SCI论文（www.lunwensci.com）
摘 要：本文旨在对制造型企业迭代创新的升级路径进行 探讨，以期协助制造型企业合理吸收和利用迭代创新的先 进性。本文以图论为图形解析工具，将制造型企业迭代创 新行为的状况用赋权图的形式进行表示，进而借助蚁群算 法仿真确定得出制造型企业迭代创新网络绩效提升的最可 能路径，并设计得出制造型企业迭代创新的升级路径。
关键词：制造型企业,迭代创新,升级路径,图论
制造业是支撑社会经济发展的重要力量，也是形 成国家或地区竞争力的重要因素。在经济新常态背景 下，如何实现制造业的健康、快速发展是值得关注的 话题。目前我国制造业发展存在不少问题，例如低端 产能过剩、“刘易斯拐点”等，虽然存在产业梯度转 移承接潜力，但传统的低成本竞争优势可能已经难以 继续[1] ，导致制造业难以获得较好的发展。
迭代创新需要依托互联网技术的发展，是互联网 时代创新的产物，也是“互联网+”背景下制造型企业 转型升级的必由之路[2] 。综上所述，本文以迭代创新 为研究切入点，探讨了制造型企业迭代创新的升级路 径，协助制造型企业以开放的态度平衡各相关者的利 益，持续提升自身的核心竞争力。
一、研究背景与意义
互联网技术的兴起和激烈的市场竞争加剧了环境 的不确定性，环境的不确定性加剧导致产品更新换代 的速度加快，制造型企业不得不以增加创新的次数， 缩短创新周期的方式来适应，即采取迭代创新模式。 迭代创新能够协助和提高企业创新的成功率以及面对 环境不确定性的能力[3] ，使企业能够以较低的成本开发多种产品。
迭代创新是一种建立在多个短时间创新基础上的 长周期创新，每个迭代周期都总结并反馈创新过程中 遇到的问题，并针对这些问题进行分类评估，以保证 下个周期的创新能推动迭代创新目标的实现[4] 。每一次 迭代都是一个完整的过程，帮助人们将创新的理念结 合实际，深入实施。迭代创新的实质就是检测上一次 迭代结果，纠正其中的错误，并在这个基础上再次获 得更新[5] 。迭代创新的特点决定了它是以解决问题为目 标的创新方式，明确的目标导致它相对其他创新的成 本较小，而且通常都有具体的计划。在多次迭代创新 的过程中，企业可以通过阶段性的成果投入市场来缓 解创新中的压力，由此了解市场反应和客户需求，以 及可能获得的收益[6]。
迭代创新的成功案例比较多，学者们也针对现实 成功案例开展了研究，例如董洁林认为迭代创新是一 个需要开放心态，吸引客户参与，并能不断进行迭代 的创新活动[7] 。朱晓红、陈寒松分析了在互联网环境 下，创业企业利用产品迭代创新提高财务绩效及创新 效率的机制[8] 。徐昕对于企业如何利用企业内外部的 知识整合与学习，以迭代创新模式实现企业的持续增 长[9] 。但从文献梳理的结果来看， 目前大多数已有的研 究成果仍然对迭代创新的概念和内涵进行阐述，聚焦 于运行原理、经营机制与影响因素的研究还比较少; 理论推演和案例分析的成果较多，实证分析的成果比 较少见，这一缺憾也成为本文研究的立论依据。
二、研究设计
(一)研究方法的选择
制造型企业迭代创新行为涉及企业实验室试验、 企业车间中试、投入批量生产、企业营销部分、外部 客户反馈、企业规模化定制等环节，各个环节所涉及 迭代创新利益相关者间的互动关系及次序需要明确， 由于各利益相关者的属性各异，难以统一量化，本文 拟采用图形解析法，用图形来描述制造型企业迭代创 新的各环节之间主要利益相关者之间的互动关系及可 能的升级路径，这种方式也是公认适合描述复杂网络系统的方式，将使迭代创新的过程表达得更加直观。
(二)图形解析工具概述
图论是把事物及其它们之间关系用图描述的一种 直观数学模型[5] ，属于复杂网络精确数学处理的自然框 架，可以用图来表示复杂网络的形式[6] ，适用于任何可 以描述为网络的系统[10] 。图论中的有向图描述了顶点 传播的方向，加权图描述了顶点传播的权重大小，因 而结合二者即可对制造型企业迭代创新中各节点利益 相关者的状态和相互间的互动状况进行图形解析，从 而能够对制造型企业迭代创新进程的升级路径进行探 讨[11] ，并最终讨论得出制造型企业迭代创新行为的运 行机制及升级路径。
(三)图论工具应用于制造型企业迭代创新的作 用原理
第一，将制造型企业迭代创新进程中各个节点利 益相关者分别抽象为图论中的顶点，以有向图中的边 表示各个节点利益相关者之间的互动状况，以加权图 中边的权重表示各个节点利益相关者之间的互动行为 的频率，即构建符合实际情况的制造型企业迭代创新 互动状况的赋权图模型，式中V为所有节点 利益相关者的集合， R为各节点利益相关者之间的互动 状况的关系集合，E为赋权图中边的集合，图中每一条 边e都根据制造型企业迭代创新进程中各个节点利益相 关者之间的互动行为的频率高低被赋予一定的权值。
第二，对于一个满足： 经过每个顶点一次且仅有一次”三个条件的有向道 路H即可称为制造型企业迭代创新互动状况赋权图的崩 溃路径。根据图论的相关理论，崩溃路径H的权值为路 径中经历所有的边的权值乘积，因此所有崩溃路径中H 权值最大者即为制造型企业迭代创新的互动行为 发生的最可能路径。根据创新行为的特征，应当首先 计算得出，并进而针对该分析结果，从制造型企 业迭代创新行为发生的源头企业进行前馈控制;或者 在该路径上监测制造型企业迭代创新行为的状态并进 行动态优化。
(四)制造型企业迭代创新升级路径的确定方式
从图论方法的基本原理来看，从制造型企业迭代 创新互动状况赋权图中各种可能的崩溃路径中确定 是一类特殊的旅行商问题(TSP，Traveling Salesman Problem)，属于组合优化问题的研究范畴。由于制造 型企业迭代创新网络中含有节点利益相关者的数目可能较多，无法利用简单的穷举法进行运算，因此，本 文引入蚁群算法进行求解。
蚁群算法是20世纪90年代由意大利的M.Dorigo等学 者受对真实蚁群行为研究的启发而提出的[12] 。其计算 原理是：首先生成一定数量的人工蚂蚁蚁群，并为每 一只人工蚂蚁建立一个解或解的一部分。每只人工蚂 蚁从问题的初始状态出发，根据信息素的浓度，选择 下一个要转移到的状态，直到建立起一个解。每只蚂 蚁根据所找到的解的好坏程度，在所经过的状态上释 放与解的质量成正比的信息素。已有很多学者在复杂 系统脆性的研究过程中运用蚁群算法来求解脆性赋权图的最大崩溃路径，具体计算方法如下：
设有 m 只蚂蚁分布在n个顶点上，则蚂蚁 k从顶 点 i 转移到顶点 j 的概率为：
其中 τi ,j 表示顶点 i 和顶点 j 之间的信息素，可以 取一个常数为初始值; ηi ,j 取赋权图的权值 wi ,j 表示; Jk (i) 是 允 许 蚂 蚁 k 选 择 的 顶 点 集， 而 禁 忌 集 tabuk (k ∉ 1.,2.⋅ ⋅ ⋅, m) 来记录蚂蚁 k 目前已经经过的顶点; α > β >0 表征信息素与ηi ,j 对权值 wi ,j 的重要关 系。状态转移规则为：
J 的取值将由蚂蚁k 从顶点i 转移到j 的概率决 定。设参数(1 − p) 表示信息素消逝度，则信息素含量 的 更 新 规 则 为： τi ,j ← (1 − ρ) ⋅ τi ,j + ρ ⋅ ∆τi ,j ， 其 中 ∆τi ,j = γ ⋅i(x)τ(i, l)， 0 ≤ γ < 1 。完成一次对所有顶点的访问后，赋权图中所有边信息素的更新规则为：
如果蚂蚁k 遍历所有顶点，则称 k 满足可行解;另外如果迭代过程到达预先设置的终止时间 T 或无退化 行为即找到的都是相同解，则迭代过程结束，输出计 算结果。
三、实例分析
本文将上文所介绍的求解的蚁群算法设计应用到 一个具体的制造型企业迭代创新网络中(简称迭代创新网络A，包含5个节点Ⅰ，Ⅱ，Ⅲ，Ⅳ，Ⅴ)，以对 制造型企业迭代创新行为状况的框架结构和控制范式 进行实证分析。具体分析步骤为：将制造型企业迭代 创新网络A中各节点间互动状况的框架结构抽象化为赋 权图：
根据蚁群算法的计算原理，结合迭代创新网络A的 实际情况确定得出迭代创新进程中赋权图中各条边的 权值， 并将所有权值组成一个邻接 矩阵为：
取参数值蚂蚁个数群算法， 经过迭代运算得到制造型企业迭代创新网络A 赋权图的最大崩溃路径为 。
从蚁群算法求出的 可以看出，迭代创新网络 A中的节点利益相关者I最有可能成为制造型企业迭代 创新网络中互动行为发生的源头[13] ，需要对其进行重 点监控，从而优化迭代创新的进程，迭代创新网络中是相关创新行为最可能的发生途 径， 因此， 可以按照该顺序对迭代创新网络A中相关创 新行为的状态进行实时监测和现场控制，从而保证迭 代创新网络A在运转中的绩效提升， 这也同时可以视为 迭代创新网络A的升级路径。
四、结论
本文在理论研究基础上，以图论为图形解析工具，将制造型企业迭代创新行为的状况用赋权图的形 式进行表示，进而借助蚁群算法仿真确定得出制造型 企业迭代创新网络绩效提升的最可能路径，即制造型 企业迭代创新的升级路径。本文的研究从价值网络中 各利益相关者群体共演的角度明确了制造型企业迭代 创新行为科学实施的有效治理机制，从治理机制这一 微观基础上拓展、延伸，进而完善制造业迭代创新的 理论分析框架。在实践启示上，制造型企业可以考虑 从迭代创新行为发生的源头企业进行前馈控制;或者 在该路径上监测制造型企业迭代创新网络的状态并进 行现场控制。
参考文献
[1] 盛革.传统制造企业向先进制造企业转型升级研究——基于模块化价值网视角[J].改革与战略，2013(4)：105-109.
[2] 罗仲伟，任国良，焦豪，等.动态能力、技术范式转变与创新战略——基于腾讯微信“整合”与 “迭代”微创新的纵 向案例分析[J].管理世界，2014(8)：152-173.
[3] Ward，Keeping the Family Business Healthy：Howto Planfor Continued Growth， Profit ability and Family Leadership[J]. San Franeiseo：Jossey Bass，2019(9)：10-14.
[4] Jorge Nocedal，Stephen J Wright.Numerical Optimization [M].Springer，1999.
[5] 王伟.迭代式创新的研究与实践发展[D].湘潭大学，2018. [6] Robert H.Brockhaus.Family Business Succession：Succession
for Future Research[J].Family Business Review，2018.17 (2)：165-177.
[7] 董洁林.迭代创新：小米能走多远[J].清华管理评论，2014(6)：48-53.
[8] 朱晓红，陈寒松.互联网情境下市场导向型创业企业迭代创新的作用机制[J].管理案例研究与评论， 2016. 9(2)：136-149.
[9] 徐昕.基于知识整合的产品迭代创新机制研究[D].哈尔滨工业大学，2017.
[10] B.Bollobás，Modern Graph Theory [J].Graduate Texts inMathematics，Springer，New York，1998.
[11] 方爱丽，赵继军译.复杂网络：结构和动力学[J].复杂系统与复杂性科学，2006.3(3)：61-62.
[12] 张纪会，高齐圣，徐心和. 自适应蚁群算法[J].控制理论与应用，2000.(2)：1-3.
[13] 林德明，金鸿章，吴红梅等.基于蚁群算法的复杂系统脆性研究[J].系统工程与电子技术，2008.30(4)：745-746.
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/guanlilunwen/56302.html
