农作物生长电脑模拟技术（共2篇）
1.农作物生长电脑模拟技术 篇一
（人教版）高中地理必修二 教 案 主讲人：周义辉***
(总结)主要农作物生长习性
一、粮食作物 1.水稻
①生长习性：水稻喜温、喜湿、地势低平。
②农业区位的选择：高温多雨、雨热同期的平原地区；在我国的集中分布于东部季风区、秦岭——淮河以南(35ºN)。
③主要分布区：“亚洲的粮食”——水稻；水稻播种面积最大的国家——印度：最大生产国——中国；最大出口国——泰国。主要分布于东亚、东南亚和南亚的季风区，东南亚的热带雨林区，以及埃及、尼日利亚、西班牙、意大利、美国、古巴、委内瑞拉、巴西。由热量条件可分为：单季稻、双季稻、三季稻。我国秦岭以北地区以单季稻为主，以南以双季稻为主。长江中下游平原、四川盆地等地是我国主要的水稻产区。结合各地水稻种植制度确定种植与收获季节。如东北地区，一年一熟，则是春种秋收；长江中下游地区一年两熟，有的田地是种双季稻（即一块地中一年种两次水稻），双季稻中，早稻是春种夏收（一般是5.1前插完秧苗，8.1前抢收早稻，抢插晚稻，故将7月下旬至8月上旬这段时间称为双抢），晚稻是夏种秋收（11月初收完）。还有一种是稻麦连种，即当地的冬小麦收获后再种水稻，则这种水稻是夏种秋收（它收获不久再种小麦或油菜）。一般考试只考双季稻。在南方有些地区（如海南）可种三季水稻。2.小麦（冬小麦和春小麦）
①生长习性：水热要求不高：耐寒、耐旱、适应性强
②农业区位的选择：温带大陆性气候，我国冬小麦和春小麦的分界线为古长城(或3500℃积温线)③主要分布区：播种面积和产量最大的粮食作物；小麦最大生产国——中国；最大出口国——美国。春小麦一般春播秋收，生长期为80天——120天，多分布在纬度较高或海拔较高、热量较差的地区。主要分布与中温带的东北平原、河套平原、宁夏平原、新疆和青藏高原等地。冬小麦一般秋播夏收，生长期较长，南方为120天左右，北方为270天，西南地势较高地区一般为330天以上。冬小麦主要分布在华北及其以南的地区。目前，我国专用小麦优势区域重点：黄淮海优质小麦带、长江下游优质麦带、大兴安岭沿麓优质小麦带。3.玉米
①生长习性：玉米是喜温作物，品种有早熟、中熟、晚熟三类，生长期较长（80--140天）②农业区位的选择：夏季高温多雨、生长季较长的地区
③主要分布区：单产最高--玉米；玉米最大的生产国和出口国--美国；我国的主产地在吉林省。在我国分布较广，主要分布为北方的春播玉米、黄淮海平原的夏播玉米和南方山地丘陵的玉米。其中黄淮海平原夏播玉米是中国主要玉米区。目前，我国专用玉米优势区域重点：东北--内蒙古专用玉米优势区和黄淮海专用玉米优势区。
二、油料作物 1.油菜
①生长习性：性喜温，种子含油量为33--50%。②农业区位的选择：土壤肥沃的平原地区
③主要分布区：油菜是我国最重要的油料作物，主要分布在长江流域，近年来有北移南迁趋势，扩大到黄淮海平原、辽宁以及华南地区；四川产量全国第一。我国长江流域是世界最大的冬油菜集中区。油菜种植和收获季节大致与冬小麦一致。（长江中下游地区有一农谚：“寒露籽，霜降麦”，说的是当地一般在寒露时种油菜，霜降时种小麦。它们一般在端午前后 1（人教版）高中地理必修二 教 案 主讲人：周义辉*** 收获，北方地区收获季节要晚些。故称夏收作物）2.大豆
①生长习性：为中温作物，春种秋收
②农业区位的选择：要求积温在2000～3000℃，需水较多，对土壤要求不严
③主要分布区：原产于我国，各地均有栽培，主产区在东北平原，以黑龙江为最多。3.花生
①生长习性：喜温干燥、砂质土壤，春种秋收
②农业区位的选择：要求积温在3000℃以上，不耐霜
③主要分布区：主要分布在暖温带、亚热带、热带的沙土和丘陵地区（山东丘陵和辽东丘陵）；山东产量最多，产量占全国1/3以上 4.芝麻
①生长习性：喜温耐旱
②农业区位的选择：要求积温在3000℃以上，不耐霜，不耐涝
③主要分布区：原产于非洲。我国各地均有栽培，以暖温带、亚热带种植最多，主要分布在河南 5.油棕
①生长习性：喜高温多雨、充足阳光和湿润肥厚的沙壤土 ②农业区位的选择：
③主要分布区：原产于非洲。广泛分布于西非几内亚湿热森林地带，现马来西亚为最大产地
三、糖料作物 1.甜菜
①生长习性：喜温凉，耐寒耐旱耐盐碱，生长期短 ②农业区位的选择：气候温凉的中温带地区
③主要分布区：亚欧大陆、北美的中温带地区，我国分布在北纬40度以北，包括华北、东北、西北地区。其中以中温带为主的东北地区种植最多，占全国的总面积的65%。2.甘蔗
①生长习性：喜温、喜肥、生长期长。
②农业区位的选择：气候湿润的亚热带丘陵地区(一般分布在长江以南，但成都平原例外)③主要分布区：拉丁美洲、巴西、古巴、亚洲。甘蔗是我国制糖的主要原料，在食糖中蔗糖占90%。我国主要分布在热带、亚热带地区，包括台湾、广西、广东、云南、福建和海南等 11个省、自治区。但是我国甘蔗单产低、含糖率低，大力提高单产和含糖率是今后的发展方向。目前，我国的甘蔗优势区域重点是：桂中南、滇西南、粤西。
四、纤维 1.棉花
①生长习性：喜湿、喜光，生长期长（150--200天）。春种秋收。②农业区位的选择：光热充足，土质疏松，有灌溉水源
③主要分布区：美国中央大平原、埃及、中亚、印度；我国多分布于暖温带的黄淮海平原和南疆盆地。目前我国棉花优势区域重点：黄河流域棉花区、长江流域棉区、西北内陆棉区。2.黄麻
①生长习性：喜高温湿润气候和肥沃的沙质土壤 ②农业区位的选择：全年降水量在1000毫米以上
③主要分布区：原产于东南亚，现主要产在南亚地区。孟加拉国黄麻的产量居世界第一，其 2（人教版）高中地理必修二 教 案 主讲人：周义辉*** 次是印度。黄麻在我国南方种植很广，浙江省最多 3.亚麻
①生长习性：喜凉爽湿润气候和肥沃土壤 ②农业区位的选择：长日照作物
③主要分布区：温带地区的中国、俄罗斯等 4.剑麻
①生长习性：喜高温耐旱
②农业区位的选择：高温湿润的热带地区
③主要分布区：原产于墨西哥，从西沙尔港出口，因而也叫“西沙尔麻”。现坦桑尼亚和巴西占世界总产量的绝大部分 5.橡胶
①生长习性：喜高温多雨 ②农业区位的选择：
③主要分布区：东南亚和南亚地区
五、饮料 1.茶叶
①生长习性：喜高温多雨、怕涝 ②农业区位的选择：红壤等酸性土壤
③主要分布区：亚洲的印度、中国、斯里兰卡 2.咖啡
①生长习性：喜高温多雨
②农业区位的选择：高温多雨、无霜害、年均温在20～22℃左右，年降水量在1000～1800毫米，荫蔽较好，湿度较大的山地生长
③主要分布区：咖啡原产于非洲的埃塞俄比亚，现主要分布于拉丁美洲的巴西等 3.可可
①生长习性：较高的温度、湿度和雨量分配均匀
②农业区位的选择：要有较高的树木在它上层作荫蔽保护，本身抗风力弱。所以在热带雨林带海拔较低处，可可树生长茂密
③主要分布区：可可树原产于南美洲亚马孙流域，现以非洲为主，拉丁美洲亦生产
六、水果 1.苹果
①生长习性：喜光、较耐寒
②农业区位的选择：湿润、半湿润的暖温带地区
③主要分布区：辽宁、山东、河北、陕西、甘肃出产最多 2.柑橘
①生长习性：喜温润，怕寒冷
②农业区位的选择：气候湿润的亚热带丘陵地区(一般分布在长江以南，但成都平原例外)③主要分布区：原产于我国，北起秦岭南麓，南到雷州半岛，西起藏南察隅，东到台湾岛都有出产
3（人教版）高中地理必修二 教 案 主讲人：周义辉***
主要农作物的种植时间和收获时间
冬小麦：
9、10月份播种，次年4、5月份收割（主要在长城以南）春小麦：春节后播种，8、9月份收获（主要在长城以北）棉花：4——9月
油菜：12——次年5月 花生：4——10月 甜菜：5——9月
水稻：东北：
5、6——10月（单季）
南方：4——7月，7——
10、11月（双季）
我国小麦分布
华北冬麦区:是我国主要的冬麦区，播种面积占我国的47％，总产占我国的53％。一般年份冬麦可安全越冬，大于0℃积温4100℃。可供小麦、早中熟玉米的两熟。水是决定播种面积的限制因子。黄河以北地区多种在灌溉地上，黄淮平原是旱地麦适宜区，生产潜力大。
长江中下游冬麦区:种植面积占12.3％，总产占45％。3－5月江淮平原光温水较协调。3－5月降水量大于450mm的地区属不适宜种麦区。该区小麦商品率较高。
东北春麦区：黑龙江、吉林温度低，春麦适宜。
西北春冬麦区：灌区和黄土高原区。除南疆外主要是春小麦，南疆冬小麦，适应好，生产力高，品质优。
西南麦区：四川盆地、云贵高原。四川冬暖，温水适宜，但光照少，病虫严重。高原光照强，灌溉成熟期温度低，利于高产。
青藏高原冬春麦区：光温水配合利于小麦生长、抽穗－成熟期长达50－80天。降水不足，小麦种在水浇地上。
2.农作物生长电脑模拟技术 篇二
技术联盟已经成为经济组织首选的合作方式, 在技术联盟内企业充分利用技术联盟的优势, 在达到满意的联盟绩效的同时, 提高自身核心技术能力[1]。但在实践中, 企业往往认为在合作中知识扩散的度和量是一个难以把握的问题, 担心向技术联盟投入过多对自身不利。也有研究认为在研发过程中开展协作研发势必会削弱自主研发的投入, 且在紧密型合作中, 企业会暴露自己潜在的知识、技术和其它有价值的资源, 甚至会失去其对核心竞争能力的控制[2]。企业该不该向技术联盟进行大规模的技术研发投资, 如何安排自主研发与协作研发投资, 在实现参加技术联盟研发收益最大化的同时是否可以实现自主研发能力最优化, 这是成员企业在加入技术联盟时考虑的首要问题。
在实践中, 是否选择协作研发以及如何安排研发投入, 在于企业如何看待协作研发对于技术创新的作用以及知识吸收和知识溢出对于协作双方的影响。 很多学者从知识吸收能力角度来研究提高研发联盟绩效。 知识吸收能力是指一个企业认识新的外部知识的价值, 吸收并将其应用到商业终端的能力[3]。Cohen 和 Levinthal (1989) 研究发现, 吸收能力的引入减少甚至有可能消除研发溢出的非激励效果, 并指出企业获得研发成果需要提高自身的吸收能力, 与考虑研发的外生溢出相反, 企业如果意识到了来自竞争企业的研发成果溢出, 便开始投资于自身的吸收能力[4]。同样Hammerschmidt (1998) 也得出类似的结论[5]。宋之杰, 孙其龙 (2009) 通过模型验证当两家企业进行合作研发时, 由于共享一切研发成果, 因此吸收能力越大, 其利润函数值也越大[6]。但是由于存在偷懒、搭便车思想, 很多企业往往容易倾向于选择减少自身的研发投入。宋之杰, 孙其龙 (2009) 同时也发现当溢出水平很高, 由于可以从对手企业轻松获得所需的技术或模仿技术, 企业便减少自身研究开发的投入[6]。而联盟确实存在核心技术扩散、泄露的风险, 在紧密型合作中, 企业会暴露自己潜在的知识、技术和其它有价值的资源, 因此一些合作伙伴会由于选择产权合作模式而失去了对其核心竞争力的控制, 当企业对其有价值的技术资源不能很好保护时, 产权合作会产生更大的合作风险 (谢言, 王玉玺, 2009) [2]。这样博弈的结果往往是使企业为保持自己的技术优势, 趋向于不向竞争对手泄漏任何信息, 并选择专有的研发方法来进行研发 (宋之杰, 孙其龙, 2009) [6]。Kamien和Zang (2000) 也认为, 研发投资会降低自己的成本, 增加吸收能力, 同时企业有能力控制自己研发活动的知识溢出水平, 选择限制自己知识外溢的研发方法[7]。也许这就是很多企业回避向技术联盟大规模投资的原因。
但从相对吸收能力的角度来看, 技术联盟要实现高的研发绩效必须是吸收能力和相对吸收能力两者具足。Lane和Lubatkin (1998) 提出相对吸收能力这一概念, 认为企业的学习能力不仅取决于企业本身吸收能力, 还决定于交换的知识源[8]。企业间建立联盟的一个主要目的是实现技术知识的互补, 也就是说协作双方都必须成为对方的知识源。因为对于合作研发联盟来说, 联盟中的各成员企业均同时扮演着知识供给与需求的双重角色, 企业间合作研发的动力是双向的, 是一种双向的推拉过程, 构成了企业间研发联盟的微观机制 (刘云, 2007) [9]。形成为企业吸收知识所用的知识源有两条路径, 其一是联盟建立初期联盟伙伴具有互补的专业知识, 其二是联盟伙伴持续的技术投资和技术溢出。因此, 在决定组建联盟之前, 必须考虑伙伴是否具有同样积极的投入意识和投入能力 (刘云, 2007) [9]。
2006年, 科技部提出产业技术创新战略联盟这种技术联盟实践形式, 并于2010年正式公布首批36家产业技术创新战略联盟。面对技术联盟的诸多优势与诸多风险, 包括政府在内的许多利益相关者均在努力设计技术联盟的运行规则和方案。其中如何安排各企业的投资额与投资比例是一个必须解决的问题, 在实践中研发收益最大化与自主研发能力最优化相关, 但不完全一致, 企业自主核心研发能力最优化通常会带来最大化的收益, 但研发收益最大化并不代表着自主研发能力的最优化, 这正构成了技术联盟投资决策的二层规划问题。因此本文研究在协作双方对等投资的假设条件下, 引入模拟植物生长算法, 通过构建技术联盟投资决策的模拟植物生长二层规划决策模型, 探究企业能否达到参加技术联盟研发收益最大化和企业自主核心研发能力最优化的双重目标, 并分析协作研发和自主研发的最优投资组合。
2 技术联盟的投资决策分析
Goyal、Konovalov和Gonzalez (2003) 首先建立整合自主研发与协作研发的战略博弈模型, 分析在混合研发模式下企业的投资决策[10]。在此博弈模型中, 研究者将企业的研发活动分为两个部分, 一部分为企业的自主研发, 另一部分是企业参与的协作研发, 通过自主和协作的混合研发模型分析企业的投资决策。
在技术联盟过程中, 本文主要考虑同业竞争者之间的合作开发, 联盟企业在技术合作阶段是合作竞争关系, 而在产业化过程中是完全竞争关系。 在技术联盟投资决策过程中, 联盟企业的决策过程可借鉴Goyal、Konovalov和Gonzalez (2003) 的研究模型进行分析[10]。设N={1, 2, …, n} (n≥2) 是市场上的企业集。 技术联盟由g表示, Ni (g) 表示在g中与企业i有协作关系的企业集, 假设联盟中企业规模实力相当, 研发投资边际收益均等。ni (g) =|Ni (g) |是g中协作企业的总数量, 定义为企业的技术联盟规模, 用λ表示 (λ∈{1, 2, …, n}) 。λ=1表示完全自主研发, λ>1表示形成了技术联盟。若企业参与了g, 每个企业在g中的协作研发投资为xig, 同时为了保证企业的核心竞争力, 每个企业的自主研发投资为xii.
假设研发投资的生产函数由f (R) 决定 (假设f′ (R) >0, f″ (R) <0) , R是企业的有效研发投资, 即若其它企业不进行R&D投资, 为了达成同等幅度的成本降低, 它所须单独进行的投资。企业i的自主研发投资收益为:
在技术联盟中, 企业i的协作研发投资收益为:
则企业i开展技术开发活动所取得的生产成本总减少量为:
故企业i开展技术开发活动后的单位生产成本为:
其中,
考虑成本ci (g, x) , 企业通过选择一定的产量qi (g, x) 参与产品市场的库诺竞争, 假设在对称性技术联盟 (类似于网状型联盟, 在联盟中每个企业的研发投资方式相同) 中企业i的产品需求反函数呈对称的线性形式, 则有:
其中, p为均衡价格, qi (g, x) 为均衡产量, a为需求函数的截距, ε为产品市场上的产品替代系数 (ε∈[0, 1]) , λ为技术联盟规模 (见上文解释) 。在供过于求的同类产品市场中, 企业i的均衡产量 (Bala和Goyal, 2000;Kranton和Minehart, 2001;Goyal、Konovalov和Gonzalez, 2003) [10,11,12]是:
库诺利润可以表示为:
3 引入模拟植物生长算法的技术联盟投资二层规划决策模型
在技术联盟过程中, 企业在市场上选择合适的合作伙伴开展技术创新以获得创新收益, 联盟企业i的投资决策在于首先通过技术联盟获得最大化的库诺利润, 同时使自身的核心研发能力得到最大化的提升。这个投资决策问题就可以转化为一个二层规划问题, 以解决企业不同投资目标的协同。在决策系统中, 不同决策目标是分级管理, 企业依次做出决策, 下层目标服从上层目标, 但下层目标有相当的自主权。通过分析联盟企业i的决策目标, 可以将此二层规划问题利用数学模型表述如下:
xii是下层问题的解
其中, ρ为企业i加入技术联盟的研发投资协议比例;θ为企业i的研发投资总额, θ=xii+xig; ω为企业i参加技术联盟后获得的相对自主研发投资, 是其自主核心研发能力的主要来源;在技术合作阶段, 联盟成员的相对技术外溢程度取决于联盟成员的技术吸收能力。用σ代表企业i在技术联盟过程中核心知识的扩散系数, τ代表企业i在技术联盟过程中对外部知识的吸收系数, 则τ (λ-1) xig-σxii代表联盟企业i在技术联盟过程中的核心技术相对获取量。τ (λ-1) xig>σxii表示企业i期望参加技术联盟的核心知识获取大于核心知识溢出。
为求解该二层规划问题, 可利用模拟植物生长算法进行模型构建和求解。自模拟植物生长算法提出以来, 算法在管理、电力、水利、核工业等领域进行了拓展应用[13,14,15,16,17,18,19,20,21]。模拟植物生长算法 (PGSA) 是以植物向光性理论为启发式准则的一种智能算法, 是建立以生长规则为基础的植物系统演绎方式和以植物向光性理论为基础的概率生长模型[22,23,24]。演绎方式和生长模型两者结合所形成的优化模式, 就是实现模拟植物在优化问题的解空间中从初始状态到完整形式的终态的过程。通过模拟植物生长优化, 可以较好地寻找出企业通过技术联盟获得最优化收益的投资组合方式, 同时基于模拟植物生长的企业技术联盟最优化投资组合选择模型考虑了市场上可供选择联盟企业的投资方式, 是一种动态的优化过程。本文在以往模拟植物生长算法解决整数二层规划问题的基础上, 通过设计算法解决技术联盟合作中的非整数二层规划问题。引入模拟植物生长算法的技术联盟投资决策二层规划决策演绎如下。
Step1: 在上层决策变量解空间πi (g, x) 中选择k个初始植物生长点 (S1, S2, …, Sk) ;
Step2: 在Si的各自合理反应集中选择下层决策变量解空间xii+λxig的植物生长点Tj (Si) ∈Mx (Si) , 连接Si与Tj (Si) 形成树干, 树干的长度为F (Si, Tj (Si) ) , 其中Mx (Si) 为下层规划问题对应上层给定值Si的反应集。
Step3: 计算 (S1, S2, …, Sk) 形态素浓度值:
Step4: Pi+1←Pi+1+Pi, Pi←Pi/Pk;
Step5: 如果Pi<random[0, 1]<Pi+1, 则H←Si (见图1)
Step6: 上层变量初始状态:H
旋转角度:δ=90°
生长规则: F→F[-F][+F] F
新生长点: Si (1) , Si (2) , …, Si (2n) , n为上层规划决策变量维度
注: 生长规则是A.Lindenmayer所建立的L-系统形式语法, 设 (H, α) 为植物生长点的当前状态。其中H为其位置的坐标, α为生长点的指向, 节的长度为d, 顶的角度增量为δ.“[”代表的含义是将当前信息记录下来, 即将该节点 (树枝的分叉点) 的信息保存起来, 先画第一个分枝;而“]”表示的含义是将“[”时刻记录的信息释放出来, 当画完一个分枝后, 利用“]”将上一个节点的信息 (即上一分叉点的状态) 取出, 然后从该分叉点继续画第二个分枝。F表示在当前方向上生长节长d, +表示逆时针旋转一个角度δ (规定逆时针方向为正) , -表示顺时针旋转一个角度δ.
Step7: Si←min{F (Si, Tj (Si) ) , F (Si (1) , Tj (Si) ) , F (Si (2) , Tj (Si) ) , …, F (Si (2n) , Tj (Si) ) };
Step8: 下层变量初始状态:L
旋转角度:δ=90°
生长规则: F→F[-F][+F]F
新生长点: Tj1 (Si) , Tj2 (Si) , …, Tj2m (Si) , m为下层规划决策变量维度
Step9: Tj (Si) ←min{F (Si, Tj (Si) ) +f (Si, Tj (Si) ) , F (Si, Tj1 (Si) ) +f (Si, Tj1) Si) ) , F (Si, Tj2 (Si) ) +f (Si, Tj2 (Si) ) , …, F (Si, Tj2m (Si) ) +f (Si, Tj2m (Si) ) };
Step10: 若连续n次迭代无新枝生长, 则植物生长结束, 否则返回Step3。
Step3～Step9是上层植物生长点通过向光性概率机制选定后, 与其对应反应集中下层生长点所形成的植物树干Si-Tj (Si) 在各自邻域中的一次生长过程。
4 技术联盟投资决策的模拟植物生长优化仿真分析
根据前文对模型参数的分析, 设市场上有20家企业参与产品市场库诺竞争, 潜在市场需求总量为1000个单位, 在市场中存在5家企业通过技术联盟方式开展技术开发活动, 单个联盟企业对某项技术研发投资的总预算为100个单位, 对联盟的最大投资比例为0.2。并依据现有关于技术转移和吸收等方面的研究文献[6,25,26]和通过对模型参数的敏感性分析, 选取一组参数进行仿真模拟:竞争企业间产品替代系数0.5, 技术在技术市场扩散系数0.3, 企业的技术吸收程度0.2, 企业研发投资收益
模拟植物生长算法用Matlab编程实现, 在Windows XP平台上运行通过, 试验中计算机为Celeron (R) CPU 3.06GHz, 1.GB内存。PGSA在每个测试实例均经过5万次迭代, 分别进行15次计算, 其中最好结果与最差结果之间误差值不超过0.001%, 表现出较好的计算稳定性。通过测试数据可得到模拟植物生长算法的1个全局最优解和3个局部最优解, 如表1所示。
表1最优解的投资组合数据显示, 在技术联盟中实现企业研发收益最大化和自主核心研发能力最优化的目标都是在协作研发投资大于自主研发投资的前提下实现。企业参与技术联盟的研发收益最大化和企业自主核心研发能力最优化的投资决策目标是可以兼顾的, 优化的投资方案可以有效地使两目标达到契合和协同。 这也可以为技术联盟的构建和培育提供重要的决策依据和参考价值。
首先, 在企业技术联盟研发收益最大化的目标下, 参与者的协作投资量大于自主研发投资量是可行的。在技术联盟投资初期, 甚至在整个联盟运行过程中联盟企业在决策自主和协作投资方面, 往往倾向于自主投资多些而协作投资少些, 以防止技术外溢和核心技术能力被模仿, 模型优化分析结果并不完全支持这种投资方式。相反仿真结果表明, 协作研发投资大于自主研发投资更有利于企业获得更大的技术联盟投资收益。
其次, 在技术联盟方式下, 企业参加技术联盟后获得的相对自主研发投资与企业对技术联盟的协作研发投资正相关, 即ω与xig呈现正相关关系。在技术联盟过程中, 一味的技术保护并不有利于联盟的技术进步, 也不有利于企业自身研发能力的提升。在技术联盟中, 联盟企业应该更加重视通过协作提升自身研发能力的正向作用而非仅仅关注知识外溢的负面影响。 只有在合理的投资基础上增强外部知识吸收能力和适当控制核心知识扩散程度才会更有利于企业研发收益和核心研发能力的提升。
最后, 投资决策的最优解是在以企业参加技术联盟研发收益最大化为首层规划目标的前提下得出的, 因此虽然在此基础上得到的自主核心研发能力提升不是最大化, 但是却有其自身的经济管理意义。通过模型仿真计算, 可以看到在研发投资决策中有多种决策方案可供选择。 如比较全局最优解与局部最优解2, 两个π的最优值相差0.5, 两个ω的最优值却相差5.5, 这就意味着在实际投资决策博弈中, 企业可适当转换投资以最大程度提升自主核心研发能力。同时依据局部最优解, 也可以根据实际决策需要进行适当投资组合的调整, 以增加投资和谈判的灵活性。
5 结论
本文引入了模拟植物生长算法建立技术联盟投资二层规划决策模型, 分析了技术联盟中参与企业自主和协作研发投资比例问题, 得到了技术联盟企业的投资组合和研发收益最优解。在最优解中, 全局最优解是每个参与者希望达到的研发收益最大化的理想结果, 但研发收益的全局最优解却并一定会完全符合企业核心研发能力最大化的目标, 局部最优解有时是企业联盟投资的理想方案。这些结论可以为政府管理者进行产业技术创新战略联盟的管理和引导提供参考。为了提升整个产业的技术创新能力, 政府管理者需要通过一定的措施来引导联盟企业的投资行为和方式, 通过财政支持、税收减免等手段引导企业增加对产业技术创新战略联盟的研发投资, 决策适宜的技术联盟产出导向。