王猛　付韜　秦震

摘要：通過構(gòu)建基于知識觀的原始性創(chuàng)新多Agent模型，剖析原始性創(chuàng)新支撐知識、發(fā)起與參與主體以及主體合作網(wǎng)絡(luò)之間的聯(lián)系，進(jìn)而完成主體行為描述及其適應(yīng)性規(guī)則設(shè)計，并且借助Swarm平臺實(shí)施仿真。結(jié)果顯示學(xué)科研究方向總數(shù)極小的系統(tǒng)，其原始性創(chuàng)新績效最優(yōu)。對于學(xué)科研究方向總數(shù)中等乃至稍多的系統(tǒng)，采用優(yōu)先適應(yīng)其他主體原始性創(chuàng)新的策略或者強(qiáng)強(qiáng)聯(lián)合的策略都可以顯著提升其原始性創(chuàng)新績效，二者相比不存在絕對的最優(yōu)。

關(guān)鍵詞：原始性創(chuàng)新；知識觀；多主體仿真

中圖分類號：G301 文獻(xiàn)標(biāo)識碼：A 文章編號：1001-8409（2014）04-0121-06

Abstract： It proposes a multiagent model on the original innovation， and analyses the relationships among the supporting knowledge system， its participators， and participators collaboration network， design agents behaviors as well as their adaption rules， and simulate the model on Swarm platform. It shows that the system with very few research directions tends to have high innovation performance. As for systems with middle or higher amount of research directions， adopting the strategy to cooperate with the original innovations proposed by others with priority and the strategy to induce cooperation between experts may both improve the system innovation performance. These strategies both have their individual advantages， and cant conclude the best one.

Key words： original innovation； knowledge view； multiagent simulation

原始性創(chuàng)新主要表現(xiàn)為重大的科學(xué)發(fā)現(xiàn)、理論創(chuàng)新、技術(shù)創(chuàng)新、實(shí)驗(yàn)方法和儀器發(fā)明等，其本身有著極高的理論價值和現(xiàn)實(shí)效益，同時也具備很強(qiáng)的啟發(fā)性，經(jīng)常誘發(fā)一系列相關(guān)創(chuàng)新來完善其提出的理論及技術(shù)，或者模仿其解決問題的方式來研究相關(guān)和類似問題。目前，原始性創(chuàng)新已經(jīng)逐漸成為國內(nèi)學(xué)術(shù)界研究的熱點(diǎn)，有眾多學(xué)者從不同的層面對原始性創(chuàng)新展開研究，其研究主題涉及原始性創(chuàng)新的概念界定[1]，評估體系[2]，演化機(jī)理[1，3]，發(fā)生機(jī)制[4]，主體交互機(jī)制[5]，外部效應(yīng)[6]和激勵機(jī)制[7]等諸多方面。然而該領(lǐng)域的研究也存在一些缺陷，集中表現(xiàn)為領(lǐng)域內(nèi)研究方式以思辨分析為主，所構(gòu)建的模型大多屬于概念模型，雖然一部分原始性創(chuàng)新的影響因素和優(yōu)化策略被相繼提出，但是其作用機(jī)制和影響效果都難以被清晰觀察。上述缺陷極大限制了原始性創(chuàng)新研究的深度，也制約了人們對原始性創(chuàng)新影響因素和優(yōu)化策略的理解與把握。本文將多主體仿真這一研究方法引入原始性創(chuàng)新研究，可以有效克服上述缺陷。

1基于知識觀的原始性創(chuàng)新多Agent模型

原始性創(chuàng)新的概念由我國學(xué)者陳雅蘭等人提出[1]，他們進(jìn)一步將原始性創(chuàng)新劃分為基礎(chǔ)研究和應(yīng)用基礎(chǔ)研究兩類[1，7]。學(xué)者舒成利和高山行指出[4]，如果從知識觀的角度來看，原始性創(chuàng)新本身包含兩個密不可分的過程：新知識的產(chǎn)生和對新知識的使用，其中前者對應(yīng)于基礎(chǔ)研究，后者對應(yīng)于應(yīng)用基礎(chǔ)研究。通過進(jìn)一步分析我們發(fā)現(xiàn)，無論是新知識的產(chǎn)生（基礎(chǔ)研究）還是新知識的使用（應(yīng)用基礎(chǔ)研究），其背后形成支撐的往往是一個由不同研究方向不同性質(zhì)的知識所組成的知識系統(tǒng)。例如，20世紀(jì)初興起的量子力學(xué)（基礎(chǔ)研究原始性創(chuàng)新），是由物理學(xué)科中經(jīng)典力學(xué)對于某些實(shí)驗(yàn)現(xiàn)象的解釋失敗所引發(fā)，又以電動力學(xué)、熱力學(xué)和統(tǒng)計物理學(xué)等物理子學(xué)科的研究成果為依據(jù)，才得以提出。又如20世紀(jì)中葉DNA雙螺旋結(jié)構(gòu)（基礎(chǔ)研究原始性創(chuàng)新）的發(fā)現(xiàn)者Watson是遺傳學(xué)家，Crick是物理學(xué)家，他們對于DNA結(jié)構(gòu)的研究源于他們看到另一個遺傳學(xué)家Franklin拍攝的DNA的X射線衍射圖片，Watson向Franklin學(xué)習(xí)了X射線的衍射規(guī)律，還經(jīng)常和其他的蛋白質(zhì)專家進(jìn)行討論，才完成了DNA雙螺旋結(jié)構(gòu)的提出與確立。至于應(yīng)用基礎(chǔ)研究原始性創(chuàng)新，本文認(rèn)為[3]，此類原始性創(chuàng)新要成功地解決一個現(xiàn)實(shí)問題必須開發(fā)出一整套技術(shù)來解決各個方面各個環(huán)節(jié)所遇到的子問題，其背后形成支撐的必然是各方面知識所組成的知識系統(tǒng)。基于上述知識觀，本文提出了原始性創(chuàng)新多Agent模型（見圖1）。該模型將原始性創(chuàng)新完全限定于某個學(xué)科之內(nèi)，同時將該學(xué)科知識進(jìn)一步劃分為不同的研究方向，并且強(qiáng)調(diào)一個原始性創(chuàng)新的成功需要得到多個研究方向知識的支撐。

既然學(xué)科知識可以劃分為不同研究方向，一個隸屬于該學(xué)科的學(xué)者也可能擁有一個或多個研究方向下的知識，這意味著一個原始性創(chuàng)新所需要的知識可以由不同的學(xué)者來承載，這些學(xué)者基于這樣一種知識的互補(bǔ)性進(jìn)行分工協(xié)作從而形成原始性創(chuàng)新科研團(tuán)隊(duì)，而“團(tuán)隊(duì)協(xié)作”也是陳雅蘭等人提出的原始性創(chuàng)新影響因素之一[1]。他們提出的另一個影響因素“核心人物”要求我們將原始性創(chuàng)新團(tuán)隊(duì)成員進(jìn)一步劃分為發(fā)起者和參與者（見圖1）。發(fā)起者通常也是團(tuán)隊(duì)中的核心人物兼領(lǐng)導(dǎo)，其從事的研究方向（原始性創(chuàng)新的主要研究方向）和原始性創(chuàng)新所需要解決的問題緊密相關(guān)，其本身的學(xué)術(shù)水平及戰(zhàn)略眼光也將決定原始性創(chuàng)新的成敗。

一個學(xué)者作為原始性創(chuàng)新多Agent模型中的主體，其可以和哪些其他學(xué)者主體展開創(chuàng)新合作，主要由其在主體合作網(wǎng)絡(luò)（科學(xué)家合作網(wǎng)絡(luò)）中的位置及其本身的視域所決定。一般而言，學(xué)者更傾向于在組織內(nèi)部尋找創(chuàng)新合作伙伴，不過近年來有一些文獻(xiàn)指出學(xué)者跨組織合作創(chuàng)新也很常見，特別是對于國內(nèi)首屈一指的名校和科研機(jī)構(gòu)[8，9]。因而在本文設(shè)計的多主體模型中，主體也被歸入不同的科研組織，其合作網(wǎng)絡(luò)也成為一種跨組織網(wǎng)絡(luò)（見圖1）。

總之，上述主體行為及其適應(yīng)性規(guī)則的設(shè)計相對簡單直白，便于理解和具體操作，也體現(xiàn)了仿真模型設(shè)計的簡約性。

3參數(shù)取值及仿真結(jié)果分析

本文采用Swarm平臺編寫程序并且實(shí)施仿真，部分參數(shù)的描述及其取值由表1給出。這里的KN屬于系統(tǒng)的環(huán)境變量，其取值高低代表了學(xué)科知識的廣闊程度。LKN是學(xué)者主體在仿真開始時具備的研究方向總數(shù)，這里限定其取值為5，體現(xiàn)了每個學(xué)者除了有自己的學(xué)術(shù)專長方向之外，還掌握學(xué)科內(nèi)一定數(shù)量其他研究方向的知識。RLi為主體編號為i的研究方向所對應(yīng)的知識水平，其初始取值在0～100之間隨機(jī)生成。OL是原始性創(chuàng)新發(fā)起者所需最低知識水平，其取值設(shè)定為80，PL是原始性創(chuàng)新參與者所需最低知識水平，其取值設(shè)定為40遠(yuǎn)遠(yuǎn)小于80。小組總數(shù)GS和組內(nèi)主體數(shù)量GN屬于系統(tǒng)環(huán)境變量。主體作為科學(xué)家合作網(wǎng)絡(luò)的結(jié)點(diǎn)，其組內(nèi)邊數(shù)BI取值為5，高于組間邊數(shù)BO取值2，體現(xiàn)了其在單位內(nèi)部的潛在合作伙伴較單位外部更多，其單位內(nèi)部合作也比跨單位合作頻繁這一事實(shí)。

前文對于各系統(tǒng)最終EN數(shù)量的分析還提到中度和較高KN取值系統(tǒng)最終EN較低的原因在于某些主體缺乏競爭而停止適應(yīng)性調(diào)整，對于此類主體，如果能夠?yàn)槠湟敫偁幨蛊涑砷L為新的專家，勢必將提升系統(tǒng)原始性創(chuàng)新績效。具體的措施是如果某一主體成功地領(lǐng)導(dǎo)了一次原始性創(chuàng)新，他將有一次機(jī)會獲取一條新的合作網(wǎng)絡(luò)連接，該連接指向另外一個專家，如果有多個專家符合條件，他將選擇其特長方向與自身最為接近的專家。在整個仿真過程中，所有結(jié)點(diǎn)都只有一次機(jī)會獲取新的連接。這種強(qiáng)強(qiáng)聯(lián)合策略下，特定的KN取值系統(tǒng)的原始性創(chuàng)新成功數(shù)量ON演化過程由圖5給出，其中圖5與圖2中對應(yīng)系統(tǒng)保持了完全相同的初始主體群體設(shè)置，與圖2對比可見，中度 （KN=50）、較高（KN=100）的KN取值系統(tǒng)最終創(chuàng)新績效有顯著的提升，低度（KN=5）和高度（KN=350）的提升并不明顯。這也證明該策略對于中度和較高的KN取值系統(tǒng)行之有效。

上述兩種策略相比哪一個更為有效呢？對比圖4（b）和圖5（b），發(fā)現(xiàn)二者大致相當(dāng)。而圖4（c）和圖5（c）則顯示優(yōu)先適應(yīng)其他主體原始性創(chuàng)新策略的效果優(yōu)于強(qiáng)強(qiáng)聯(lián)合的策略。事實(shí)上強(qiáng)強(qiáng)聯(lián)合的策略效果的發(fā)揮除了要求原系統(tǒng)的研究方向總數(shù)不能太低，還需要其具備一定初始數(shù)量成功的原始性創(chuàng)新。這一數(shù)量越高其效果發(fā)揮越好。圖6對比了KN=30時兩種策略的效果（二者仍然保持初始主體群體設(shè)置完全相同），此時，強(qiáng)強(qiáng)聯(lián)合策略明顯優(yōu)于優(yōu)先適應(yīng)其他主體原始性創(chuàng)新策略，此外，強(qiáng)強(qiáng)聯(lián)合還有提升最終專家數(shù)量EN的效果（圖6（b）中最終的EN大于圖6（a））?？梢姡瑑煞N策略相比不存在絕對最優(yōu)。

4結(jié)束語

本文所構(gòu)建的基于知識觀的原始性創(chuàng)新多Agent模型及其仿真結(jié)果實(shí)際上論證了讓所有學(xué)者密集從事少數(shù)幾個接近的研究方向?qū)⒂欣谄湫纬芍R互補(bǔ)和競爭，既能達(dá)成極高的原始性創(chuàng)新績效，也有利于培養(yǎng)更多的專家。然而現(xiàn)實(shí)當(dāng)中此類研究方向總數(shù)極少的學(xué)科并不常見，而對于具備中度乃至較高數(shù)量研究方向的學(xué)科，我們應(yīng)該依靠相應(yīng)的優(yōu)化策略來促進(jìn)學(xué)者間的合作與競爭。此時，采取優(yōu)先適應(yīng)其他主體原始性創(chuàng)新策略和強(qiáng)強(qiáng)聯(lián)合策略都行之有效。前者旨在盡量聚攏學(xué)者之間的研究方向，在較小的范圍內(nèi)形成知識互補(bǔ)和競爭，且不需要支付額外的連接成本，后者對于其內(nèi)部原始性創(chuàng)新數(shù)量已經(jīng)達(dá)到一定規(guī)模的學(xué)科系統(tǒng)更為有效，且能培養(yǎng)出更多的專家，二者相比并不存在絕對的最優(yōu)策略。

參考文獻(xiàn)：

[1]陳雅蘭，韓龍士，王金祥，曾憲樓.原始性創(chuàng)新的影響因素及演化機(jī)理探究[J].科學(xué)學(xué)研究， 2003，21（4）：433-437.

[2]陳勁，謝靚紅.原始性創(chuàng)新研究綜述[J].科學(xué)學(xué)與科學(xué)技術(shù)管理，2004，22（2）：22-26.

[3]王猛，張永安，付韜.應(yīng)用基礎(chǔ)研究類原始性創(chuàng)新的演化機(jī)理研究[J].科技進(jìn)步與對策，2012，29（4）：1-5.

[4]舒成利，高山行.基于知識生產(chǎn)模式的原始性創(chuàng)新發(fā)生機(jī)制的研究[J].科學(xué)學(xué)研究，2008，26（3）：640-644.

[5]舒成利，高山行.原始性創(chuàng)新：效率、分布性主體間的交互機(jī)制[J].科學(xué)學(xué)研究，2010，28（3）：436-443.

[6]陳雅蘭，郭偉鋒.原始性創(chuàng)新的外部效應(yīng)及其控制[J].科學(xué)學(xué)研究，2010，24（4）：612-617.

[7]陳雅蘭，張妍.原始性創(chuàng)新的激勵機(jī)制與制度問題研究[J].科技進(jìn)步與對策，2009，26（4）：81-84.

[8]王賢文，丁堃，朱曉宇.中國主要科研機(jī)構(gòu)的科學(xué)合作網(wǎng)絡(luò)分析——基于Web of Science的研究[J].科學(xué)學(xué)研究，2010，28（12）：1806-1812.

[9]閆相斌，宋曉龍，宋曉紅.我國管理科學(xué)領(lǐng)域機(jī)構(gòu)學(xué)術(shù)合作網(wǎng)絡(luò)分析[J].科研管理，2011，32（12）：104-111.

[10]EA Leicht， RM D'Souza.Percolation on Interacting Networks[RB/OL].Preprint at http：//arxiv.org/abs/0907.0894， 2009.

（責(zé)任編輯：張京輝）

一個學(xué)者作為原始性創(chuàng)新多Agent模型中的主體，其可以和哪些其他學(xué)者主體展開創(chuàng)新合作，主要由其在主體合作網(wǎng)絡(luò)（科學(xué)家合作網(wǎng)絡(luò)）中的位置及其本身的視域所決定。一般而言，學(xué)者更傾向于在組織內(nèi)部尋找創(chuàng)新合作伙伴，不過近年來有一些文獻(xiàn)指出學(xué)者跨組織合作創(chuàng)新也很常見，特別是對于國內(nèi)首屈一指的名校和科研機(jī)構(gòu)[8，9]。因而在本文設(shè)計的多主體模型中，主體也被歸入不同的科研組織，其合作網(wǎng)絡(luò)也成為一種跨組織網(wǎng)絡(luò)（見圖1）。

總之，上述主體行為及其適應(yīng)性規(guī)則的設(shè)計相對簡單直白，便于理解和具體操作，也體現(xiàn)了仿真模型設(shè)計的簡約性。

3參數(shù)取值及仿真結(jié)果分析

本文采用Swarm平臺編寫程序并且實(shí)施仿真，部分參數(shù)的描述及其取值由表1給出。這里的KN屬于系統(tǒng)的環(huán)境變量，其取值高低代表了學(xué)科知識的廣闊程度。LKN是學(xué)者主體在仿真開始時具備的研究方向總數(shù)，這里限定其取值為5，體現(xiàn)了每個學(xué)者除了有自己的學(xué)術(shù)專長方向之外，還掌握學(xué)科內(nèi)一定數(shù)量其他研究方向的知識。RLi為主體編號為i的研究方向所對應(yīng)的知識水平，其初始取值在0～100之間隨機(jī)生成。OL是原始性創(chuàng)新發(fā)起者所需最低知識水平，其取值設(shè)定為80，PL是原始性創(chuàng)新參與者所需最低知識水平，其取值設(shè)定為40遠(yuǎn)遠(yuǎn)小于80。小組總數(shù)GS和組內(nèi)主體數(shù)量GN屬于系統(tǒng)環(huán)境變量。主體作為科學(xué)家合作網(wǎng)絡(luò)的結(jié)點(diǎn)，其組內(nèi)邊數(shù)BI取值為5，高于組間邊數(shù)BO取值2，體現(xiàn)了其在單位內(nèi)部的潛在合作伙伴較單位外部更多，其單位內(nèi)部合作也比跨單位合作頻繁這一事實(shí)。

前文對于各系統(tǒng)最終EN數(shù)量的分析還提到中度和較高KN取值系統(tǒng)最終EN較低的原因在于某些主體缺乏競爭而停止適應(yīng)性調(diào)整，對于此類主體，如果能夠?yàn)槠湟敫偁幨蛊涑砷L為新的專家，勢必將提升系統(tǒng)原始性創(chuàng)新績效。具體的措施是如果某一主體成功地領(lǐng)導(dǎo)了一次原始性創(chuàng)新，他將有一次機(jī)會獲取一條新的合作網(wǎng)絡(luò)連接，該連接指向另外一個專家，如果有多個專家符合條件，他將選擇其特長方向與自身最為接近的專家。在整個仿真過程中，所有結(jié)點(diǎn)都只有一次機(jī)會獲取新的連接。這種強(qiáng)強(qiáng)聯(lián)合策略下，特定的KN取值系統(tǒng)的原始性創(chuàng)新成功數(shù)量ON演化過程由圖5給出，其中圖5與圖2中對應(yīng)系統(tǒng)保持了完全相同的初始主體群體設(shè)置，與圖2對比可見，中度 （KN=50）、較高（KN=100）的KN取值系統(tǒng)最終創(chuàng)新績效有顯著的提升，低度（KN=5）和高度（KN=350）的提升并不明顯。這也證明該策略對于中度和較高的KN取值系統(tǒng)行之有效。

上述兩種策略相比哪一個更為有效呢？對比圖4（b）和圖5（b），發(fā)現(xiàn)二者大致相當(dāng)。而圖4（c）和圖5（c）則顯示優(yōu)先適應(yīng)其他主體原始性創(chuàng)新策略的效果優(yōu)于強(qiáng)強(qiáng)聯(lián)合的策略。事實(shí)上強(qiáng)強(qiáng)聯(lián)合的策略效果的發(fā)揮除了要求原系統(tǒng)的研究方向總數(shù)不能太低，還需要其具備一定初始數(shù)量成功的原始性創(chuàng)新。這一數(shù)量越高其效果發(fā)揮越好。圖6對比了KN=30時兩種策略的效果（二者仍然保持初始主體群體設(shè)置完全相同），此時，強(qiáng)強(qiáng)聯(lián)合策略明顯優(yōu)于優(yōu)先適應(yīng)其他主體原始性創(chuàng)新策略，此外，強(qiáng)強(qiáng)聯(lián)合還有提升最終專家數(shù)量EN的效果（圖6（b）中最終的EN大于圖6（a））。可見，兩種策略相比不存在絕對最優(yōu)。

4結(jié)束語

本文所構(gòu)建的基于知識觀的原始性創(chuàng)新多Agent模型及其仿真結(jié)果實(shí)際上論證了讓所有學(xué)者密集從事少數(shù)幾個接近的研究方向?qū)⒂欣谄湫纬芍R互補(bǔ)和競爭，既能達(dá)成極高的原始性創(chuàng)新績效，也有利于培養(yǎng)更多的專家。然而現(xiàn)實(shí)當(dāng)中此類研究方向總數(shù)極少的學(xué)科并不常見，而對于具備中度乃至較高數(shù)量研究方向的學(xué)科，我們應(yīng)該依靠相應(yīng)的優(yōu)化策略來促進(jìn)學(xué)者間的合作與競爭。此時，采取優(yōu)先適應(yīng)其他主體原始性創(chuàng)新策略和強(qiáng)強(qiáng)聯(lián)合策略都行之有效。前者旨在盡量聚攏學(xué)者之間的研究方向，在較小的范圍內(nèi)形成知識互補(bǔ)和競爭，且不需要支付額外的連接成本，后者對于其內(nèi)部原始性創(chuàng)新數(shù)量已經(jīng)達(dá)到一定規(guī)模的學(xué)科系統(tǒng)更為有效，且能培養(yǎng)出更多的專家，二者相比并不存在絕對的最優(yōu)策略。

參考文獻(xiàn)：

[1]陳雅蘭，韓龍士，王金祥，曾憲樓.原始性創(chuàng)新的影響因素及演化機(jī)理探究[J].科學(xué)學(xué)研究， 2003，21（4）：433-437.

[2]陳勁，謝靚紅.原始性創(chuàng)新研究綜述[J].科學(xué)學(xué)與科學(xué)技術(shù)管理，2004，22（2）：22-26.

[3]王猛，張永安，付韜.應(yīng)用基礎(chǔ)研究類原始性創(chuàng)新的演化機(jī)理研究[J].科技進(jìn)步與對策，2012，29（4）：1-5.

[4]舒成利，高山行.基于知識生產(chǎn)模式的原始性創(chuàng)新發(fā)生機(jī)制的研究[J].科學(xué)學(xué)研究，2008，26（3）：640-644.

[5]舒成利，高山行.原始性創(chuàng)新：效率、分布性主體間的交互機(jī)制[J].科學(xué)學(xué)研究，2010，28（3）：436-443.

[6]陳雅蘭，郭偉鋒.原始性創(chuàng)新的外部效應(yīng)及其控制[J].科學(xué)學(xué)研究，2010，24（4）：612-617.

[7]陳雅蘭，張妍.原始性創(chuàng)新的激勵機(jī)制與制度問題研究[J].科技進(jìn)步與對策，2009，26（4）：81-84.

[8]王賢文，丁堃，朱曉宇.中國主要科研機(jī)構(gòu)的科學(xué)合作網(wǎng)絡(luò)分析——基于Web of Science的研究[J].科學(xué)學(xué)研究，2010，28（12）：1806-1812.

[9]閆相斌，宋曉龍，宋曉紅.我國管理科學(xué)領(lǐng)域機(jī)構(gòu)學(xué)術(shù)合作網(wǎng)絡(luò)分析[J].科研管理，2011，32（12）：104-111.

[10]EA Leicht， RM D'Souza.Percolation on Interacting Networks[RB/OL].Preprint at http：//arxiv.org/abs/0907.0894， 2009.

（責(zé)任編輯：張京輝）

一個學(xué)者作為原始性創(chuàng)新多Agent模型中的主體，其可以和哪些其他學(xué)者主體展開創(chuàng)新合作，主要由其在主體合作網(wǎng)絡(luò)（科學(xué)家合作網(wǎng)絡(luò)）中的位置及其本身的視域所決定。一般而言，學(xué)者更傾向于在組織內(nèi)部尋找創(chuàng)新合作伙伴，不過近年來有一些文獻(xiàn)指出學(xué)者跨組織合作創(chuàng)新也很常見，特別是對于國內(nèi)首屈一指的名校和科研機(jī)構(gòu)[8，9]。因而在本文設(shè)計的多主體模型中，主體也被歸入不同的科研組織，其合作網(wǎng)絡(luò)也成為一種跨組織網(wǎng)絡(luò)（見圖1）。

總之，上述主體行為及其適應(yīng)性規(guī)則的設(shè)計相對簡單直白，便于理解和具體操作，也體現(xiàn)了仿真模型設(shè)計的簡約性。

3參數(shù)取值及仿真結(jié)果分析

本文采用Swarm平臺編寫程序并且實(shí)施仿真，部分參數(shù)的描述及其取值由表1給出。這里的KN屬于系統(tǒng)的環(huán)境變量，其取值高低代表了學(xué)科知識的廣闊程度。LKN是學(xué)者主體在仿真開始時具備的研究方向總數(shù)，這里限定其取值為5，體現(xiàn)了每個學(xué)者除了有自己的學(xué)術(shù)專長方向之外，還掌握學(xué)科內(nèi)一定數(shù)量其他研究方向的知識。RLi為主體編號為i的研究方向所對應(yīng)的知識水平，其初始取值在0～100之間隨機(jī)生成。OL是原始性創(chuàng)新發(fā)起者所需最低知識水平，其取值設(shè)定為80，PL是原始性創(chuàng)新參與者所需最低知識水平，其取值設(shè)定為40遠(yuǎn)遠(yuǎn)小于80。小組總數(shù)GS和組內(nèi)主體數(shù)量GN屬于系統(tǒng)環(huán)境變量。主體作為科學(xué)家合作網(wǎng)絡(luò)的結(jié)點(diǎn)，其組內(nèi)邊數(shù)BI取值為5，高于組間邊數(shù)BO取值2，體現(xiàn)了其在單位內(nèi)部的潛在合作伙伴較單位外部更多，其單位內(nèi)部合作也比跨單位合作頻繁這一事實(shí)。

前文對于各系統(tǒng)最終EN數(shù)量的分析還提到中度和較高KN取值系統(tǒng)最終EN較低的原因在于某些主體缺乏競爭而停止適應(yīng)性調(diào)整，對于此類主體，如果能夠?yàn)槠湟敫偁幨蛊涑砷L為新的專家，勢必將提升系統(tǒng)原始性創(chuàng)新績效。具體的措施是如果某一主體成功地領(lǐng)導(dǎo)了一次原始性創(chuàng)新，他將有一次機(jī)會獲取一條新的合作網(wǎng)絡(luò)連接，該連接指向另外一個專家，如果有多個專家符合條件，他將選擇其特長方向與自身最為接近的專家。在整個仿真過程中，所有結(jié)點(diǎn)都只有一次機(jī)會獲取新的連接。這種強(qiáng)強(qiáng)聯(lián)合策略下，特定的KN取值系統(tǒng)的原始性創(chuàng)新成功數(shù)量ON演化過程由圖5給出，其中圖5與圖2中對應(yīng)系統(tǒng)保持了完全相同的初始主體群體設(shè)置，與圖2對比可見，中度 （KN=50）、較高（KN=100）的KN取值系統(tǒng)最終創(chuàng)新績效有顯著的提升，低度（KN=5）和高度（KN=350）的提升并不明顯。這也證明該策略對于中度和較高的KN取值系統(tǒng)行之有效。

上述兩種策略相比哪一個更為有效呢？對比圖4（b）和圖5（b），發(fā)現(xiàn)二者大致相當(dāng)。而圖4（c）和圖5（c）則顯示優(yōu)先適應(yīng)其他主體原始性創(chuàng)新策略的效果優(yōu)于強(qiáng)強(qiáng)聯(lián)合的策略。事實(shí)上強(qiáng)強(qiáng)聯(lián)合的策略效果的發(fā)揮除了要求原系統(tǒng)的研究方向總數(shù)不能太低，還需要其具備一定初始數(shù)量成功的原始性創(chuàng)新。這一數(shù)量越高其效果發(fā)揮越好。圖6對比了KN=30時兩種策略的效果（二者仍然保持初始主體群體設(shè)置完全相同），此時，強(qiáng)強(qiáng)聯(lián)合策略明顯優(yōu)于優(yōu)先適應(yīng)其他主體原始性創(chuàng)新策略，此外，強(qiáng)強(qiáng)聯(lián)合還有提升最終專家數(shù)量EN的效果（圖6（b）中最終的EN大于圖6（a））?？梢?，兩種策略相比不存在絕對最優(yōu)。

4結(jié)束語

本文所構(gòu)建的基于知識觀的原始性創(chuàng)新多Agent模型及其仿真結(jié)果實(shí)際上論證了讓所有學(xué)者密集從事少數(shù)幾個接近的研究方向?qū)⒂欣谄湫纬芍R互補(bǔ)和競爭，既能達(dá)成極高的原始性創(chuàng)新績效，也有利于培養(yǎng)更多的專家。然而現(xiàn)實(shí)當(dāng)中此類研究方向總數(shù)極少的學(xué)科并不常見，而對于具備中度乃至較高數(shù)量研究方向的學(xué)科，我們應(yīng)該依靠相應(yīng)的優(yōu)化策略來促進(jìn)學(xué)者間的合作與競爭。此時，采取優(yōu)先適應(yīng)其他主體原始性創(chuàng)新策略和強(qiáng)強(qiáng)聯(lián)合策略都行之有效。前者旨在盡量聚攏學(xué)者之間的研究方向，在較小的范圍內(nèi)形成知識互補(bǔ)和競爭，且不需要支付額外的連接成本，后者對于其內(nèi)部原始性創(chuàng)新數(shù)量已經(jīng)達(dá)到一定規(guī)模的學(xué)科系統(tǒng)更為有效，且能培養(yǎng)出更多的專家，二者相比并不存在絕對的最優(yōu)策略。

參考文獻(xiàn)：

[1]陳雅蘭，韓龍士，王金祥，曾憲樓.原始性創(chuàng)新的影響因素及演化機(jī)理探究[J].科學(xué)學(xué)研究， 2003，21（4）：433-437.

[2]陳勁，謝靚紅.原始性創(chuàng)新研究綜述[J].科學(xué)學(xué)與科學(xué)技術(shù)管理，2004，22（2）：22-26.

[3]王猛，張永安，付韜.應(yīng)用基礎(chǔ)研究類原始性創(chuàng)新的演化機(jī)理研究[J].科技進(jìn)步與對策，2012，29（4）：1-5.

[4]舒成利，高山行.基于知識生產(chǎn)模式的原始性創(chuàng)新發(fā)生機(jī)制的研究[J].科學(xué)學(xué)研究，2008，26（3）：640-644.

[5]舒成利，高山行.原始性創(chuàng)新：效率、分布性主體間的交互機(jī)制[J].科學(xué)學(xué)研究，2010，28（3）：436-443.

[6]陳雅蘭，郭偉鋒.原始性創(chuàng)新的外部效應(yīng)及其控制[J].科學(xué)學(xué)研究，2010，24（4）：612-617.

[7]陳雅蘭，張妍.原始性創(chuàng)新的激勵機(jī)制與制度問題研究[J].科技進(jìn)步與對策，2009，26（4）：81-84.

[8]王賢文，丁堃，朱曉宇.中國主要科研機(jī)構(gòu)的科學(xué)合作網(wǎng)絡(luò)分析——基于Web of Science的研究[J].科學(xué)學(xué)研究，2010，28（12）：1806-1812.

[9]閆相斌，宋曉龍，宋曉紅.我國管理科學(xué)領(lǐng)域機(jī)構(gòu)學(xué)術(shù)合作網(wǎng)絡(luò)分析[J].科研管理，2011，32（12）：104-111.

[10]EA Leicht， RM D'Souza.Percolation on Interacting Networks[RB/OL].Preprint at http：//arxiv.org/abs/0907.0894， 2009.

（責(zé)任編輯：張京輝）