.互補性：管理水平、管理人員經(jīng)驗技能、技術開發(fā)的識和技能、技術人員平均從業(yè)時間、產(chǎn)品生產(chǎn)知識和技能、市場營銷知識和技能、市場競爭地位財務狀況。

3.可信度：合作意愿、集群業(yè)務是否屬于成員核心業(yè)務范圍、集群活動是否能夠積極參加、集群記錄、成員企業(yè)聲譽、合作雙方了解程度、穩(wěn)定的管理層結構、高層領導之間的互信關系。

4.知識吸收能力：知識基礎類似程度、成員知識吸收能力、信息管理系統(tǒng)、主要決策者對知識吸收的態(tài)度。

5.知識創(chuàng)新能力：成員擁有知識的質(zhì)與量、合作技術是否是成員核心技術、成員RD投入、成員RD轉(zhuǎn)化為產(chǎn)品的比率。

采用參照對比法得到成員選擇詳細指標初始值，再通過層次分析法確定各詳細指標權重，進行集成可得到各類選擇變量的權重：

三、基于遺傳算法的創(chuàng)新型產(chǎn)業(yè)集群成員選擇方法

利用遺傳算法進行集群成員選擇是以集群整體最優(yōu)化為成員選擇的衡量標準，而不是盲目選擇指標值最高的企業(yè)作為集群成員對象。

1.目標函數(shù)確定

采用GEM公式為目標函數(shù)?；诋a(chǎn)業(yè)集群發(fā)展路徑和產(chǎn)業(yè)集群發(fā)展戰(zhàn)略及由此產(chǎn)生的具體目標建立成員選擇變量和GEM模型因素變量之間的函數(shù)關系將候選成員選擇變量值映射到GEM模型因素變量，得到值，再由目標函數(shù)即GEM公式（1）得到引入新成員后集群將達到的競爭力水平，作為篩選新成員的標準。

2.算法過程

(1)編碼方式

選擇實數(shù)編碼方式，每一個候選成員可以用 所示代碼串表示。每一字段表示第j類選擇變量中第i個詳細指標，表示各詳細指標的值，即。這樣每一個代碼串就表示一個候選企業(yè)。

(2)適應度函數(shù)構造

由于本文通過GEM模型將產(chǎn)業(yè)集群成員選擇目標轉(zhuǎn)化成單目標函數(shù)，所以可以直接采用目標函數(shù)作為適應度函數(shù)。

(3)選擇算子

采用輪盤賭選擇法假設每一個個體（代碼串）的適應度為，群體總的適應度為，將比例作為第k個個體的選擇概率。

(4)重組和變異算子

采用中間重組算子來產(chǎn)生新一代個體，每一個經(jīng)過重組的個體進行實值變異。一般重組概率Pc取值范圍為0.8～1.0之間。

(5)選擇策略

從重組變異后產(chǎn)生的新種群和原種群中選取前n個適應度大的個體組成下一代種群。

(6)算法終止條件

利用固定代數(shù)作為終止條件，并輸出群體中多個較優(yōu)個體作為最終結果以供選擇。

四、結束語

本文基于遺傳算法，將創(chuàng)新型產(chǎn)業(yè)集群成員的評價指標體系與產(chǎn)業(yè)集群競爭力評價的GEM模型結合，從集群整體競爭力提升角度對創(chuàng)新型產(chǎn)業(yè)集群新成員選擇的方法進行研究，與傳統(tǒng)方法相比更符合產(chǎn)業(yè)集群整體競爭力提升的要求。

參考文獻：

[1]Tim Panore， Hervey Gibson. Modeling Systems of the Innovation: A Framework for Industrial Cluster Analysis in Region [J]. Research Policy， 1998(26):625-641

[2]W. M， Cohen，D.A. Levinthal. Absorptive Capacity: A new Prospective on learning and Innovatio[J]n.Administrative Science Quarterly， 1990:35

[3]盧燕湯建影黃瑞華等:合作研發(fā)伙伴選擇影響因素的實證研究[J].研究與發(fā)展管理，2006(1）：52-58