一種基于微粒群算法的產(chǎn)業(yè)集群演化模擬系統(tǒng)的制作方法
【專利摘要】本發(fā)明涉及一種基于微粒群算法的產(chǎn)業(yè)集群演化模擬系統(tǒng)，包括設(shè)計(jì)產(chǎn)業(yè)集群綜合競(jìng)爭(zhēng)力評(píng)價(jià)指標(biāo)體系；設(shè)計(jì)產(chǎn)業(yè)集群綜合競(jìng)爭(zhēng)力EPCI評(píng)價(jià)模型；獲取產(chǎn)業(yè)集群綜合競(jìng)爭(zhēng)力EPCI評(píng)價(jià)模型的參數(shù)；將產(chǎn)業(yè)集群現(xiàn)象微粒群化；根據(jù)PSO算法，設(shè)計(jì)基于微粒群算法的產(chǎn)業(yè)集群演化模型；設(shè)計(jì)產(chǎn)業(yè)集群綜合競(jìng)爭(zhēng)力三維信息的擬合函數(shù)，并獲得模擬產(chǎn)業(yè)集群演化的分時(shí)效果圖。本發(fā)明設(shè)計(jì)的基于微粒群算法的產(chǎn)業(yè)集群演化模擬系統(tǒng)基于微粒群算法，填補(bǔ)微粒群算法在產(chǎn)業(yè)集群演化模型建立上的空白，能夠有效解決產(chǎn)業(yè)集群演化問題。
【專利說明】一種基于微粒群算法的產(chǎn)業(yè)集群演化模擬系統(tǒng)【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種基于微粒群算法的產(chǎn)業(yè)集群演化模擬系統(tǒng)。
【背景技術(shù)】
[0002]進(jìn)入21世紀(jì)以來全球經(jīng)濟(jì)的發(fā)展進(jìn)入了一個(gè)合作與競(jìng)爭(zhēng)的時(shí)代，其中一個(gè)重要的特征就是被形容為“塊狀經(jīng)濟(jì)”和“馬賽克經(jīng)濟(jì)”的產(chǎn)業(yè)集群現(xiàn)象的大量出現(xiàn)；誠(chéng)如“競(jìng)爭(zhēng)戰(zhàn)略之父”邁克爾.波特所說:“當(dāng)今世界經(jīng)濟(jì)地圖上布滿了被稱之為集群的區(qū)域”。產(chǎn)業(yè)集群已成為維持經(jīng)濟(jì)持續(xù)快速增長(zhǎng)的一種有效工具，在區(qū)域經(jīng)濟(jì)發(fā)展中扮演著重要的角色。在經(jīng)濟(jì)全球化的背景下，產(chǎn)業(yè)集群已經(jīng)成為人類從事經(jīng)濟(jì)活動(dòng)的重要載體，是推動(dòng)區(qū)域經(jīng)濟(jì)發(fā)展的中堅(jiān)力量。我們通?？疾炱渚C合競(jìng)爭(zhēng)力來評(píng)價(jià)一個(gè)產(chǎn)業(yè)集群；故而就如何科學(xué)有效地測(cè)評(píng)產(chǎn)業(yè)集群競(jìng)爭(zhēng)力是擺在我們面前的一個(gè)亟待解決的問題。同時(shí)，無論是區(qū)域創(chuàng)新網(wǎng)絡(luò)結(jié)構(gòu)、績(jī)效的分析測(cè)度，還是結(jié)構(gòu)與績(jī)效的關(guān)系研究，都是在特定的時(shí)間截面上靜態(tài)地研究區(qū)域創(chuàng)新網(wǎng)絡(luò)。區(qū)域創(chuàng)新網(wǎng)絡(luò)是一個(gè)動(dòng)態(tài)的開放系統(tǒng)，它隨著時(shí)間的變化不斷地從低級(jí)向高級(jí)演進(jìn)，這個(gè)演化過程及動(dòng)因研究近年來逐漸引起產(chǎn)業(yè)集群界的重視。
[0003]這樣就提出一個(gè)嚴(yán)峻的挑戰(zhàn)，那就是如何搭建一個(gè)符合產(chǎn)業(yè)集群演化規(guī)律的模型；這對(duì)分析產(chǎn)業(yè)集群的演化過程和動(dòng)因都是非常重要的。在這個(gè)過程中又涉及到如何設(shè)計(jì)一套科學(xué)有效的競(jìng)爭(zhēng)力評(píng)價(jià)體系，正是這種體系的建立使競(jìng)爭(zhēng)力這一概念從理論走到實(shí)踐應(yīng)用的前沿。由于不同產(chǎn)業(yè)集群的復(fù)雜性和不確定性，在建立集群競(jìng)爭(zhēng)力評(píng)價(jià)體系時(shí)沒有一個(gè)特定的標(biāo)桿。集群在選擇競(jìng)爭(zhēng)力評(píng)價(jià)體系時(shí)往往從該集群本身的地域、結(jié)構(gòu)、規(guī)模、當(dāng)?shù)卣叩纫爻霭l(fā)；所選擇的評(píng)價(jià)體系必須能夠較全面的反映集群、必須能夠指引集群的良性發(fā)展、必須能夠給集群提供建設(shè)性的分析結(jié)果。
[0004]邁克爾.波特的競(jìng)爭(zhēng)優(yōu)勢(shì)理論認(rèn)為，一國(guó)興衰的根本在于是否能在國(guó)際產(chǎn)業(yè)競(jìng)爭(zhēng)中贏得優(yōu)勢(shì)，一個(gè)國(guó)家或地區(qū)的產(chǎn)業(yè)競(jìng)爭(zhēng)力，集中表現(xiàn)在這個(gè)國(guó)家或地區(qū)內(nèi)以集群形態(tài)出現(xiàn)的產(chǎn)業(yè)上[2]。波特正是在這種理論的基礎(chǔ)上提出了“鉆石”模型框架，這一框架是由生產(chǎn)要素(包括天然資源、人力資源、知識(shí)資源、基礎(chǔ)設(shè)施、資本資源)、需求條件(國(guó)際國(guó)內(nèi)市場(chǎng)的需求情況)、相關(guān)和支持產(chǎn)業(yè)(集群的上下游產(chǎn)業(yè)市場(chǎng)情況)、企業(yè)戰(zhàn)略、結(jié)構(gòu)和同業(yè)競(jìng)爭(zhēng)四個(gè)基本面構(gòu)成。
[0005]微粒群算法(Particle Swarm Optimization,簡(jiǎn)稱PS0)是由美國(guó)社會(huì)心理學(xué)家James Kennedy和電氣工程師Russell Eberhart于1995年提出的一種群體智能算法，來源于生物學(xué)家Frank Heppner的生物群體模型；是一種效果明顯基于自組織的尋優(yōu)算法
[39]。PSO算法具有結(jié)構(gòu)簡(jiǎn)單，參數(shù)設(shè)置簡(jiǎn)單，收斂速度快等優(yōu)點(diǎn)，近幾年來在函數(shù)優(yōu)化，數(shù)學(xué)建模，系統(tǒng)控制等領(lǐng)域有著廣泛的應(yīng)用[40]。自微粒群算法提出至今國(guó)內(nèi)外學(xué)者對(duì)微粒群算法的研究主要表現(xiàn)在:(I)微粒群算法的改進(jìn)，(2)微粒群算法的理論分析，(3)微粒群算法的生物學(xué)基礎(chǔ)，(4)微粒群算法與其他類進(jìn)化算法的比較研究，(5)微粒群算法的應(yīng)用。其中對(duì)微粒群算法改進(jìn)主要圍繞就如何提高PSO收斂速度和保證收斂?jī)蓚€(gè)方面，并逐漸成為該領(lǐng)域研究的熱點(diǎn)。對(duì)于不同的問題，就如何協(xié)調(diào)局部搜索能力與全局搜索的權(quán)重關(guān)系，Yuhui Shi提出了帶慣性權(quán)重的改進(jìn)微粒群算法以更好的控制PSO算法的“開發(fā)”和“探索”，形成了標(biāo)準(zhǔn)的帶慣性因子的改進(jìn)微粒群算法(即標(biāo)準(zhǔn)PSO算法)。
[0006]產(chǎn)業(yè)集聚過程就是一個(gè)自組織的過程，并透過微粒群知識(shí)來分析產(chǎn)業(yè)集群的集聚的過程，可以初步認(rèn)為產(chǎn)業(yè)集群的集聚過程就相當(dāng)于微粒群的尋優(yōu)過程，所以在某些層面上可以通過分析比較直觀的微粒群模型來代替分析概念比較泛化的產(chǎn)業(yè)集群現(xiàn)象。

【發(fā)明內(nèi)容】

[0007]針對(duì)上述技術(shù)問題，本發(fā)明所要解決的技術(shù)問題是提供一種基于微粒群算法，填補(bǔ)微粒群算法在產(chǎn)業(yè)集群演化模型建立上的空白，能夠有效解決產(chǎn)業(yè)集群演化問題的基于微粒群算法的產(chǎn)業(yè)集群演化模擬系統(tǒng)。
[0008]本發(fā)明為了解決上述技術(shù)問題采用以下技術(shù)方案:本發(fā)明設(shè)計(jì)了一種基于微粒群算法的產(chǎn)業(yè)集群演化模擬系統(tǒng)，其特征在于，包括如下步驟:
[0009]步驟001.設(shè)計(jì)產(chǎn)業(yè)集群綜合競(jìng)爭(zhēng)力評(píng)價(jià)指標(biāo)體系；
[0010]步驟002.設(shè)計(jì)產(chǎn)業(yè)集群綜合競(jìng)爭(zhēng)力EPCI評(píng)價(jià)模型；
[0011]步驟003.獲取產(chǎn)業(yè)集群綜合競(jìng)爭(zhēng)力EPCI評(píng)價(jià)模型的參數(shù)；
[0012]步驟004.將產(chǎn)業(yè)集群現(xiàn)象微粒群化；
[0013]步驟005.根據(jù)PSO算法，設(shè)計(jì)基于微粒群算法的產(chǎn)業(yè)集群演化模型；
[0014]步驟006.設(shè)計(jì)產(chǎn)業(yè)集群綜合競(jìng)爭(zhēng)力三維信息的擬合函數(shù)，并獲得模擬產(chǎn)業(yè)集群演化的分時(shí)效果圖。
[0015]作為本發(fā)明的一種優(yōu)選技術(shù)方案:所述步驟001中，產(chǎn)業(yè)集群綜合競(jìng)爭(zhēng)力評(píng)價(jià)指標(biāo)體系包括生產(chǎn)要素、需求條件`、相關(guān)和支持產(chǎn)業(yè)、企業(yè)戰(zhàn)略結(jié)構(gòu)和同業(yè)競(jìng)爭(zhēng)；
[0016]其中，生產(chǎn)要素包括天然資源、人力資源、知識(shí)資源、基礎(chǔ)設(shè)施和資本資源；需求條件包括國(guó)際國(guó)內(nèi)市場(chǎng)的需求情況；相關(guān)和支持產(chǎn)業(yè)包括產(chǎn)業(yè)集群的上下游產(chǎn)業(yè)市場(chǎng)情況。
[0017]作為本發(fā)明的一種優(yōu)選技術(shù)方案:所述步驟002設(shè)計(jì)產(chǎn)業(yè)集群綜合競(jìng)爭(zhēng)力EPCI評(píng)價(jià)模型包括如下內(nèi)容:
[0018]建立基于廣義冪平均函數(shù)的產(chǎn)業(yè)集群綜合競(jìng)爭(zhēng)力EPCI評(píng)價(jià)模型，如下式(I)所示:
【權(quán)利要求】
1.一種基于微粒群算法的產(chǎn)業(yè)集群演化模擬系統(tǒng)，其特征在于，包括如下步驟: 步驟001.設(shè)計(jì)產(chǎn)業(yè)集群綜合競(jìng)爭(zhēng)力評(píng)價(jià)指標(biāo)體系； 步驟002.設(shè)計(jì)產(chǎn)業(yè)集群綜合競(jìng)爭(zhēng)力EPCI評(píng)價(jià)模型； 步驟003.獲取產(chǎn)業(yè)集群綜合競(jìng)爭(zhēng)力EPCI評(píng)價(jià)模型的參數(shù)； 步驟004.將產(chǎn)業(yè)集群現(xiàn)象微粒群化； 步驟005.根據(jù)PSO算法，設(shè)計(jì)基于微粒群算法的產(chǎn)業(yè)集群演化模型； 步驟006.設(shè)計(jì)產(chǎn)業(yè)集群綜合競(jìng)爭(zhēng)力三維信息的擬合函數(shù)，并獲得模擬產(chǎn)業(yè)集群演化的分時(shí)效果圖。
2.根據(jù)權(quán)利要求1所述一種基于微粒群算法的產(chǎn)業(yè)集群演化模擬系統(tǒng)，其特征在于:所述步驟001中，產(chǎn)業(yè)集群綜合競(jìng)爭(zhēng)力評(píng)價(jià)指標(biāo)體系包括生產(chǎn)要素、需求條件、相關(guān)和支持產(chǎn)業(yè)、企業(yè)戰(zhàn)略結(jié)構(gòu)和同業(yè)競(jìng)爭(zhēng)； 其中，生產(chǎn)要素包括天然資源、人力資源、知識(shí)資源、基礎(chǔ)設(shè)施和資本資源；需求條件包括國(guó)際國(guó)內(nèi)市場(chǎng)的需求情況；相關(guān)和支持產(chǎn)業(yè)包括產(chǎn)業(yè)集群的上下游產(chǎn)業(yè)市場(chǎng)情況。
3.根據(jù)權(quán)利要求2所述一種基于微粒群算法的產(chǎn)業(yè)集群演化模擬系統(tǒng)，其特征在于，所述步驟002設(shè)計(jì)產(chǎn)業(yè)集群綜合競(jìng)爭(zhēng)力EPCI評(píng)價(jià)模型包括如下內(nèi)容: 建立基于廣義冪平均函數(shù)的產(chǎn)業(yè)集群綜合競(jìng)爭(zhēng)力EPCI評(píng)價(jià)模型，如下式(I)所示:

4.根據(jù)權(quán)利要求3所述一種基于微粒群算法的產(chǎn)業(yè)集群演化模擬系統(tǒng)，其特征在于，所述步驟003中，產(chǎn)業(yè)集群綜合競(jìng)爭(zhēng)力EPCI評(píng)價(jià)模型的參數(shù)的獲取過程，通過DEA數(shù)據(jù)包絡(luò)模型來獲取政府在協(xié)助當(dāng)?shù)禺a(chǎn)業(yè)集群經(jīng)濟(jì)發(fā)展中的相對(duì)有效值；并通過層次分析法和主成分分析法來獲取產(chǎn)業(yè)集群綜合競(jìng)爭(zhēng)力評(píng)價(jià)模型參數(shù)Α，B，C，D。
5.根據(jù)權(quán)利要求4所述一種基于微粒群算法的產(chǎn)業(yè)集群演化模擬系統(tǒng)，其特征在于，所述步驟004將產(chǎn)業(yè)集群現(xiàn)象微粒群化，包括如下步驟: 步驟a.將產(chǎn)業(yè)集群綜合競(jìng)爭(zhēng)力EPCI輸出結(jié)果表示為微粒群算法中所要尋找的代數(shù)值； 步驟b.將產(chǎn)業(yè)集群的經(jīng)緯地理坐標(biāo)轉(zhuǎn)換為三維直角坐標(biāo)系，并標(biāo)出產(chǎn)業(yè)集群區(qū)域的坐標(biāo)； 步驟C.將產(chǎn)業(yè)集群企業(yè)間的競(jìng)爭(zhēng)與合作表示為微粒群算法的“認(rèn)知”部分和“社會(huì)”部分； 步驟d.將政府參與產(chǎn)業(yè)集群經(jīng)濟(jì)活動(dòng)中的“協(xié)”作用表示為微粒群算法的慣性權(quán)值函數(shù)。
6.根據(jù)權(quán)利要求5所述一種基于微粒群算法的產(chǎn)業(yè)集群演化模擬系統(tǒng)，其特征在于，所述步驟005中，根據(jù)PSO算法，設(shè)計(jì)基于微粒群算法的產(chǎn)業(yè)集群演化模型如下:

7.根據(jù)權(quán)利要求6所述一種基于微粒群算法的產(chǎn)業(yè)集群演化模擬系統(tǒng)，其特征在于，所述步驟006中，設(shè)計(jì)產(chǎn)業(yè)集群綜合競(jìng)爭(zhēng)力三維信息的擬合函數(shù)，如下式所示:Ζ = a0(Ζ + α, Y1 sto(4rf)+a3(Y + α4 )°* sm(4^rF + π + ?) + α6(15) 其中，Z表示為產(chǎn)業(yè)集群綜合競(jìng)爭(zhēng)力EPCI指數(shù)值，X，Y表示為對(duì)應(yīng)產(chǎn)業(yè)集群的平面直角坐標(biāo)值，a0至a6分別為擬合系數(shù)。
【文檔編號(hào)】G06F17/50GK103838911SQ201310611676
【公開日】2014年6月4日 申請(qǐng)日期:2013年11月27日 優(yōu)先權(quán)日:2013年11月27日
【發(fā)明者】張穎超, 熊雄, 張齊東, 葉小嶺 申請(qǐng)人:南京信息工程大學(xué)