基于粒子群优化智能体的创新行为与产业集聚研究——以广深科技创新走廊电子产业为例

郭进超，蒋 福，张智勇

（1.中山大学新华学院管理学院，广东广州 510520；2.华南理工大学经济与贸易学院，广东广州 510006）

1 研究背景

党的十九大以来，“创新”成为了我国国家战略中的关键词，一方面是产业升级的要求，另一方面是我国产业代加工、模仿、自主创新路径发展的必然要求。企业尤其是规模以上企业，作为产业创新的主力军，其创新能力的发展在很大程度上影响着我国产业创新的发展。产业集聚作为促进区域经济全面发展的重要因素，对于创新的影响是难以忽视的，研究产业集聚与企业创新行为之间的关系具有重要意义。

从古典经济学看来，产业集聚问题被视为产业活动在特定空间中存在一个或若干个中心，其结果是引发企业向中心集聚的趋势。产业集聚和企业创新关系问题起始于Marshall［1］的研究，该研究奠定了外部经济对产业集聚的解释基础，马歇尔外部经济解释了产业集聚导致技术溢出，认为同行业集聚使得企业创新加速。虽然Jacobs［2］提出雅各布外部经济解释，指出跨行业集聚更容易促进企业创新，但两种解释都指出产业集聚的外部经济形成了企业创新驱动力。Duranton等［3］研究表明，产业结构的多样化所带来的雅各布外部经济性可以推动新生企业的创新行为，随着企业的发展和时间的推移，成熟企业会更多地受益于产业专业化和生产外部环境所带来的马歇尔外部经济效应。彭向等［4］通过测量马歇尔外部性、雅各布外部性对我国地区产业创新的影响，发现两种外部性都存在显著作用，只是雅各布外部经济作用强于马歇尔外部经济作用。

然而，传统经济学完全竞争市场结构假设缺陷不断遭受诟病。Krugman［5］构建了新经济地理学，克服了自然禀赋要素对产业分布解释的完全竞争范式局限，以不完全竞争框架解释了产业集聚效应与企业创新的关系，其核心思想是：产业集聚与要素流动相互影响，而企业必然对要素流动作出反应，由此诱发出创新行为。Krugman［5］等以及Baldwin等［6］各自提出的模型解释了制造业劳动的流动、资本流动等与本地市场效应的互动会产生集聚效应，形成企业创新的驱动力。多数学者的研究也证明了产业集聚对于企业创新有正向影响，例如，Jaff［7］通过研发费用、专利申请数目衡量了企业在集聚过程中的创新绩效；颜克益等［8］基于我国省际面板数据的研究表明，产业集聚度对创新绩效有积极作用，而且集聚度对创新投入与创新绩效之间的正向关系有积极的调节作用；欧美地理经济学家对“区域”和“空间”的重新关注引发了新经济地理学研究热潮，催生了产业集群区域发展的动态化研究［9-10］；周灿等［11］从经济地理学视角探究了路径依赖、多维邻近观点，阐述了不同空间的动态地理网络对产业集聚、企业创新行为和知识溢出的影响。

产业集聚和创新行为属于经济学范畴的内生增长理论，也是新经济地理学的重要领域，目前大多数文献和实证研究主要集中于关注知识溢出和地理空间的活动层面上［12-13］，鲜有文献针对企业微观经济主体与外部产业环境之间的动态演化机理提出更深层次的分析；同时，目前研究产业集聚与创新的主流实证模型是基于知识溢出的生产函数模型［14］，而企业创新行为是产业集聚环境和企业互动的结果，具有自我学习的智能体特征，也即存在涌现性［15-16］，而涌现性的主要特征要求环境与企业在互动的网络情境下观察具体的经济运行态势和结果，而非静态的模拟视角。因此，对于单个企业而言，决策者需要思考的是如何在产业集聚过程中建立与之匹配的创新策略，如何在组织内部进行部门设计和寻找创新动力源，如何建立与增强自身特殊资源相关的创新能力，以及能否探寻到适合企业自身创新行为与产业集聚的关系，这些问题均值得深入研究。

根据我国工信部的定义，电子信息产业（以下简称“电子产业”）是指研发和生产各类型电子设备、电子元配件、软件开发以及信息技术服务的总称。据中商产业研究院数据显示，2018年我国电子产业销售总值已达到17.5万亿元，呈两位数的增长态势，然而，自主创新能力不足、传统优势削弱，产业亟需转型升级。珠三角地区的电子产业是我国改革开放以来具有代表性的重点行业，其发展历程见证了国内经济发展的不同阶段要求；广深科技创新走廊（以下简称“广深科创走廊”）是一条连接广州和深圳的，长度约为200 km、面积为1万多km2的区域经济带，聚集了一大批电子信息产业的高新技术企业，创新能力和创新生态都较为完善，产业集聚过程和范围十分充分，整个行业对信息化、智能化的要求较高，个体企业创新行为一直持续不断，具备国际电子产业创新示范中心。因此，本研究以广深科创走廊电子产业为研究对象，借助粒子群优化（PSO）算法，结合Arash等［17］关于智能体的建模思想，研究产业集聚和企业创新行为关系。应用PSO模型具有如下优势：

（1）该模型的研究对象为微观主体的企业，可以细化产业集聚的研究尺度；将企业视为产业集聚环境下具有一套自身行为模式，用于感知、处理和影响环境的个体，通过对个体企业微观层面的创新行为建模和仿真，形成宏观层面的群体行为。

（2）该模型的原理是运用生物学的动态网络链路，符合时间发展的演进机理；通过自下而上的模式构建微观主体的规则集合，将企业作为一种复杂的适应性系统，探寻产业集群的演变过程。这种方法通过对个体企业行为模拟，包括同质企业和异质企业，在战略、战术、操作层面研究企业创新行为，基于各企业在环境下的互动性以及在环境下的涌动性，描述企业创新行为的关键点和差异性，是一种动态的网络系统研究，也更能体现企业创新实践活动。

（3）产业集群指标复杂，系统内协调差异大。目前国内应用此模型分析产业集聚的研究较少，这是本文在这方面实证研究的尝试。

2 电子产业聚集过程计算实验模型

基于复杂网络原理及智能体知识溢出效应，广深科创走廊电子产业在集聚过程中会形成以创新企业为中心的分布，这种分布存在多个中心的趋势，除了地理和历史经济因素，造成多中心趋势的一个重要原因是企业创新行为选择存在差异。创新企业是一个多智能体，其创新选择受到其创新规则集和知识库的作用，而规则集和知识库是企业和产业集聚互动下的拓展集合；企业创新是产业集聚的动力系统，该动力系统的运作后果导致中心节点与其他节点最短路径之和最小。通过粒子群算法来动态描述主体与客体互动下的创新行为，即利用企业规则集和知识库动态拓展和自我优化的特点，构建企业创新的动力系统，解释不同企业面临产业集聚创新行为的差异，并识别关键因素，以提升产业集聚理论与实践的契合度。

2.1 产业集聚动态创新网络系统

在产业集聚创新网络系统中，创新过程不是线性静态网络，而是由企业各种异质资源协同整合形成的多边性、多节点、多智能体的耦合网络，是个体创新企业集聚方式由线性静态网络向动态网络的演化过程，即关键节点的范式转变，故需要用复杂网络的中心性原理来刻画其动态特征，如图1所示。

图1 基于网络中心性原理的产业集聚动态系统

为了描述产业集聚中的动态网络节点，假设在给定的一段时间区间里，从在时间区间［0,T］里由关键节点集合 和链路表示。在产业集聚网络中，关键节点具有中心收敛特性，可被视作产业群中的企业集合，而链路的大小所形成的集合会随时间发生动态变化。为动态网络的时间长度，为时间的间隔个数，则表示集聚状态，包含边集和节点集 ，其中的链路 可定义为边集()在时间区域范围内存在集聚状态。顶点集 中的关键节点 在范围里的节点集聚状态呈现趋于中心性的特征，各节点之间的实体链路距离逐步缩短、系统信息交互性得到进一步增强，即所有关键节点 之间的路径集合最小。根据Sabidussi［18］的网络中心性定理，节点与网络系统中其他节点的最短距离之和越小，则该节点的中心性越强，得到动态网络 的中心性值域表达如下：

2.2 基于智能体的产业集聚和企业创新的互动关系

企业选择不同创新方向也是基于企业智能体的特征，即每个企业具有独特的创新行为模式，对外界的信息进行收集、处理、学习和反馈，并能根据环境变化产生自适应性行为。通过智能体在一定空间维度的联动与衍化，实现智能体整体功能的涌现，获取收益最大化，构筑产业集聚中心优势。假设电子行业中有个企业，用 表示，其中，每个企业可视为一个智能体（Agent），（自身拥有异质资源、知识库、规则集等属性）与企业创新选择 密切相关，如图2所示。其中，异质资源是指产业集群中的个体企业独有的优质资源，在区域集群网络中具有一定的竞争优势，会推动集群企业的社会分工，形成新的共享性根植资源。由于技术环境和外部市场不断发生变化，企业智能体若想保持竞争优势，必须通过合作和充分的外部市场竞争获取技术和知识，完成新的知识储备；以此为契机，产业群中的企业个体不断引入外部创新资源，进行产业升级。知识库是指企业现有的技术、学习能力、研发投入等生产要素禀赋集合，可用表示，表示第个企业的知识库集合。知识库随着企业创新和对环境的吸收是一个拓展的集合，即：期的竞合关系触发了企业间的知识溢出和转移，形成了基于契约效益化的互补性资源，以此来提高产业群的创新收益。规则集是指在产业群的动态网络系统中，企业群体类似于自然界的生态系统，在长期的相互学习中会形成一种共生网络或共生关系（如信任关系和交易规则等表现形式），这种自我协调机制会加快知识溢出、降低产业集群的生产成本以及交易成本，从而实现超额利润。企业创新的选择规则以及改变现有创新的选择规则的规则可用 来表示，表示第个企业的规则集。规则集是一个不断拓展的集合，因改变现有规则的行为存在，一旦企业衍生出新的选择规则，则企业规则

图2 智能体的知识溢出网络关系

企业智能体内部知识库对企业创新选择产生影响，企业创新选择对产业集聚产生影响，而产业集聚又对企业创新选择和知识库产生影响，这是一个循环互动的过程。企业智能体和产业集聚环境互动下知识集状态的耦合函数表示为：

同理，企业智能体内部的规则集对企业创新选择产生影响，企业创新选择对产业集聚产生影响，而产业集聚又对企业创新和规则集产生影响，这是一个循环的过程。企业智能体和产业集聚环境互动下规则集状态的耦合函数表示为：

而企业创新的选择是基于知识集和规则集的共同作用下产生，故产业集聚中所有企业的创新选择可用以下函数表示：

式（4）中：企业创新环境知识库 为产业集聚中心趋势的动力，而中心趋势函数利用表示，即形成企业创新在企业集聚中的目标函数； 和 为权重系数； 为其他随机影响变量。

通过目标函数，由式（2）（3）（4）建立电子行业集聚和企业创新的动态关系，其中式（2）（3）表示企业智能体与环境互动下的创新行为重要模块，式（4）表示行业内企业创新的选择动力系统，最终形成中心趋势的最短路径之和最小。

2.3 PSO算法模型

在企业运营和产业聚集的实际情况下，个体智能体企业均具有自适应、自学习的能力，企业会根据环境的变化调整自身行为模式，即通过对智能体企业微观层面的创新行为建模和仿真，形成宏观层面的群体决策行为，因此企业的决策方向也是属于自下而上的行为模式。PSO算法是一种基于群体迭代寻优的随机技术，由工程师Russell［19］和社会心理学家Kennedy等［20］共同提出，其基本思想是对鸟类的群体行为通过建模进行模拟仿真，研究发现，鸟群具有一定的社会属性，并且鸟类个体都有自己的速度向量与方向向量，由群体的社会性激发了个体之间相互学习的行为，最终达到目标值最优的一种决策模型。PSO算法模拟社会，符合企业智能体的要求，具有社会性，而社会性的实质在于个体向它周围的成功者学习。简要地可描述为：个体企业为产业群中的一个微粒，每个微粒都具有规则集（速度向量）和知识库（位置向量），同时具有一个由目标函数（产业集聚中心趋势的动力）决定的适应度，所有个体在搜索空间过程中以一定速度成长，根据自身经验和他人的经验进行优化决策，通过不断向周围成功者学习、提升知识库容量来搜寻全局最优解。

在产业集聚的状态下，基于知识溢出效应，个体企业会根据当期规模、历史最大规模以及局部最大的企业规模相应调整知识溢出方向的行为是一个随机迭代寻优的循环过程。PSO算法的具体步骤如下所示［21-23］：

（1）初始化一个企业数量规模为N的粒子群，设定初始知识库和规则集；

（2）计算企业智能体内部的知识库对企业创新选择产生影响下当期的企业规模，并将本期企业创新后对产业的知识输出收益作为企业的适应值

（4）相应的，对企业知识库创新选择方向和规则集进行更新，具体更新规则如式（5）（6）所示，其中为企业的学习因子，为群体创新收益的认知系数：

（5）如果满足终止条件，则输出解，否则返回步骤（2）直到运行 个周期为止。

2.4 PSO算法模型参数设定

本研究主要通过收集和整理企业规则集和知识集的数据，然后通过智能体的多主体建模和仿真语句转化成运行规则，而运行规则在模型具体运行中迭代不断优化，故需要在一定时间段内进行检验。本文借助MATLAB语言构造实验对象，假定广深科创走廊内有一定数量的个体企业，初始分布于无状态的空间中，通过个体企业对创新路径的自适应行为和动态交互形成聚集效应。本实验参数的设置主要是为揭示产业聚集系统演变规律统计出有效的实验结果，得出积极的管理启示。实验模型参数设置具体如表1所示。

表1 智能体集聚演化的仿真实验参数设置

3 仿真结果及讨论

3.1 产业集聚的动态分析

假设企业均匀分布于虚拟的市场空间里，不同企业在产业集聚中的创新选择存在差异，主要表现在各自的内生创新能力（ ）不同。基于知识溢出效应的驱动力，个体企业在复杂的交互网络中不断搜索产业中心，形成聚集现象，经过多次重复仿真实验，得到了相同的集聚效果（如图3）。由此得知，产业集聚前各企业相互分散和链接路径较长，企业通过创新后形成了以核心企业为中心的产业集聚网络结构。由此可见，不同企业存在产业集聚创新行为的差异，企业在聚集过程中会更倾向接近于创新能力较强的企业，通过特定的创新行为模式和规则集传播新知识新技术，不断循环形成新的知识库，进而在地理空间上形成产业集聚效应，并最终围绕知识溢出效应强的企业形成集聚现象［24］。

结合实际，随着新技术的兴起和产业革命，世界形成了高度集聚的创新产业带，比如美国波士顿地区尤其是128号公路沿线以及旧金山硅谷地区，集聚了大量科技创新资源诸如加州理工大学、斯坦福大学、伯克利大学等世界一流科研院校，周边遍布英特尔、思科、苹果、惠普等大中小的融技术、生产和研究为一体的创新企业，实现了区域内企业创新和产业科创资源的高度聚合，推动了旧金山和硅谷湾区的发展。企业创新是区域内个体企业之间交叉学习和知识溢出的结果，珠三角地区中的广深科技创新走廊也是基于这种创新行为背景茁壮成长起来的，以广深轨道交通和高速公路为轴线的广深莞产业区域，集聚了大量的资本、信息、技术、高新科技人才等创新要素，逐步形成了高度发达的创新经济产业带。截至2017年，广东省高新技术企业达到22 692家，数量蝉联全国第一，而占据珠三角总面积15%的广深莞三地生产总值（GDP）占了全省GDP的将近60%，聚集了60%以上的高新技术企业。其中，广州市还充当着科研院校、国家重点创新实验室、工程技术中心等知识机构集聚载体的角色，创建了琶洲4.0版互联网集聚区、中新知识城、广州天河智慧城高新区等创新创业平台，打造了若干个千亿元级的产业集群；深圳市是华为、腾讯等高新科技创新企业的研发集中地，整个区域的资本和科技人才十分充裕；高技术制造业和智能装备制造业成为东莞市经济转型升级的主动力，以松山湖的创新企业为核心搭建了朝气蓬勃的创新生态圈。

图3 广深科技创新走廊电子产业集聚的仿真演化过程

3.2 企业创新及其知识溢出对产业集聚的效果分析

假设在某个虚拟的经济区域或产业集群经济带环境里分布着规模大小不一的众多个体企业，图4（a）中节点代表在某一时期内的企业规模，分析得知企业智能体内部的知识库会对企业的创新行为产生影响，企业创新行为又会对产业集聚产生影响，而产业集聚反过来又对企业创新选择和知识库产生影响，因此，在企业创新行为和知识溢出方向的影响及刺激下，企业为了提高核心竞争力和生产力，会主动接受附近创新能力较强的企业的知识辐射，通过位置空间的选址行为形成产业内的企业集群效应；如图4（b）所示，随着企业间地理空间距离的缩小，创新聚集过程会表现出本土化和区域化的特征，基于频繁的相互模仿学习，中心企业的知识溢出效应不断强化，使得企业间的协同创新关系更加紧密。由此可见，在一定的产业地理空间范围内，企业创新行为模式和知识溢出状态会影响产业聚集规模。

图4 广深科技创新走廊企业创新对电子产业规模影响的仿真过程

在产业聚集演化和运行的初期，产业内个体企业间在没有创新行为方向和相互学习的情景下，也即尚未达到知识溢出状态的条件时［25］，个体企业的平均规模并无明显差异，市场集中度也较为分散，但当部分企业意识到创新能力和创新方向选择的重要性时，会自发寻求更强的中心企业作为模仿学习的对象，通过知识库的加速累积，企业会迅速突破原有的资源限制，享有中心企业知识溢出的红利，从而使自身的知识库有效提升，并按照一定的规则集促使自身知识库以循环迭代方式储备新的知识等生产要素，最后的结果是导致产业规模迅速增大。现实情况是，处于深圳高新区的华为和中兴等电子企业都是基于相互学习、合作创新和模仿的背景下共同成长，这些企业的创新能力和产业规模都非常强劲，由此印证了处于同一地理空间内产业有机融合和知识的互补性会形成一定的先动优势。

3.3 创新制度环境以及竞合行为影响产业集聚的效果分析

除了从个体企业和行业群体的角度分析外，产业集聚还会受到区域制度文化差异的影响，企业间密切的合作行为和良好的竞争关系会形成健康的产业集聚体系。在真实的经济运行中，区域内的制度环境和社区文化差异会导致网络节点企业的竞合行为存在异同，直接影响企业参与创新的活跃度。Saxenian［26］研究指出，硅谷之崛起且长盛不衰和与之对应的波士顿128公路的衰落，主要原因在于社区文化和制度环境的异同。由此可见，文化特性、制度环境及竞合关系对产业集聚的形成速度、产业规模和产业创新绩效有着非常重要的影响。根据Logistic生长函数，企业的发展历程一般经历上述发展路径，在没有竞合关系的前提下，创新绩效模型表示如下：

依据相关原理，企业的规模 和企业外部制度环境、竞合关系呈正相关态势，其创新绩效模型应修正如下：

由图5得知，在良好的外部政策环境条件下，产业规模等创新绩效的表现更为出色，产值规模增长更快。现实情况，地区优势不但在美国硅谷表现出来，而处于粤港澳大湾区的广深一带也有相类似的特征——外部良好的制度环境、扁平化的社区文化、企业间的竞合生态基因，都呈现出中国未来最有潜力的“硅谷”地带。以此为鉴，广深科创走廊要开创伟业，关键节点在于营造多样化的制度文化，延续这种地区优势。

图5 制度环境和竞合行为对广深科技创新走廊电子产业集聚影响的仿真结果

4 结论

本文以广深科创走廊电子产业复杂的网络系统为背景，利用产业集聚演化过程的数据集，采用粒子群优化算法构建了企业创新行为模型，模拟了个体企业创新的成长路径以及产业集聚的演化机理。仿真实验结果表明：首先，应将企业视为具有一定社会属性的智能体，且不应再停留在主体与客体环境单方面的分析，而应研究基于主体与客体互动下的创新行为；其次，在一定的区域空间范围内，伴随着企业创新活动频繁地开展，知识溢出效应成为产业集聚的重要驱动要素；最后，产业集聚还会受到制度环境以及竞合行为的影响。

本研究还存在一些不足之处：产业集聚和企业创新关系在现实中表现出非线性、复杂性等特征，如何选择正确的分析方法和模型系统加以描述是研究的关键，但电子产业中的企业个体发展水平参差不齐，不可能完全一致，且如果选择单个企业研究则无法代表整体性，而若选择研究对象范围太广则会导致关键系统太多，故研究区域范围及企业数量需要科学的平衡。因此，在未来的研究中将进一步考虑各参数的实际情况，更好地拟合各方面的影响因素。