市场导向下多Agent协同创新的动态扩散与演化

李斌 李雪 杜斌

摘要：基于复杂网络视角，拓展了市场导向这一理论在中观层面的实践，构建了市场导向下多Agent协同创新网络模型，分析了相关的动态扩散与演化特征，并运用属性嵌入式模拟仿真对复杂网络分析法加以改进。研究表明：少量的用户需求识别，更有利于发挥市场导向对多Agent协同创新的驱动效应；竞争驱动导向与多Agent协同创新效率存在明显的正相关关系；职能协同导向与多Agent协同创新效率呈“U型”关系，且中等水平的职能协同对多Agent协同创新效率提升最显著。

关键词：市场导向；多Agent；协同创新；动态扩散与演化；复杂网络

DOI：10.13956/j.ss.1001-8409.2017.06.05

中图分类号：F204 文献标识码：A 文章编号：1001-8409（2017）06-0019-05

The Dynamic Diffusion and Evolution of Multiagent

Collaboration Innovation Based on Market Orientation

——A Perspective of Complex Networks

LI Bin1，LI Xue1，DU Bin2

（1. School of International Business， Shaanxi Normal University， Xian 710062；

2. School of International Economics and Trade， Lanzhou University of Finance and Economics， Lanzhou 730000）

Abstract： In this paper， the practice of marketorientation conception is widening from medium level based on the complex networks perspective， the multiagent collaboration network model with market orientation driving is being built， the dynamic diffusion and evolution characteristics are being described， and the methodology of complex networks is also improved by attribution embedding. The results are following： the driving effect of low level consumer needs recognition is the more obvious； there is positive correlative relationship between competition driving and multiagent collaboration innovation efficiency； the evolution trend of multiple collaborating and multiagent collaboration innovation efficiency shows as U type and the promote effects of medium level multiple collaborating are more remarkable.

Key words：market orientation； multiagent； collaboration innovation； dynamic diffusion and evolution； complex networks

随着技术变迁呈高度动态性、复杂性以及间断性平衡特征，以多Agent联盟为代表的创新网络已成为当前技术创新的主要形式[1]。通过多主体职能协同、多属性链接机制对接，使我国技术创新水平有了大幅提升，但结合市场的科技成果转化能力亟待加强。截止2014年，国家科技成果转化统计结果显示：682%的课题核心成果含有创新性技术，572%的包括知识性成果，其中未能有效转化的课题共4906个（总数 9302个），占527%。究其原因，市场应用价值较低、市场非良性竞争、市场推广力不足等方面所占的比例达469%[2]，即用户需求目标不明确、竞争驱动表达不充分、职能协同程度不合理。

市场导向是指以用户需求为基础，基于组织理解能力，进行部门资源的集成与整合，塑造核心竞争优势的企业行为[3]。基于市场导向对多Agent协同创新过程的有效反馈不足，导致科技成果转化能力较低，明确嵌入市场导向的多Agent协同创新行为所具有的作用特点、市场导向驱动作用和多Agent协同创新有机结合的作用路径，都对市场导向理论在中观层面拓展提出了新的发展诉求。

1文献述评

Kohli和Jaworski以及Narver和Slater将市场导向定义为市场信息化的编译、从用户需求、竞争驱动和职能协同三个方面的传播和反应[4]。市场导向从概念上更强调作用主体的自适应性网络特征，从而实现技术创新过程的有效互补[5]。用户需求导向层面，Chris等从组织战略角度验证了用户需求和偏好对组织活动实现市场价值的重要性，认为用户需求能间接激励技术创新[6]。竞争驱动导向层面，Kenneth等提出参与者行为影响和市场结构价值调整是形成竞争优势的主要基础[7]。职能协同导向层面，Clay Dibrell等从主体内部角度认为职能协同强调借助多维整合资源优势、跨组织學习以满足市场需求，这和技术创新长期利润的最大化关系密切[8]。

市场导向与多Agent协同创新的作用关系，从宏观层面看，市场导向是优化多Agent协同创新资源配置的基本前提，叶红玉指出加强市场需求和国家战略需求的导向作用，能推动科技资源配置的竞争性市场机制转变，达到科技资源配置效率最大化的目标[9]。从微观层面看，市场导向能集成需求空间，实现多Agent协同创新过程的自组织优化。何小洲等研究表明，市场导向与创造力的效用性和新奇性存在明显的正相关关系，从而对新产品开发绩效产生显著影响[10]，从而实现多Agent协同创新的驱动能力，李斌等以高新区为例，分析得出市场导向对技术创新能力提升的平均增长率为2%[11]。

关于多Agent协同创新的作用机理，潘东华等指出多Agent技术创新联盟的知识转移行为是动态变化的，以联盟形式的知识结合是完成创新活动的重要前提[12]，强调了动态性；曹霞等认为多Agent建模理论具有智能化程度高、学习能力强、逻辑思维清晰等特征，与复杂网络理论结合能充分表达作用机理与演化趋势，在仿真领域具有前沿性和优越性[13]，强调了复杂网络特性；王雪原认为多Agent协同是不同主体属性、通过资源流动的协调与矛盾、辅助以合作的内容与形式，实现创新驱动的作用集合[14]，强调了主体多元性。

综上所述，已有研究较为系统地剖析了多Agent协同创新的作用机理、市场导向的理论概念与作用维度、以及多Agent协同创新和市场导向的相互关系。但将市场导向这一理论概念从中观层面上拓展，结合多Agent协同创新过程，分析市场导向的影响效应方面还存在研究空间。基于此，本文将从以下几个层面展开探讨：①基于复杂网络视角，揭示多Agent协同创新过程的动态扩散和演化特征；②结合市场导向概念界定，函数化市场导向在中观层面的作用路径；③将市场导向不同维度的作用路径嵌入到多Agent协同创新的复杂网络模型中，分析市场导向对多Agent协同创新驱动能力的影响机制，以期为我国充分发挥市场导向对技术创新的驱动效应提供参考。

2模型构建

21多Agent协同创新网络描述与度量

Watts和Strogatz于1998年提出基于复杂网络的小世界模型，大量现实复杂网络现象的学术研究说明了小世界网络模型应用的普适性与分析优势[15]。因此本文采用小世界网络WS模型作为多Agent协同创新网络的基础，展开动态扩散与演化过程分析。

211多Agent协同创新网络构建

多Agent协同创新网络可以看作是有限数量的高校、科研机构、企业等构成的网络集合，其中政府和中介机构作为网络环境变量不列入考虑范围，市场设定为外生变量。利用节点代表网络主体，记作Vm={1，2，3，…，n}。根据知识主体和技术主体的网络职能划分，m={m=0|高校或科研院所，m=1|企业}。利用节点之间连边与否刻画多主体协同关系，记作G={gij=0|无协同关系， gij=1|有协同关系}。从而完成多Agent协同创新网络的构建，即={Vm， G}。其中每个节点随机具有一定的知识/技术势能，记作ωi。假设势能值越高，节点创新能力越强。根据多Agent协同创新网络的构建过程，其结构如图1所示。

212多Agent协同创新网络演化过程描述

多Agent协同创新网络行为由同质主体动态扩散和异质主体动态扩散等过程组成，动态扩散的网络演化行为参照了《小世界特性的创新孵化网络知识转移模型及仿真研究》中主体间知识转移模型，其演化机制可以刻画为：

（1）同质主体之间的协同行为：即节点i的直接关联方j={1，2，…，n|（j≠i）&（mj=mi）}时，其函数式如下所示。其中V i，m表示节点i、类型为m时，在t+1期的知识/技术势能值。网络中节点间的协同效率受节点最短路径dij的影响，因此引入距离衰减系数σ（0<σ<1），若σdij表示的最短路径越小，关系双方就越了解[16]，创新效率就越好。网络协同效率α是考虑了主体学习能力、主体间信任关系、合作成功概率等多方面因素的综合因子α（0<α<1），异质主体中的网络协同效率与此处含义相同。

Vi，t+1=Vi，t+σdij×α×（Vj，t-Vi，t），若 Vj，t>Vi，t

Vi，t+1=Vi，t，若 Vj，t

（2）异质主体之间的协同行为：即节点i的直接关联方j={1，2，…，n|（j≠i）&（mj≠mi）}时，其函数式如下所示。V i，m与dij表达意义与前文相同。考虑到异质主体协同行为的创新集成存在转化过程，因此引入异质协同效度pij（0

Vi，t+1=Vi，t+Pij×σdij×α×（Vj，t-Vi，t），若 Vj，t>Vi，tVi，t+1=Vi，t，若 Vj，t

213多Agent协同创新网络绩效度量

假设多Agent协同创新网络创新效率收益（R）与网络总知识势能（ωK）和总技术势能（ωT）的关系符合柯布-道格拉斯生产函数，其中总知识势能和总技术势能对于创新效率收益的边际规模效应相等，可得式（3）。总知识势能是网络知识主体势能加总，主要包括高校和科研院所，故m=0；同理，总技术势能是网络技术主体势能加总，主要为企业m=1，可得式（4）与式（5）。

R=2ωK×ωT（3）

ωk=∑n′1ωim=0（4）

ωT=∑n′1ωim=1（5）

多Agent协同创新网络扩散的成本包括不变成本和可变成本。不变成本主要用于网络构建与维护，记为C0；可变成本包括同质主体间网络扩散成本（C1）和异质主体间网络扩散成本（C2）构成，同质主体间网络扩散成本仅与网络路径长度有关，异质主体间扩散成本還涉及主体协同效度，c（0

C1=C×∑n′1dijm=0（6）

C2=C×∑n′1dijpijm=1（7）

将式（4）、式（5）代入式（3），与式（6）、式（7）合并便可以得到多Agent协同创新的绩效度量：

π=R-C0-（C1+C2）（8）

22市场导向作用路径与假设

用户需求导向可定义为不同主体对市场用户需求信号进行捕捉和识别后，调整资源配置以提升创新势能，通过网络扩散产生溢出的协同行为。这一过程具有明显的动态特征：当只有少数网络主体对用户需求信号进行有效识别，此部分主体因充分发挥了市场引领作用，获得超额创新利润；随着扩散过程不断加深，网络协同使得更多主体成功捕捉用户需求，个体创新利润实现分摊；实现大量主体对用户需求信号的普遍认识，最大限度地发挥市场导向对于多Agent协同创新网络的正向激励，个体创新利润水平均实现小幅提升。因此可以假设一定比例（ε1）的网络节点，在需求导向识别后，主体知识/技术势能按比例（ε2）提升，通过扩散绩效的作用趋势，观察用户需求维度的多Agent协同网络演化特性。

假设1：适量的用户需求导向对多Agent协同创新效率具有正向驱动作用。

竞争驱动导向是指作用主体之间通过核心竞争力占领创新制高点，获得超额创新收益的行为。结合本文的网络模型，假设单个节点知识/技术势能值越高，该节点的创新竞争能力越强。本文将“知识/技术势能是否处于高位”作为网络主体竞争优势强弱的标准，设定不同比例覆盖区间对其进行正向激励，即竞争优势越强的作用主体，创新资源配置后的导向驱动作用越明显。因此可用单个节点知识/技术势能值在对应主体类型势能极大值的所处范围（ω/maxω）和创新收益的超额比例（μ），刻画竞争驱动维度下多Agent协同网络的演化特性。

假设2：竞争驱动导向与多Agent协同创新效率呈正相关关系。

职能协同导向是指多主体基于网络拓扑结构的合作关系，实现优势互補和资源共享，产生创新驱动的作用。但职能协同导向作用效果具有两面性，作用初期合作成本、关系成本及相关风险会随着协同程度而增加，但随着主体协同默契的建立，便可以通过主体优势互补与合作提升创新能力，即阻碍和促进效果呈现双向特征。小世界网络模型中，K值作为结构维度的主要度量，指网络构建时每个节点的直接关联节点的平均个数，即K值越大，单个节点与其他节点的直接关联比例越高，网络整体协同度越大。可以通过K值的调整，观察主体职能协同维度的多Agent协同网络演化特性。

假设3：职能协同导向与多Agent协同创新效率之间呈“U型”作用关系。

3仿真分析

多Agent协同创新过程以小世界模型为网络特征，设定产学研协同主体数量N=50，其中知识主体和技术主体数量按照P=03的分配比例随机产生，假设网络主体全部都为独立类型，不存在既是知识主体又是技术主体的情况。单个主体的知识/技术势能服从（0，100）的随机分布，初期模拟选择K=3的直接关联节点平均数量发生网络协同创新扩散行为，模拟周期设定为T=200期。

31多Agent协同创新的动态扩散与演化情况

未嵌入市场导向的多Agent协同创新网络，以产学研作用主体的直接关联情况和主体间势能差距为基础进行有效协同，从而提升整个网络的创新效率。其本质在于同质主体和异质主体以协同网络为载体，进行创新资源转移和创新过程对接。图2显示了网络整体创新收益的动态演化（a）， 以及网络节点知识/技术势能的扩散趋势（b）。多Agent协同创新过程初期，因为节点势能差距和关联情况的综合作用，创新资源在主体间发生深度转移，知识链和技术链实现无缝对接，网络创新收益水平从原来的低位大幅跃迁至高位，处于低位节点的势能值扩散效率较为明显。随着协同创新扩散过程不断深入，整体创新收益水平增速逐渐变缓，节点间势能值进一步趋同，网络主体协同效率将逼近新的均衡状态。

32市场导向对多Agent协同创新的网络影响效应

市场导向是通过需求和供给关系，对技术创新过程的引导作用。按照概念内涵，作用路径涉及用户需求导向、竞争驱动导向以及职能协同导向三个维度。市场导向并不直接作用于多Agent协同创新过程，而是利用以上三个维度的作用路径产生导向性激励，影响创新效率。

321用户需求导向影响的动态趋势

多Agent协同创新网络主体对用户需求信号进行捕捉和识别后，利用创新资源获取创新收益。本文通过设定用户需求信号识别主体数量占比{03，05，07}和用户需求识别主体知识/技术势能提升比率{07，05，03}两个维度，双向组合刻画网络动态扩散过程。为了更明确表示用户需求导向对于整体创新收益水平影响的差异，将对不同组合下创新收益水平作差进行对比分析，如图3所示。“少量网络主体用户需求识别+超额创新收益（LH）”“中等数量网络主体用户需求识别+中等创新收益水平（MM）”的情况明显优于“大量网络主体用户需求识别+较低创新收益（HL）”的情况，其中LH比MM、HL作用优势更为显著，且两者的演化趋势基本保持平行。即少量网络主体识别用户需求并获取超额创新收益，能产生明显的引领作用。通过多Agent协同创新网络进行创新扩散，更充分表达市场通过用户信息传递对技术创新成果转化的正向促进。过量主体的需求跟随不但增加了主体间用户需求表达的趋同性，同时也增加了竞争强度带来的风险与成本。DT=160～200期时，虽然高用户需求识别量MM-HL超过了低用户需求识别量LH-MM的创新收益水平，但这仅是因为用户需求价值在主体量上的增益，并不是用户需求导向提供的驱动作用。

结论1：少量的网络主体用户需求识别，更有利于发挥用户需求导向的多Agent协同创新网络驱动效应。

322竞争驱动导向影响的动态趋势

通过设定具有竞争优势作用主体的覆盖比例为{5%，10%，15%}，分别强化节点知识/技术势能，观察竞争驱动导向作用对多Agent协同网络创新收益的影响。为了更加明显地表示竞争驱动作用对多Agent协同行为影响效率的大小，通过作差对不同覆盖比例的竞争驱动导向差异性进行分析，如图4所示。竞争驱动导向作用与市场对多Agent协同创新网络的驱动效应具有正相关关系，且随着竞争优势的网络节点覆盖比例增加，多Agent协同网络创新收益的提升效果更显著。当竞争优势覆盖区间从知识/技术势能处于前5%调整为10%时，网络扩散前期整体创新收益小幅提升，随着扩散行为深入整体创新收益的提升程度进一步加强，10%～5%覆盖区间的差异程度处于低位。当竞争优势覆盖区间调整为知识/技术势能处于前15%的网络节点时，网络整体创新收益大幅提升，15%～10%的差异程度具有明显的线性特征，且与10%～5%覆盖区间相比提升程度显著。15%～5%之间的差异化程度最为显著，有效地说明了竞争驱动导向作用与多Agent协同网络创新收益的正相关特征。由此可见，加强多Agent协同创新网络的主体竞争机制，能够实现创新资源在网络主体间的优化配置，也能够通过扩散过程提升对整体网络创新收益的驱动效率。

结论2：竞争驱动导向作用越强，市场对于多Agent协同创新网络的驱动效应越明显。

323职能协同导向影响的动态趋势

职能协同导向作用是基于多主体资源和优势整合，K值为网络平均度，是网络所有主体的度的平均值，可以作为网络主体间合作关系的度量[17]，主体异质性由网络节点性质（m=0||m=1）随机分布确定。因此，本文将K值作为协同程度系数，衡量职能协同导向作用，取值范围分别设定为{3，5，7}，展开网络动态扩散效率分析。网络整体创新收益差异性仿真结果如图5所示，增加网络节点直接关联的主体数量时，伴随有较为明显的创新绩效下行趋势，即仿真初期表现为创新效率的正向推动作用；随着主体职能协同程度的增加，成本与风险增加、合作关系构建及协同行为磨合等阻碍作用逐渐增强，网络整体创新收益出现下行趋势；在触底反弹后，主体职能协同的作用优势逐渐明显，网络整体创新收益水平不断提升，并最终达到最大值，呈现高位跃迁的稳态趋势。由此可见，多Agent职能协同程度并不是越大越好，具有二次型函数特征，较低水平的主体职能协同，不能充分实现主体职能对接后的优势整合；过多的主体协同会使得合作成本与风险大幅提升，对正向推动作用有明显的挤出效应；中等水平的主体职能协同更有利于发挥多Agent协同创新的驱动效应。

结论3：职能协同导向与多Agent协同创新效率之间呈“U型”作用关系。中等水平的职能协同程度更有利于发挥职能协同导向的多Agent协同创新网络驱动效应。

4结论与建议

本文基于复杂网络视角，动态分析了市场导向下多Agent协同创新扩散与演化特征，主要贡献在于：①对市场导向这一理论概念从“微观层面的企业行为”拓展到“中观层面的多主体协同创新”上。②对复杂网络分析法加以改进，从以往根据扩散过程分析影响机理拓展为调整网络基本属性产生影响激励，进行模拟仿真。这样既能够避免扩散过程改变造成的动态误差，也能加强外部激励与网络行为的融合性。主要结论如下：

（1）少量的用户需求识别更能充分发挥市场导向对多Agent协同创新的驱动效应。将用户需求和多Agent协同创新行为有机结合，既能明确技术创新从初始目标确定、资源优化配置，也能降低多Agent协同创新过程的试错风险，即强化需求与供给的过程匹配度，提升协同创新的成果转化能力。但过分追求用户需求的满足，会因为市场需求的差异性，使得技术创新的目标导向过于分散，弱化多Agent优势整合带来的正向驱动效应。

（2）竞争驱动导向作用与多Agent协同创新的驱动效应呈现明显的正相关关系。竞争驱动导向结合复杂网络作用平台，充分强调了领先主体的示范效应和辐射效应，对于“推动创新资源的优化配置”“借助网络主体竞争产生创新驱动力”有积极的正向推动。基于复杂网络的多Agent协同创新竞争导向激励，不单纯是单个主體间的竞争行为，还表现为主体协同关系基础上的动态竞争，从市场导向的角度诠释了协同创新的基本内涵——竞争与合作。

（3）职能协同导向与多Agent协同创新效率之间呈“U型”作用关系。当网络主体间的职能协同程度逐步加深时，多Agent协同创新效率的演化趋势基本都呈现“正向优势—整体下行—效率回升—稳态跃迁”的特征。职能协同初期因为多主体优势整合表现出相应的正向优势，但随着主体职能协同加深，关系成本与合作风险等阻碍了正向优势的发挥。由此可见，中等水平的职能协同程度更有利于发挥职能协同导向对多Agent协同创新行为的驱动效应，也能有效控制职能协同导向对整体网络创新效率带来的负面冲击。

本研究尚存在以下局限性：如考虑网络结构动态调整时，市场导向下多Agent协同创新的演化特征还有待继续深入。

参考文献：

[1]赵良杰，宋波. 联盟网络结构和技术互依性对双元型技术联盟网络创新绩效的影响[J]. 管理学报， 2015 （4）： 558-564.

[2]科学技术部创新发展司. 科技统计报告[R]. 2016.3.

[3]Saeed Najafi-Tavani， Hossein Sharifi， Zhaleh Najafi-Tavani. Market Orientation， Marketing Capability， and New Product Performance： The Moderating Role of Absorptive Capacity[J]. Journal of Business Research， 2016 （11）： 5059- 5064.

[4]Stanley F Slater， John C Narver. The Positive Effect of a Market Orientation on Business Profitability： A Balanced Replication[J]. Journal of Business Research， 2000 （4）： 69-73.

[5]Nathaniel Boso， Vicky M Story， John W Cadogan. Entrepreneurial Orientation， Market Orientation， Network Ties， and Performance： Study of Entrepreneurial Firms in a Developing Economy[J]. Journal of Business Venturing， 2013 （11）： 708-727.

[6]Qiang Wang， Xiande Zhao， Chris Voss. Customer Orientation and Innovation： A Comparative Study of Manufacturing and Service Firms[J]. Int J Production Economics， 2016 （9）： 221-230.

[7]Yen Chun Chen， Po Chien Li， Kenneth R Evans. Effects of Interaction and Entrepreneurial Orientation on Organizational Performance： Insights into Market Driven and Market Driving[J]. Industrial Marketing Management， 2012（2）： 1019-1034.

[8]Clay Dibrell， Justin B Craig， Eric N Hansen. How Managerial Attitudes toward the Natural Environment Affect Market Orientation and Innovation[J]. Journal of Business Research， 2011（10）： 401-407.

[9]叶红玉. 提升我国科技创新的绩效水平[J]. 宏观经济管理， 2014（11）： 70-73.

[10]何小洲，熊娟. 市场导向、创造力与新产品开发绩效关系研究[J]. 软科学， 2012（5）： 20-26.

[11]李斌，杜斌，王平. 市场导向对国家高新区技术创新的影响机制[J]. 经济与管理研究， 2016（10）： 73-81.

[12]潘东华，彭凡. 基于多Agent建模的技術创新联盟知识转移研究[J]. 图书情报工作， 2015（8）： 72-77.

[13]曹霞，刘国巍. 产学研合作创新网络规模、连接机制与创新绩效的关系研究——基于多主体仿真和动态系统论视角[J]. 运筹与管理， 2015（2）： 246-254.

[14]王雪原，王宏起，孙晓宇.多主体视角下创新平台绩效评价指标体系设计[J].科学学与科学技术管理，2011（7）：38-43.

[15]Francesc Comellas， Javier Ozón， Joseph G Peters. Deterministic Small-world Communication Networks[J]. Information Processing Letters， 2000（1）： 83-90.

[16]王国红，周建林，唐丽艳. 小世界特性的创新孵化网络知识转移模型及仿真研究[J]. 科学学与科学技术管理， 2014（5）： 53-63.

[17]黄玮强，庄新田，姚爽. 基于创新合作网络的产业集群知识扩散研究[J]. 管理科学， 2012（4）： 13-23.

（责任编辑：张勇）