基于多主體技術(shù)的縱向研發(fā)聯(lián)盟仿真

邱 釗

(海南大學 信息科學技術(shù)學院，海南 ?？?570100)

全球競爭加劇迫使企業(yè)不斷追求創(chuàng)新，產(chǎn)品研發(fā)活動不再局限于制造商內(nèi)部，而且擴展到外部供應體系，并逐步形成縱向研發(fā)聯(lián)盟.國內(nèi)外諸多學者將縱向研發(fā)聯(lián)盟視為日本企業(yè)“縮短產(chǎn)品開發(fā)時間的核心技術(shù)”[1].豐田汽車的成本優(yōu)勢來自于其獨特的精益生產(chǎn)管理模式，但其之所以能做到精益生產(chǎn)，跟豐田公司與供應商的合作是分不開的.然而，近期頻繁爆發(fā)的豐田召回事件，從“車窗門”到“爬坡門”，再到“踏板門”和“剎車門”，卻使得曾被業(yè)界頂禮膜拜的日本縱向聯(lián)盟體系成為豐田的質(zhì)量之殤.

實證研究表明聯(lián)盟的失敗率高達50%以上，研發(fā)聯(lián)盟的失敗率更是較之猶甚[2-3]，戰(zhàn)略聯(lián)盟的失敗率要遠高于單個公司的失敗率，主要原因在于戰(zhàn)略聯(lián)盟本身就是一個高風險戰(zhàn)略，聯(lián)盟不穩(wěn)定往往伴隨聯(lián)盟風險而生.因此，聯(lián)盟風險控制在戰(zhàn)略聯(lián)盟管理研究中被認為是至關(guān)重要的.

總體而言，現(xiàn)有的聯(lián)盟研究大多是靜態(tài)研究聯(lián)盟投入或產(chǎn)出的問題，即所謂的“內(nèi)容問題”，該研究主要強調(diào)為什么選擇特定的治理結(jié)構(gòu)，或者如何設(shè)計聯(lián)盟合作契約，從而建立激勵機制或懲罰機制.迄今為止，研發(fā)聯(lián)盟研究基本上還處于理論模型構(gòu)建或者邏輯論證階段，仍然缺乏針對如何有效管理協(xié)同研發(fā)“過程問題”的動態(tài)研究.

本文基于多主體的建模思路和方法，將復雜適應系統(tǒng)理論與博弈理論相結(jié)合，利用計算機平臺對縱向研發(fā)聯(lián)盟風險控制進行仿真實驗，從而為國內(nèi)研發(fā)聯(lián)盟企業(yè)加強聯(lián)盟風險控制提供理論與實踐指導.

1 文獻探討

1.1 聯(lián)盟風險內(nèi)涵

從1990年到2002年期間，戰(zhàn)略聯(lián)盟的數(shù)量平均每年增長25%，在這種情況下，戰(zhàn)略聯(lián)盟已成為企業(yè)間合作的主要組織形式，同時戰(zhàn)略聯(lián)盟也是新創(chuàng)企業(yè)或研發(fā)項目通過公司風險資本的方式獲取聯(lián)盟企業(yè)資助的重要方式[4].

風險以及風險承擔一直是社會科學研究領(lǐng)域中的一個重要組成部分，相對于風險承擔而言，風險的概念就是所承擔的最終結(jié)果的變化與差異，因此，風險通常被定義為對于風險承擔者而言非常重要的產(chǎn)出變化.傳統(tǒng)上，按照Knight對于風險(Risk)和不確定性(Uncertainty)的區(qū)分，不確定性是指知道未來可能發(fā)生的每一種狀態(tài)，但是不能為每一種狀態(tài)賦予確定的概率值；而風險是指不僅僅知道未來可能發(fā)生的每一種狀態(tài)，而且知道每一種狀態(tài)所對應的概率值.由于在戰(zhàn)略領(lǐng)域風險經(jīng)常難以確定對應概率，而且戰(zhàn)略管理者認為風險是可以主動防范并加以控制和規(guī)避的，所以戰(zhàn)略領(lǐng)域的文獻中對于風險以及不確定性經(jīng)常會不加以區(qū)別地使用.

Ring 和Van de Ven[5]認為，交易成本是建立治理機制防范交易不確定性所帶來的危害所付出的成本.交易不確定性包括兩個方面：一是機會主義行為傾向所帶來的不確定性，其危害主要表現(xiàn)為道德風險問題、逆向選擇問題以及因?qū)Ｓ眯酝顿Y帶來的套牢問題；二是雙方所共同面對的交易環(huán)境的不確定性，它帶來了雙方的協(xié)調(diào)與適應問題[5].基于這個區(qū)分邏輯，Das and Teng以及劉益、李垣[6-7]將聯(lián)盟風險劃分為績效風險與關(guān)系風險兩個維度[6-7].關(guān)系風險(Relational Risk)是指聯(lián)盟伙伴不按照期望方式承擔聯(lián)盟相應義務的某些可能性與結(jié)果，其源于可能會阻礙聯(lián)盟戰(zhàn)略目標達成的所謂的關(guān)系合作問題.績效風險(Performance Risk)是指即使聯(lián)盟伙伴充分合作，但是仍然危害聯(lián)盟戰(zhàn)略目標達成的某些可能性與結(jié)果，例如雖然聯(lián)盟企業(yè)具有強烈的學習欲望，但是在聯(lián)盟合作過程中仍然可能會由于技術(shù)的不匹配而不能有效地學習和轉(zhuǎn)化知識，或者是過于技術(shù)導向而忽視了市場導向，最終聯(lián)盟合作研發(fā)的產(chǎn)品不為市場所接受.

1.2 聯(lián)盟風險控制內(nèi)涵

控制在管理中是一個非常重要的概念， 很多學者將其視為組織達到目標所進行的一系列管理與監(jiān)控的過程.例如，Leifer & Mills以及Das & Teng[8-9]認為，“控制是一種調(diào)節(jié)過程，該過程在組織追求既定目標時，通過建立標準使得系統(tǒng)中的各要素更具有可預期性”.

在戰(zhàn)略聯(lián)盟中，控制被認為是不可或缺的，聯(lián)盟中的控制可以通過管理結(jié)構(gòu)、合同規(guī)定、管理安排以及其他更多的非正式機制得以實施.聯(lián)盟中的控制有兩種類型——控制合作伙伴和控制聯(lián)盟本身.通常，這兩種控制方式會以一個整體視角加以討論.有關(guān)控制的文獻大體上展示了兩類基本的控制方法，一種是基于外部度量的控制和基于內(nèi)部價值觀的控制.第一類控制強調(diào)通過建立、運用正式的規(guī)則、流程和政策以及激勵來保證組織績效，也被稱為正式控制或目標控制.第二類控制強調(diào)通過建立組織規(guī)范、價值觀、組織文化和目標等內(nèi)在化形式以鼓勵期望行為和結(jié)果，其目的在于減少組織成員的目標和偏好分歧.因此，第二類控制也被稱為社會控制、非正式控制或規(guī)范控制.

1.3 復雜適應系統(tǒng)理論

復雜性科學是研究系統(tǒng)的一般模式、結(jié)構(gòu)和規(guī)律的學問，它研究各種系統(tǒng)的共同特征，用數(shù)學方法定量地描述其功能，尋求并確立適用于一切系統(tǒng)的原理、原則和數(shù)學模型，是具有邏輯和數(shù)學性質(zhì)的一門新興的科學.

復雜適應系統(tǒng)(complex adaptive system,簡稱CAS)是20世紀幾代科學家不斷深入研究，對復雜系統(tǒng)日益全面理解與認識的成果之一.它是由John H. Holland在1994年正式提出的，其基本思想是：系統(tǒng)中的個體元素被稱為主體(Agent)，主體是具有自身目的性與主動性，有活力(Active)和適應性的個體.主體可以在持續(xù)不斷地與環(huán)境以及其他主體的交互作用中“學習”和“積累經(jīng)驗”，并且根據(jù)學到的“經(jīng)驗”改變自身的結(jié)構(gòu)和行為方式，正是這種主動性及主體與環(huán)境的、其他主體的相互作用，不斷改變著它們自身，同時也改變著環(huán)境，才是系統(tǒng)發(fā)展和進化的基本動因.整個系統(tǒng)的演變或進化，包括新層次的產(chǎn)生、分化和多樣性的出現(xiàn)，新的聚合而成的、更大的主體的出現(xiàn)等，都是在這個基礎(chǔ)上派生出來的.

主體系統(tǒng)的研究開始于20世紀50年代，中間經(jīng)歷了不少的挫折，直到20世紀90年代，由于電腦和通信的高速的發(fā)展，再次引發(fā)了主體技術(shù)研究的高潮，成為人工智能領(lǐng)域中的一個熱點.由于主體系統(tǒng)與復雜適應系統(tǒng)表現(xiàn)形式的吻合，基于計算機技術(shù)的主體技術(shù)可以用于復雜適應系統(tǒng)的建模和仿真.

多主體技術(shù)與演化博弈理論結(jié)合，構(gòu)成了演化網(wǎng)絡.在該網(wǎng)絡中，節(jié)點代表經(jīng)濟環(huán)境中的個體，節(jié)點間的連線代表個體間的關(guān)系或合作行為，而節(jié)點間的競爭與合作遵循博弈模型.近年來有關(guān)多主體技術(shù)平臺上的演化博弈的研究蓬勃發(fā)展，物理學家Hawking說：21世紀將是復雜性科學的世紀，多主體平臺上的演化博弈可作為研究復雜系統(tǒng)、復雜性科學一個可行的切入點，并將會在生態(tài)演化、神經(jīng)網(wǎng)絡、群體智能、認知科學、自組織涌現(xiàn)行為、網(wǎng)絡化系統(tǒng)、經(jīng)濟動力學、社會心理學等研究中彰顯它的作用.

表1 兩主體“雪堆博弈”收益表

2 仿真模型

2.1 雪堆博弈

雪堆博弈，也稱鷹鴿博弈，是著名的演化博弈經(jīng)典模型.原始的雪堆博弈模型為：有兩個人駕車回家，遇到暴風雪，被雪堆分別堵在了街道的兩頭.司機要么出來鏟雪清除路障，要么待在車中.如果兩個司機分別從兩頭鏟雪(“合作”)，就能都開回家并分擔勞動付出.如果只有一個司機鏟雪，另一個司機待在車中等對方鏟完雪，他也能回家，而且還避免了勞動付出(“欺騙”).當然，如果兩人都待在車中，沒人鏟雪，那就誰也回不了家了.設(shè)回家得到的收益為b，鏟除雪堆總的勞動付出為c(一般設(shè)b>c)，則其收益矩陣見表1所示.

2.2 縱向研發(fā)聯(lián)盟合作博弈仿真模型

本模型參考經(jīng)典的雪堆博弈模型，它的主體有兩種類型—制造商和供應商，并且限定合作只發(fā)生在不同類型的主體間，即制造商和供應商之間.將“鏟雪”比作“合作”，將“背叛”理解成“純粹的欺騙，一點努力都不付出”，則可以在“雪堆博弈”模型基礎(chǔ)上建立聯(lián)盟的仿真模型.

合作所帶來的收益具有共享性和溢出效應，為方便研究，雙方的合作所得還是沿用雪堆博弈模型，都為b-c/2.當某一方選擇合作，另一方選擇背叛時，因為背叛的一方一點都不付出，其成本為零，故其收益為b，所有成本由合作的一方承擔，所以合作的一方收益為b-c.如果雙方都背叛，因為雙方都不付出，沒有任何收益，當然也沒有成本，雙方收益皆為零.

為更加形象貼切地描述現(xiàn)實世界的合作關(guān)系，本文參考“空間囚徒困境”模型[10]在縱向研發(fā)聯(lián)盟仿真模型中引入網(wǎng)絡結(jié)構(gòu)來表示合作關(guān)系.即用網(wǎng)絡G=V,E)表示主體所處的空間結(jié)構(gòu)，集合V是網(wǎng)絡G的頂點集，代表系統(tǒng)中的主體集合；集合E是G的邊集，代表系統(tǒng)中主體之間存在的相互關(guān)系.主體的策略采用純策略S={C，D}，即僅為合作(C)或背叛(D).每個回合，主體都與相鄰(有邊相連)主體進行一次囚徒困境博弈.每個回合后，每個主體根據(jù)獲取的信息不斷地學習和進化.

為了更形象地展示模型的演化，根據(jù)主體的投機性將主體分成三種類型：互惠者、中性者、投機者.互惠者代表單純采用合作策略的主體，投機者代表單純采用背叛策略的主體，中性者代表兩種策略皆有可能選擇的主體.

在本模型中，聯(lián)盟控制機制主要考慮正式控制，即主要通過契約規(guī)制和正式的組織安排來規(guī)避風險保證組織績效.現(xiàn)實世界中，正式控制主要通過懲罰機制體現(xiàn)，本模型采用最嚴厲也是最簡單的懲罰機制—“互惠者遭到背叛即終止合作”.即所有主體選擇純策略(投機者選擇背叛、中性者隨機選擇、互惠者選擇合作)進行博弈，然后互惠者根據(jù)所獲取的信息判斷對方的選擇，如果對方選擇背叛，互惠者將遭到對方的剝削，互惠者選擇終止合作以懲罰對方，重新隨機選擇其它主體建立合作關(guān)系.

主體具有智能性和動態(tài)學習能力，在每回合博弈結(jié)束后能夠?qū)W習所獲取的信息，改變規(guī)則，產(chǎn)生適應性.在此，模擬現(xiàn)實世界的研發(fā)聯(lián)盟運作，設(shè)計主體的適應性規(guī)則.

在每個博弈回合，每個主體和其相鄰的所有主體分別進行1次博弈，并計算該主體的本回合總收益，記主體vi的收益為Pi.在現(xiàn)實世界的合作關(guān)系中，一般都具有路徑依賴性，即不到萬不得已一般不會更改合作伙伴.每個回合后，“不滿意”的主體根據(jù)自己的收益決定自己的行動.“不滿意”一般是指對收益不滿意，但這是個相對的概念，有個比較的基準.本文采用比較嚴格也是最簡單的方法，規(guī)定主體和所有相鄰主體比較收益，如果它的收益是最差的，則該主體是“不滿意”的主體，將有所動作.確定“不滿意”的標準后，隨后規(guī)定其動作，即主體采取何種動作來改變狀態(tài)以獲取更高收益.適應性動作主要是：學習最佳鄰居.主體從其相鄰主體集合中選出收益最高的主體，學習其策略，改變主體投機屬性.

系統(tǒng)隨著時間不斷演化，直到網(wǎng)絡中的主體全部達到“滿意”狀態(tài)，這意味著全部主體不再改變自身屬性，這稱之為達到穩(wěn)定狀態(tài)，系統(tǒng)可以結(jié)束運行.

3 仿真實驗及結(jié)果分析

為降低系統(tǒng)建模的難度，本文采用比較成熟的復雜適應系統(tǒng)建模工具Repast協(xié)助建模，這樣可以借助平臺的優(yōu)勢，容易實現(xiàn)并發(fā)控制、主體設(shè)計、多主體交互、涌現(xiàn)、顯示、統(tǒng)計等功能，可以實現(xiàn)對連續(xù)多主體博弈過程的仿真并可對各次博弈結(jié)果進行實時觀察和結(jié)果輸出.

3.1 模型參數(shù)設(shè)定

為更明顯地反映聯(lián)盟控制的影響，實驗模擬投機者占絕大多數(shù)的投機市場初始環(huán)境下，施加聯(lián)盟控制與否，市場結(jié)構(gòu)截然不同的演化結(jié)果.設(shè)定參數(shù)如下：①總主體數(shù)目為200，制造商和供應商各占一半，設(shè)置投機者占比70%、中性者占比10%、互惠者占比20%；②模型環(huán)境的大小為1 200*800；③合作收益b設(shè)定為10，成本c設(shè)定為5.

3.2 實驗結(jié)果

實驗獲得了不施加聯(lián)盟控制和施加聯(lián)盟控制兩種不同條件下，投機市場結(jié)構(gòu)演化的結(jié)果.圖中的橫坐標表示博弈的回合數(shù)，縱坐標表示各類型主體占全體主體的比例.

3.3 結(jié)果分析

圖1顯示在不施加聯(lián)盟控制條件下，市場靠自身能夠稍微向好的方面進化，投機者占比減少10%，其它類型的主體占比都有所提高，但幅度有限，整個市場還是充斥投機者的投機市場.

圖2顯示施加聯(lián)盟控制后，市場向好的方面演化，互惠者占比不斷上升，其它類型主體占比不斷下降，最終所有主體進化成互惠者，達到理想化的合作市場.分析其中原因，互惠者雖然可能會被投機者一次性剝削(互惠者收益b-c)，但因為它保持著和其它互惠者穩(wěn)定的合作關(guān)系(收益為b-c/2)，所以互惠者的每回合博弈次數(shù)要遠遠多過投機者，故其收益反而比投機者大.經(jīng)過多次博弈，投機者的收益與互惠者的差距越拉越大，最終投機者淪為“不滿意者”，它將學習最佳鄰居，進化成互惠者.

圖1 不施加聯(lián)盟控制市場結(jié)構(gòu)演化圖 圖2 施加聯(lián)盟控制市場結(jié)構(gòu)演化圖

4 結(jié)論

本文從復雜適應系統(tǒng)理論的視角，通過多主體建模仿真技術(shù)，參考“雪堆博弈”模型和“空間博弈”模型，建立起縱向研發(fā)聯(lián)盟網(wǎng)絡模型并在計算機上進行演化實驗.實驗結(jié)果證明，施加聯(lián)盟控制，能夠優(yōu)化市場結(jié)構(gòu)，降低市場的投機氛圍，促使市場向互惠的合作市場轉(zhuǎn)化.

參考文獻:

[1]Yassine K R C, and Donald R Falkenburg.A decision analytic framework for evaluating concurrent engineering[J]. IEEE Transactions on Engineering Management, 1999,46(2):144-157.

[2]Parkhe A. Strategic alliances structuring: a game theoretic and transaction cost examination of interfirm cooperation[J]. Academy of Management Journal, 1993, 36:794-829.

[3]Duysters G,Kok G,Vaandrager M.Crafting successful strategic technology partnerships[J].R&D Management,1999,29:343-351.

[4]Das T K, Bing-Sheng Teng. Instabilities of strategic alliances: An internal tensions perspective[J].Organization Science,2000,11:77-101.

[5]Ring Peter Smith, Andrew H, Van de Ven. Structuring cooperative relationship between organizations[J].Strategic Management Journal,1992,13:483-498.

[6]Das T K,Bing-Sheng Teng.Trust, control, and risk in strategic alliances: an integrated framework[J].Organization Studies,2001,22(2):251-283.

[7]劉益,李垣,杜旖丁.基于資源風險的戰(zhàn)略聯(lián)盟結(jié)構(gòu)模式選擇[J].管理工程學報,2003,6(4):34-42.

[8]Leifer Richard, Peter K Mills. An information processing approach for deciding upon control strategies and reducing control loss in emerging organizations[J].Journal of Management, 1996,22:113-137.

[9]Das T K, Bing-Sheng Teng. Between trust and control: Developing confidence in partner cooperation in alliances[J].Academy of Management Review,1998,23(3):491-512.

[10]Nowak M A,May R M.Evolutionary games and spatial chaos[J].Nature,1992,359:826-829.