基于BPPSO优化模型的高新企业技术项目选择研究

李新安

摘 要：技术产品的市场寿命趋短与技术功能复杂等特点，决定了技术项目选择对高新企业的发展和壮大产生着重要影响。基于高新企业技术项目选择的内在要求，在改进粒子群优化算法基础上，结合高新企业技术项目选择的实际，构建了粒子群神经网络优化模型（BPPSO），并通过实证分析检验了理论模型的有效性。实证计量分析表明，所建理论模型与方法以其易实现、高精度和收敛快等优点，在实际问题解决中表现出显著的优越性。基于上述研究，对高新企业技术项目选择的战略模式提出建议，以期为提升企业技术核心竞争力提供决策参考。

关键词：高新企业;技术创新;粒子群神经网络优化模型（BPPSO）;技术成熟度

中图分类号：F276.44    文献标识码：A    文章编号：1671-0037（2019）7-1-10

DOI：10.19345/j.cxkj.1671-0037.2019.07.001

创新驱动是提高经济发展质量的第一动力。全球经济发展表明，技术创新与技术选择作为生产力的核心要素，正影响着人类社会中的各个方面。随着关键技术竞争的日趋激烈，任何国家在面临资源环境压力和经济社会可持续发展的进程中，不可避免地面临如何通过技术创新进行合理的资源配置以及实施什么样的技术战略以占领技术的制高点等重要课题。从宏观层面来讲，技术选择主要研究国家创新驱动相关政策对行业与企业技术结构、技术体系、产品结构及产业结构等的影响，然后从众多的技术领域中选择优先扶持产业的关键技术项目（体系）。从微观方面来讲，现代企业竞争的关键在于对技术项目的选择及应用，技术功能的先进性、经济效益合理性及方案的可行性等往往构成技术方案决策的依据。具有较强市场竞争力并日益发展壮大的企业，也往往是那些善于进行技术选择与创新，并进行合理资源配置的企业。魏庆文等研究发现技术创新是创新驱动的核心[1]，袁航和茶洪旺研究表明创新贡献度主体经历了从研发机构→高等学校→规模以上工业企业的让渡历程[2]，陶长琪、彭永樟认为企业尤其是高新企业已成为经济增长动力转换的主体，由技术选择所产生的技术能力在企业战略导向中发挥着越来越重要的作用[3]。高新技术企业作为以R&D活动、产出高新技术与高新技术产品为主的知识、技术和资金密集型企业，引导着区域与行业的整体技术方向[4]。目前各行业技术迭代整体加速、高技术企业产品市场寿命趋短与功能复杂等特点，决定了技术项目选择对高新技术企业的发展和壮大有着重要的影响[5]。为了使企业技术项目成功实施，前提就是要选择正确适宜的技术项目[6]，而现有的大多由领导拍板的技术选择方法，其本身固有的较大主观性偏差，使技术项目选择的理论模型与方法研究显得尤为重要[7]。鉴于此，结合高新企业技术项目选择的实际，本文通过改进粒子群优化算法[8]，构建粒子群神经网络优化模型（BPPSO），并通过实例应用，以期为企业技术项目选择提供决策参考。

1 高新企业技术项目选择的影响因素及评价指标体系

高新技术相比传统技术具有核心性、前沿性和尖端性等特点，由这些技术而形成的技术产业被称为高技术产业。而从事高新技术研发与推广应用的高新企业与传统企业也表现出明显不同的特征：一是产品技术含量高、附加值高、企业超常规发展;二是R&D实力较为雄厚，高素质科技人员比例大;三是高风险与高收益并存;四是知识产权等无形资产已成为企业的核心资产;五是核心技术研发与管理已成为所有管理的中心工作。高新企业需要高额资金投入、长期的基础研究、充足的原材料供应、先进高端的设施设备，同时还要面对动荡不定而又竞争激烈的市场环境，而且国家的宏观政策调控也对高新企业产生非常大的影响。因此，高新企业技术项目选择的复杂性、动态性、连续性都使得企业在技术项目选择时不能轻视，技术项目选择成功与否不仅决定着企业能否盈利，甚至有时会影响到企业的存亡。基于高新企业技术选择的独特性，我们分别从影响高新技术企业的内部劳动力条件、资源禀赋以及整个行业及产业的外部环境，来探求影响高新技术企业做出技术项目选择的内外影响因素。

1.1 影响高新企业技术项目选择的内外部因素

1.1.1 劳动力。高新技术企业与传统企业最大的不同点就是它采用的一般是最前沿的技术群，技术的先进性、创新性比较强，产品的技术含量高，且拥有比较雄厚的研发实力。这些特点决定了它对企业人员知识素质、创新能力及技术熟练程度等有很高的要求。人力是高新技术企业的基础条件，企业要想有长远的发展，劳动力的作用举足轻重。

1.1.2 资源禀赋。高新技术企业另一个重要的特点是技术设备的先进性和获取信息的迅捷性。资源禀赋给技术项目的实施提供了强力的物质保障，固定投资的比例、用于研发的投入与销售收入占比、技术的生命周期长短、企业设备与技术项目的匹配、原材料供应提供能力、信息网络的先进程度、相关产业的配套程度以及企业自身对技术的管理能力等都是企业自身的资源禀赋，这些决定了可否为技术项目提供很好的物质支撑。因此，企业在选择技术项目时，须考虑自身的资源禀赋与技术水平，而非盲目地选择最先进的技术项目。只有把自身的资源禀赋和拟选择的技术项目结合起来，才能保证技术项目的成功实施。

1.1.3 内部风险。高风险与高收益并存是高新技术企业的一个重要特点，技术的前沿性可让企业具有核心竞争力，获取高额的利润回报。但拟实施的技术项目一旦不成功，带来的风险和损失也将是巨大的。财务资金来源、现金流量充足性、技术引进或研发的持续性、技术瓶颈如何突破等都是需要考虑的问题。

1.1.4 外部环境。一个技术项目能否顺利进行，外部政策和市场环境也是一个重要方面。国家政策对某领域技术的支持力度为企业技术项目的发展前景提供了依据，相关法律法规是否完善也决定了技术项目应用所能得到的法律保障程度，市场竞争对手的多寡强弱以及市场的饱和程度等都为企業选择技术项目提供了决策依据。另外，企业如果能有技术联盟共同攻克技术难关，一起承担风险，则企业可能会有更大的抗风险能力。

1.1.5 企业自身的技术战略。由于各企业所处的发展阶段不同、面临的市场和行业环境不同、企业自身的战略目标不同，企业在进行技术项目选择的时候，偏好也会不同。根据不同的技术项目分类，有些企业偏重于选择实验室阶段的技术项目，以抢占技术的最前端;而有些企业则偏重于选择批量生产的技术项目，以降低技术项目的风险等。

1.2 技术项目选择的评价指标体系构建

构建技术项目选择的指标体系主要考虑3个方面：其一，应当考虑哪些因素;其二，对技术项目选择产生影响的因素有哪些;其三，这些因素产生的影响有多大。结合全面的分析，虽然影响因素很多，但总的来说，可以主要考虑两个方面的因素来构建指标体系：一是企业自身所具备的资源禀赋，也就是内部环境;二是企业所面临的外部环境。参考国内外众多文献可知，国内外学者围绕各自需要构建了一些技术创新模式选择的相关指标[9-11]，这些指标体系都具有一定的参考价值，但往往多针对具体行业[12-13]、特定国别[14-15]、特定类型企业[16-18]等，并不适用于高新企业技术项目选择的指标体系，不能直接套用。因此，结合研究要求，在构建指标体系时，首先确立总的目标层，以明确技术项目选择要实现的目标与达到的标准。然后再分解为子目标，都有哪些因素会影响总目标的结果，子目标可以再往下逐级分解。经过综合考虑，我们选择确定了如下指标体系。

①内部因素

[x1]：全员劳动生产率。用一定区域内的GDP/平均就业人数表示。技术项目的选择不仅取决于要素的结构，更加与要素水平的相对价格息息相关，全员劳动生产率用于评价企业内人员方面的要素水平的价格。

[x2]：研发人员比例。研发人员的比重大小直接决定了高新技术企业的研发水平与创新能力，研发人员比例=研发人员数量/企业总人数。

[x3]：熟练劳动比例。熟练劳动是指在本企业工作满一年以上的员工，其比例对技术项目的应用产生重要影响，熟练勞动比例=熟练劳动数量/员工总人数。

[x4]：固定投资比例。固定资产比例也是要素禀赋结构是否合理的重要体现，用于评估企业固定资产投资是否适度。固定投资比例越高，则企业的风险就越大，进行技术项目选择就要受到限制。固定投资比例=固定投资/销售收入。

[x5]：R&D投入占比。该比例反映企业对技术项目研发的重视程度，同时也是衡量企业潜在创新能力的重要指标。R&D费用占比=R&D投入/销售收入。

[x6]：技术项目生命周期。技术项目生命周期决定了企业可接受技术项目的最长时间范围，对企业进行技术项目的选择有重要的参考价值。技术项目的周期越长，企业承担的相应的风险也越高。本文划分了5个等级：8年以上、6～8年、4～6年、2～4年、0～2年。

[x7]：设备水平。现有的企业生产设备对技术项目要求的满足程度如何等。

[x8]：原材料供应。原材料的供应速度和质量既对生产成本产生影响，也会影响到产品的生产效率和产品的质量，从而对企业未来发展产生影响。

[x9]：信息网络水平。其水平的高低直接决定了企业在信息化社会中的生存发展，对高新技术企业而言，必须考虑企业获取有效信息并对信息进行分析运用的整合能力。

[x10]：配套能力。任何一项技术都不是独立存在的，技术项目的应用需要与其配套的相关技术和生产设备。如果企业拟实施技术项目与自身的技术水平和生产设备相匹配，则有助于节省新技术学习和掌握所需耗费的大量人力与财力，推进技术项目的实施进展。同样分为5个等级：很高、较高、一般、较低、很低。

[x11]：技术管理能力。高新企业技术项目对项目管理者的理念与经验将会有严格的要求。同样将项目技术管理者的保障能力由高到低划分为5个等级。

[x12]：技术风险。任何一项新的技术都存在风险，例如，技术研发的方向调整会导致前期投入成为沉没成本，其大小直接决定了企业技术项目的选择及实施。

[x13]：经营风险。高新企业的经营风险要明显高于传统行业的一般企业，这也将对技术项目选择偏向产生影响。

[x14]：财务风险。从投资决策的角度来说，财务风险大小对技术项目投资起着至关重要的作用。

②外部因素

[x15]：政府支持力度。相关政府部门的政策指导性意见，尤其是颁布的一些优惠性政策或者减免性条例等政策性倾斜会给予一些技术项目以鼓励。如果企业能把握好政府对技术项目的偏向，来自政府的支持往往会影响到企业的技术选择决策。同样，如果选择政府严禁的污染较为严重的技术项目，就算是经济利润再客观，这样的技术项目也很难获得审批。

[x16]：法律完善程度。任何一个新的技术项目，无论是技术创新还是引进，都会涉及法律方面的问题，如果拟实施的技术项目领域法律法规相对完善，则会对技术项目的实施有很好的保障作用。

[x17]：竞争者压力。如果竞争对手较多，则企业选择的新技术就很难在市场上站稳脚。因而竞争者压力也是影响技术项目选择的风险因素。

[x18]：市场饱和度。如果新的技术项目在市场仍然是个空白，说明未来很长一段时间内，市场空间的潜力巨大;如果拟引进技术项目的市场已趋于饱和，再引进这样的技术则要承担较大的风险。

[x19]：技术联盟。技术联盟一般指企业、高校、科研院所等通过合作关系，建立产学研一体的研究中心，或者企业之间形成相互依赖的技术上的关联，这样的体系对技术项目的顺利实施有较大的保障作用。

[x20]：技术战略。企业选择技术项目时会受到企业自身战略规划的影响，选择技术领先战略还是追随战略要跟企业整体的战略规划相关联。

[x21]：技术类型。技术项目的大体类型可分为劳动密集型、资本密集型和知识技术密集型，企业进行技术项目选择时，须根据自身的条件和优势进行选择。

[x22]：技术成熟度偏好。每一项技术项目都存在它的生命周期，技术从实验室阶段、小试阶段、中试阶段、小批量生产、规模化生产等正好符合产品从研发到规模生产这样一个过程，企业对技术本身的成熟度也会存在不一样的侧重和偏好。

依据以上指标分析，我们构建的指标体系如下，见表1。

2 技术项目选择的粒子群神经网络优化模型构建

现有的技术项目选择的评估方法较多，各种评价方法都有自己的优缺点，且有一定的适用范围。其中，灰色理论法、层次分析法、数据包络法、综合评价法大多是根据专家讨论或者日常经验来直观确定各评价指标间各因素的权重，局限性在于有时并不能反映实际的权重关系，缺少了评价结果的客观性。而且这几类算法大多比较烦琐，通用性较差，在很大程度上制约了对实际问题的解决能力。而实际中，我们更倾向于选择BP神经网络、粒子群算法等属于定量较为客观的分析评价方法。人工BP神经网络可分为前馈型与反馈型两种神经网络，目前研究的神经网络为前馈型多层神经网络，其神经元的传递函数是Sigmold型函数，即对于给定的样本集合，输入[xi ? Rn]和输出[yi ? Rm]，i=1，2，…，p，可以认为存在某一映射[f]，使得[f][xi=y]。对BP神经网络训练优化的过程就是对在网络中所有权值和阈值进行修正和调整的过程，最后使得网络的实际输出值与期望输出值的差距能够逐步减少，利用误差最小的原则对其进行反复学习训练，以实现优化后的最终输出。人工神经网络只适合于变量较少，且有固定范围的简单目标规划型的技术项目。粒子群算法是群集智能算法的一种[19]，由于每个问题都不尽相同，所以只能具体问题具体分析，粒子群算法无法建立统一的分析模型。所以，我们把人工神经网络和粒子群算法两种算法结合起来，使二者优势互补，对于高新企业的技术项目选择我们采用粒子群神经网络优化算法。

用粒子群算法（Particle Swarm Optimization，PSO）對神经网络进行优化的研究尚处于初级阶段，但现已得到越来越广泛的应用，具有很大的发展潜力。首先，用PSO算法可以替代BP算法中的梯度下降法来训练神经网络的参数，应将所有神经元之间的连接权值和阈值编码成实数码串来表示粒子的个体。其次，把微粒群中各个体的分量映射为网络中的权值并进行初始化，这样就构成了一个神经网络。接着通过反复迭代对输入训练样本进行训练。为了保证网络具有较强的泛化能力，会把样本集分为两部分，一部分为测试集，另一部分为训练集，在每一次权值优化训练过程中，对给定的样本集都要进行分类，从而确保每次训练所采用的训练集均不同。以每一个网络在训练集上产生的均方误差为目标函数，在网络训练过程中使目标函数达到最小的适应度函数，计算公式如下。

[EXp=12np=1nk=ocYK，PXP-tk，p]                  （1）

其中[tk，p]表示训练样本P在输出端K的给定输出值;当适应度目标函数值MSE小于给定的[ε→O]时，算法终止。粒子群神经网络模型的算法步骤如图1所示。

3 高新企业技术项目选择的样本来源与实证分析

本文主要是针对高新技术企业技术项目选择进行的研究，考虑这个问题可分为两种思路：其一是对所有的技术项目进行评价，然后从中择优;其二则是分别对每一个技术项目进行评估，给出得分进行择优。在第一种思路中，企业不可能拥有所有的技术项目并进行评估，而且如果有两个或者多个技术项目评价结果相差比较小，就无法给出最终的结果;第二种思路不仅可以直观地给出供企业选择的每一个技术项目得分，而且消除了技术项目之间评价结果相差较小造成的无法评价的缺点。因此，我们选择第二种思路。市场上的技术项目包括引进和自主研发两大类，但是这两大类的技术项目之间存在许多共同性的问题，因此，在设计问卷时同时考虑了影响这两大类技术项目的因素，而且针对每个类别又分别设计了相应的问题。但没有具体分类，这样也便于进行以后的指标测算和模型建立。

3.1 问卷设计过程

笔者曾在2018年10月设计了一份针对高新技术企业的调查问卷，并且进行了预调查，通过发放问卷，集中反映了一些问题。由于一些问题涉及企业机密以及不可获得性，有些指标我们无法取得较为理想的数据。因此，笔者在综合考虑了各项因素后，对前次调查问卷进行了修改，删除了一些重复性问题，调整指标，变换问题的角度，重新设计了调查问卷。主要做的修改如下：删掉了企业的资产负债率这个定距的指标，改为用定序的财务风险来进行评估;把企业的技术资源管理能力、技术质量管理能力、技术组织管理能力3个指标合并为技术管理能力一个指标，因为根据预调查结果，企业对这个指标的理解是差不多的，改为一个指标也减少了问卷的重复性，增加了问卷的效度;把企业人员的年平均工资改为企业的全员劳动生产率，全员劳动生产率更符合进行技术选择的要素价格的评估目标。本文采用的是粒子群神经网络进行技术项目的选择，需要有期望输出值。虽然神经网络的期望输出值可以用诸如层次分析等很多种方法来确定，但这些方法都带有很强的主观性，很难保证预测结果的准确性。因此，本文采用各个技术项目的实际利润率作为粒子群神经网络的期望输出值。

围绕研究目标，我们的调查问卷设计主要有3个方面：企业的基本情况;影响企业进行技术项目选择的内部因素;影响企业进行技术项目选择的外部因素。内部因素和外部因素下又分别设计了三级指标，其中指标有定序和定距两种类型，定序的指标按照具体问题设计了Likert5级量表，按照有利和不利共分为5个程度，对每个回答给予一个相应的得分，如从非常同意到非常不同意的有利项分别为1分、2分、3分、4分、5分，对不利项目的分数分别为5分、4分、3分、2分、1分。

3.2 问卷行业分类及信度分析

试调查阶段，问卷发放形式主要分为3种：一是通过社会关系发放电子邮件。课题组通过邮件向高新企业发放调查问卷28份。二是现场发放问卷。研究者利用为MBA学员做相关学术报告的机会，接触到一些企业的项目经理，采用课后现场发放的形式，共发放调查问卷23份。三是实地调研。利用课题组成员在银行实习办理信用卡亲访客户的机会，对企业进行访问，并回收5份问卷。其中，以邮件发放的问卷调查共收回17份，而且去掉填写不完整和不合格的无效问卷，有效问卷只有6份，问卷回收率较低;通过MBA学员现场发放和实地调研发放的问卷，由于双方的信任度较高，并且可以及时处理突发问题，问卷回收率达到100%。

通过对试调查阶段发现的问题进行修改完善后，进行了正式调查。本次共发放253份问卷，回收237份问卷，除去填写不规范问卷，共得到有效调查问卷198份。范围涉及143个高新企业的198个技术创新项目。为了保护被调查企业的商业秘密，本文隐去了技术创新项目的名称，只列出被调查企业的行业类别等特征。

本文调查的143个高新企业中，有国家级18家、省级53家、市级72家。根据国家高新技术分类行业目录，这些高新企业分属高新技术如下9大领域：电子信息技术、机械制造、化学与化工、建筑与建材、生物科技、航空航天、新能源、传统技术改造、资源与环境技术。高新技术企业所属行业在问卷中所占比例如图2所示。将这143个高新企业按照资产总额划分为3个等级：第一个等级小于4 000万元;第二个等级大于4 000万元小于40 000万元;第三个等级大于40 000万元。其规模状况分布如图3所示。

通过图3可以看到，这143家高新技术企业的资产总额在40 000万元以上的企业占了56%，同时也涵盖了规模较小（资产总额4 000万元以下）的高新企业。同时，笔者还考虑了各个高新技术企业所处生命周期的发展期、成长期、成熟期等不同阶段的具体情况，其中，处于发展期（创业期）的企业有53家，处于成长期的企业有76家，处于成熟期的企业有14家，处于衰退期的企业有0家，这从另一方面反映了所得到的调研样本数据对高新企业具有较强的代表性。因此，从上述分析可以看到，该调查问卷涉及的143家高新企业和198个技术创新项目样本具有广泛的代表性。

根据问卷数据和信度分析方法对该问卷调查运用SPSS19.0软件包进行信度分析，结果发现这198个测量项目的Cronbachs[a]系数为0.764，问卷信度达到了0.6以上，因而总体上编制的该调查问卷内在信度可以接受（表2）。

3.3 粒子群神经网络优化模型的Matalab实现

为了保护被调查企业的商业秘密，本文用编号1、编号2……编号198代替项目名称。对技术项目的选择对应分为5个等级，并对各等级再进行量化，分别为低（0.1）、较低（0.3）、中等（0.5）、较高（0.7）、高（0.9），即要求神经网络所对应输出的期望值。人工神经网络模型的建立一般都要把样本分为两部分：一部分作为测试样本，另一部分作为训练样本。训练样本是为模型提供训练数据支持的，测试样本是用于测试训练结果的网络泛化能力。我们把编号26之前的技术项目作为粒子群神经网络训练样本，编号27、编号28和编号29这3个技术项目作为测试样本。另外，还把项目编号30、编号31和编号32作为我们案例实证的数据。

①样本预处理

在训练和预测之前，为消除异常值影响预测结果，我们采用公式（2）对数据进行归一化处理。

[x'i=xi-XminXmax-Xmin]                                              （2）

其中，[i]为索引，[x]为原始数据，[x'i]为处理后数据，[Xmax]、[Xmin]分别为原始数据中的极大值和极小值。

②把权值和阈值映射为粒子的维度

运用PSO算法对神经网络进行优化訓练时，首先应将特定结构中全体神经元间的连接权值和阈值编码成实数码串以表示粒子群的位置向量。根据前面的分析，在高新企业技术项目选择的测度指标体系构建中，影响技术项目选择的因素有22个指标，因而网络输入层设定的神经元数是22;而评价最终结果是1个值，则输出层神经元数是1。根据隐含层节点数经验公式[L=m+n+c]，（m表示输入节点数，n表示输出节点数，c表示1～10的常数），通过反复训练得到隐层节点数为35时最优。

③初始化种群

进行初始化为[Xixi1，xi2，…，xiD]。初始化包括种群数、种群维数D、最大迭代次数、加速常数C1和C2、最大惯性权重wmax、最小惯性权重wmin。为了不使最优适应值陷入局部最优，本文根据代数线性递减的权重策略，最大速度vmax，V[?][-vmax，vmax]，vmax是个常数，最大速度vmax设定为0.5，用来限制粒子的速度。精度minnerr由用户给定。

④计算适应值

在对神经网络进行优化训练中，须将样本空间进行训练集和测试集划分。同时，网络权值优化必须进行反复迭代。在权值优化过程中，可根据适应度函数对个体适应度进行计算。

[MSE=p=1Ni=1nysi，p-yi，p2]                               （3）

⑤反复迭代与模型优化训练

更新完位置后，迭代次数加1，同时调整惯性权重W（iter），本文采用线性递减的权重来更新每一次的速度，以防陷入局部最优。当迭代次数小于最大迭代次数时，一直进行循环，直到迭代次数最大或者精度满足要求时，结束训练学习。

用粒子群神经网络算法（BPPSO）分别与人工神经网络（BP）、模糊神经网络（模糊BP）、遗传算法（GA）的各自训练效果进行比较，其结果如表3所示。

由表3可以看出，用粒子群算法来优化神经网络时间明显具有优越性，而遗传算法除编码较为麻烦外所用时间也最长。此外，粒子群算法在精确度上也比其他算法优越。

由表4可以看出，粒子群神经网络优化算法训练的误差缩小在0.06以内，非常满意。

由表5各类样本测试结果的比较可发现，粒子群神经网络（BPPSO）算法的效果与目标期望值最接近，且在优化时间与模拟效果方面都有很好的表现。粒子群算法以其易实现、高精度和收敛快等优点，在实际问题解决中表现出显著的优越性。

3.4 模型的实例应用分析

下面是针对Z市高新区一家公司在面临资金紧张的情况下，在3个技术项目中进行选择决策时的具体应用研究。3个技术项目分别为室内高光谱BRDF测定系统自动化装置、微波管道化生产乙酸正T酯、纳米氧化锡锑水性浆料制备与生产。经过咨询项目专家并与公司决策人员进行协商，同意采用所构建的指标体系结合前述粒子群神经网络（bp_pso）优化模型来对技术项目选择进行分析，并给出了各影响因素指标的具体值。我们把技术项目选择按照适用的等级（差、较差、中等、较好、好）依次进行赋值，分别为0.1、0.3、0.5、0.7、0.9。具体的指标值见表6。

采用所建好的粒子群神经优化网络模型进行计算，结果见表7。

从结果可以看出，项目2在企业现有条件下得分最高，应作为最佳选择。但项目2在实施前，仍须结合条件要求做相应的风险分析。而项目3与1得分均较低，处于较差的级别，具有较高风险，建议淘汰。

4 技术项目选择优化的策略

创新驱动是提高经济发展质量的第一动力，技术项目实施则为创新驱动提供了强大推力和坚实基础。高新企业的技术项目选择既是企业核心竞争力形成的关键，也是影响区域创新能力和产业结构升级的重要因素[20-21]。从影响高新企业的关键因素来把握，要综合考虑企业的内外部因素两个方面。从内部因素来看，高新企业在进行技术项目选择时应根据自身情况及技术本身的先进性、经济合理性及环境适应性来确定最适合企业发展的技术，以与内部要素结构匹配，促进企业的成长;从外部因素来看，不同的企业所处环境不同，针对企业所处生命周期、资源禀赋和环境条件，所采取的技术项目选择策略也各不相同。使用粒子群神经网络优化方法进行技术项目选择时，需要针对高新企业自身特点和技术战略进行具体分析。

①技术水平高、经济实力强的高新企业应采取自主创新战略。这类企业拥有较高的研发水平和较强的经济实力，并处于行业的技术前沿，通过选择适宜技术项目持续研发，来实现企业资源的优化配置[22]。但若满足现状，不进行技术持续研发与创新就会被日益激烈的市场竞争所淘汰。所以，该类企业应大力鼓励技术研发与创新，积极开发新产品，增强产品市场竞争力，只有时刻走在技术前沿，才有可能占领整个行业的制高点。

②技术水平与经济实力均一般的高新企业应采取产学研结合的技术战略。随着技术复杂程度的日益加深，企业仅靠自身来完成整个技术项目，将面临很大的风险。因此，为了分担风险，互利共赢，可采用产学研一体化的技术战略，加强企业与高校、科研院所等之间的互动合作，把高校、科研院所和企业三者联动起来，组成一个完整的产品技术链，既节省了技术研发成本，同时也分担了研发风险。

③技术水平较弱但经济实力较强的高新企业应采取技术引进战略。这类高新企业研发实力较弱，如果想要快速获取较为先进的技术，就需要综合考虑自身的资源禀赋，引进国内外先进的技术项目或者技术生产线。在公司的发展起步期，为了节省研发成本和获取时间价值，引进技术项目是快速进入市场的捷径，但若只靠引进技术来占领市场往往很难持续。因此，企业进入市场站稳脚步后，仍须增强自身的研发能力，拥有自主技术的核心竞争力，只有这样才可能获得持续的发展。

④研发水平较低、经济实力不强的高新企业应采取技术模仿战略。这类企業往往研发能力较弱，在技术上不具备优势， 该阶段技术模仿的成功率要比技术研发高。周围环境技术上的外溢不仅可以减少技术研发费用和技术引进的高额费用，而且还可使企业快速了解和掌握行业较为前沿的相关技术，迅速进入并占领市场，因此，技术模仿是该类企业快速成长的捷径。

总之，高新企业的技术选择应遵循因地制宜的原则，选择适合自身发展的技术战略模式，依时势而行。正确区分不同时期技术战略的定位和作用，把技术战略作为一个动态过程，在此基础上利用粒子群神经网络优化方法对技术项目的选择进行决策，才可获得最佳效果。

参考文献：

[1] 魏庆文，杨蕙馨，王军.创新驱动对现代产业发展新体系演进的作用机理：基于生产函数的视角[J].现代财经（天津财经大学学报），2018（7）：103-113.

[2] 袁航，茶洪旺.中国创新驱动指数的测度[J].中国科技论坛，2018（10）：46-52.

[3] 陶长琪，彭永樟.从要素驱动到创新驱动：制度质量视角下的经济增长动力转换与路径选择[J].数量经济技术经济研究，2018（7）：3-21.

[4] 张黎明，胡豪.技术能力在企业战略导向选择中的作用机制研究[J].四川大学学报，2011（1）：110-115.

[5] 王保林，蒋建勋，管璐.高技术企业创新投入对企业成长的研究：基于企业年龄的调节作用[J].技术与创新管理，2019（4）：416-424.

[6] 成军.基于层次分析法的航天器项目分承包商选择与技术经济性评价[J].价值工程，2019（14）：28-30.

[7] 马婷婷.基于创新驱动的宁波制造业转型升级研究[J].统计科学与实践，2018（7）：29-32.

[8] 馮国奇，崔东亮，张琦，等.神经网络辅助的多目标粒子群优化算法在复杂产品设计中的应用[J].系统管理学报，2019（4）：687-696，707.

[9] Susanto B，Weil D N.Appropriate Technology and Growth[J].Quarterly Journal Economics，1998 （4）：1025-1054.

[10] Daron A，Zilibotti F.Productivity Differences[J].Quarterly Journal of Eco2nomics，2001 （2） ： 563 -606.

[11] 陈勇星，秦秋英，李由胜.我国中小企业技术创新的技术选择策略[J].江苏大学学报，2009（4）：89-92.

[12] 陈大鹏，王国红，马慧.基于TRM 框架的风电设备企业未来技术选择分析[J].科学学研究，2011（11）：1665-1669.

[13] 李远远.基于技术预见的行业关键性技术选择方法研究[J].科技管理研究，2010（3）：119-121.

[14] 郭将.发展中国家技术选择依据的探求[J].经济问题，2009（8）：12-14.

[15] 林毅夫，潘士远，刘明兴.技术选择、制度与经济发展[J].经济学季刊，2006（4）：695-712.

[16] 张惠琴，南毅.中小企业竞争战略与激励机制对技术创新策略选择的影响[J].软科学，2011（9）：72-80.

[17] 郝生兵，于渤，吴伟伟.技术选择影响企业创新成功的实证研究[J].工业技术经济，2008（10）：101-103.

[18] Tan L Y.The effects of business taxes on product， on location under technology uncertainty[J].The Annals of Regional Science，1999（33）：511-522.

[19] 尹彦，赵涛，齐莉丽.基于粒子群神经网络的知识管理成熟度评估研究[J].情报杂志，2010（5）：124-128.

[20] 王燕，赵连明.区域自主创新中要重视战略技术的选择[J].经济纵横，2010（6）：118-121.

[21] 黄茂兴，李军军.技术选择、产业结构升级和经济增长[J].经济研究，2009（7）：143-151.

[22] 谷德斌，傅毓维.基于技术选择导向的资源配置运行机制研究[J].科学技术哲学研究，2010（4）：102-106.

Abstract： The short market life and complex technical functions of technology products determine that the choice of technology project has an important impact on the development and expansion of high-tech enterprises. Based on the inherent requirements of high-tech enterprise technology project selection， particle swarm BP optimization （BPPSO） model was built based on the improved particle swarm optimization algorithm and the actual situation of high-tech enterprise technology project selection， and the validity of the theoretical model was tested by empirical analysis. The empirical econometric analysis showed that the proposed theoretical model and method exhibited remarkable superiority in solving practical problems with the advantages of easy implementation， high precision and fast convergence， etc. Based on the above research， this paper put forward some suggestions on the strategic mode of high-tech enterprise technology project selection， hoping to provide reference for improving enterprise technology core competitiveness.

Key words： high-tech enterprises; technological innovation; particle swarm BP optimization model （BPPSO）; technology maturity