林建邦 王天

[摘 要]隨著工業(yè)4.0時代下《中國制造2025》的正式出臺，強國目標已由“中國制造”加速向“中國智造”轉(zhuǎn)型，意味著新的“智能科技時代”已經(jīng)到來。文章提出以果蠅演算法優(yōu)化智能科技產(chǎn)業(yè)經(jīng)營績效模型。結(jié)果顯示，果蠅演算法能有效優(yōu)化模型預測能力，其中固定資產(chǎn)周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率及研發(fā)生產(chǎn)力三項為最有影響力之指標，與智能科技企業(yè)經(jīng)營績效具有顯著正相關(guān)關(guān)系。

[關(guān)鍵詞]智能科技；經(jīng)營績效；果蠅優(yōu)化演算法

[DOI]10.13939/j.cnki.zgsc.2018.17.075

1 前 言

工業(yè)4.0以智能制造為重點，中國版工業(yè)4.0規(guī)劃是中國尋求制造業(yè)智能轉(zhuǎn)型的必由之路。為此，中國政府一方面出臺《中國制造2025》規(guī)劃，作為實現(xiàn)智能化改造的國家戰(zhàn)略；另一方面也積極吸引海內(nèi)外有關(guān)投資和加速智能制造的研究實踐推廣。目前，整個中國智能制造相關(guān)行業(yè)的市場空間已達到1000億元，而根據(jù)艾瑞咨詢公司的行業(yè)研究報告，2015年中國智能硬件熱門品類的銷量已達千萬以上，2016年中國智能產(chǎn)業(yè)規(guī)模達95.6億元，比2015年同比增長37.9%，整個行業(yè)的規(guī)模將實現(xiàn)持續(xù)增長的態(tài)勢。[1]

企業(yè)在營運發(fā)展的過程中，若能便捷地透過自身經(jīng)營數(shù)據(jù)提前預知營運危機及有效地掌握經(jīng)營實況，在適當時間做出合宜反應，是為企業(yè)實現(xiàn)永續(xù)經(jīng)營的關(guān)鍵之處。在智力密集型和技術(shù)密集型企業(yè)當中，常被用于衡量企業(yè)經(jīng)營績效的指標主要有股東權(quán)益報酬率；[2]另外，企業(yè)績效基本受到結(jié)構(gòu)資本、流程資本、創(chuàng)新資本等因素的影響，例如：總資產(chǎn)周轉(zhuǎn)率、存貨周轉(zhuǎn)率、固定資產(chǎn)周轉(zhuǎn)率、研發(fā)投入、研發(fā)密集度等皆對企業(yè)績效有顯著影響。[3-4]

由于中國的智能科技產(chǎn)業(yè)發(fā)展起步較晚，對于該產(chǎn)業(yè)經(jīng)營績效的評估與預測目前也無具體明確的指標與模型。有鑒于此，本研究采用前沿優(yōu)化算法——果蠅演算法（Fruit Fly Optimization Algorithm，F(xiàn)OA）來優(yōu)化智能科技企業(yè)經(jīng)營績效預測模型的參數(shù)，該算法過去被成功應用于企業(yè)財務績效預測、[5]交通流量預測[6]、基金買賣決策預測[7]領(lǐng)域，優(yōu)化后的模型預測能力均得到提升；同時，F(xiàn)OA有比其他優(yōu)化算法計算量較少、復雜度較低、精確度更高[8]的優(yōu)點。因此，本研究目的采用FOA提高模型預測力，并找出最適合的預測模型及對企業(yè)經(jīng)營績效具有重要影響力的預測指標，為中國智能科技產(chǎn)業(yè)經(jīng)營績效預測提供較適合的模型，以保持智能科技產(chǎn)業(yè)高速穩(wěn)定的發(fā)展。

2 研究設計

2.1 研究架構(gòu)

本研究主要根據(jù)國家發(fā)展目標為依據(jù)，選定研究對象為智能科技產(chǎn)業(yè)，并了解該產(chǎn)業(yè)發(fā)展的現(xiàn)狀；再者，通過大量文獻資料及研究目的，分別采用多元回歸方法（Regression）及果蠅演算法優(yōu)化后的多元回歸（FOA-Regression），建構(gòu)企業(yè)經(jīng)營績效應變量的預測模型，找智能科技企業(yè)經(jīng)營績效預測的最適合模型與指標，研究架構(gòu)如圖1所示。

圖1 研究流程圖情況

2.2 數(shù)據(jù)選取

本研究旨在為中國智能科技產(chǎn)業(yè)建構(gòu)具有較強預測力之經(jīng)營績效預測模型，因此以中國上市智能科技產(chǎn)業(yè)公司為研究對象，通過國泰安數(shù)據(jù)庫篩選出2006—2016年11年間企業(yè)數(shù)據(jù)資料共2554筆，希望從中探尋中國智能科技企業(yè)的發(fā)展軌跡，以助智能科技產(chǎn)業(yè)經(jīng)營戰(zhàn)略和健全體制的發(fā)展。

2.3 研究變量

2.3.1 企業(yè)經(jīng)營績效衡量因素

本研究采用財務性指標衡量企業(yè)經(jīng)營績效（應變量），為股東權(quán)益報酬率（Return On Equity，ROE），計算方法如公式所示。

股東權(quán)益報酬率=稅后損益平均股東權(quán)益凈額

2.3.2 企業(yè)經(jīng)營績效影響因素

由于智能科技企業(yè)屬于知識、技術(shù)密集型企業(yè)，并根據(jù)其他學者過往之相關(guān)研究，投入建模的自變量及其計算公式如表1所示。

2.4 果蠅演算法

果蠅本身在感官知覺上優(yōu)于其他物種，尤其是在嗅覺上，食物的味道越濃，果蠅對其感知能力就越強，其搜索食物的過程就是不斷地從味道小的地方到達味道更濃的地方的過程。

依照果蠅搜尋食物的特性，該算法的具體步驟如下。[9]

步驟1：隨機初始果蠅群體位置（Fly Group）。

InitX_axis；InitY_axis.（1）

步驟2：賦予果蠅個體（Fly1， Fly2， Fly3）利用其嗅覺搜尋食物之隨機方向與距離。

Xi=X_axis+RandomValue. （2）

Yi=Y_axis+RandomValue.（3）

步驟3：由于無法得知食物位置，因此先估計與原點之距離（Dist），再計算味道濃度判定值（S），此值為距離之倒數(shù)。

Disti= Xi2+Yi2；Si=1Disti.（4）

步驟4：將味道濃度判定值（S）代入味道濃度判定函數(shù)（或稱為Fitness function）以求出該果蠅個體位置的味道濃度（Smelli）。

Smelli=FunctionSi.（5）

步驟5：找出此果蠅群體中的味道濃度最高的果蠅（求極大值，例如Fly2）。

best Smell best Index=maxSmell. （6）

步驟6：保留最佳味道濃度值與x、y坐標，此時果蠅群體利用視覺向該位置（Fly2）飛去，形成新的群聚位置。

X_axis=Xbest index；（7）

Y_axis=Ybest index.（8）

步驟7：進入果蠅迭代尋優(yōu)，重復執(zhí)行步驟2～5，并判斷味道濃度是否優(yōu)于前一迭代味道濃度，若是則執(zhí)行步驟6。

Smell best=best Smell.（9）

3 實證分析

本研究以ROE為企業(yè)經(jīng)營績效衡量的應變量，并采用多元回歸的逐步回歸法進行變量篩選及模型建構(gòu)，摒除共線性及不相關(guān)之變量（VIF<10和P-value<0.05），得出固定資產(chǎn)周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率、研發(fā)生存力為影響智能科技企業(yè)經(jīng)營績效的重要變量。

進一步利用果蠅優(yōu)化演算法優(yōu)化ROE模型的參數(shù)，初始設定均為5個果蠅群體，隨機初始化果蠅群體位置區(qū)間為[0，1]，迭代的果蠅搜尋食物的隨機飛行方向與距離區(qū)間為[-1，1]，設定最高迭代次數(shù)為100，建構(gòu)FOA-ROE預測模型。由圖2可知，F(xiàn)OA-ROE模型在第37次迭代后開始達到收斂的效果。

圖2 FOA-ROE迭代RMSE收斂趨勢

由表2可知，經(jīng)由FOA迭代的尋優(yōu)后，ROE回歸模型RMSE值大幅降低至0.00171，最佳的模型參數(shù)分別為0.03928、0.037744、0.038532。結(jié)果顯示，經(jīng)FOA優(yōu)化后的回歸模型預測誤差（RMSE）更小，預測力更強。

4 結(jié) 論

近年來中國智能科技產(chǎn)業(yè)高速發(fā)展，但快速發(fā)展的同時也更容易出現(xiàn)經(jīng)營問題。研究結(jié)果顯示，果蠅優(yōu)化演算法的運用大大提高了企業(yè)經(jīng)營績效模型的預測能力，經(jīng)由FOA優(yōu)化后的模型預測誤差均明顯降低，對于企業(yè)經(jīng)營績效提出更有效的預測模型。對于中國智能科技企業(yè)而言，影響其經(jīng)營績效的變數(shù)中，經(jīng)由模型的挑選，顯示固定資產(chǎn)周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率及研發(fā)生產(chǎn)力三項為最有影響力之指標，與企業(yè)經(jīng)營績效具有顯著正相關(guān)關(guān)系。所以，企業(yè)應形成科學的固定資產(chǎn)管理制度，明確管理部門和分工原則，使固定資產(chǎn)維持更長的作業(yè)壽命和更好的機器性能，提高資產(chǎn)的使用效率；另外，實現(xiàn)特色智能技術(shù)與智能產(chǎn)品的開發(fā)也是企業(yè)核心競爭力所在，因此企業(yè)應注重研發(fā)，對研發(fā)做好提前規(guī)劃，避免不合理的研發(fā)投入；同時，加強與企業(yè)內(nèi)部其他部門和外部材料供應商的協(xié)同合作，實現(xiàn)資源互補以及研發(fā)質(zhì)量與效率的提高。

參考文獻：

[1]中國工控網(wǎng).2016年智能硬件產(chǎn)業(yè)發(fā)展趨勢分析[EB/OL].[2017-01-20].http：//www.gongkong.com/news/201606/343973.html.

[2]從蔚.歐洲公司人力資源、研發(fā)支出與公司績效之關(guān)聯(lián)性-以德、英、法三國為例[D].臺灣：淡江大學，2016.

[3]王文英，張清福.智慧資本影響績效模式之探討——我國半導體業(yè)之實證研究[J].會計評論，2004（39）：89-117.

[4]黃麗芬.景氣循環(huán)、研究發(fā)展對財務績效影響之研究——以我國上市上柜咨訊電子業(yè)為例[D].臺灣：中原大學，2003.

[5]林淑美.應用果蠅算法優(yōu)化支持向量機建構(gòu)企業(yè)經(jīng)營績效偵測模型[R].臺灣：中國科技大學行銷與流通管理系，2012-01-17.

[6]CONG Y，WANG J，LI X.Traffic Flow Forecasting by a Least Squares Support Vector Machine with a Fruit Fly Optimization Algorithm[J].Procedia Engineering，2016（137）：59-68.

[7]潘文超.果蠅最佳化演算法第二版[M].臺灣：滄海書局，2013.

[8]吳小文，李撃.果蠅算法和5種群智能算法的尋優(yōu)性能研究[J].火力與指揮控制，2013，3（4）：18-19.

[9]潘文超.應用果蠅優(yōu)化算法優(yōu)化廣義回歸神經(jīng)網(wǎng)絡進行企業(yè)經(jīng)營績效評估[J].太原理工大學學報：社會科學版，2011，29（4）：1-5.