企业组织演化的多主体建模与仿真

时振涛，曾建潮

（1.兰州理工大学电信工程学院，兰州 730050；2.太原科技大学复杂系统与计算智能实验室，太原 030024）

企业组织演化的多主体建模与仿真

时振涛1，2，曾建潮2

（1.兰州理工大学电信工程学院，兰州 730050；2.太原科技大学复杂系统与计算智能实验室，太原 030024）

为了探索企业成员和需求资源等大量微观主体之间的非线性作用对宏观企业组织生长演化过程的影响，从复杂适应系统理论的角度分析企业组织生长演化的复杂适应性特征，运用多主体建模方法，以个体行为为切入点，构造企业组织演化的多主体模型，并利用SWARM平台模拟在动态环境下企业组织的形成、生长和发展等过程，探讨了行为个体、需求资源和企业组织的相互作用和相互影响。实验结果表明正是微观个体的主动性和适应性导致了企业组织的形成、繁荣、衰落等复杂适应系统的现象，也进一步说明应用基于主体的建模方法研究企业组织这个复杂系统对提高企业组织的适应性和竞争力有实际意义上的指导作用。

复杂适应系统理论；企业组织演化；多主体模型；行为个体

0 引言

企业组织是一个由自然、经济、社会、政治复合而成的适应性主体，它从形成、成长、繁荣到衰退、灭亡，经历着一个复杂多变的发展演化过程。由于企业组织自身具有的特性以及所处环境的不确定性，导致企业组织具有复杂性。其复杂性主要表现在企业组织成员之间的非线性交互行为：企业组织系统中的每个个体的行为都不是独立的，而是相互影响的，系统中的成员能够通过与其他成员以及周围环境之间的交互作用，调整自身的结构和行为，从而适应企业组织系统的变化，这正是复杂适应系统（Complexity Adaptive System，CAS）中的自我学习和自我组织的特点［1］，成员间的非线性交互作用导致了企业组织在整体层面上“涌现”出与行为个体自身行为或目标不同的行为和目标，已有的研究表明，基于主体的建模（Agent Based Modeling，ABM）技术正是研究这种非线性关系的有效方法［2］。

ABM方法集成了复杂适应系统理论、人工生命以及分布式人工智能等各种技术和方法，采用自下而上的模型策略，在计算机中模拟一些独立存在的单个个体和群体，通过个体间的交互行为，观察和分析微观个体对宏观整体的影响，ABM方法中的“Agent”常指代所研究的个体对象，在活动中有智能性和主动性［3］。最早应用ABM思想的是Thomas C.Shelling的种族隔离模型［4］。他利用多主体对种族隔离问题进行了分析，研究表明种族隔离是一种社会自组织的结果，与种族主义之间不存在必然的联系。之后，ABM方法的应用越来越广泛［5-8］，其中较著名的模型有：Robert Axelrod建立的合作行为博弈模型［9］，他通过创建主体进行 “囚徒困境”的博弈，结果发现“Tit for Tat”是合作的最优策略；Epstein和Axtell创建的“糖域（Sugarscape）”模型，利用ABM方法探讨和分析社会问题和现象，并引入了“人工社会”的概念［10］；Arthur和Holland合作的人工股市模型 （Artificial Stock Model，ASM）中的Agent之间是一种既有竞争又有合作的协同进化关系，可以通过历史信息不断地自我学习，修改自身对股价走势的预测［11］；美国Sandia国家试验室开发的基于Agent的经济系统模型——ASPEN模型，模拟了公司、住户和政府等各种Agent，并成功地应用于美国宏观经济系统和过渡经济的研究中［12］；还有，2009年诺贝尔奖得主Elinor Ostrom和其他研究者共同建立了一个基于主体建模的有关公共资源的分析模型［13］。已有研究都说明ABM方法日益受到研究者的重视，成为分析和模拟复杂系统的重要手段，国内也有很多学者将ABM方法应用到社会和经济科学领域［14-17］。

本文以组织行为学理论为理论背景，将企业组织作为一个复杂适应系统，从CAS的角度分析企业组织演化的复杂适应性特征，研究企业组织的演化过程和行为个体的行为对企业发展的影响与制约，运用多主体建模的方法构造企业组织演化的多主体模型，建立企业成员行为的数学模型。并借助SWARM平台模拟不确定环境下企业组织中行为个体的复杂适应性行为，观察微观行为个体如何适应环境的变化，以及由此导致的企业组织在演化过程中所发生的变化和特征。分析行为个体、企业组织和环境之间的相互联系和相互作用，以及作为人力资源的行为个体对企业发展的影响。研究结果说明，只有将企业组织作为复杂适应性系统，将企业组织的整体特点看作行为个体适应性行为涌现出来的性质，采用复杂的、系统的观点，才能正确地把握行为个体、企业组织和环境之间的关系，找出影响企业组织生存和发展的关键因素。从而深入地认识企业组织的本质及其发展变化规律，提高企业组织对不确定性环境的适应力。

1 企业组织演化的多主体模型

企业组织系统是一个典型的复杂系统，企业要生存、发展与演化，必须提高自身的适应性。French曾指出正是个体和组织之间、组织与环境之间的相互联系和相互作用导致了企业组织的发展，要关注企业组织的变化必须将企业组织视为复杂系统［18］。可以这样说，企业组织系统是一个为了在环境中生存，并追求一定的目标而不断适应环境的、开放的复杂适应系统［19-20］，具有CAS的基本特征。

CAS最基本的特征是具有适应能力和主动性的个体，这种个体在与环境的交互作用中遵循一般的刺激——反应模型［21］。企业组织这个CAS是由企业成员组成的，企业成员是企业组织的行为个体，也是适应性主体。行为个体之间存在着并发性和主动性，他们对环境中的刺激会做出各种反应，随时改变其行为和决策，进而改变企业组织的行为。企业组织与环境则是一种嵌入式关系，这种关系使得企业组织对环境具有很强的依赖性。行为个体在不断变化的环境下，搜寻自己所需的资源，同时调整自身状态以适应新环境，这种搜寻行为，能够增强行为个体和企业组织的适应性和竞争力。企业组织系统就是在行为个体不断的搜索、选择与改进中实现持续演化。基于此，结合CAS理论中的刺激反应模型建立了群体行为演化的基本模型，该模型选择企业组织中的群体行为作为切入点，从微观个体的局部活动及其演变出发，制定相应的规则库，让许多主体之间相互作用并演化，自下而上地“涌现”出企业组织中群体的复杂行为，初步模拟了企业组织的形成、成长、繁荣及衰落等复杂现象。它主要包括3部分：构成企业组织的成员主体、企业组织赖以生存的环境和行为规则［22］。其中，成员主体具有自己的属性状态和行为规则，可以和其他成员主体、资源主体进行物质、能量和信息的交流；环境是成员主体和企业组织赖以生存的空间，环境中有成员主体所需要的资源；行为规则是企业组织系统中成员主体之间以及成员主体与环境之间进行交互活动的准则。实验结果说明在特定的条件下，让一个企业系统中相互作用的行为个体在看似混沌无序的状态下进行自组织，产生的并不一定是无序，而很可能是潜在的创造性输出［23］。

这个模型实现了企业组织的基本演化过程，但在仿真过程中，简化了许多问题，如员工的需求与行为之间的关系，虽然不影响模型的方法和正确性，但相对于现实情形还是有很大差距的。为此，本文对其进行了改进：环境中增加了资源的种类，不再是单一的资源，而是3种资源，分别代表成员和企业所需要的不同资源——不同类型的生产资料。不同的资源映射了不同需求。成员主体通过完成环境中的资源获取满足感，也为企业组织获取利润。其次，企业不再被动地由成员加入或退出，而是根据成员的素质主动雇佣或解雇成员。第三，添加了一些合理的变量因素，增加了主体的智能性，主体在行动过程中不再是单一的根据规则行动，还可以根据周围环境的变化和自身的状态智能地调整行为的参数，以适应环境的变化，获得最大效用。运用ABM方法构造了企业组织演化的多主体模型（见图1）。

图1 企业组织演化的多主体模型Fig.1 Muti-agents model of enterprise organization evolution

该模型主要有3个主体：企业Agent、成员Agent和环境资源Agent，每个主体模型都包括了基本属性，行为规则和规则解释器。资源主体代表的是能满足企业主体和成员主体需求的各类生产资料，每个资源主体都含有一定的资源含量，成员和企业都是以获取最大资源含量的资源主体为目标，从而为自己创造最大的利益。企业主体主要是雇佣劳动力（成员主体）进行生产，企业的收入是通过成员主体的工作努力水平计算得来的。企业主体根据成员主体的工作表现决定是否继续雇佣成员主体。成员主体在虚拟空间实体层上寻求满足需求的合适的资源主体，在现实中，由于信息的不对称性和空间活动范围的有限性，导致成员和企业都不可能完全了解环境中的各种信息，因此，采取局域搜索是比较合理的。成员主体通过搜索很快获取目标的位置（即能满足自己需求的资源主体的位置），迅速向其靠近。在靠近过程中，成员主体会认识其他主体，与其发生联系，并且通过与和它有关联的其他成员主体进行信息交流，不断更新目标资源，改变自己的移动方向，籍此以得到资源含量最多的资源主体；另外，成员主体还会根据利益决定是否加入到其他企业中，其过程如图2所示。模型还创建了各主体所依存的社会环境和自然环境，其中，社会环境指的是成员主体和企业主体所有社会关系的集合；自然环境指的是所有主体活动需要的空间范围和自然资源等。

该模型中的主体具有主动性、有限理性、交互性和学习能力。首先，成员主体和企业主体有自己的行动目标和行为规则，他们可以寻找生存所需的资源，对周围环境的刺激产生反应，并根据设定的行为规则主动完成任务以获取最大效益。其次，周围环境在不断变化，成员和企业主体不可能了解全局情况，常常被限制在特定的空间和社会关系中，因此，只能获取有限的信息，不可能掌握全局最优的行为策略，只能通过记忆和不断地学习选择当前最优行为策略，有限地处理这些信息，并做出行动。第三，各主体间以及主体和环境之间可以进行物质、能量和信息的交流。同时主体在与环境和其他主体的交互过程中尽可能地根据当前情况获取新信息来调整自己的行动策略，从而做出有利于自身利益的选择。

2 企业组织演化的数学模型

图2 企业组织系统中行为个体的流程图Fig.2 Flow chart of behavior individual in the enterprise organization system

本文的研究是基于Axtell模型的［24］，在Axtell模型中，企业利润的分配方式采用的是平均分配方式，这使得行为个体的收入水平和努力水平相分离，个体效用则是收入与闲暇的函数。Axtell用收入与闲暇来衡量个体的效用水平，他认为个体工作越努力，收入越高，个体效用越高；个体努力程度越低，闲暇越多，效用水平同样也越高。当个体单独工作时，收入多少仅取决于自己的努力水平，当多个个体组成企业时，个体的收入不仅取决于自身的努力水平，还要受其他成员的努力水平的影响。因此，个体可以根据收入—闲暇的偏好和他人的努力水平，调节自身努力程度使收入与闲暇达到一个平衡点，以使自身效用最大化，即是付出最小的努力，得到最多的闲暇，获取最大的效用。在这种情况下，自然就会出现“免费搭乘”的现象，行为个体总能在得到最大效用的同时还能最大限度地享受闲暇，因此，他们的工作积极性不高，这样就会使企业的总产出迅速下滑，行为个体得到的收益也不断下降，最终导致企业成员逐渐脱离企业组织。当行为个体独自成立公司时，收入多少仅取决于自己的努力程度，不存在搭便车倾向，行为个体只会根据自身的收入和闲暇偏好的大小调节其工作的努力程度，以获得最大的效用。当行为个体是企业组织一员时，收入多少不仅取决于个体的努力程度，而且还受其他员工的努力程度的影响。因此个体需根据自己收入和闲暇偏好的大小以及他人的努力程度，调整自己的努力程度，以使自身效用最大化。

企业组织演化的多主体模型在Axtell模型的基础上做了一些改进：首先，作为衡量个体实现最大利润的标准，个体效益不再只是收入与闲暇的函数，而是增加了个体的理想效益。收入与闲暇函数仅用来计算行为个体实际获取的效益——实际效益。其次，模型中成员对不同种类的资源有不同的需求偏好和生产能力。成员的收入——闲暇偏好是内生的、既定的，它代表对资源主体的总的需求偏好，成员可以根据效益自我调整对不同资源的需求偏好和能力。第三，增加了行为个体的工作经验和信任度的设置，从而限制了“免费搭乘”的现象。这意味着每个公司可以解雇或是不雇佣那些低信任度的员工，以免他们提供错误的资源信息导致企业的利益受损。如果一个行为个体为了享受免费搭乘而想要加入某个公司，那么这个公司同样先要考察他的信任度和他的工作经验。如果这个行为个体的信任度低于某个阈值，那么该公司就拒绝雇佣他。反之，如果某个公司的员工发现他在该公司所得的利润少于他所知道的其他公司的利润，他就会申请加入其他公司。如果某个员工的工作经验已经达到阈值，而且他觉得自创公司所得利润高于在当前公司和其他公司的利润，那么该员工会毅然离开该公司而独自开公司。所以每个企业组织中的员工可以根据自己的状态和所获得信息以及周围环境的信息决定自己的去与留，每个企业组织也可根据员工的状态和周围环境的信息决定员工的去与留。

基于上述思想和Axtell的企业模型假定，本文定义了企业组织演化的多主体模型，模型中的多主体赖以生存的环境是一个由网格构成的虚拟空间。网格空间中分布着各种资源主体，成员和企业主体寻找自己需要的资源，从中获取效益。随着成员和企业的对资源需求程度的改变，环境中资源主体也在增加或减少；反过来，环境中资源主体的变化也会影响成员和企业需求的改变。用一个五元组表示企业组织的演化系统：

其中，Ω为探测器从外部环境中所探测到的外部信息，也就是探测到的目标信息集。Σ为行为规则集，主要是定义各主体的行动规则。A为行动结果集，具体实现每个主体所做的具体动作。主体根据所探测到的信息，从执行系统中选择相应的规则进行匹配，执行完匹配的行为规则后产生行为结果。Π为映射，表示主体的决策集，可以写为

其中，Pr为主体的内部状态，也就是属性集，假设在任意一个时刻t，主体通过探测器得到的外部信息是ωt，那么Π的作用就是根据时刻t的外部信息集和主体内部的状态θt，调用规则集中匹配的规则Σ，决策输出当前时刻的动作αt，并改变内部状态Prt+1，即：

MAG为多主体集合，主要有成员主体MA、资源主体RA和企业主体FA。

1）成员主体的属性定义为

其中，（x，y）为成员主体当前所在位置；vis为成员主体的视力范围，假定他能感知到周围8个方向的8个单元内的信息；dir为成员主体移动的方向，可以随机移动或向着目标资源的位置移动；emp为成员主体的工作经验，值越高，表示工作能力越强；con为成员主体的信任度；数组pro和req为成员主体对3种资源的生产能力和需求弹性；θ为成员的工作偏好，也反映了成员对资源的需求度，θ∈［0，1］。e为成员的工作努力水平，是衡量企业效益的一个因素，这里的努力可以看作是劳动者为了某种目标而付出的工作时间或精力，ei∈（0，1）。u为成员主体的个体效益指标，衡量成员获取的效益，如果成员在某个企业组织中获得的效益低于成员单独成立一个企业的效益，则该成员主体就会离开当前所在企业。其值是根据努力水平e计算出来的。firm为成员主体所属的企业组织，初始时，每个成员主体假定自成一个组织。colleague描述与成员主体相关联的其他成员，初始时，每个成员间都是相互孤立的，随着演化的进行，成员主体之间逐渐发生联系；Tmax为成员当前的目标资源，它是成员通过探测周围环境和与其他相关联的成员进行信息交流而获知的资源含量最大的资源主体。

2）资源主体的属性定义为

其中，（x，y）为资源主体当前所在位置。Rid为资源主体的标识，用于区分每个需求资源。kind为资源主体的种类标识，环境中有3种资源，分别用1，2，3表示不同种类的资源主体。Age为该资源主体当前寿命，也就是存活了多长时间，初始值为0。Rcolor为资源主体的颜色，用于在图形中区分需求资源的种类。Labor-Time为资源主体所含的个别劳动时间，初始时刻，每个资源主体的个别劳动时间Nt服从均匀分布U［0，1］。Count为资源主体所含资源的数量（产量）。每个资源主体在出生时，Count均服从均匀分布U［0，Capacity］，演化过程中，每个资源主体所含数量不能超过最大容量capacity，这里假定capacity=50。price为单位资源主体所含的价值量，LastValue为资源主体上一时刻的资源含量。Value为资源主体的资源含量。在时刻t，第j个k种资源的资源总含量Valuekj=pricek＊Countkj。

3）企业主体的属性定义为：FA=〈Fid，Fnum，Fprofit，Fmem〉。其中，Fid为企业组织的标识；Fnum为企业组织中成员的总数，Fprofit为企业的效益指标；Fmem包含了该企业组织所有的成员。

生产函数是研究生产要素的投入与产出之间的相互依存关系，本研究采用单要素生产函数，即只考虑员工的努力水平这一种投入要素O=аE+βE2，其中，а≥0，β≥0。为了模拟方便，取а=β=1，企业总的产出函数O为员工总的努力水平E的函数：

假设每个成员主体对收入和闲暇都具有Cobb-Douglas偏好，行为目的是为了尽量使实际效益Ui和理想效益Vi一致，通过缩小二者的差值获取最大的满足，成员主体的效用函数可以写作式（7）。

其中，Vi为成员主体的理想效益函数，Ui为企业组织中成员主体i的实际效益函数，该效益是在纳什均衡条件下根据柯布道格拉斯偏好函数计算得到的［25］：

为了使自身实际效益Ui最大化，成员主体会根据企业组织中其他人的努力水平来调整自己的工作努力水平［25］，因此，通过对式（8）求导可以计算出企业中成员主体i的最优努力水平。即：

成员主体的理想效益函数Vi则根据成员自身的能力和对环境中资源的需求程度定义：

reqi和proi是数组，reqi为成员主体i对环境中3种资源的需求程度，也就是偏好程度；reqij为成员主体i对第j种资源的需求程度：reqij∈（0，1），（j=1，2，3）。对资源的偏好就是对工作的偏好，因此：θi=reqi1+reqi2+reqi3。θi的值是在初始时刻分配好的，值不变。proi为成员主体对3种资源的工作能力，即完成这3种资源的生产能力。需求偏好和工作能力的设计要求每个成员主体根据当前所得的效益值调节自身对资源的需求程度和工作能力，力求缩短实际效益与理想效益的差距，获得最大满足感。

3 模型的仿真结果分析

基于上述思想，本文利用SWARM平台和JAVA语言实现模型的仿真，观察企业组织中微观个体的行为和企业组织的宏观现象。采用的方案如下：首先在计算机环境中产生各种主体，假定成员主体和需求资源主体随机分布在一个60×60的正方形虚拟空间内；每个需求资源主体随机分配初始资源含量代表资源的存在，成员主体的视力设定为3。初始时，每个成员主体都处于独立工作状态，自成一个企业组织，他们为了获取最大效用，寻找资源含量最大的资源主体为自己和企业主体创造效益。同时，成员主体之间、成员主体和资源主体之间、成员主体和企业主体之间、企业主体与资源主体之间按照一定的规则彼此相互作用，相互影响。随着时间的变化，企业组织的各种行为特征就会在演化过程中逐渐涌现出来。

整个企业组织系统仿真主要由5部分组成：SingleAgent，Firm，Task，VirtualFirmModelSwarm和VirtualFirmObserverSwarm。其中SingleAgent实现成员主体的属性和具体的行为，Firm实现企业组织的属性和基本行为，Task是需求资源主体的定义。VirtualFirmModelSwarm实现行为规则和行动结果。设定资源主体数量为800，成员主体数量为50，根据成员主体的行为规则知道，成员主体无论是加入企业组织还是退出企业组织，都是以追求最大效益为目标，因此在仿真过程中，企业从最开始的彼此独立的50个，随着仿真周期的变化按照线性关系逐渐递减，从图3a看到企业从最初的50个呈负指数函数逐渐递减。另外，企业中的成员也随着成员主体的行为在不断变化（其中，把那些失去信任度的成员主体假定死亡，意味着没有任何组合需要该成员，并且成员自身也没有自成企业组织的能力），如图3b所示，此时仿真周期为119时，成员主体数量是46，资源主体数量是249，企业的数量为12，从图中看到很多企业组织已经消亡，只有少数几个企业依然存在，这说明资源的存在加剧了企业的竞争，导致企业数目迅速递减，图3c具体给出了各企业组织规模的变化情况，有些企业组织随着人员的增加，逐渐成长、繁荣，有些企业组织则随着成员的退出逐渐衰落，甚至消失。企业规模的变化受成员主体的决策的影响，而成员主体的决策又受企业利益的影响，二者是相互影响的，图3d显示的就是各个企业组织的收益变化情况：首先随着企业组织规模的增大，企业的整体利益也在增大，此时企业的整体利益与成员人数成正比，企业的规模越大越好，体现了规模经济现象。而当企业组织发展到一定规模（人数）后，整体利益又随着人数的继续增加反而停滞或减少，也就是规模不经济现象。这说明这个规模是该组织的最佳规模，当超过最佳规模后，规模的扩大就会直接影响组织的利益和组织中个体的利益，如果要想组织的整体利益不随着规模的扩大而缩减，就必须调整内部结构（这里，实验还暂时没有添加这些内部因素）。当出现规模不经济现象后，成员主体自身的利益也会逐渐减少，为此成员就会重新选择新的企业，最终导致企业规模的缩减。

图3 企业组织生长演化过程图Fig.3 Growth and evolution process of enterprise organizations

图3a～d验证了企业组织系统本身就是一个类似于自然生态系统的类生命体系统，同样会经历形成、成长、成熟和衰退的过程［26］。另外也说明企业组织中成员主体的数量和质量在各阶段都不相同，数量的变化是由少到多，然后稳定，当企业衰退时，又由多变少。成员的质量则在企业组织的发展过程中逐步提高，直至企业衰退。每个企业组织在各阶段发展经历的时间长短不一样，也就是说其生命周期是不相同的，其长短主要取决于企业的收入和周围的环境，有的企业组织规模增大，发展也趋于稳定、成员的质量也比较高，而有的企业在短短的时间内就经历了形成、发展和死亡，规模变化骤升骤降。

需求资源的加入使企业组织演化理论的发展超越了随机演化来探索企业的多样化和选择的解释，也进一步促进了资源理论［27］。由于需求资源的存在，导致主体之间和企业组织之间的竞争比较激烈，企业组织系统的变化也比较快，竞争力越强的，得到的资源越多，主体得到的利润越大，企业组织也就发展越快；竞争力弱的企业组织收入则会越来越小，规模也越来越小。当需求资源全部被消灭后，企业组织的规模及收入的变化逐渐趋于缓和，波动减小，趋向于饱和状态，如图4a和b所示，成员主体获取的效益也趋于稳定，理想效益与实际效益的差距逐渐减小，如图4c和d所示（此时仿真周期为897，成员主体的数量为39，企业组织数量为2）。

图4 需求资源消灭后的企业组织生长演化过程图Fig.4 Growth and evolution process of enterprise organizations when resources were eliminated completely

仿真结果表明企业组织系统是一个动态演化的过程，无论是行为个体还是企业组织系统都表现出很强的自我学习、自我适应和自组织等特征，这些特征增强了企业组织适应环境的能力。从CAS角度来看，企业组织演化的多主体模型验证了微观个体对企业组织宏观现象的影响，正是微观层次上的行为个体之间的协作和竞争共同决定了宏观层次上的企业组织演化的多样性。企业组织规模和利益的变化受行为个体决策的影响，行为个体的决策也受企业组织整体利益的制约，二者相互促进和相互制约。从经济角度来看，企业组织演化的多主体模型的仿真说明企业组织要想适应生存和发展，必须充分发挥企业成员的主动性和能动性，创造机会使个体的适应性行为最终涌现为企业组织的适应能力，这样企业组织才能提高竞争力，才能在日趋激烈的竞争环境中实现可持续发展。

4 结论

本文在组织行为学、复杂系统与复杂性科学研究成果的基础上，把企业组织系统当作一个复杂适应系统进行研究，从CAS的角度对企业组织系统的复杂适应特性进行分析，并对企业所需资源进行分类，运用基于主体的建模与仿真方法，提出了企业组织演化的多主体模型，模拟在动态环境下企业组织的形成、生长和发展等过程，初步探讨了行为个体和需求资源之间、行为个体和企业组织之间的运行机制以及行为个体之间的交互行为等复杂适应性行为，分析了行为个体、企业组织和需求资源之间的相互联系和相互作用。实验结果表明：

1）企业中成员选择的努力水平是理性的，为使自身效用最大化，成员选择合适的努力水平，同时调整对各种需求资源的生产能力和需求弹性，以保证理想与现实不会相差太远。

2）需求资源是行为个体做出行为选择的动力，也是促使企业组织发展的根源。需求资源的存在和数量直接影响了行为个体之间的协作和竞争，进而影响了企业组织的发展。

3）企业要想生存和发展，就必须进行扩张，取得规模经济效益，但企业并不是越大越有效益，企业规模的扩张是存在极限的，超过这个极限，就会导致企业效益的下降。可见，企业的规模扩张是规模经济的结果和表现。

这一研究有助于深入认识企业组织的本质及其发展规律，进一步探索企业的多样化发展，更有利于企业组织的管理层了解和管理自己的员工，对其行为做出准确的判断，并加以管理，对提高企业组织的适应性和竞争力有指导意义。

未来的研究工作是在该模型的基础上运用遗传算法实现需求资源的进化，深入探索企业成员在需求资源不断更新的情况下如何主动适应新环境的改变，如何搜索满意的行为规则，企业组织的利益和规模又会产生怎样的变化。

［1］欧阳莹之.复杂系统理论基础［M］.上海：上海科技教育出版社，2002：181.

［2］Janssen M A，Ostrom E.Empirically based，agent-based models［J］.Ecology and Society，2006，11（2）：37-49.

［3］金士尧，任传俊，黄红兵.复杂系统涌现与基于整体论的多智能体分析［J］.计算机工程与科学，2010，32（3）：1-6.

Jin Shiyao，Ren Chuanjun，Huang Hongbing.Emergence of complex systems and the multi-agent analysis based on holism［J］.Computer Engineering &Science，2010，32（3）：1-6.

［4］Thomas C.Shelling.Dynamic models of segregation［J］.Journal of Mathematical Sociology，1971，1：143-186.

［5］Gilbert N，Terna P.How to build and use agent-based models in social science［J］Mind &Society，2000，1（1）：57-72.

［6］James H F，Oleg S.Dynamic parties and social turnout：an agent-based model［J］.American Journal of Sociology，2005，110（4）：1070-1094.

［7］Janssen M A，Barton C M，Alessa L N，et al.Towards a community framework for agent-based modeling［J］.Journal of Artificial Societies and Social Simulation，2008，11（2）：6.

［8］Radtke N P，Janssen M A，Collofello J.What makes free/libre open source software（FLOSS）projects successful？an agent-based model of FLOSS projects［J］.International Journal of Open Source Software and Processes，2009，1（2）：1-13.

［9］Axelrod R.The Evolution of Cooperation［M］.New York：Basic Books，1984.

［10］Epstein J M，Axtell R.Growing Artificial Societies：the Social Science From Bottom Up［M］.Cambridge，Massachusetts：MIT Press，1996.

［11］Arthur W B，Holland J H，Le Baron B，et al.Asset pricing under endogenous expectations［D］.Santa Fe N M：Santa Fe Institute Paper，1996.

［12］Basu N，Pryor J，Quint T，et al.Aspen：a microsimulation model of the economy［R］.Albuquerque N M：Sandia National Laboratories，1996.

［13］Janssen M A，Ostrom E.Adoption of a new regulation for the governance of common-pool resources by a heterogeneous population［M］∥Baland J-M，Bardhan P，Bowles S.Inequality，Cooperation and Environmental Sustainability，Princeton，NJ：Princeton University Press，2006：60-96.

［14］黄璜.基于社会资本的合作演化研究——“基于主体建模”方法的博弈推演［J］.中国软科学，2010（9）：173-184.

Huang Huang.Cooperative evolution based on social capital：a simulation using agent-based modeling［J］.China Soft Sci-ence，2010（9）：173-184.

［15］邵艳华，张明生.一类复杂适应系统的建模研究［J］.计算机工程.2012，38（1）：253-255.

Shao Yanhua，Zhang Mingsheng.Research on a class of complex adaptive system modeling［J］.Computer Engineering，2012，38（1）：253-255.

［16］姜鑫，刘新建，陈超.基于多主体影响图及博弈论的军事决策建模［J］.系统工程与电子技术，2011，33（7）：139-143.

Jiang Xin，Liu Xinjian，Chen Chao.Modeling of military decision-making based on multi-agent influence diagrams and games［J］.Systems Engineering and Electronics，2011，33（7）：139-143.

［17］冯强，曾声奎，康锐.基于多主体的舰载机综合保障过程建模方法［J］.系统工程与电子技术，2010，32（1）：211-216.

Feng Qiang，Zeng Shengkui，Kang Rui.Multiagent-based modeling method for integrated logistic support of the carrier aircraft［J］.Systems Engineering and Electronics，2010，32（1）：211-216.

［18］温德尔L弗伦奇，小塞西尔H贝尔，罗伯特A扎瓦茨基.组织发展与转型-有效的变革管理［M］.阎海峰，秦一琼.北京：机械工业出版社，2006.

［19］Rybakov L A.Environment and complexity of organizations［J］.Emergence，2001，3（4）：83-94.

［20］Scott W R.Organizations：Rational，Natural，and Open Systems［M］.5th.New Jersey：Prentice Hall，2003.

［21］陈禹.复杂适应系统（CAS）理论及其应用——由来、内容与启示［J］.系统辩证学学报，2001，9（4）：31-39.

Chen Yu.Complex adaptive system theory and its application：foundation，contents and implication［J］.Journal of Systemimc Dialectics，2001，9（4）：31-39.

［22］时振涛，曾建潮.组织行为演化的多主体模型［J］.中南大学学报（自然科学版），2011，42（增刊1）：853-858.

Shi Zhentao，Zeng Jianchao.Multi-agent model of organizational behavior evolution［J］.Journal of Central South University（Science and Technology），2011，42（suppl.1）：853-858.

［23］拉尔夫D斯泰西.组织中的复杂性与创造性［M］.宋学锋，曹庆仁，译.成都：四川人民出版社，2000.

［24］Axtell R.The emergence of firms in a population of agents：local increasing returns to scale，unstable nash equilibria，and power law size distributions［R］.Washington D C：The Brookings Institution，1999.

［25］Axtell R.Non-cooperative dynamics of multi-agent teams［C］//Proceedings of the International Conference on Autonomous Agents and Multi-Agent Systems.2002：1082-1089.

［26］Moore J F.Predators and Prey：a New Ecology of Competition［M］.United States：Harvard Business Review，1993.

［27］Nelson R R.Why do firms differ，and how does it matter？［J］.Strategic Management Journal，1991，12：61-74.

Multi-Agent Modeling and Simulation of Enterprise Organization Evolution

SHI Zhen-tao1，2，ZENG Jian-chao2
（1.College of Electrical and Information Engineering，Lanzhou University of Technology，Lanzhou 730050，China；2.Complex System and Computational Intelligence Laboratory，Taiyuan University of Science and Technology，Taiyuan 030024，China）

In order to explore how the macro enterprise organization evolution process emerged from the non-linear interaction of enterprise members and demand resources，with complex adaptive system theory，this paper analyzed the complex adaptive characteristics of enterprise organization growth evolution，regarded the individual behavior as key point，and established multiagent model of enterprise organization evolution by applying multi-agent-based modeling.Then，the enterprise organization growth evolution model was simulated on SWARM platform，which showed the interaction and influence of the behavior individual，enterprise and environmental.The simulation results show that it is the initiative and adaptability of the micro individual that lead to the enterprise organization complex behaviors such as the formation，the prosperity and the decline and so on，it also further demonstrate that the application of the agent-based modeling in enterprise organization system has guidance function with real significance for improving the adaptability and competitiveness of the enterprise organization.

complex adaptive system theory；enterprise organization evolution；multi-agent-based modeling；behavior individual

N941.4

A

1672-3813（2013）02-0020-10

2012-09-02

国家青年科学基金（61003053）；山西省自然科学基金（2011011012-1）

时振涛（1974-），女，山西省原平人，博士研究生，讲师，主要研究方向为复杂适应系统和复杂网络。

（责任编辑 李进）