基于信息熵的高新关键技术方案决策模型研究

黄嘉煜 任雯菁 黄勇

摘 要：高新技术特征决定高新技术固化与扩散具有复杂多变性，与市场和产业发展需求相比有较大差距，主要体现在不能完全跟上技术研发节奏。若能有一套選择机制适用于高新技术中关键技术的确定，从高新技术研发阶段就展开相关工作，将有效提高高新技术成果产业化成功率。面对高新技术产业化过程中产生的海量技术方案提出一种选择模型，采用信息熵理论计算待选方案各影响因素的权重系数，进而选出最合适的技术方案，以期尽量减少决策过程中的人为主观性，达到规避技术创新风险、促进企业发展的目的。

关键词：信息熵;高新技术;决策模型;决策算法

DOI：10. 11907/rjdk. 201778 开放科学（资源服务）标识码（OSID）：

中图分类号：TP301文献标识码：A 文章编号：1672-7800（2020）008-0105-04

Abstract： The characteristics of high and new technology determine the complexity and variability of the solidification and diffusion of high and new technology. Compared with the demand of market and industrial development， there is still a big gap between the current development and the demand of market and industrial development. It is mainly reflected in that it cannot completely keep up with the pace of technological research and development. If a set of selection mechanism is suitable for the determination of high-tech key technology scheme， then relevant work can be carried out from the stage of high-tech research and development， which will effectively improve the success rate of industrialization of high-tech achievements. In the face of a large number of technical solutions produced in the process of high-tech industrialization， this paper attempts to put forward a selection model for how to determine the high-tech key technology scheme. The weight coefficient of each influencing factor of the scheme to be selected is calculated by using the information entropy theory， and then the most appropriate technical scheme is selected， so as to minimize the human subjectivity in the decision-making process， so as to ensure the enterprise's own benefit and development and avoid the risk of technological innovation.

Key Words： information entropy， high technology， decision-making model，decision-making algorithm

0 引言

高新技术产品技术性能复杂，一般需要在广泛利用现代科技成果基础上，以高昂的投入支持知识开拓和积累，不断进行技术创新，用于研究开发产品的经费高达总销售额的10%～30%[1-2]。从原始技术研究阶段就要面对无数备选方案，研究人员需花费大量的时间和精力才能取得成功，而且常常会遇到不可避免的失败。有些方案在取得时甚至还看不出它有任何应用前景，即使选出了目标方案，为保证产品稳定性进行的研发和中试工作产生的衍生方案可能比原始阶段高出数倍到数十倍、甚至上百倍。其探索处于科学前沿，成败难以事先预测，要么取得巨大成功，要么酿成严重失利。即使研发成功，也只是为产业化发展提供了可能。欲在产业化阶段完成大量而稳定的生产，还要考虑原材料、生产、市场开发以及消费者培育等各方面复杂多变的因素[3-4]。因此，在高新技术研发到产业化全过程中将产生数量众多的技术方案。

高新技术与单项的先进技术或新兴技术不同，不具体指某项技术本身，而是与产品和产业相联系，高新技术只有产业化才能实现自身价值。任何高新技术成果要实现产业化、形成新的经济增长点，必须在技术研究阶段就开展固化关键技术为标准的研究，只有这样才能有力支撑技术成果产业化。因而如何从海量、未知成熟的技术方案中选择最合适的技术成为关键[5-6]。

现阶段高新关键技术的组织管理和创新机制建设力度不够，不能满足技术研发要求，若能有一套选择机制适用于高新关键技术的指标确定，将有效促进高新技术发展。本文尝试对高新关键技术方案确定问题提出一种决策模型，采用信息熵理论计算待选方案各影响因素的权重系数，得出综合评分。通过比较综合评分选出最合适的技术方案，尽量减少决策过程中的人为主观性，让选择过程更加科学合理，从而达到保证企业自身效益和发展，规避技术创新风险的目的。

1 技术需求概述

随着世界经济向区域化、全球化发展，现代科学技术以令人惊叹的速度发展，在生产、贸易中的作用日益凸显，对高新科技型企業是机遇也是挑战。企业一方面需要依靠创新抢占市场赢得利润，另一方面面临投入巨额创新资金的成果生命周期缩短的风险，即使是国际知名公司，面对市场竞争巨大的挑战，也会出现技术战略决策失误陷入困境，甚至面临淘汰的境地。

现有用于技术方案选择的方法主要有目标法、成本—效用分析法、决策树形法、可行性分析法、SWOT分析法、层次分析法等，虽然学者从不同维度进行研究，在不同程度上作了改进，使之更科学、简单、合理，但仍停留在定性分析层面，缺乏量化指标支持，难以令人信服。有些方法是基于一些假设前提建立的，在实际中并不存在，得到的结果很大程度上受专家主观性影响;有的虽然列出了内外部因素，尝试定量分析，但进行到最后仍需依赖研究人员的个人经验、能力和定性分析给出评价标准，对主观选择的依赖性不可避免带来人为误差。

高新技术企业所处的内、外部环境复杂，对确定技术指标的影响不是简单用“好”“不好”“一般”等若干种简单评价就可囊括，且很多时候短期内可能发生巨大变化。这种动态性和不确定性注定在确定技术指标时需要及时根据实际情况进行调整，因而提高了指标确定难度。用传统方法确定影响因素并分析其对各技术方案的影响程度面临较大困难和障碍。

通常一个新产品发明后有多个不同的技术路线生产该产品。大量技术存在于同一个产品周期中，带来多样化和创新性，也带来技术的不确定性。按照传统思路，适用的技术方案甄别不是一个简单过程。出于商业动机，企业可能会不作详细分析而仅凭以往的经验选择认为合适的技术，而实际上产生的效益较低。这种非技术演进的最优选择可能会产生路径依赖效应，从而阻碍创新。

企业在生产过程中需要在大量可行的技术方案中选择最优的、最利于企业自身发展的方案，以保证企业自身的效益和发展，规避技术创新风险。因此，技术方案选择就具有决定性作用。

2 基于信息熵的权重分析

信息熵是信息论中的一个重要指标，由美国数学家香农（Shanon C.E）在1948年提出。借用热力学中熵的概念描述信息的不确定性，销毁信息是不可逆过程，产生信息是产生负熵的过程，也就是说信息熵是衡量信息不确定性或混乱程度的指标。

在大数据背景下相关关系理论备受关注，通过应用相关关系可以更容易、更快捷、更清楚地分析事物。相关关系强指当一个数据值增加时，另一个数据值很可能也随之增加;相关关系弱意味着当一个数据值增加时，另一个数据值几乎不发生变化。采用信息熵理论，可以描述某个影响因素与技术方案之间的客观变化规律[7-9]。假设在历史数据中，影响因素A经常和方案F一起发生，那么在进行方案决策时，只需考虑因素A就可预测方案F的目标，这有助于选择最终方案。若有m个待选方案，n个需考虑的影响因素，那么所形成的原始数据矩阵中包含的信息越多，概率越大，信息熵就越小，其权重系数就越大。因此，可利用信息熵计算各影响因素的权重，并依此选出最终方案。

3 关键技术方案决策模型构建

对于高新技术企业，从产品设计、原材料采购、工艺规程制定到形成成品，环节众多，在产业化全过程中，由于各个环节的相容性、匹配性、可行性、重复性和科学性等问题，如果仅仅考虑单个环节的最佳方案并进行简单组合，得到的结果可能对全过程来说并不是最优。有时即使理论上最优，在外界不可控或可控环境因素、资源调配、技术与市场匹配性等各种因素影响下，效果并不能达到最优。因此，针对高新技术企业在不同情景下多环节甚至全过程技术方案选择、技术标准指标确定问题，本文提出一种方案链选择方法。该方法综合考虑环节与环节之间方案的相容性、匹配性、可行性和科学性，在对某一个或多个标准指标进行决策时，将标准指标分为多个属性，给出多个决策方案[10-13]，并利用信息熵这种客观赋权法确定权重，得出方案的综合属性值后，根据综合属性值大小进行方案选择，得到最优方案链，使效果总和达到最优。

3.1 模型构建

关键技术方案决策模型构建方法如下：

（1）假设高新技术产业化过程分为m个环节，将每个环节最符合预期目标的n个方案选出，得到每个环节的方案子集 [Fi={fi1，fi2， ，fin}]。

（2）将所有环节的方案子集 [Fi] 合并在一起，构成一个新的、针对全过程的方案集，将其记作 [P=F1 F2   ][Fm={p1，p2， ，pt}]。

（3）获取不同时间、不同环境下的历史数据。依据上述方案集确定影响方案选择的各影响因素，构成因素集 [V={V1，V2， ，Vk}]。

（4）通过测度确定技术方案[pi]在因素[vj]下的属性值 [sij]，建立指标体系，构造矩阵[S=（sij）t×k]。

3.2 关键技术方案决策模型求解

模型建立后需对其进行修正和规范化处理，再确定权重向量，经计算后得到技术方案综合排序，具体步骤如下：

（1）对矩阵进行修正处理。因素[vi]与[vj]之间往往是相互关联的[14-17]，所以必须考虑因素[vi]的变化对因素[vj]产生的影响。有时这个影响是正面的，有时是负面的，有时因为相互独立而没有影响。例如，当企业在考虑一个技术方案是否可行时，会考虑这个方案的经济效益和政治效益，假设因素[vi]是经济效益，因素[vj]是政治效益，政治效益是决定、制约和影响企业经济效益极其重要的因素，一个好的政策能带来好的经济效益，那么肯定会从正面提高它的政治效益，即因素[vi]的变化会对因素[vj]带来影响。

因此，需确定因素[vi]对[vj]的影响度[yij]，构成影响度矩阵 [Y=（yij）k×k]。当因素[vi]对[vj]的影响是正面时，[yij]值为正;当因素[vi]对[vj]的影响是负面时，[yij]值为负;当因素[vi]和[vj]相互独立时，[yij]值为0。[yij]的具体数值依据历史数据统计得出。

（4）对规范矩阵[R] 第i行的属性值进行集结，得到技术方案[pi] 的综合属性值[z（pi）]，按[z（pi）]的大小对子集[Fi]中的方案排序。将子集[Fi]按优劣顺序选择子方案[fixi]，得到方案链[Mf=f1x1+f2x2+ +fmxm]，计算方案链的综合属性值 [z（Mf）]。

（5）对方案链排序，选出最优的方案链，即[z（Mf）]为最大值的方案链。

4 算例分析

4.1 问题描述

某高科技公司为设计一个无人机系统，在研发设计环节对现有技术进行革新改造，达到提高飞行高度、负载能力、抗风等级、降低操作难度和能耗的目的，现有4个技术方案fi（i=1，2，3，4）待选。为选出最合适的方案，依据本文构建的决策模型，并考虑动力性能（v1）、飞行性能（v2）、重量指标（v3）、遥控性能（v4）和强度要求（v5）5项重要性能指标（影响因素），通过历史数据依据测度得到每个方案在各影响因素下的属性值，如表1所示。

4.4 比较分析

将两个权重向量对比不难发现，专家对各影响因素的重要性评判和单纯依靠数据信息熵得到的结果有较大出入。动力性能和飞行性能依据专家意见所占权重最大，但通过信息熵计算可知，权重占比最大的应该是重量指标。这是因为无人机民用领域尚属起步阶段，决策专家受限于个人经验、能力和定性分析会造成人为误差。考虑到待选技术方案受多种性能指标影响，具有不确定性，不能简单判断哪种方案更合适，因此通过计算信息熵确定权重进而选出最终方案更合适。

5 结语

本文尝试为高新技术产业化提供一个关键技术最优方案的选择模型，以达到快速确定技术指标、促进高新技术发展的目的。该方法将高新技术产业化过程简化成多个环节，确定各个环节符合预期的方案并形成方案集，在综合考虑多方面影响因素前提下建立方案选择模型。通过求解得出每个环节技术方案的综合排序，最后确定最优技术方案链，通过最优技术方案链确定技术指标。该方法有助于减少决策过程中的人为主观性，让整个选择过程更加科学合理，从而达到保证企业自身效益和发展，规避技术创新风险的目的。但本研究还未涉及许多深层次问题，如对方案间关联的深入研究，目前只作了简单探讨;时间因素的影响尚未考虑，若能将属性权重及属性间关联随时间的改变进行深入研究，可使技术指标选择结果更科学合理;由于考虑了属性之间的关联性，使得灵敏度分析更为复杂，而灵敏度分析对衡量决策结果有重要作用。后续将进行更深入的研究，在尽可能不增加复杂度的基础上完善本文模型，以期能更好地解决实际问题。

参考文献：

[1] 楚尔鸣，李勇辉. 高新技术产业经济学[M]. 北京：中国经济出版社，2005.

[2] 李赫. 高科技产业的经济学特点及政策建议[J]. 现代经济信息， 2016，15（4）：348-349.

[3] 周文婷. 高新技术企业技术创新能力评价[D]. 南京：南京航空航天大学，2010.

[4] 孙强，吴振信，贠立艳. 高新技术企业特点及发展的影响因素分析[J]. 中国高新技术企业， 2007， 15（1）：22-24.

[5] 杨辉. 高新技术标准在产业化中的作用[J]. 科技与经济，2006，14（3）：30-31.

[6] 何敦清， 张建瓴. 技术标准是科技成果产业化的必由之路[J]. 现代农业装备， 2014， 33（6）：37-40.

[7] 罗进. 利用信息熵计算评价指标权重原理及实例[J]. 武汉纺织大学学报， 2014，13（6）：86-89.

[8] 郑亦宁. 基于信息熵的矿产资源承载力因素权重研究[J]. 中国科技纵横，2019， 18（7）：202-203.

[9] 刘亚良， 孙屹博， 邹丽，等. 基于信息熵的铝合金焊接接头疲劳寿命分析方法[J]. 焊接学报， 2018， 39（4）：67-72.

[10] HWANG， CHING LAI， YOON KWANGSUN. Multiple attribute decision making[M]. Springer Berlin Heidelberg， 1981.

[11] 刘树林， 邱菀华. 多属性决策基础理论研究[J]. 系统工程理论与实践， 1998，21（1）：39-44.

[12] 徐泽水. 不确定多属性决策方法及应用 [M]. 北京： 清华大学出版社， 2004.

[13] 徐泽水. 求解不确定型多属性决策问题的一种新方法[J]. 系统工程学报， 2002，15（2）：83-87.

[14] 章玲， 周德群. 基于关联的多属性决策分析理论研究综述[J]. 管理评论， 2008，12（5）：51-57.

[15] CARLSSON C， FULLER R. Multi objective linguistic optimization[J]. Fuzzy Sets & Systems， 2000， 115（1）： 5-10.

[16] FELIX R. Relationships between goals in multiple attribute decision making[J]. Fuzzy Sets & Systems， 1994， 67（1）：47-52.

[17] CHRISTER CARLSSON， ROBERT FULLER. On linear interdependences in MOP[C]. International Workshop on Current Issues in Fuzzy Technologies， CiteSeer， 1995.

[18] 徐澤水， 孙在东. 一类不确定型多属性决策问题的排序方法[J]. 管理科学学报， 2002，25（3）：35-39.

（责任编辑：杜能钢）