仵鳳清，徐雅靜

（燕山大學(xué)a.經(jīng)濟(jì)管理學(xué)院；b.區(qū)域經(jīng)濟(jì)發(fā)展研究中心，河北 秦皇島 066004）

0 引言

隨著全球化、信息化、網(wǎng)絡(luò)化的深入發(fā)展，信息網(wǎng)絡(luò)打破了傳統(tǒng)意義上“地理鄰近性”的束縛，使得區(qū)域之間的交流可以擺脫地理上的限制，以及科技的更新?lián)Q代速度之快削弱了區(qū)域經(jīng)濟(jì)發(fā)展所保持的優(yōu)勢(shì)性，使得區(qū)域經(jīng)濟(jì)難以保持長(zhǎng)久性、持續(xù)性發(fā)展。因此，在新形勢(shì)下，在網(wǎng)絡(luò)環(huán)境下預(yù)測(cè)區(qū)域的協(xié)同創(chuàng)新發(fā)展水平是一個(gè)值得研究的新課題?？偨Y(jié)現(xiàn)有文獻(xiàn)發(fā)現(xiàn)[1-6]，盡管國(guó)內(nèi)外學(xué)者對(duì)區(qū)域協(xié)同創(chuàng)新的研究繁多，但在研究視角、方法、內(nèi)容等方面難以體現(xiàn)“協(xié)同”，且已有研究尚未深入探討區(qū)域協(xié)同創(chuàng)新的“自組織規(guī)律”，以及區(qū)域經(jīng)濟(jì)的動(dòng)態(tài)變化發(fā)展使得難以對(duì)其協(xié)同創(chuàng)新能力進(jìn)行短期性評(píng)價(jià)?；诖?，本文依據(jù)自組織理論，嘗試建立能夠反映“協(xié)同”的區(qū)域創(chuàng)新能力評(píng)價(jià)指標(biāo)體系，并結(jié)合粒子群優(yōu)化算法和區(qū)域創(chuàng)新系統(tǒng)的自組織特性構(gòu)建區(qū)域協(xié)同創(chuàng)新能力預(yù)測(cè)模型，嘗試建立關(guān)于區(qū)域協(xié)同創(chuàng)新的自組織理論分析框架，最后選取我國(guó)北方十省市（區(qū)）作為區(qū)域樣本對(duì)該模型進(jìn)行驗(yàn)證。

1 評(píng)價(jià)指標(biāo)體系構(gòu)建

1.1 區(qū)域協(xié)同創(chuàng)新能力評(píng)價(jià)指標(biāo)體系

本文在參考前人有關(guān)區(qū)域協(xié)同創(chuàng)新評(píng)價(jià)相關(guān)文獻(xiàn)[7,8]的基礎(chǔ)上，從創(chuàng)新投入、創(chuàng)新環(huán)境、創(chuàng)新產(chǎn)出以及區(qū)域協(xié)同四個(gè)方面構(gòu)建一個(gè)能夠全面衡量區(qū)域協(xié)同創(chuàng)新能力的要素組合。本文構(gòu)建的評(píng)價(jià)指標(biāo)體系包含4個(gè)一級(jí)指標(biāo)、21個(gè)二級(jí)指標(biāo)，如表1所示。為了保證評(píng)價(jià)的科學(xué)性和權(quán)威性，所有指標(biāo)均為客觀定量指標(biāo)，可在《統(tǒng)計(jì)年鑒》上查到正式數(shù)據(jù)（見(jiàn)表1）。

表1 區(qū)域協(xié)同創(chuàng)新能力評(píng)價(jià)指標(biāo)體系

其中，企業(yè)信息化程度=企業(yè)擁有網(wǎng)站數(shù)÷企業(yè)數(shù)；政府支持力度=政府投入資金÷R&D經(jīng)費(fèi)內(nèi)部支出；金融支持力度，用金融機(jī)構(gòu)貸款增長(zhǎng)率表示。

1.2 熵值法確定指標(biāo)權(quán)重

本文選擇相對(duì)比較客觀又能充分反映指標(biāo)所包含信息的熵值法來(lái)確定指標(biāo)權(quán)重。具體步驟如下：

（1）標(biāo)準(zhǔn)化處理，當(dāng)所選取指標(biāo)的屬性和量綱不盡統(tǒng)一時(shí)，需要對(duì)所選取的指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理，將指標(biāo)的絕對(duì)值轉(zhuǎn)化為相對(duì)值，由于本文所選取的指標(biāo)均為正向指標(biāo)，故采用以下公式進(jìn)行處理：

式中：Xij表示標(biāo)準(zhǔn)化處理后第i個(gè)地區(qū)的第j項(xiàng)指標(biāo)；xij表示標(biāo)準(zhǔn)化處理前第i個(gè)地區(qū)的第j項(xiàng)指標(biāo)。

（2）計(jì)算第j項(xiàng)指標(biāo)下第i個(gè)地區(qū)指標(biāo)值的比重pij：

式中：m代表地區(qū)個(gè)數(shù)。

（3）計(jì)算第j項(xiàng)指標(biāo)的熵值ej：

式中：k=1/ln m，ln為自然對(duì)數(shù)，0≤ej≤1。

（4）計(jì)算第j項(xiàng)指標(biāo)的差異性系數(shù)gj：

（5）定義權(quán)重：

2 區(qū)域協(xié)同創(chuàng)新能力預(yù)測(cè)模型

2.1 粒子群優(yōu)化算法基本原理及流程

粒子群優(yōu)化算法（particle swarm optimization,PSO），是1995年美國(guó)電氣工程師Eberhart和社會(huì)心理學(xué)家kenndy基于鳥(niǎo)群覓食行為而提出的一種進(jìn)化迭代計(jì)算技術(shù)。該算法是模擬鳥(niǎo)群隨機(jī)搜尋食物的捕食行為而研究發(fā)明的，其主要思想是：在PSO算法中，將每個(gè)優(yōu)化問(wèn)題的潛在解假想成搜索空間中的一只鳥(niǎo)，本文稱之其為“粒子”，且粒子是沒(méi)有體積和重量的。每個(gè)粒子都追隨當(dāng)前最優(yōu)粒子在解空間中進(jìn)行搜索，PSO初始化為一群隨機(jī)粒子（隨機(jī)解），通過(guò)迭代最終求出問(wèn)題的最優(yōu)解。將最優(yōu)解看作是搜索空間中的某個(gè)特定點(diǎn)，也就是鳥(niǎo)群覓食時(shí)食物所在的位置。在搜索空間中進(jìn)行搜索時(shí)，粒子以一定的速度飛行，其飛行的大小與方向需要粒子根據(jù)自身和群體的飛行經(jīng)驗(yàn)來(lái)動(dòng)態(tài)調(diào)整。在每一次迭代中，粒子通過(guò)自身所找到的最好位置以及整個(gè)種群所找到的最好位置來(lái)更新自己，稱前者為個(gè)體最優(yōu)（particle best,pbest），稱后者為全局最優(yōu)（global best,gbest）。粒子始終跟隨這兩個(gè)最優(yōu)值變更自己的速度和位置進(jìn)行迭代更新最終找到問(wèn)題的最優(yōu)解。由于該算法概念簡(jiǎn)明、易于實(shí)現(xiàn)、收斂速度快、參數(shù)設(shè)置少而被廣泛應(yīng)用于各種優(yōu)化問(wèn)題中。其基本原理如下：

假設(shè)有一個(gè)由N個(gè)粒子組成的粒子群，目標(biāo)搜索空間的維數(shù)是D維，則其中第i個(gè)粒子的位置是一個(gè)D維向量，記作：

第i個(gè)粒子的速度也是一個(gè)D維向量，記作：

第i個(gè)粒子迄今為止搜索到的最優(yōu)位置稱為個(gè)體最優(yōu)，記作：

整個(gè)粒子群迄今為止搜索到的最優(yōu)位置稱為全局最優(yōu)，記作：

在搜索空間中，粒子根據(jù)下述公式更新自己的速度和位置：

式中，w：慣性權(quán)重，其主要作用是調(diào)節(jié)算法的全局搜索能力和局部?jī)?yōu)化能力；c1，c2：學(xué)習(xí)因子；r1，r2：[0,1]范圍內(nèi)的均勻隨機(jī)數(shù)。

該算法基本流程如圖1所示。其具體過(guò)程詳述如下：

（1）初始化粒子群，包括粒子數(shù)目N、每個(gè)粒子的位置xi和速度 vi。

（2）計(jì)算每個(gè)粒子的適應(yīng)度值。

（3）對(duì)每個(gè)粒子，比較適應(yīng)度值和個(gè)體最優(yōu)值，如果適應(yīng)度值大于個(gè)體最優(yōu)值，則替換。

（4）對(duì)每個(gè)粒子，比較適應(yīng)度值和全局最優(yōu)值，如果適應(yīng)度值大于全局最優(yōu)值，則替換。

（5）根據(jù)式（1）和式（2）更新粒子的速度vi和位置xi。

（6）如果滿足結(jié)束條件（誤差足夠好或到達(dá)最大迭代次數(shù)）則退出，否則返回步驟（2）。

圖1 標(biāo)準(zhǔn)PSO算法流程圖

2.2 區(qū)域創(chuàng)新系統(tǒng)演化機(jī)制與粒子群優(yōu)化算法的相通性

區(qū)域創(chuàng)新是一個(gè)自組織演化進(jìn)程，滿足自組織系統(tǒng)產(chǎn)生的4個(gè)條件[9]。①區(qū)域創(chuàng)新系統(tǒng)符合自組織系統(tǒng)完全開(kāi)放的特征，系統(tǒng)內(nèi)部與外部環(huán)境間不斷進(jìn)行著物質(zhì)、信息、能量的交換，以保持系統(tǒng)的有序性，保證系統(tǒng)內(nèi)的創(chuàng)新活力；②非均衡狀態(tài)是自組織系統(tǒng)所必需的，而區(qū)域創(chuàng)新系統(tǒng)不斷變化的內(nèi)部環(huán)境以及激烈競(jìng)爭(zhēng)的外部環(huán)境都使其遠(yuǎn)離均衡狀態(tài)，從而有效地與外界進(jìn)行交流；③科學(xué)技術(shù)、市場(chǎng)需求、政策法規(guī)等外部環(huán)境的改變產(chǎn)生了許多微小漲落，而“漲落”是自組織系統(tǒng)形成的條件；④區(qū)域創(chuàng)新系統(tǒng)內(nèi)部之間的交流、競(jìng)爭(zhēng)與合作都屬于復(fù)雜的非線性作用。因此，區(qū)域創(chuàng)新系統(tǒng)具有自組織特性，其演化過(guò)程屬于自組織演化。

粒子群優(yōu)化算法是自組織算法，其尋優(yōu)過(guò)程也是自組織的。因此，若將區(qū)域內(nèi)的創(chuàng)新行為主體看作為粒子群優(yōu)化算法中的粒子，區(qū)域所處的位置看作為此區(qū)域協(xié)同創(chuàng)新能力最大的位置，也就是粒子群優(yōu)化算法中最優(yōu)解所在的位置，那么區(qū)域協(xié)同創(chuàng)新系統(tǒng)的創(chuàng)新能力發(fā)展過(guò)程可以視為粒子群的尋優(yōu)過(guò)程。由此可見(jiàn)，區(qū)域協(xié)同創(chuàng)新系統(tǒng)的演化與粒子群的尋優(yōu)過(guò)程是相通的。其相通性主要體現(xiàn)在以下兩個(gè)方面：

（1）演化角度

①穩(wěn)定階段（無(wú)序）：在區(qū)域創(chuàng)新系統(tǒng)的初始階段中，區(qū)域內(nèi)各創(chuàng)新行為主體零落的分布在各地，彼此之間交流甚少，各自按照自己的模式在系統(tǒng)內(nèi)“生存”，整個(gè)系統(tǒng)處于穩(wěn)定狀態(tài)；在粒子群的初始階段中，各個(gè)粒子無(wú)規(guī)則的在區(qū)域內(nèi)排列，彼此之間缺少“交流”，雜亂無(wú)章地向四面八方運(yùn)動(dòng)著。

②失穩(wěn)階段：在區(qū)域創(chuàng)新系統(tǒng)中，一旦觸發(fā)機(jī)制生效則意味著原來(lái)的無(wú)序穩(wěn)定階段被打破，區(qū)域內(nèi)各創(chuàng)新行為主體之間的交流以及與外部環(huán)境之間的交流愈發(fā)頻繁，各創(chuàng)新行為主體為了適應(yīng)市場(chǎng)需求以獲得自身的競(jìng)爭(zhēng)優(yōu)勢(shì)，彼此之間進(jìn)行物質(zhì)、信息、能量的交換而展開(kāi)合作和競(jìng)爭(zhēng)；而在該階段，粒子群中的粒子在“自我認(rèn)知”和“社會(huì)認(rèn)知”的支配下按照一定的行為方式進(jìn)行自我迭代進(jìn)化，從而達(dá)到整個(gè)種群的進(jìn)化更新。

③新穩(wěn)定階段（有序）：在區(qū)域創(chuàng)新系統(tǒng)中，各創(chuàng)新行為主體經(jīng)過(guò)失穩(wěn)階段中不斷地合作與競(jìng)爭(zhēng)，優(yōu)勝劣汰，使得協(xié)同創(chuàng)新能力較強(qiáng)的主體生存下來(lái)，最終使區(qū)域重新恢復(fù)到動(dòng)態(tài)穩(wěn)定狀態(tài)，從而開(kāi)始新一輪的自組織演化過(guò)程；而對(duì)于粒子群中的粒子在經(jīng)歷上一階段的迭代進(jìn)化后，按照一定的行為規(guī)則找到最優(yōu)解，從而使整個(gè)種群再次趨于穩(wěn)定狀態(tài)。

（2）參數(shù)角度

①參數(shù)w：在粒子群優(yōu)化算法中，w表示慣性權(quán)重，其主要作用是調(diào)節(jié)算法的全局搜索能力和局部?jī)?yōu)化能力，數(shù)值越大，則算法對(duì)先前的速度繼承的也就越多，算法具有較強(qiáng)的全局搜索性能，反之，則具有較強(qiáng)的局部?jī)?yōu)化性能。在區(qū)域創(chuàng)新系統(tǒng)中，w可以表示為外部環(huán)境中政府對(duì)于各創(chuàng)新行為主體協(xié)同創(chuàng)新的指導(dǎo)與協(xié)助作用，政府在參與區(qū)域經(jīng)濟(jì)活動(dòng)時(shí)，其宏觀調(diào)控作用不可小覷，如果過(guò)多干預(yù)則違背現(xiàn)行市場(chǎng)經(jīng)濟(jì)體制的基本原則，如果力度過(guò)小則無(wú)法彌補(bǔ)“市場(chǎng)失靈”帶來(lái)的破壞性。

②參數(shù)c1：在粒子群優(yōu)化算法中，c1表示學(xué)習(xí)因子，指粒子群的“自我認(rèn)知”部分，粒子群在尋找最優(yōu)解的過(guò)程中，各個(gè)粒子根據(jù)自身的飛行經(jīng)驗(yàn)，通過(guò)自身找到的最好位置迭代更新，粒子間缺少信息交流，其尋優(yōu)效率十分低。在區(qū)域創(chuàng)新系統(tǒng)中，c1可以表示為區(qū)域內(nèi)各創(chuàng)新行為主體間的競(jìng)爭(zhēng)，這將致使在沒(méi)有行業(yè)規(guī)則約束的情況下，各創(chuàng)新行為主體一味追求自身利益而不顧周圍環(huán)境以及其他創(chuàng)新主體的利益，彼此充滿競(jìng)爭(zhēng)而缺少合作。

③參數(shù)c2：在粒子群優(yōu)化算法中，c2表示學(xué)習(xí)因子，指粒子群的“社會(huì)認(rèn)知”部分，粒子群在尋找最優(yōu)解的過(guò)程中，各個(gè)粒子根據(jù)群體的飛行經(jīng)驗(yàn)動(dòng)態(tài)調(diào)整速度大小和方向，通過(guò)整個(gè)種群所找到的最好位置來(lái)更新自己，粒子間進(jìn)行著社會(huì)信息交流，從而找到最優(yōu)解、達(dá)到穩(wěn)定狀態(tài)。在區(qū)域創(chuàng)新系統(tǒng)中，c2可以表示為區(qū)域內(nèi)各創(chuàng)新行為主體間的合作，這里的合作既包括企業(yè)與企業(yè)之間的合作，也包括企業(yè)、政府、科研機(jī)構(gòu)、高等院校之間的相互合作，從而使整個(gè)區(qū)域達(dá)到一種穩(wěn)定可持續(xù)發(fā)展?fàn)顟B(tài)。

2.3 預(yù)測(cè)模型

通過(guò)以上分析，可以發(fā)現(xiàn)區(qū)域創(chuàng)新系統(tǒng)的演化過(guò)程與粒子群優(yōu)化算法的尋優(yōu)過(guò)程具有相通性，因此，本文應(yīng)用粒子群優(yōu)化算法構(gòu)建區(qū)域協(xié)同創(chuàng)新能力預(yù)測(cè)模型。將區(qū)域協(xié)同創(chuàng)新能力值看作粒子群優(yōu)化算法中所求解的適應(yīng)度值，區(qū)域的地理坐標(biāo)看作粒子群優(yōu)化算法中粒子在搜索空間中的位置，區(qū)域內(nèi)各創(chuàng)新行為主體間的合作與競(jìng)爭(zhēng)通過(guò)粒子群優(yōu)化算法中粒子的“自我認(rèn)知”和“社會(huì)認(rèn)知”部分來(lái)表達(dá)，通過(guò)將區(qū)域創(chuàng)新系統(tǒng)的演化過(guò)程模擬為粒子群算法的尋優(yōu)過(guò)程，根據(jù)粒子群算法尋優(yōu)的結(jié)果預(yù)測(cè)目標(biāo)區(qū)域的協(xié)同創(chuàng)新能力發(fā)展情況，以此構(gòu)建基于粒子群優(yōu)化算法的區(qū)域協(xié)同創(chuàng)新能力預(yù)測(cè)模型。

在該預(yù)測(cè)模型中，粒子的速度與位置更新公式按照式（1）和式（2）進(jìn)行，根據(jù)圖1算法基本流程進(jìn)行迭代更新尋求最優(yōu)位置。式（1）中各個(gè)變量新的內(nèi)涵為：

（1）w表示政府在區(qū)域協(xié)同創(chuàng)新中所起的指導(dǎo)和協(xié)助作用；

（2）X表示區(qū)域所在的地理坐標(biāo)位置，在本文表示坐標(biāo)軸上的位置，（x,y）是坐標(biāo)值；

（3）c1和c2分別表示區(qū)域內(nèi)各創(chuàng)新行為主體間的競(jìng)爭(zhēng)與合作；

（4）pi和pg分別表示個(gè)體和種群所搜索到的區(qū)域協(xié)同創(chuàng)新最佳位置。

3 實(shí)證驗(yàn)證

3.1 數(shù)據(jù)搜集

本文以省級(jí)地區(qū)為一個(gè)區(qū)域，選取我國(guó)北方地區(qū)的北京、天津、河北、山西、內(nèi)蒙古、遼寧、吉林、黑龍江、山東、河南這十省市（區(qū)）為實(shí)證研究對(duì)象，對(duì)模型的可靠性進(jìn)行實(shí)證驗(yàn)證。其中，本文所采用的數(shù)據(jù)中，用來(lái)表示金融支持力度的金融機(jī)構(gòu)貸款增長(zhǎng)率來(lái)自于2016年的《中國(guó)金融年鑒》，創(chuàng)新環(huán)境中的3個(gè)二級(jí)指標(biāo)企業(yè)信息化程度、互聯(lián)網(wǎng)普及率、郵電業(yè)務(wù)總量以及創(chuàng)新產(chǎn)出的技術(shù)市場(chǎng)成交額來(lái)自于2016年的《中國(guó)統(tǒng)計(jì)年鑒》，其余的16個(gè)二級(jí)指標(biāo)均來(lái)自于2016年的《中國(guó)科技統(tǒng)計(jì)年鑒》。

3.2 數(shù)據(jù)處理

應(yīng)用熵值法確定區(qū)域協(xié)同創(chuàng)新評(píng)價(jià)指標(biāo)綜合權(quán)重，按照熵值法確定指標(biāo)權(quán)重步驟進(jìn)行處理，在處理過(guò)程中，為了消除標(biāo)準(zhǔn)化處理后可能帶來(lái)的影響，進(jìn)行坐標(biāo)平移，平移公式為xij′=xij+1。處理后，區(qū)域協(xié)同創(chuàng)新評(píng)價(jià)指標(biāo)綜合權(quán)重如表2所示。

表2 區(qū)域協(xié)同創(chuàng)新評(píng)價(jià)指標(biāo)綜合權(quán)重分配表

最后，計(jì)算第j項(xiàng)指標(biāo)下第i個(gè)地區(qū)指標(biāo)值的比重，得到協(xié)同創(chuàng)新能力相對(duì)指標(biāo)，再分別與綜合權(quán)重值作積，然后按照地區(qū)求和，最終得到年度區(qū)域協(xié)同創(chuàng)新能力值，如表3所示。

表3 十省市（區(qū)）年度協(xié)同創(chuàng)新能力值

3.3 模型求解及結(jié)果分析

首先，根據(jù)所選取的十省市（區(qū)）地圖建立平面直角坐標(biāo)系，如圖2所示，確定十省市（區(qū)）在坐標(biāo)軸上的位置，十省市（區(qū)）坐標(biāo)以及協(xié)同創(chuàng)新能力值如表4所示。

由于十省市（區(qū)）坐標(biāo)值與協(xié)同創(chuàng)新能力值是非線性關(guān)系，無(wú)法用確定函數(shù)表示它們之間的關(guān)系，考慮到神經(jīng)網(wǎng)絡(luò)模型的學(xué)習(xí)機(jī)理，可以通過(guò)訓(xùn)練來(lái)建立坐標(biāo)值與指標(biāo)之間的關(guān)系模型，根據(jù)訓(xùn)練得到的神經(jīng)網(wǎng)絡(luò)模型繪制出的擬合圖像如圖3所示。

圖2 十省市（區(qū)）坐標(biāo)示意圖

表4 十省市（區(qū)）坐標(biāo)及協(xié)同創(chuàng)新能力值

圖3 十省市（區(qū)）協(xié)同創(chuàng)新能力擬合地形圖

依據(jù)粒子群優(yōu)化算法的區(qū)域協(xié)同創(chuàng)新能力預(yù)測(cè)步驟，借助MATLAB2014編程，試驗(yàn)中參數(shù)設(shè)置為：迭代次數(shù)取50，粒子數(shù)目取20，學(xué)習(xí)因子c1=c2=2，采用線性遞減慣性權(quán)重，w∈[0.3,0.9]。求得的坐標(biāo)最優(yōu)解為（2.8,2.5），相對(duì)的區(qū)域是北京市的西北部，協(xié)同創(chuàng)新能力值的最優(yōu)解為0.4135。根據(jù)擬合地形圖以及所得到的最優(yōu)解，可以得出：①我國(guó)北方地區(qū)十省市（區(qū)）的協(xié)同創(chuàng)新水平差異明顯，以北京市為中心的協(xié)同創(chuàng)新水平遠(yuǎn)超于其他省市（區(qū)）；②根據(jù)粒子群尋優(yōu)的特點(diǎn)，預(yù)測(cè)在若干年后北京市的西北部地區(qū)將會(huì)形成較高協(xié)同水平的區(qū)域創(chuàng)新系統(tǒng)。

4 結(jié)束語(yǔ)

根據(jù)相關(guān)資料表明，北京市西北部地區(qū)是我國(guó)科教智力和人才資源密集區(qū)域，中關(guān)村正是坐落于此，是我國(guó)科技發(fā)達(dá)、創(chuàng)新資源聚集的地區(qū)，已初步形成了具有自組織能力和協(xié)同創(chuàng)新特點(diǎn)的區(qū)域協(xié)同創(chuàng)新系統(tǒng)，因此，本文實(shí)證研究結(jié)果證明了所構(gòu)建的預(yù)測(cè)模型的可靠性。因?yàn)閰^(qū)域協(xié)同創(chuàng)新是一個(gè)自組織演化過(guò)程，具有自組織特性，粒子群優(yōu)化算法是一個(gè)自組織算法，具有在若干時(shí)間段后尋得最優(yōu)解的特點(diǎn)，所以本文嘗試應(yīng)用粒子群優(yōu)化算法預(yù)測(cè)區(qū)域的協(xié)同創(chuàng)新能力，這對(duì)于研究區(qū)域協(xié)同創(chuàng)新理論是一個(gè)新的嘗試，也為區(qū)域協(xié)同創(chuàng)新能力尋優(yōu)的定量計(jì)算提供了一定的借鑒意義。同時(shí)，粒子群優(yōu)化的神經(jīng)網(wǎng)絡(luò)算法不僅可以提高搜索目標(biāo)值的速度，還可以提高搜索的精確度[6]，這為本文研究結(jié)果的準(zhǔn)確性提供了一定的保證。