基于粒子群優化智能體的創新行為與產業集聚研究
——以廣深科技創新走廊電子產業為例

郭進超，蔣 福，張智勇

（1.中山大學新華學院管理學院，廣東廣州 510520；2.華南理工大學經濟與貿易學院，廣東廣州 510006）

1 研究背景

黨的十九大以來，“創新”成為了我國國家戰略中的關鍵詞，一方面是產業升級的要求，另一方面是我國產業代加工、模仿、自主創新路徑發展的必然要求。企業尤其是規模以上企業，作為產業創新的主力軍，其創新能力的發展在很大程度上影響著我國產業創新的發展。產業集聚作為促進區域經濟全面發展的重要因素，對于創新的影響是難以忽視的，研究產業集聚與企業創新行為之間的關系具有重要意義。

從古典經濟學看來，產業集聚問題被視為產業活動在特定空間中存在一個或若干個中心，其結果是引發企業向中心集聚的趨勢。產業集聚和企業創新關系問題起始于Marshall［1］的研究，該研究奠定了外部經濟對產業集聚的解釋基礎，馬歇爾外部經濟解釋了產業集聚導致技術溢出，認為同行業集聚使得企業創新加速。雖然Jacobs［2］提出雅各布外部經濟解釋，指出跨行業集聚更容易促進企業創新，但兩種解釋都指出產業集聚的外部經濟形成了企業創新驅動力。Duranton等［3］研究表明，產業結構的多樣化所帶來的雅各布外部經濟性可以推動新生企業的創新行為，隨著企業的發展和時間的推移，成熟企業會更多地受益于產業專業化和生產外部環境所帶來的馬歇爾外部經濟效應。彭向等［4］通過測量馬歇爾外部性、雅各布外部性對我國地區產業創新的影響，發現兩種外部性都存在顯著作用，只是雅各布外部經濟作用強于馬歇爾外部經濟作用。

然而，傳統經濟學完全競爭市場結構假設缺陷不斷遭受詬病。Krugman［5］構建了新經濟地理學，克服了自然稟賦要素對產業分布解釋的完全競爭范式局限，以不完全競爭框架解釋了產業集聚效應與企業創新的關系，其核心思想是：產業集聚與要素流動相互影響，而企業必然對要素流動作出反應，由此誘發出創新行為。Krugman［5］等以及Baldwin等［6］各自提出的模型解釋了制造業勞動的流動、資本流動等與本地市場效應的互動會產生集聚效應，形成企業創新的驅動力。多數學者的研究也證明了產業集聚對于企業創新有正向影響，例如，Jaff［7］通過研發費用、專利申請數目衡量了企業在集聚過程中的創新績效；顏克益等［8］基于我國省際面板數據的研究表明，產業集聚度對創新績效有積極作用，而且集聚度對創新投入與創新績效之間的正向關系有積極的調節作用；歐美地理經濟學家對“區域”和“空間”的重新關注引發了新經濟地理學研究熱潮，催生了產業集群區域發展的動態化研究［9-10］；周燦等［11］從經濟地理學視角探究了路徑依賴、多維鄰近觀點，闡述了不同空間的動態地理網絡對產業集聚、企業創新行為和知識溢出的影響。

產業集聚和創新行為屬于經濟學范疇的內生增長理論，也是新經濟地理學的重要領域，目前大多數文獻和實證研究主要集中于關注知識溢出和地理空間的活動層面上［12-13］，鮮有文獻針對企業微觀經濟主體與外部產業環境之間的動態演化機理提出更深層次的分析；同時，目前研究產業集聚與創新的主流實證模型是基于知識溢出的生產函數模型［14］，而企業創新行為是產業集聚環境和企業互動的結果，具有自我學習的智能體特征，也即存在涌現性［15-16］，而涌現性的主要特征要求環境與企業在互動的網絡情境下觀察具體的經濟運行態勢和結果，而非靜態的模擬視角。因此，對于單個企業而言，決策者需要思考的是如何在產業集聚過程中建立與之匹配的創新策略，如何在組織內部進行部門設計和尋找創新動力源，如何建立與增強自身特殊資源相關的創新能力，以及能否探尋到適合企業自身創新行為與產業集聚的關系，這些問題均值得深入研究。

根據我國工信部的定義，電子信息產業（以下簡稱“電子產業”）是指研發和生產各類型電子設備、電子元配件、軟件開發以及信息技術服務的總稱。據中商產業研究院數據顯示，2018年我國電子產業銷售總值已達到17.5萬億元，呈兩位數的增長態勢，然而，自主創新能力不足、傳統優勢削弱，產業亟需轉型升級。珠三角地區的電子產業是我國改革開放以來具有代表性的重點行業，其發展歷程見證了國內經濟發展的不同階段要求；廣深科技創新走廊（以下簡稱“廣深科創走廊”）是一條連接廣州和深圳的，長度約為200 km、面積為1萬多km2的區域經濟帶，聚集了一大批電子信息產業的高新技術企業，創新能力和創新生態都較為完善，產業集聚過程和范圍十分充分，整個行業對信息化、智能化的要求較高，個體企業創新行為一直持續不斷，具備國際電子產業創新示范中心。因此，本研究以廣深科創走廊電子產業為研究對象，借助粒子群優化（PSO）算法，結合Arash等［17］關于智能體的建模思想，研究產業集聚和企業創新行為關系。應用PSO模型具有如下優勢：

（1）該模型的研究對象為微觀主體的企業，可以細化產業集聚的研究尺度；將企業視為產業集聚環境下具有一套自身行為模式，用于感知、處理和影響環境的個體，通過對個體企業微觀層面的創新行為建模和仿真，形成宏觀層面的群體行為。

（2）該模型的原理是運用生物學的動態網絡鏈路，符合時間發展的演進機理；通過自下而上的模式構建微觀主體的規則集合，將企業作為一種復雜的適應性系統，探尋產業集群的演變過程。這種方法通過對個體企業行為模擬，包括同質企業和異質企業，在戰略、戰術、操作層面研究企業創新行為，基于各企業在環境下的互動性以及在環境下的涌動性，描述企業創新行為的關鍵點和差異性，是一種動態的網絡系統研究，也更能體現企業創新實踐活動。

（3）產業集群指標復雜，系統內協調差異大。目前國內應用此模型分析產業集聚的研究較少，這是本文在這方面實證研究的嘗試。

2 電子產業聚集過程計算實驗模型

基于復雜網絡原理及智能體知識溢出效應，廣深科創走廊電子產業在集聚過程中會形成以創新企業為中心的分布，這種分布存在多個中心的趨勢，除了地理和歷史經濟因素，造成多中心趨勢的一個重要原因是企業創新行為選擇存在差異。創新企業是一個多智能體，其創新選擇受到其創新規則集和知識庫的作用，而規則集和知識庫是企業和產業集聚互動下的拓展集合；企業創新是產業集聚的動力系統，該動力系統的運作后果導致中心節點與其他節點最短路徑之和最小。通過粒子群算法來動態描述主體與客體互動下的創新行為，即利用企業規則集和知識庫動態拓展和自我優化的特點，構建企業創新的動力系統，解釋不同企業面臨產業集聚創新行為的差異，并識別關鍵因素，以提升產業集聚理論與實踐的契合度。

2.1 產業集聚動態創新網絡系統

在產業集聚創新網絡系統中，創新過程不是線性靜態網絡，而是由企業各種異質資源協同整合形成的多邊性、多節點、多智能體的耦合網絡，是個體創新企業集聚方式由線性靜態網絡向動態網絡的演化過程，即關鍵節點的范式轉變，故需要用復雜網絡的中心性原理來刻畫其動態特征，如圖1所示。

圖1 基于網絡中心性原理的產業集聚動態系統

為了描述產業集聚中的動態網絡節點，假設在給定的一段時間區間里，從在時間區間［0,T］里由關鍵節點集合 和鏈路表示。在產業集聚網絡中，關鍵節點具有中心收斂特性，可被視作產業群中的企業集合，而鏈路的大小所形成的集合會隨時間發生動態變化。為動態網絡的時間長度，為時間的間隔個數，則表示集聚狀態，包含邊集和節點集 ，其中的鏈路 可定義為邊集()在時間區域范圍內存在集聚狀態。頂點集 中的關鍵節點 在范圍里的節點集聚狀態呈現趨于中心性的特征，各節點之間的實體鏈路距離逐步縮短、系統信息交互性得到進一步增強，即所有關鍵節點 之間的路徑集合最小。根據Sabidussi［18］的網絡中心性定理，節點與網絡系統中其他節點的最短距離之和越小，則該節點的中心性越強，得到動態網絡 的中心性值域表達如下：

2.2 基于智能體的產業集聚和企業創新的互動關系

企業選擇不同創新方向也是基于企業智能體的特征，即每個企業具有獨特的創新行為模式，對外界的信息進行收集、處理、學習和反饋，并能根據環境變化產生自適應性行為。通過智能體在一定空間維度的聯動與衍化，實現智能體整體功能的涌現，獲取收益最大化，構筑產業集聚中心優勢。假設電子行業中有個企業，用 表示，其中，每個企業可視為一個智能體（Agent），（自身擁有異質資源、知識庫、規則集等屬性）與企業創新選擇 密切相關，如圖2所示。其中，異質資源是指產業集群中的個體企業獨有的優質資源，在區域集群網絡中具有一定的競爭優勢，會推動集群企業的社會分工，形成新的共享性根植資源。由于技術環境和外部市場不斷發生變化，企業智能體若想保持競爭優勢，必須通過合作和充分的外部市場競爭獲取技術和知識，完成新的知識儲備；以此為契機，產業群中的企業個體不斷引入外部創新資源，進行產業升級。知識庫是指企業現有的技術、學習能力、研發投入等生產要素稟賦集合，可用表示，表示第個企業的知識庫集合。知識庫隨著企業創新和對環境的吸收是一個拓展的集合，即：期的競合關系觸發了企業間的知識溢出和轉移，形成了基于契約效益化的互補性資源，以此來提高產業群的創新收益。規則集是指在產業群的動態網絡系統中，企業群體類似于自然界的生態系統，在長期的相互學習中會形成一種共生網絡或共生關系（如信任關系和交易規則等表現形式），這種自我協調機制會加快知識溢出、降低產業集群的生產成本以及交易成本，從而實現超額利潤。企業創新的選擇規則以及改變現有創新的選擇規則的規則可用 來表示，表示第個企業的規則集。規則集是一個不斷拓展的集合，因改變現有規則的行為存在，一旦企業衍生出新的選擇規則，則企業規則

圖2 智能體的知識溢出網絡關系

企業智能體內部知識庫對企業創新選擇產生影響，企業創新選擇對產業集聚產生影響，而產業集聚又對企業創新選擇和知識庫產生影響，這是一個循環互動的過程。企業智能體和產業集聚環境互動下知識集狀態的耦合函數表示為：

同理，企業智能體內部的規則集對企業創新選擇產生影響，企業創新選擇對產業集聚產生影響，而產業集聚又對企業創新和規則集產生影響，這是一個循環的過程。企業智能體和產業集聚環境互動下規則集狀態的耦合函數表示為：

而企業創新的選擇是基于知識集和規則集的共同作用下產生，故產業集聚中所有企業的創新選擇可用以下函數表示：

式（4）中：企業創新環境知識庫 為產業集聚中心趨勢的動力，而中心趨勢函數利用表示，即形成企業創新在企業集聚中的目標函數； 和 為權重系數； 為其他隨機影響變量。

通過目標函數，由式（2）（3）（4）建立電子行業集聚和企業創新的動態關系，其中式（2）（3）表示企業智能體與環境互動下的創新行為重要模塊，式（4）表示行業內企業創新的選擇動力系統，最終形成中心趨勢的最短路徑之和最小。

2.3 PSO算法模型

在企業運營和產業聚集的實際情況下，個體智能體企業均具有自適應、自學習的能力，企業會根據環境的變化調整自身行為模式，即通過對智能體企業微觀層面的創新行為建模和仿真，形成宏觀層面的群體決策行為，因此企業的決策方向也是屬于自下而上的行為模式。PSO算法是一種基于群體迭代尋優的隨機技術，由工程師Russell［19］和社會心理學家Kennedy等［20］共同提出，其基本思想是對鳥類的群體行為通過建模進行模擬仿真，研究發現，鳥群具有一定的社會屬性，并且鳥類個體都有自己的速度向量與方向向量，由群體的社會性激發了個體之間相互學習的行為，最終達到目標值最優的一種決策模型。PSO算法模擬社會，符合企業智能體的要求，具有社會性，而社會性的實質在于個體向它周圍的成功者學習。簡要地可描述為：個體企業為產業群中的一個微粒，每個微粒都具有規則集（速度向量）和知識庫（位置向量），同時具有一個由目標函數（產業集聚中心趨勢的動力）決定的適應度，所有個體在搜索空間過程中以一定速度成長，根據自身經驗和他人的經驗進行優化決策，通過不斷向周圍成功者學習、提升知識庫容量來搜尋全局最優解。

在產業集聚的狀態下，基于知識溢出效應，個體企業會根據當期規模、歷史最大規模以及局部最大的企業規模相應調整知識溢出方向的行為是一個隨機迭代尋優的循環過程。PSO算法的具體步驟如下所示［21-23］：

（1）初始化一個企業數量規模為N的粒子群，設定初始知識庫和規則集；

（2）計算企業智能體內部的知識庫對企業創新選擇產生影響下當期的企業規模，并將本期企業創新后對產業的知識輸出收益作為企業的適應值

（4）相應的，對企業知識庫創新選擇方向和規則集進行更新，具體更新規則如式（5）（6）所示，其中為企業的學習因子，為群體創新收益的認知系數：

（5）如果滿足終止條件，則輸出解，否則返回步驟（2）直到運行 個周期為止。

2.4 PSO算法模型參數設定

本研究主要通過收集和整理企業規則集和知識集的數據，然后通過智能體的多主體建模和仿真語句轉化成運行規則，而運行規則在模型具體運行中迭代不斷優化，故需要在一定時間段內進行檢驗。本文借助MATLAB語言構造實驗對象，假定廣深科創走廊內有一定數量的個體企業，初始分布于無狀態的空間中，通過個體企業對創新路徑的自適應行為和動態交互形成聚集效應。本實驗參數的設置主要是為揭示產業聚集系統演變規律統計出有效的實驗結果，得出積極的管理啟示。實驗模型參數設置具體如表1所示。

表1 智能體集聚演化的仿真實驗參數設置

3 仿真結果及討論

3.1 產業集聚的動態分析

假設企業均勻分布于虛擬的市場空間里，不同企業在產業集聚中的創新選擇存在差異，主要表現在各自的內生創新能力（ ）不同。基于知識溢出效應的驅動力，個體企業在復雜的交互網絡中不斷搜索產業中心，形成聚集現象，經過多次重復仿真實驗，得到了相同的集聚效果（如圖3）。由此得知，產業集聚前各企業相互分散和鏈接路徑較長，企業通過創新后形成了以核心企業為中心的產業集聚網絡結構。由此可見，不同企業存在產業集聚創新行為的差異，企業在聚集過程中會更傾向接近于創新能力較強的企業，通過特定的創新行為模式和規則集傳播新知識新技術，不斷循環形成新的知識庫，進而在地理空間上形成產業集聚效應，并最終圍繞知識溢出效應強的企業形成集聚現象［24］。

結合實際，隨著新技術的興起和產業革命，世界形成了高度集聚的創新產業帶，比如美國波士頓地區尤其是128號公路沿線以及舊金山硅谷地區，集聚了大量科技創新資源諸如加州理工大學、斯坦福大學、伯克利大學等世界一流科研院校，周邊遍布英特爾、思科、蘋果、惠普等大中小的融技術、生產和研究為一體的創新企業，實現了區域內企業創新和產業科創資源的高度聚合，推動了舊金山和硅谷灣區的發展。企業創新是區域內個體企業之間交叉學習和知識溢出的結果，珠三角地區中的廣深科技創新走廊也是基于這種創新行為背景茁壯成長起來的，以廣深軌道交通和高速公路為軸線的廣深莞產業區域，集聚了大量的資本、信息、技術、高新科技人才等創新要素，逐步形成了高度發達的創新經濟產業帶。截至2017年，廣東省高新技術企業達到22 692家，數量蟬聯全國第一，而占據珠三角總面積15%的廣深莞三地生產總值（GDP）占了全省GDP的將近60%，聚集了60%以上的高新技術企業。其中，廣州市還充當著科研院校、國家重點創新實驗室、工程技術中心等知識機構集聚載體的角色，創建了琶洲4.0版互聯網集聚區、中新知識城、廣州天河智慧城高新區等創新創業平臺，打造了若干個千億元級的產業集群；深圳市是華為、騰訊等高新科技創新企業的研發集中地，整個區域的資本和科技人才十分充裕；高技術制造業和智能裝備制造業成為東莞市經濟轉型升級的主動力，以松山湖的創新企業為核心搭建了朝氣蓬勃的創新生態圈。

圖3 廣深科技創新走廊電子產業集聚的仿真演化過程

3.2 企業創新及其知識溢出對產業集聚的效果分析

假設在某個虛擬的經濟區域或產業集群經濟帶環境里分布著規模大小不一的眾多個體企業，圖4（a）中節點代表在某一時期內的企業規模，分析得知企業智能體內部的知識庫會對企業的創新行為產生影響，企業創新行為又會對產業集聚產生影響，而產業集聚反過來又對企業創新選擇和知識庫產生影響，因此，在企業創新行為和知識溢出方向的影響及刺激下，企業為了提高核心競爭力和生產力，會主動接受附近創新能力較強的企業的知識輻射，通過位置空間的選址行為形成產業內的企業集群效應；如圖4（b）所示，隨著企業間地理空間距離的縮小，創新聚集過程會表現出本土化和區域化的特征，基于頻繁的相互模仿學習，中心企業的知識溢出效應不斷強化，使得企業間的協同創新關系更加緊密。由此可見，在一定的產業地理空間范圍內，企業創新行為模式和知識溢出狀態會影響產業聚集規模。

圖4 廣深科技創新走廊企業創新對電子產業規模影響的仿真過程

在產業聚集演化和運行的初期，產業內個體企業間在沒有創新行為方向和相互學習的情景下，也即尚未達到知識溢出狀態的條件時［25］，個體企業的平均規模并無明顯差異，市場集中度也較為分散，但當部分企業意識到創新能力和創新方向選擇的重要性時，會自發尋求更強的中心企業作為模仿學習的對象，通過知識庫的加速累積，企業會迅速突破原有的資源限制，享有中心企業知識溢出的紅利，從而使自身的知識庫有效提升，并按照一定的規則集促使自身知識庫以循環迭代方式儲備新的知識等生產要素，最后的結果是導致產業規模迅速增大。現實情況是，處于深圳高新區的華為和中興等電子企業都是基于相互學習、合作創新和模仿的背景下共同成長，這些企業的創新能力和產業規模都非常強勁，由此印證了處于同一地理空間內產業有機融合和知識的互補性會形成一定的先動優勢。

3.3 創新制度環境以及競合行為影響產業集聚的效果分析

除了從個體企業和行業群體的角度分析外，產業集聚還會受到區域制度文化差異的影響，企業間密切的合作行為和良好的競爭關系會形成健康的產業集聚體系。在真實的經濟運行中，區域內的制度環境和社區文化差異會導致網絡節點企業的競合行為存在異同，直接影響企業參與創新的活躍度。Saxenian［26］研究指出，硅谷之崛起且長盛不衰和與之對應的波士頓128公路的衰落，主要原因在于社區文化和制度環境的異同。由此可見，文化特性、制度環境及競合關系對產業集聚的形成速度、產業規模和產業創新績效有著非常重要的影響。根據Logistic生長函數，企業的發展歷程一般經歷上述發展路徑，在沒有競合關系的前提下，創新績效模型表示如下：

依據相關原理，企業的規模 和企業外部制度環境、競合關系呈正相關態勢，其創新績效模型應修正如下：

由圖5得知，在良好的外部政策環境條件下，產業規模等創新績效的表現更為出色，產值規模增長更快。現實情況，地區優勢不但在美國硅谷表現出來，而處于粵港澳大灣區的廣深一帶也有相類似的特征——外部良好的制度環境、扁平化的社區文化、企業間的競合生態基因，都呈現出中國未來最有潛力的“硅谷”地帶。以此為鑒，廣深科創走廊要開創偉業，關鍵節點在于營造多樣化的制度文化，延續這種地區優勢。

圖5 制度環境和競合行為對廣深科技創新走廊電子產業集聚影響的仿真結果

4 結論

本文以廣深科創走廊電子產業復雜的網絡系統為背景，利用產業集聚演化過程的數據集，采用粒子群優化算法構建了企業創新行為模型，模擬了個體企業創新的成長路徑以及產業集聚的演化機理。仿真實驗結果表明：首先，應將企業視為具有一定社會屬性的智能體，且不應再停留在主體與客體環境單方面的分析，而應研究基于主體與客體互動下的創新行為；其次，在一定的區域空間范圍內，伴隨著企業創新活動頻繁地開展，知識溢出效應成為產業集聚的重要驅動要素；最后，產業集聚還會受到制度環境以及競合行為的影響。

本研究還存在一些不足之處：產業集聚和企業創新關系在現實中表現出非線性、復雜性等特征，如何選擇正確的分析方法和模型系統加以描述是研究的關鍵，但電子產業中的企業個體發展水平參差不齊，不可能完全一致，且如果選擇單個企業研究則無法代表整體性，而若選擇研究對象范圍太廣則會導致關鍵系統太多，故研究區域范圍及企業數量需要科學的平衡。因此，在未來的研究中將進一步考慮各參數的實際情況，更好地擬合各方面的影響因素。