基于惩罚机制的产学研合作演化博弈分析-王小杨.pdf

《基于惩罚机制的产学研合作演化博弈分析-王小杨.pdf》由会员分享，可在线阅读，更多相关《基于惩罚机制的产学研合作演化博弈分析-王小杨.pdf（7页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、2017年第9期 科技管理研究Science and Technology Management Research 2017 No9doi：103969jissn10007695201709018基于惩罚机制的产学研合作演化博弈分析王小杨1，张 雷2，杜晓荣2(1电子科技大学中山学院经贸学院，广东中山 528400；2中山大学，广东广州 510275)摘要：产学研合作对构建国家创新体系和实现向创新驱动型经济体转变具有重要的作用，而在新形势下，多方参与的产学研合作模式成为主流，为保证各方的利益及合作顺利进行，在长期合作中需要有一定的约束惩罚机制。首先建立多人多策略的演化博弈模型，并对各情况下的收

2、益进行分析计算然后建立惩罚机制，并把惩罚和收益关联起来，调整各方不同情况下的收盏之后使用粒子群优化算法进行模拟仿真，摒弃传统固定好数值的静态模拟方法，考虑“支出一收益”比例和“惩罚一收益”比例的动态数值分析，模拟得出惩罚约束存在下多人多策略的产学研合作演化情况最后，得出结论并提出相应妁对策建议。关键词：产学研合作，演化博弈，雪堆模型，惩罚，粒子群优化算法中图分类号：F204；F22432；G311 文献标志杩：A 文章编号：1o一7695(2017)09一0118一07IIldustry Technology I咖oVation Amance Based仰Coopemti仰byUsing EV

3、olutionary Game TheorywANG xiaoyan91， zHANG Lei2， Du xiaomn矛(1Zhongshan Institute， University of Electmnic Science and Technology of China， ZhongshaJl 528400， China；2School ofPhysics and Engineeng， Sun Yatsen University，Guangzhou 510275， China)Abstract：Industrial techn0109y innovation alliance can p

4、mmote the industryuniversi七yinstitllte cooperationourp叩er e啦blishes nplayer and nchoice snowdriR game model to evolve cooperationThe punjshrnent mechaIlisrnsare built up f-or cooperacionBy simulation experiment， it can be seen that cooperation is closely relacive to thebenefits and has negacive corr

5、elation with costThe punishment mechanism can inspire more cooperacion andthe cooperation is related to the magnitude of the punishmentBut no matter under what kind of perfbrmancemechanism， the level of coopera七ion has negatiVe correlacion with che number of members in the 1eague；Finally，we proposed

6、 some medlods to i11lproVe the indus七ry technology innoVa七ion amance coopera七ionKey、阳rds：cooperation；eVolutionary game theory；ISD (Itemted SnowdriR dilemma)；punishment目前中国全球竞争力排名第28位，领先于其他金砖国家，这主要得益于国内庞大的市场规模(位列第2名)和良好的宏观经济(位列第11名)，但技术准备度和创新仅分别位列第88、33名，与产学研合作相关的指标也普遍滞后。中国目前仍是效率驱动型而非创新驱动型的经济体，创新能力和产

7、学研合作水平然仍有待提高。国家主席习近平在党的十八届五中全会上提出： “坚持创新发展，必须把创新摆在国家发展全局的核心位置，不断推进理论创新、制度创新、科技创新、文化创新等各方面创新，收稿日期基金项目项目来源：让创新贯穿党和国家一切工作，让创新在全社会蔚然成风。”因此，如何在新形势下提高产学研合作的质量和效益，成为推动我国社会经济发展和产业结构升级不可回避的命题。1 文献综述产学研合作之所以成为可能，就是因为有企业、高校、科研机构三大主体的存在。而创新目的和意义就在于使相关创新要素和资源要素聚集而形成聚集效应，产学研合作正是围绕技术创新活动而发生2016一0725，修回日期：20161029广

8、东省自然科学基金项目“复杂网络下惩罚机制对合作演化影响的研究”(2016A030310020)；广东省哲学社会科学“十二五”规划项目“基于复杂网络演化博弈理论的产学研合作机制研究”(GDl5xGL03)中山市科技计划项目“大数据挖掘技术在光伏电站发电量预测中的应用”(2014A2Fc385)；电子科技大学中山学院博士启动项目“复杂网络上的演化博弈动力学研究”(414YKQ04)万方数据王小杨等：基于惩罚机制的产学研合作演化博弈分析 “9的聚集。国内外很多学者从演化博弈的角度对产学研合作问题进行了研究。Feldman等研究了联盟企业在可以共享联盟中的技术、任务和禀赋的情形下成本可传递的博弈行为，

9、指出在成本最小的情况下的分配形式。Plewa等幢。研究了产学研合作演化的不同阶段，测度了每个阶段的成功，认为沟通、理解、信任和人员是普遍的驱动力。De Fuentes等o讨论了合作驱动力对互动渠道的影响以及渠道对合作收益的影响。冯锋等o基于小世界网络理论研究了产学研合作创新网络交流频率和集群程度的小世界特征及应用。刘凤朝等o研究了我国高校专利合作网络的空间演化模式，通过具体分析我国985高校之间的专利合作情况，验证空间演化结论。李成龙等o认为产学研互动模式的演化关系有利于协同创新。卢方元等o 7、刘洋等。8 o借用共生理论的解释框架提出了推进产学研合作模式进化的措施。孙舰等；构建项目合作网络内

10、企业间知识转移与知识保护策略的演化博弈模型，探讨各个因素对其路径演化及知识转移策略制定的影响作用，并据此提出促进项目合作网络内企业间知识转移的措施。殷辉等叫运用演化博弈理论比较分析两类产业中企业间随机两两配对与学研方开展合作的博弈过程，结论表明，无论何种产业，产学研合作的形成是一个逐渐演化的过程，并与合作成本呈负相关关系，而与市场风险因子、合作收益呈正相关关系。陈伟等构建了知识创新与扩散的过程模型，运用复杂网络理论和仿真方法进行分析，研究发现，集群创新合作网络的整体知识水平呈现先递增后递减的演化规律；知识增长的演化过程存在突变点，突变时期不同网络中企业知识水平分化的情况决定不同网络知识增长绩效

11、的差异性。曹霞等2 o运用演化博弈理论，在有限理性条件下构建了协同创新网络下产学研合作的演化博弈模型，将纳什等价博弈与协同学序参量方法引入模型，从理论上分析了产学研合作创新网络协同演化路径的突变特性、偏好特性和对称破缺性，仿真实现核心序参量的密度分布和矢量场分析，从而确定产学研合作创新网络协同演化路径。国内外学者在运用博弈论的方法对产学研合作创新进行研究时，多数集中在产学研双方选择“合作”或“不合作”的策略上，但是在真实的产学研博弈中，参与方的博弈策略非常丰富，参与者也是多方同时决策。而在这一类多人博弈中普遍采用的模型是公共品博弈，在长期的博弈过程中，会有约束惩罚等机制的存在来保证产学研合作的

12、顺利进行，而在之前的研究中几乎没有考虑参与者彼此之问的约束机制。本文的研究充分结合当今形势，建立多方多策略的产学研合作模型并模拟现实的交互引入惩罚约束机制，即对于背叛的一方会受到一定的惩罚，而对于合作或者创新的一方在给予背叛者惩罚的时候要付出一定的代价。在运用演化博弈理论对产学研合作创新的稳定性进行分析时，摒弃之前研究中使用固定数值分析的局限性，将支出或收益的具体数据转化为比例，把惩罚的强度与收益结合起来，动态地分析各影响因素对合作稳定性的影响，并得出结论。2 产学研合作演化博弈模型在公共品博弈的行为实验中，当赋予选择惩罚的自由时，人们也倾向于使用惩罚策略，而且这种惩罚的威胁能促使合作水平显著

13、。代价惩罚保证了背叛者不能随意享用搭便车的成果，即使是在单次博弈中互相不认识的大的群体中，惩罚者也可以立即付出代价来降低背叛者的收益而不损害组内其他成员的利益。基于上述观点，本文考虑了长期合作的各团队或组织之间的反复博弈，各方都是独立的利益主体，都以最大化自己的利益为目标，把博弈论和动态演化过程结合起来作为理论基础，建立多策略、多方的公共品博弈模型，并模拟真实情景设立惩罚机制，深入探讨不同条件下合作的演化情况。21 假设条件与支付矩阵在综合考虑产学研合作博弈的实际影响因素与模型可操作性的基础上，本文给出以下基本假设：假设1：参与主体。市场是有风险的，谁都想把风险化解到最低程度。有的成果，特别是

14、大型项目，尽管有市场，但因投资大，双方合作无法解决投资问题，于是就出现多向合作模式。产学研合作博弈中有两类参与者，分别为高校(s)与企业(c)。但是参与者的主体并不局限于两个单位或组织，几方在价值取向、认知能力方面各有不同。对于企业，追求利海对于高校或科研院所，需要贡献科研成果对于政府，有政绩要求；对于中介方，可得到一部分的利益。因此，各参与方在博弈过程中不断调整策略以达到最优均衡。假设2：博弈策略。在传统的研究中，“合作”(c)与“不合作”(D)是参与方的两个选择，但是在当今的产学研合作各方中，除了学校和企业可以提供技术创薪外，还存在着政府或者中介等机构，这些机构除了能够保障产学研合作顺利进

15、行，还可以从中获得一定的利益，因此在我们的博弈策略中增加一类“不参与者”(L)，指不直接参与技术创新，但是又能从博弈中获得一定的利益的合作者。在产学研合作过程中，对于违约或不合作的一方，会对万方数据王小杨等：基于惩罚机制的产学研合作演化博弈分析其进行惩罚，但是惩罚的权利只能在选择合作的一方手中，我们将这类合作者定义为“惩罚者”(M)。惩罚者在惩罚其他人的时候也要付出一定的代价，如果群体中不存在背叛者，那么“惩罚者”就是合作者。假设3：带惩罚机制的收益矩阵。选择雪堆模型引(又称为“鹰鸽”博弈或者“小鸡”博弈)来讨论个体理性和群体理性的矛盾和对立，并根据假设2的博弈策略，得到收益矩阵如表1所示。表

16、1 产学研合作的经典雪堆博弈收益矩阵合作 占1，2 占一背频 6 O其中：对于合作者来说，当对方选择背叛，那么合作者在获得6收益的同时要付出c的代价，得到收益(_6唧)；如果对方选择合作，则双方的收益均为(6_c2)。而对于背叛者来说，如果对方选择合作，其将获得6的收益；如果对方选择背叛，其将没有收益。对于不参与者，将得到一定的收益盯。对于惩罚者，惩罚背叛者时需要付出y的代价，让背叛者的收益减少口。从表2可以发现，惩罚行为会给惩罚者和被惩罚者双方都造成负收益，因此将极大地降低群体收益，甚至从短期来看，会造成带来的合作提升不足以弥补惩罚造成的损失；但通过长期多次的交互，惩罚机制的效应会得到验证。

17、表2产学研合作多策略的雪堆博弈收益矩阵D D J|) 占L 盯 盯 盯 盯C 占一e 占一c 由一fj，2 6一f以M 占一c一， 占一c rj，2 占一(222 产学研合作行为的演化博弈分析针对本文上述假设条件，对产学研合作的演化过程递进讨论。2-21 多人的雪堆博弈根据表2，得出多人博弈的收益计算方法如公式(1)：nn=6一c，对合作者6一。一”对惩罚者6一，旃蔷叛者，当fo “)0，对背叛者，当f_0西对不参与者针对公式(1)，在多人参与的雪堆博弈模型中，如果在群体中只有1个合作者则收益是6_c；如果有2个合作者，那么收益为6叼，2；如果有3个合作者，则收益为6叼3。以此类推，可以得到合

18、作者的收益。因此当群体中至少存在一个合作者时，“搭便车”者不用做任何事情便得到收益6；如果群体中没有任何合作者，则收益为0。222 惩罚机制下的多策略产学研博弈对应表1的收益矩阵，假设某博弈方A选择合作的概率为x1，选择成为惩罚者的概率为x2，选择成为中立人的概率为盖3，选择成为不合作者的概率为(1唢l哨2嘣3)；则对方B选择合作的概率为y1，选择成为惩罚者的概率为y2，选择成为中立人的概率为y3，选择不合作的概率为(1一y1一y2一y3)。则某博弈方A选择合作时的期望收益为：U。2(6一c2)+只+(6一c2)+少。+(6一c)4y，+(6一c)+(1一X一少2一y，)某博弈方A选择成为惩罚

19、者时的期望收益为：U。2(6一c2)+少。+(6一c2)+y2+(6一c)+y3+(6一c一，)+(1一少，一y2一y，)某博弈方A选择成为中立者时的期望收益为：UAL_盯某博弈方A选择成为背叛者时的期望收益为：UA。=6+少。+(6一)拳少：+6+少，某博弈方A平均期望收益为：U。2咒+U。+x2+U。M+咒+U。+(1一x。一x2一崩)+U。某博弈方A选择合作的复制动态方程为：警飞(u矿_)=x】(6一；)4y+(6一；)+y：+(6一c)+y，+(6一c)(1一y一y2一y，)卜bf。+u。+x2+UM+x3+U舭+(1一xlx2一x3)+UD】某博弈方A选择惩罚的复制动态方程为：警强(

20、u矿_J=置(6一；)y，+(6一；)+y：+(h)+见+-c_，)(1一y一少2一y，)】_【五u。+五U。+五+U。+(1一五一咒一x，)U。】同理，可得到某博弈方B选择合作或惩罚时的复制动态方程盟和掣。令亟：亟：盟：盟：o，m m dt dt m m可较容易的得到x，2 x：=y，=y，为均衡点。其他的均衡点求解难度较大，将在本文实验部分用数值仿真的方法进行深入探讨。万方数据王小杨等：基于惩罚机制的产学研合作演化博弈分析 1213模型参数变化当系统出现可能的稳定均衡时，究竟收敛于哪个均衡状态与博弈的收益矩阵和博弈发生时的初始状态密切相关，参数的变化和初始值将导致不同的均衡点收敛。31 参

21、与个数口的影响当前的产学研合作过程中，参与的个体不止2个，则讨论参与者的增加或减少对产学研合作的影响。从理论分析来看，产学研合作系统中参与者的数量越多，个体在作决策时需要考虑的因素也就越多，对合作的形成越不利；而当产学研合作系统中的参与者数量较少时，经过多次的重复博弈，彼此之间比较了解，比较有利于合作的形成。32 “支出一收益”比例系数c6当系统中不存在惩罚时，首先考虑“支出一收益”P仿的影响。在收益厶不变的情况下，当c仿越大，相当于支付r也越大，即企业或高校选择产学研合作时的支出成本较高，则系统中的理性个体选择合作策略的可能性就比较小；然而当P仍越小时，相当于产学研合作支付的成本c较小，或者

22、是产学研合作得到的收益比较大，则系统中的理性个体便倾向于合作。33 “惩罚一收益”比例系数p肪当系统中存在“惩罚者”时，则讨论“惩罚一收益”比例p仿对产学研合作的影响。通过分析当对产学研合作中背叛者的惩罚力度加大，即p伪较大时。理性的企业或高校选择背叛时会受到较大的惩罚，则系统中的个体便倾向于合作；而假如对产学研合作的监管不利，对背叛者惩罚力度减小，即p胁较小时， “搭便车”者便会出现，导致理性的个体更倾向于背叛。4仿真及分析41 仿真环境及参数设置本文基于微软的C软件进行数值模拟仿真。初始状态下，产学研合作系统由10：l=10=100个个体组成。，演化过程采用粒子群优化算法。1。，把群体中的

23、个体看作是一个个的粒子，个体的决策和选择分别是粒子群优化算法中的位置和速度。42 “支出一收益”比例对产学研合作的影响图l显示的是没有惩罚机制时、系统只有合作者和背叛者两类参与者时平均合作度随着“支出一收益”比例c仿的变化所发生的变化。其中，初始状态平均合作度为o5，P伪从0到l每次递增01，在每个P仿的值下系统迭代500次。图1的纵坐标是产学研的平均合作度，横坐标是迭代次数，曲线表示随着c仿的变化平均合作度的变化过程。此时没有惩罚行为，因此只有合作者和背叛者两类参与者。通过图1可以看出，随着c仿的增加，群体中合作者的数量减少、背叛者的数量增多；而当P仿较小时，尤其是c伪o5时，平均合作度会加

24、快降低的速率，系统进入背叛者主导的情形。淤驰扣” ? m。 m。 m。迭代次数没有惩罚的产学研合作系统中平均合作度的变化43 “惩罚一收益”比例对产学研合作的影响图2是“惩罚一收益”比例的变化对产学研合作的影响。在图2中，纵坐标是群体的平均合作度，横坐标是“支出一收益”比例P仿，从O到1，在每个c仿值下系统迭代500次得出均衡时候的值。通过图2可以发现，曲线所反映出的整体趋势依然遵循c仍越大则平均合作度越小的规律与上述研究结论一致。惩罚意味着对系统中的背叛者或者“搭便车”者给予一定的惩罚，从图2可以看出，惩罚的力度越大，平均合作度相对越高；但是很明显，当r仿05时，个体之间的合作迅速减少。这说

25、明有了对背叛者的惩罚系统中的“搭便车”者减少，但是对于理性的参与者来说，当合作的支出较大、收益较小时，即使存在惩罚，也选择背叛行为。对比图l和图2可以发现，在设置了惩罚机制的群体中，平均合作度明显增加。01 o 2 o 3 o 4 。5 。6 。7 3 s 。9 1 c易图2不同的惩罚强度p仿和c佑下产学研合作系统中平均合作度的变化万方数据122 王小杨等：基于惩罚机制的产学研合作演化博弈分析图3是当p伪=03时，变化r仿的值观察系统中四类角色个体(惩罚者，合作者，背叛者，不参与者)所占比例的变化，其中每个t?伪值迭代200次，比如横坐标1200对应P仿=01的情况，20l400对应P仿=02

26、以此类推；不同曲线颜色形状代表不同的角色。对照图2可以发现，当平均合作度较高的时候，系统中的合作者和惩罚者占主导地位；而当平均合作度较低时，背叛者占主导。l萎图3 产学研合作不同角色参与者在p肋=0，3下随c肋变化所占比例的变化图4用三维的效果图展示了当p伪=03时，变化P仍的值导致产学研平均合作度的变化。对应每个r6的值，系统的合作度都是从初始o4的平均值开始计算每一次迭代过程的平均合作度。可以发现，随着c仿值的增大，平均合作度减小，这与图3各角色在群体中所占比例的变化相似。当群体中合作者和惩罚者成为主体的时候，所以平均合作度会提高；而当背叛者和不参与者成为主体的时候，平均合作度降低。图4产

27、学研合作不同角色参与者在p仿=O3下随c仿变化的系统平均合作度的变化通过图3可以大致看出4种角色的参与者在产学研合作系统中的比例变化，图5则将系统中个体决策的过程具体展示出来。图5和图6中的倒三角代表背叛者，雪花代表不参与者，圆点代表参与者，星星代表惩罚者。图5(a)是系统迭代到第5次、(b)是第50次和(c)第150次的情景。、同冈3的结论相似，由于图5显示的是r仍较小时候的情况，因此合作者和惩罚者的数量增加，背叛者和不参与者的数量减少，从图中可以明显看到星星和网点标记的个体增多，而倒三角和雪花的个体在减少。图6(a)是系统迭代到第1 405次、(b)是第l 450次和(c)第l 550次的

28、情景。由于图6显示的是r仍较大时候的情景，因此合作者和惩罚者的数量减少，而背叛者和不参与者的数量增多，从图中可以明显看到，星星和圆点标记的个体减少，而倒i角和雪花标记的个体增多一 ， t 。 ： + t 一(a)迭代至第5次时每个参与者的选择 (b)迭代至第5次时每个参与者的选择 (c)迭代至第150次时每个参与者的选择图5 参与个体在产学研合作系统中决策的变化(1)， + ? 一一 一一一_+。+一 一一一：，一一_(a)迭代至第l 405次时每个参与者的选择 (b)迭代至第1 450次时每个参与者的选择 (c)迭代至第l 550次时每个参与者的选择图6 参与个体在产学研合作系统中决策的变化

29、(2)通过图5和图6显示出参与者选择的动态变化 析结果一致。进一步支持图3得到的结论。此结论与前文理论分万方数据王小杨等：基于惩罚机制的产学研合作演化博弈分析 12344 产学研中参与人数对合作的影响在42和43的仿真实验中，参与者的个数 。力=3，也就是企业方、学研方以及政府或中介机构， 。誓但现实产学研合作中，多个企业、多个学研方或多 攀：个中介机构参与的情况很普遍，因此本部分综合上 柞。s述讨论，讨论多个参与者对产学研合作的影响。图 腿。；7是当p仿=o5时不同的支出一收益比例cb下的平 ：j均合作度。从图7可以看出，随着产学研合作中参 。与者个数的增加(增加的可能是企业方、学研方或中介

30、等)，平均合作度在降低。图8通过三维图，演示每次迭代的平均合作度。 、；J -，一。Cj、l一2nL一 0 n(a1)萨3的演化情况(a3)俨5的情况一n：3I卜n：4-tP n：5一n=6图7 p佑=O5时产学研合作中参与人数变化对平均合作度的影响”加 0 0 (a2)俨4的情况。 产_一(a4)|IF6的情况图8产学研合作演化博弈过程中的平均合作度仿真实验的结果与本文前述理论分析一致，由于个体作决策的主要依据是对手的选择，而面对的对手越多，个体需要考虑的因素越多，会延长作决策的时间，也会增加彼此之间的不信任。从实验结果可以非常明显地看到，平均合作度随着产学研合作参与成员的增加而降低。5结论

31、与展望本文以新型的产学研合作方式为研究原型，参与者不是简单的局限在高校或企业两者中，而是有第三方或更多方的进入，如政府或中介机构；而参与者的策略也不是简单地局限在背叛与合作中，而是可以选择不参与，比如政府起到监管或者是引荐的作用，或者是在选择合作的同时可以给背叛者或者“搭便车”者一些惩罚，以保证产学研合作的顺利进行。因此，对经典的合作模型进行改进，把传统的2人2个策略的2木2模型扩展成多人多策略的力嘞模型。通过建模和仿真，本文的研究得出以下结论：(1)通过改进后的雪堆博弈模型，可以模拟复杂的真实产学研过程，并丰富演化博弈理论的应用范围。(2)作为理性的产学研参与者，合作时需要支出的成本和得到的

32、收益是关键，随着支出一收益比例的增大，产学研合作的程度降低；反之，则增大。(3)通过引入惩罚机制，模拟真实产学研系统中各方的制约机制或约束方法，发现短期内惩罚可能带来收益上的减少，影响合作意愿；但是通过实验结果看，在长期的演化过程中，惩罚对产学研合作有相当大万方数据124 王小杨等：基于惩罚机制的产学研合作演化博弈分析的促进作用，只是惩罚需要付出代价，惩罚的结果让系统中的合作者都受益，但代价却要惩罚者承担。因此建议在产学研合作的过程中建立相应的约束和惩罚机制，提高产学研的合作效率。(4)产学研合作的群体不是越大越好，参与方的增多会使得群体内各方彼此之间的不信任程度增加、影响合作。因此建议不要随

33、意增加产学研各方的数量，在增加合作者的时候要保证其合作的信誉。为了提高产学研之间的合作，提高产学研合作的绩效，控制合作过程中的突变、减少“搭便车”者的数量、制定相关的惩罚约束是必要的政策措施，但是惩罚机制的设计以及扩散演化的动态过程具有重要的理论意义和实践意义，同时也是本文进一步的研究方向。参考文献：【l J FELDMAN M，FELLER I，BERCOVrIZ J， et 81Equity蚰d theteclIIlologyt咖sfers咖egi船0fAm商c姗mah unive鸺iti髓J胁magement Sciee22，48(1)：105121【2 J PLEWA C，KORFF

34、N，JOHNSON C，et a1The evolutionof universityindustry linkagesa framework l J JJournal ofEn西neeringandlkhnologyM粕agement，2013，30(1)：21443 DE PuENTEs c，DuTRENIT GBest channels of academiaindustry ime呲tion for longte瑚ben硪tJRese呲h Bolicy，2012，4l(9)：1666一16824冯锋，王亮产学研合作创新网络培育机制分析基于小世界网络模型J中国软科学，28(11)：828

35、65刘风朝，马荣康，姜楠基于“985高校”的产学研专利合作网络演化路径研究J中国软科学，2011(7)：178一1926李成龙，叶磊互动视角的产学研合作模式与合作过程研究J科技进步与对策，20ll，28(24)：30-337卢方元，常大华基于演化博弈的产学研合作创新稳定性分析J科技管理研究，2015(16)：100-1068刘洋，丁云龙论产学研合作模式的进化个共生进化视角的透视J北京理工大学学报(社会科学版)，2011，13(1)：43499孙舰，任旭，郝生跃项目合作网络内企业间知识转移与保护的演化博弈研究J科技管理研究，2015(18)：145一15l10殷辉，陈劲新兴和成熟产业中企业对学研

36、方行为的演化博弈仿真分析J科技管理研究，2015(7)：97一10211陈伟，周文基于集群创新合作网络的知识创新与扩散过程建模及仿真研究J运筹与管理，2014，23(6)：25726512曹霞，刘国巍资源配置导向下产学研合作创新网络协同演化路径J系统管理学报，2015，24(5)：669-77713wANG xIAOYANG。zHANG LEI，Du xIAORONG，et a1Using discrete PSO algorithm to evolve mul“一pIayer games ons叫al stn尬tum en“m砌entc，般h Intemational confemnce，I

37、CSI 2015，Lectll陀Notes in C锄”ter scienceBe蟮ing：S州nger，2015：21922814FRANKEN N，ENGELBREcHT A PParticle swam optimizatiappIDaches to coevolve stI。ategies fbr the iterated prisoner sdikmma J JIEEEnmIsactions仰Evolution棚呵Computation20069(6)：562579作者筒介：王小杨(1983_)，女，山东泰安人，副教授，博士，主要研究方向为演化博弈论、企业计算技术、复杂网络、智能算法。张雷(1990一)，男，山西长治人，硕士研究生，主要研究方向为智能算法、复杂网络、大数。杜晓荣(1958一)，男，安徽合肥人，教授。主要研究方向为智能算法、企业计算技术、复杂网络、大数据。万方数据