李 煊

農(nóng)村電子商務(wù)產(chǎn)業(yè)集群演化的計算實驗研究*

李 煊

閩江學(xué)院海洋學(xué)院管理科學(xué)與工程系

以復(fù)雜性科學(xué)為視角，將農(nóng)村電子商務(wù)產(chǎn)業(yè)集群視為由關(guān)鍵種群、寄生種群和支持種群組成的共生系統(tǒng)，通過對集群進(jìn)行NK模型描述，應(yīng)用粒子群優(yōu)化算法，建立了農(nóng)村電子商務(wù)產(chǎn)業(yè)集群的演化模型。模型采用計算實驗的方式，分析了具有不同復(fù)雜性的集群演化特性和規(guī)律。結(jié)果表明，農(nóng)村電子商務(wù)產(chǎn)業(yè)集群隨著種群間復(fù)雜性規(guī)模的增大而增大，同時在復(fù)雜性規(guī)模相同情況下，隨著結(jié)構(gòu)復(fù)雜性增加而減少。因此，發(fā)展農(nóng)村電子商務(wù)產(chǎn)業(yè)集群應(yīng)逐步增加種群相互作用的規(guī)模復(fù)雜性，并通過整合資源，降低種群的結(jié)構(gòu)復(fù)雜性。

電商產(chǎn)業(yè)集群 農(nóng)村電子商務(wù) 集群演化

1 概述

2016年中央一號文件《關(guān)于落實發(fā)展新理念加快農(nóng)業(yè)現(xiàn)代化實現(xiàn)全面小康目標(biāo)的若干意見》明確指出，布局農(nóng)村電子商務(wù)成為推進(jìn)農(nóng)村產(chǎn)業(yè)融合，促進(jìn)農(nóng)民收入持續(xù)較快增長的重要方式。財政部發(fā)布了《農(nóng)業(yè)綜合開發(fā)扶持農(nóng)業(yè)優(yōu)勢特色產(chǎn)業(yè)促進(jìn)農(nóng)業(yè)產(chǎn)業(yè)化發(fā)展的指導(dǎo)意見》，要求不斷完善農(nóng)業(yè)優(yōu)勢特色產(chǎn)業(yè)鏈，鼓勵發(fā)展“互聯(lián)網(wǎng) + ”農(nóng)業(yè)，力爭在全國建設(shè)百個資源優(yōu)勢大，產(chǎn)業(yè)鏈條延伸長，第一、二、三產(chǎn)業(yè)融合發(fā)展的區(qū)域農(nóng)業(yè)優(yōu)勢特色產(chǎn)業(yè)集群。在互聯(lián)網(wǎng)快速滲透和政策扶持下，農(nóng)村電子商務(wù)正在步入快速發(fā)展的黃金期并形成了農(nóng)村電子商務(wù)產(chǎn)業(yè)與空間聚集的形態(tài)，即農(nóng)村電子商務(wù)產(chǎn)業(yè)集群。有別于傳統(tǒng)的產(chǎn)業(yè)集群，農(nóng)村電子商務(wù)產(chǎn)業(yè)集群是指以電子商務(wù)為手段，通過整合傳統(tǒng)農(nóng)村產(chǎn)業(yè)鏈，創(chuàng)新銷售模式和企業(yè)組織形式，在特定農(nóng)村地域范圍內(nèi)形成以當(dāng)?shù)啬骋惶厣a(chǎn)業(yè)為核心的線上、線下相關(guān)企業(yè)和服務(wù)機構(gòu)的有機聚合。與傳統(tǒng)產(chǎn)業(yè)集群相同，農(nóng)村電子商務(wù)產(chǎn)業(yè)集群也是一種形成規(guī)模效應(yīng)和協(xié)同效應(yīng)的網(wǎng)絡(luò)商業(yè)集聚現(xiàn)象。不同的是，農(nóng)村電子商務(wù)產(chǎn)業(yè)集群強調(diào)以第三方電商平臺為銷售支點，依托“互聯(lián)網(wǎng)+”對農(nóng)村傳統(tǒng)特色產(chǎn)業(yè)進(jìn)行轉(zhuǎn)型升級。目前，以縣域電商和淘寶村帶動形成的農(nóng)村電子商務(wù)產(chǎn)業(yè)集群，已成為促進(jìn)農(nóng)村經(jīng)濟(jì)發(fā)展的有效模式。2016年，根據(jù)阿里研究院和阿里新鄉(xiāng)村研究中心聯(lián)合發(fā)布的《中國淘寶村研究報告（2016）》，截止至2016年8月，全國淘寶村已達(dá)1311個，相比2014年的212個，2015年的780個，淘寶村的數(shù)量正呈現(xiàn)出井噴式的發(fā)展勢頭。隨著農(nóng)村電子商務(wù)的繼續(xù)普及，地理位置臨近、產(chǎn)業(yè)帶相似的淘寶村將逐漸向規(guī)范化、系統(tǒng)化的產(chǎn)業(yè)集群方向發(fā)展?？梢姡芯哭r(nóng)村電子商務(wù)產(chǎn)業(yè)集群的演化過程對于加快傳統(tǒng)農(nóng)村經(jīng)濟(jì)轉(zhuǎn)型升級具有十分重要的意義。

2 國內(nèi)外研究綜述

截至目前，國內(nèi)關(guān)于農(nóng)村電子商務(wù)產(chǎn)業(yè)集群的研究尚不多見。多數(shù)研究采用案例研究的方式，從既成論角度分析探索農(nóng)村電子商務(wù)產(chǎn)業(yè)集群的產(chǎn)生機理。如田真平和謝印成從集群演化的視角，討論了創(chuàng)業(yè)導(dǎo)向的創(chuàng)新性、風(fēng)險承擔(dān)性、行動超前性、積極競爭性等四個維度在農(nóng)村電子商務(wù)產(chǎn)業(yè)集群形成期、成長期、成熟期以及衰退期的不同特性和作用機制[1]。雷兵和劉蒙蒙討論了創(chuàng)業(yè)門檻以及創(chuàng)業(yè)家行為對農(nóng)村電子商務(wù)產(chǎn)業(yè)集群的作用機理[2]。凌守興則分別從地理優(yōu)勢、外部經(jīng)濟(jì)、領(lǐng)軍企業(yè)、社會網(wǎng)絡(luò)、政府行為等五個方面闡述了電子商務(wù)產(chǎn)業(yè)集群的形成機理[3]。Huang Zuhui等則借鑒已有的產(chǎn)業(yè)集群研究，從勞動分工、交易費用、規(guī)模經(jīng)濟(jì)等角度展開集群形成的機理研究。國外對農(nóng)村電子商務(wù)的研究比國內(nèi)較為成熟，主要采用實證研究的思路探索電子商務(wù)在農(nóng)村地區(qū)的作用機制，并對農(nóng)村電子商務(wù)的模式創(chuàng)新展開討論[4]。Wen基于知識管理的角度，構(gòu)建了農(nóng)產(chǎn)品交易智能電子系統(tǒng)，創(chuàng)新了農(nóng)產(chǎn)品電子商務(wù)模式[5]。Ruiz等依據(jù)對農(nóng)產(chǎn)品供應(yīng)鏈的數(shù)據(jù)查詢與追蹤研究，認(rèn)為基于互聯(lián)網(wǎng)的管理信息系統(tǒng)將更有利于農(nóng)產(chǎn)品物流情況的査詢和跟蹤[6]。Dsouza等構(gòu)建了一個具有包容性相關(guān)的電子商務(wù)框架，作為印度農(nóng)村地區(qū)農(nóng)業(yè)部門的開發(fā)和改善的平臺，從糧食安全和減少貧困兩個層面分析其對社會經(jīng)濟(jì)發(fā)展的作用[7]。

綜觀上述研究，主要就電子商務(wù)在農(nóng)村經(jīng)濟(jì)的運作機制進(jìn)行了機理研究或案例描述，尚未深入探討農(nóng)村電子商務(wù)產(chǎn)業(yè)集群中各主體間的邏輯關(guān)系，也沒有系統(tǒng)提出農(nóng)村電子商務(wù)產(chǎn)業(yè)集群發(fā)展的一般規(guī)律。集群的概念源于生態(tài)學(xué)，因此有必要從復(fù)雜系統(tǒng)角度切入研究農(nóng)村電子商務(wù)產(chǎn)業(yè)集群內(nèi)各主體間的復(fù)雜關(guān)系。郭承龍通過識別農(nóng)村電子商務(wù)的共生系統(tǒng)結(jié)構(gòu)，提出了寄生模式、非對稱模式、偏利模式、對稱模式和一體化模式等五種農(nóng)村電子商務(wù)共生模式[8]。董坤祥等分析了系統(tǒng)動力學(xué)方法在農(nóng)村電子商務(wù)產(chǎn)業(yè)集群發(fā)展模式研究中的適用性，構(gòu)建了以產(chǎn)品與生產(chǎn)創(chuàng)新、商業(yè)模式創(chuàng)新和金融模式創(chuàng)新為導(dǎo)向的農(nóng)村電子商務(wù)集群發(fā)展模型，給出了促進(jìn)農(nóng)村電子商務(wù)集群可持續(xù)發(fā)展的對策建議[9]。在農(nóng)村電子商務(wù)產(chǎn)業(yè)集群的發(fā)展演化過程中，農(nóng)村網(wǎng)商、政府、電商協(xié)會、農(nóng)民合作社和第三方網(wǎng)絡(luò)平臺各主體之間通過信息共享和協(xié)作運營形成了一個復(fù)雜、非線性的集群網(wǎng)絡(luò)。在該網(wǎng)絡(luò)中形成了三大類型種群——關(guān)鍵種群、寄生種群和支持種群。關(guān)鍵種群是電子商務(wù)交易的主體，以電商產(chǎn)品供應(yīng)鏈為核心的消費者、零售商、供應(yīng)商等，是農(nóng)村電子商務(wù)產(chǎn)業(yè)集群的主體部分。寄生種群是為關(guān)鍵種群提供增值服務(wù)的提供商等，在農(nóng)村電子商務(wù)發(fā)展過程中，最典型的是縣域電商服務(wù)商以及產(chǎn)業(yè)服務(wù)商等角色，為農(nóng)產(chǎn)品轉(zhuǎn)型電商、銷售提供一系列專業(yè)服務(wù)。該種群寄生于農(nóng)村電子商務(wù)產(chǎn)業(yè)集群中，與集群共存亡。支持種群是實現(xiàn)電商交易必須依附的各類組織或機構(gòu)，主要圍繞完成電商“四流”的物流公司、金融機構(gòu)、電信服務(wù)商以及相關(guān)政府機構(gòu)等，該種群并非依賴于農(nóng)村電子商務(wù)產(chǎn)業(yè)集群，但其在對集群優(yōu)化中獲利。

3 農(nóng)村電子商務(wù)產(chǎn)業(yè)集群演化的計算實驗?zāi)Ｐ蜆?gòu)建

3.1 基于 NK模型的集群描述

生物學(xué)家Kauffman提出了研究復(fù)雜適應(yīng)系統(tǒng)工具——NK模型方法。NK模型本質(zhì)上是一種生物學(xué)的思想和方法，它的形式化數(shù)學(xué)框架為研究復(fù)雜系統(tǒng)內(nèi)部組成要素的相互作用關(guān)系提供了可能[10]。農(nóng)村電子商務(wù)產(chǎn)業(yè)集群由關(guān)鍵種群、寄生種群和支持種群構(gòu)成，因此，NK模型中值設(shè)為3，值的數(shù)值和組合反映了對應(yīng)的種群之間相互作用的規(guī)模效應(yīng)和結(jié)構(gòu)效應(yīng)所產(chǎn)生的復(fù)雜性。參數(shù)各數(shù)位上的數(shù)值之和反映種群之間相互作用關(guān)系的數(shù)量規(guī)模，不同數(shù)值的組合反映了種群之間相互作用關(guān)系的分布結(jié)構(gòu)。因此可以根據(jù)參數(shù)定義各種類型的農(nóng)村電子商務(wù)產(chǎn)業(yè)集群復(fù)雜性程度大小的比較關(guān)系。將集群的NK模型分為10種類型：000、001、002、011、111、012、022、112、122和222。例如模型=111的規(guī)模為3，模型=011的規(guī)模為2，模型111的復(fù)雜性程度大于模型011。而模型=012的規(guī)模也為3，但其各數(shù)位上的最大數(shù)值為2，因此其復(fù)雜性程度大于模型111。以模型=001為例，該模型表示三類種群中，只有一個種群受到另一個種群影響的NK模型。如圖1所示種群除了自身變化影響到各自的適應(yīng)度大小之外，支持種群還受寄生種群影響，其它種群均不受其他種群的影響。

圖1 K=001的商務(wù)模式NK模型

集群的適應(yīng)度值用來表示。這里假設(shè)3類種群的地位同等，對產(chǎn)業(yè)集群的適應(yīng)度影響程度都相同，集群的適應(yīng)度值體現(xiàn)為三類種群對集群適應(yīng)度影響的加權(quán)平均：

(1)

由于農(nóng)村電子商務(wù)產(chǎn)業(yè)集群的復(fù)雜系統(tǒng)特性，三類種群之間的相互作用關(guān)系具有非線性和隨機性，雖然難以找出各個種群對集群適應(yīng)度影響的確切函數(shù)關(guān)系，即無法預(yù)知c、s和p的具體形式。但可根據(jù)NK模型方法的“復(fù)雜系統(tǒng)的統(tǒng)計力學(xué)” 特性，假定各種群對集群適應(yīng)度的影響是在(0，1)區(qū)間上均勻分布的某種形式的隨機變量。因此當(dāng)種群形態(tài)發(fā)生變異，可以根據(jù)該種群與其他種群的相互作用關(guān)系，抽取若干個服從均勻分布的(0，1)區(qū)間的隨機數(shù)作為該種群和其他種群對集群適應(yīng)度的影響結(jié)果，從而得到新的適應(yīng)度值，并以此模擬產(chǎn)業(yè)集群種群之間的相互作用關(guān)系及其結(jié)果。

3.2 基于粒子群算法的演化模型構(gòu)建

NK模型從復(fù)雜性的角度通過模型抽象描述了農(nóng)村電子商務(wù)產(chǎn)業(yè)集群的各種復(fù)雜結(jié)構(gòu)。而研究集群的演化，則還需要在對種群描述基礎(chǔ)上建立集群演化空間，從時間尺度考察演化過程，因此模型將訴諸于演化算法——粒子群優(yōu)化算法。

粒子群優(yōu)化算法(Particle Swarm Optimization Algorithms，簡稱PSO)是一種演化算法，由Eberhart與Kennedy于1995年提出，是基于對鳥群、魚群模擬的群體智能方法[11]。在引入慣性因子后，Eberhart R.A給出了例子的速度方程為：

-××(2)

其中為慣性權(quán)重，對算法的收斂起著關(guān)鍵作用，它控制著粒子先前速度對當(dāng)前速度的影響[12]?；贜K模型的構(gòu)造，本文采用離散的粒子群優(yōu)化算法。該算法擴展了基本PSO算法的應(yīng)用領(lǐng)域，它的基本思路與基本的粒子群優(yōu)化算法相似。不同之處在于，該模型將粒子的每一維限制為0或1兩種取值狀態(tài)，速度取值按照公式(3)變換為0到1之間的數(shù)值。當(dāng)應(yīng)用速度來更新粒子的位置時，則根據(jù)變換后的速度值高低來進(jìn)行。如果高一些，則粒子的位置在該維上的狀態(tài)取值更有可能選1，反之則選0，具體操作規(guī)則見公式(4)。

Ifthen;

else(4)

本文將粒子群優(yōu)化算法中粒子飛行空間的維數(shù)與NK模型的種群類別數(shù)相對應(yīng)，因此在加入演化算法后，針對單個復(fù)雜集群的NK適應(yīng)度地形圖轉(zhuǎn)變?yōu)樵诹Ｗ尤猴w行空間中的多個多維圖形群體。這為演化研究中的指標(biāo)度量提供了基本的框架。農(nóng)村電子商務(wù)產(chǎn)業(yè)集群在演進(jìn)過程中，種群根據(jù)粒子的速度來調(diào)整其在空間中位置。粒子的速度可以理解為集群演化的慣例(routine)。算法速度方程公式(4)中的第一部分代表了對上一次迭代所使用速度的繼承，體現(xiàn)了慣例的可繼承特性。在實踐中，農(nóng)村電子商務(wù)產(chǎn)業(yè)集群的演化不是不受約束地去迎合環(huán)境變化，它受制于農(nóng)村地域范圍內(nèi)的產(chǎn)業(yè)基礎(chǔ)條件。而速度方程的第二、三部分體現(xiàn)的則是粒子對自身以及社會環(huán)境的學(xué)習(xí)認(rèn)知程度。慣例的演化是學(xué)習(xí)的過程，學(xué)習(xí)的來源可以歸納為內(nèi)外兩部分：集群對自身過去演化經(jīng)驗的積累總結(jié)以及其他地區(qū)產(chǎn)業(yè)群先進(jìn)經(jīng)驗的學(xué)習(xí)模仿。這與粒子群算法速度方程的后兩部分相符合。

粒子群優(yōu)化算法與NK模型方法相結(jié)合可以描述農(nóng)村電子商務(wù)產(chǎn)業(yè)集群的演化動態(tài)與集群本身的復(fù)雜性的聯(lián)系，二者缺一不可，單獨采用演化算法則缺乏對集群內(nèi)種群之間形成的組合效應(yīng)的考察，單獨采用NK模型方法則僅能從有限的種群組合上來考察集群的復(fù)雜結(jié)構(gòu)，缺乏對集群與農(nóng)村環(huán)境之間交互機制與演化的研究。二者相結(jié)合，則為農(nóng)村電子商務(wù)產(chǎn)業(yè)集群演化提供較為完整的模型描述框架，即：通過NK模型對集群內(nèi)種群復(fù)雜性的描述機制，研究不同K值下的集群演化規(guī)律，從而分析集群演化過程中，宏觀環(huán)境對農(nóng)村電子商務(wù)產(chǎn)業(yè)集群的種群在規(guī)模效應(yīng)以及結(jié)構(gòu)效應(yīng)上的調(diào)整策略。

3.3 計算實驗過程及結(jié)果分析

對于粒子群算法，大部分問題初始種群取10個粒子便能取得較好的結(jié)果。根據(jù)前文所述，將農(nóng)村電子商務(wù)產(chǎn)業(yè)集群的初始狀態(tài)分為8種，分別是000、001、010、011、100、101、110、111。這8個不同狀態(tài)的集群就代表了群空間中不同初始條件的粒子。不同值決定了各個組分(即狀態(tài)位)之間的聯(lián)系不同，所以模型需根據(jù)不同的值來生成種群中粒子的適應(yīng)度值。如=111時，粒子取值如表1所示。

表1 K=111時初始集群的三維適應(yīng)度值表示

另外，算法中的三個關(guān)鍵權(quán)重因子中，是慣性權(quán)重，使粒子保持運動的慣性，加速常數(shù)1和2代表每個粒子推向自身最優(yōu)與全局最優(yōu)位置的統(tǒng)計加速項權(quán)重。取值，可以是固定的常數(shù)，也可以線性變化或動態(tài)變化。模型根據(jù)以往研究結(jié)果，一般在0.4~0.9之間取值或變化。1、2通常為2.0，也可以在0~4.0之間浮動[13]。算法的終止條件可以根據(jù)問題的實際情況來設(shè)定。終止條件即算法迭代的次數(shù)，模型假設(shè)當(dāng)粒子群中的8個粒子在15次的迭代演化中都保持不變時中斷演化。眾多研究證明，產(chǎn)業(yè)集群演化具有階段性，其周期不是循環(huán)往復(fù)的，集群演化將受內(nèi)外環(huán)境等諸多因素的影響而中斷或進(jìn)入退化階段。

本模型采用可視化程序設(shè)計語言VC++編程，開發(fā)出可調(diào)節(jié)演化參數(shù)、計算實驗次數(shù)的操作程序，程序流程圖如圖2所示。

圖2 計算實驗算法流程圖

為了得到集群演化的統(tǒng)計性質(zhì)，必須針對10種模型做多次實驗，以此來得到各種模型的統(tǒng)計結(jié)果，進(jìn)而分析電商產(chǎn)業(yè)集群演化與復(fù)雜性之間的練習(xí)。設(shè)定模型中，為常數(shù)0.5，1、2分別為2.0，對每一個模型分別進(jìn)行10000次模擬，得到基于NK模型算法結(jié)果如圖3所示。

圖3 農(nóng)村電商產(chǎn)業(yè)集群NK模型演化結(jié)果

圖3縱軸表示的是所有粒子在迭代后的平均適應(yīng)度值。粒子群優(yōu)化算法在演化中充分展示了其全局搜索的能力，在每一次迭代中，粒子可以同時改變自身在多個維數(shù)空間上的狀態(tài)，從而使得集群在適應(yīng)度地形圖上可能表現(xiàn)為從一個山峰向距離遙遠(yuǎn)的另一個山峰跳躍的過程。因此，算法的運行可以保證大多數(shù)的粒子收斂到最優(yōu)值。從圖3可以發(fā)現(xiàn)集群內(nèi)種群的復(fù)雜性程度與平均適應(yīng)度的之間關(guān)聯(lián)關(guān)系。集群總體平均適應(yīng)度值隨著種群復(fù)雜性提高而呈非線性的增長趨勢，當(dāng)種群間的復(fù)雜性最小時，平均適應(yīng)度值最??；當(dāng)種群間的復(fù)雜性最大時，平均適應(yīng)度值最大。相對于復(fù)雜性程度較低的產(chǎn)業(yè)集群，種群之間相互作用關(guān)系的復(fù)雜性為電商產(chǎn)業(yè)集群的演化創(chuàng)新提供了更多的可能。

然而，種群之間結(jié)構(gòu)性復(fù)雜程度的提高則在一定程度上制約了集群的演化。這里的復(fù)雜性制約主要體現(xiàn)在農(nóng)村電子商務(wù)產(chǎn)業(yè)集群的結(jié)構(gòu)效應(yīng)上。當(dāng)規(guī)模相同時，結(jié)構(gòu)越復(fù)雜，集群的適應(yīng)度值就越低。從圖3可見，當(dāng)模型從011變?yōu)?02，相應(yīng)的適應(yīng)度值下降；當(dāng)模型從111變?yōu)?12，相應(yīng)的適應(yīng)度值下降；當(dāng)模型從112變?yōu)?022，相應(yīng)的適應(yīng)度值下降。

江蘇睢寧縣沙集鎮(zhèn)是農(nóng)村電子商務(wù)產(chǎn)業(yè)集群的典型表現(xiàn)形式——淘寶村。以沙集鎮(zhèn)的集群發(fā)展為例，該鎮(zhèn)最初由草根農(nóng)民網(wǎng)商驅(qū)動，漸漸將網(wǎng)銷家具發(fā)展成為支柱產(chǎn)業(yè)，并催生當(dāng)?shù)丶庸ぁ⑴涮咨a(chǎn)和物流等產(chǎn)業(yè)鏈的發(fā)展。這是集群在規(guī)模增長的同時，逐漸發(fā)揮出集聚效應(yīng)的過程。農(nóng)戶從最初自發(fā)地使用電商交易平臺，并隨著網(wǎng)銷細(xì)胞的“裂變式”復(fù)制擴張，帶動制造業(yè)及其他配套產(chǎn)業(yè)發(fā)展，生成了以公司為主體、多物種并存共生的“農(nóng)戶+網(wǎng)絡(luò)+公司”新商業(yè)生態(tài)。集群的發(fā)展壯大過程在規(guī)模逐漸增大，但集群結(jié)構(gòu)則隨著分工細(xì)化，則走向相對均衡。

4 結(jié)論

從本文計算實驗結(jié)果可見，在農(nóng)村電子商務(wù)產(chǎn)業(yè)集群演化中，種群間相互作用規(guī)模的增大可以促進(jìn)農(nóng)村電子商務(wù)產(chǎn)業(yè)集群的形成，而當(dāng)相互作用規(guī)模保持不變時，盡可能均勻分布種群間相互作用關(guān)系也可以促進(jìn)集群的優(yōu)化。因此，集群在演化過程中，應(yīng)通過分工細(xì)化和資源整合，降低集群中種群的復(fù)雜結(jié)構(gòu)效應(yīng)，并逐步增加實現(xiàn)電子商務(wù)生態(tài)共同體的種群類別直至復(fù)雜性最高的種群規(guī)模出現(xiàn)，這是實現(xiàn)農(nóng)村電子商務(wù)產(chǎn)業(yè)集群持續(xù)創(chuàng)新的必要手段和途徑。

尤其在目前的農(nóng)村電商發(fā)展過程中，隨著電商主體如政府機構(gòu)、電商平臺、網(wǎng)商、生產(chǎn)農(nóng)戶以及電商服務(wù)商等需求的日益增加，這就需要在縣域內(nèi)建立電子商務(wù)公共服務(wù)中心來梳理主體之間的關(guān)系，從政策、市場等各方面入手平衡主體之間的結(jié)構(gòu)，在保證集群發(fā)展規(guī)模的同時，降低結(jié)構(gòu)復(fù)雜性。電子商務(wù)公共服務(wù)中心是農(nóng)村電子商務(wù)集群發(fā)展到一定規(guī)模階段后的產(chǎn)物，是政企對接、產(chǎn)業(yè)聯(lián)合協(xié)作的機構(gòu)。通過實現(xiàn)服務(wù)配套、服務(wù)商及品牌孵化、運營數(shù)據(jù)化、人才培養(yǎng)、創(chuàng)業(yè)就業(yè)扶植、主流電商平臺落地等功能，提供與企業(yè)對接的平臺，為優(yōu)秀服務(wù)商提供服務(wù)，以此為生產(chǎn)企業(yè)帶來咨詢、培訓(xùn)、人才、運營托管、IT及ERP系統(tǒng)、電子商務(wù)金融、倉儲服務(wù)等一站式電商服務(wù)的機構(gòu)，促進(jìn)了農(nóng)村電子商務(wù)產(chǎn)業(yè)集群的繁榮發(fā)展。

注釋：

①參考來源：http://www.aliresearch.com/blog/article/detail/id/21242.html

[1] 田真平,謝印成. 創(chuàng)業(yè)導(dǎo)向下的我國農(nóng)村電子商務(wù)產(chǎn)業(yè)集群演進(jìn)機理研究[J]. 科學(xué)管理研究, 2017(12):182-188.

[2] 雷兵,劉蒙蒙.農(nóng)村電子商務(wù)產(chǎn)業(yè)集群的形成機制——基于典型淘寶村的案例分析[J]. 科學(xué)管理研究, 2017(11):177-184.

[3] 凌守興.我國農(nóng)村電子商務(wù)產(chǎn)業(yè)集群形成及演進(jìn)機理研究[J]. 商業(yè)研究, 2015(1):104-109.

[4] Huang Z, Zhang X, Zhu Y. The role of clustering in rural industrialization: A case study of the footwear industry in Wenzhou[J]. China Economic Review, 2008, 19(3):409-420.

[5] Wen W. A knowledge-based intelligent electronic commerce system for selling agricultural products[J]. Computers & Electronics in Agriculture, 2007, 57(1):33-46.

[6] Ruiz M C. Specification and testing of e-commerce agents described by using UIOLTSs[C]// Ifip Wg 6.1 International Conference on Formal Techniques for Distributed Systems. Springer-Verlag, 2010:78-86.

[7] Dsouza D J. Development of agricultural e-commerce framework for India, a strategic approach.[J]. International Journal of Engineering Research & Applications, 2014, 4(11):1195-1211.

[8] 郭承龍.農(nóng)村電子商務(wù)模式探析——基于淘寶村的調(diào)研[J]. 經(jīng)濟(jì)體制改革, 2015(5):110-115.

[9] 董坤祥, 侯文華, 丁慧平等. 創(chuàng)新導(dǎo)向的農(nóng)村電子商務(wù)集群發(fā)展研究?——基于遂昌模式和沙集模式的分析[J]. 農(nóng)業(yè)經(jīng)濟(jì)問題, 2016(10): 60-69.

[10] Frenken, Koen. Modeling the organization of innovation activity using the NK-model[C]. The Nelson-and-Winter conference, Aalborg, 2001.

[11] R.Eberhart,J.Kennedy.Particle swarm optimization[C]. Perth: Proceeding of IEEE International Conference on Neural Networks,1995: 1942-1948.

[12] Kenneay J,Eberhart R,Shi Yuhui.Swarm intelligence[M].San Francisco: Morgan Kaufmann,2001.

閩江學(xué)院社科項目“基于小生境技術(shù)的電子商務(wù)產(chǎn)業(yè)集群進(jìn)化研究”(編號：MYS15014)；福州市社會科學(xué)規(guī)劃項目“共享經(jīng)濟(jì)視角下福州市農(nóng)村電商扶貧機制及對策研究”(編號：2016FZ26)。