轉(zhuǎn)型背景下知識(shí)型企業(yè)知識(shí)狀態(tài)系統(tǒng)演化模型探析

劉舉勝　何建佳　徐福緣

摘要：借鑒自然界中的自適應(yīng)法則，利用動(dòng)態(tài)雙重自適應(yīng)PSO算法機(jī)理，對(duì)知識(shí)型企業(yè)知識(shí)狀態(tài)系統(tǒng)演化模型進(jìn)行構(gòu)建，利用自適應(yīng)學(xué)習(xí)系統(tǒng)和自適應(yīng)共享系統(tǒng)2個(gè)復(fù)雜資源來(lái)對(duì)知識(shí)狀態(tài)這一復(fù)雜自適應(yīng)系統(tǒng)進(jìn)行趨近。通過(guò)知識(shí)吸收，知識(shí)學(xué)習(xí)，知識(shí)整合，知識(shí)共享等幾個(gè)步驟將知識(shí)狀態(tài)系統(tǒng)以一種合理的方式進(jìn)行演化，最后對(duì)此模型的性能和穩(wěn)定性進(jìn)行仿真。結(jié)果表明，動(dòng)態(tài)雙重自適應(yīng)PSO算法機(jī)理能夠較好地反映知識(shí)型企業(yè)知識(shí)狀態(tài)系統(tǒng)的演變過(guò)程。

關(guān)鍵詞：動(dòng)態(tài)雙重自適應(yīng)PSO；企業(yè)知識(shí)狀態(tài)系統(tǒng)；知識(shí)學(xué)習(xí)；知識(shí)共享

中圖分類(lèi)號(hào)：F 120文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1672-7312（2017）01-0076-09

Abstract： With reference to the adaptive law of the nature，using the mechanism of dynamic dual adaptive PSO algorithm，the paper constructed the evolution model of knowledge state system in the knowledgebased enterprise；Using adaptive learning systems and adaptive shared system，the paper made an approach to the complex adaptive system：knowledge state.With such few steps as absorbing knowledge，acquiring knowledge，integrating knowledge and sharing knowledge，the state of knowledge will be evolved in a reasonable manner；finally，a simulation of the performance and stability of the model was done.The results show that the mechanism of the dynamic dual adaptive PSO algorithm can reflect the knowledge state system in the knowledgebased enterprise.

Key words： dynamic dual adaptive PSO algorithm；the state of knowledge system；acquiring knowledge；sharing knowledge

0引言

知識(shí)作為一種可重用的社會(huì)資源，一種無(wú)形的資本，在新的經(jīng)濟(jì)形態(tài)中發(fā)揮著越來(lái)越重要的作用[1]。近年來(lái)，隨著“轉(zhuǎn)型發(fā)展”和“互聯(lián)網(wǎng)+戰(zhàn)略”的提出，知識(shí)型企業(yè)如雨后春筍迅速發(fā)展壯大起來(lái)，以百度、騰訊、阿里巴巴為首的高科技IT知識(shí)型企業(yè)將知識(shí)和人才正作為其賴以生存的有效資源積極利用起來(lái)。

知識(shí)狀態(tài)系統(tǒng)是一個(gè)自適應(yīng)性的復(fù)雜系統(tǒng)（Complex Adaptive Systems，簡(jiǎn)稱CAS），在復(fù)雜自適應(yīng)系統(tǒng)中，個(gè)體的屬性及其間的關(guān)系發(fā)生的變化并不完全遵從線性關(guān)系，特別是在人和系統(tǒng)以及環(huán)境的反復(fù)作用過(guò)程中表現(xiàn)的更加明顯。復(fù)雜自適應(yīng)系統(tǒng)理論認(rèn)為，客體之間的影響不是簡(jiǎn)單的、被動(dòng)的、單向的因果關(guān)系，而是主動(dòng)的適應(yīng)關(guān)系，同時(shí)以往的經(jīng)驗(yàn)會(huì)影響未來(lái)的行為。知識(shí)狀態(tài)系統(tǒng)作為一種復(fù)雜自適應(yīng)系統(tǒng)，它的更新是一種從有序到無(wú)序再到有序的非線性動(dòng)態(tài)平衡系統(tǒng)，它的行為豐富多樣而難以預(yù)測(cè)，系統(tǒng)的進(jìn)化過(guò)程艱難曲折，正因?yàn)檫@樣，國(guó)內(nèi)外很多學(xué)者才對(duì)此展開(kāi)研究。Wolfgang W Bein[2]將知識(shí)狀態(tài)的演化思想抽象為一種進(jìn)化算法，用來(lái)解決2-sever problem并且取得了較好的效果。Eduard bartl 和Radim Belohlavek[3]將知識(shí)狀態(tài)假設(shè)為0和12個(gè)不同維度下個(gè)體向群體學(xué)習(xí)的模糊集，將知識(shí)狀態(tài)等級(jí)進(jìn)行劃分，并且通過(guò)數(shù)值計(jì)算驗(yàn)證了知識(shí)空間等級(jí)劃分的可行性。王斌[4]運(yùn)用知識(shí)聯(lián)盟理論和知識(shí)共振理論的分析方法，解釋了知識(shí)聯(lián)盟中知識(shí)狀態(tài)演化問(wèn)題。為了能夠更充分的說(shuō)明知識(shí)狀態(tài)的演化規(guī)律，一些學(xué)者借鑒先進(jìn)的理論從理論層面對(duì)知識(shí)狀態(tài)的演化進(jìn)行了研究。孫悅[5]從耗散結(jié)構(gòu)和熵變的角度分析了知識(shí)型企業(yè)知識(shí)狀態(tài)系統(tǒng)的演化，顏秀春[6]從知識(shí)治理的角度研究了知識(shí)型企業(yè)知識(shí)狀態(tài)演變，韓毅[7]在討論知識(shí)場(chǎng)概念的基礎(chǔ)之上，通過(guò)調(diào)整和控制知識(shí)存量來(lái)對(duì)知識(shí)狀態(tài)的演化進(jìn)行了描述，王斌[8]運(yùn)用網(wǎng)絡(luò)位勢(shì)理論，知識(shí)狀態(tài)的理論方法，構(gòu)建了網(wǎng)絡(luò)位勢(shì)的知識(shí)狀態(tài)演化模型，對(duì)知識(shí)狀態(tài)的演化做了進(jìn)一步的拓展。黃麗華[9]利用logistic法則對(duì)企業(yè)知識(shí)狀態(tài)系統(tǒng)的演化構(gòu)建了協(xié)同機(jī)制評(píng)價(jià)研究。這些研究為后來(lái)的學(xué)者提供了理論基礎(chǔ)，局限的是沒(méi)有將這種模型進(jìn)行數(shù)值研究。

知識(shí)型企業(yè)與知識(shí)工作者之間挖掘知識(shí)集，不斷進(jìn)行協(xié)調(diào)進(jìn)化，從而推動(dòng)知識(shí)狀態(tài)系統(tǒng)演化的過(guò)程與鳥(niǎo)群或魚(yú)群捕食過(guò)程的社會(huì)行為相似。趙坤[10]將知識(shí)狀態(tài)的演化過(guò)程類(lèi)比為粒子群群體進(jìn)化的進(jìn)化過(guò)程，但是局限的是這種類(lèi)比及模型的構(gòu)建只是單一的將PSO算法應(yīng)用于知識(shí)狀態(tài)的演化過(guò)程中，沒(méi)有進(jìn)行數(shù)值仿真，對(duì)知識(shí)狀態(tài)的演化沒(méi)能進(jìn)行更為充分的展現(xiàn)。針對(duì)這一問(wèn)題，文中設(shè)計(jì)了一種動(dòng)態(tài)雙重自適應(yīng)PSO算法，算法中的慣性權(quán)重會(huì)根據(jù)系統(tǒng)的最優(yōu)解進(jìn)行自適應(yīng)改變，學(xué)習(xí)因子會(huì)隨著算法的進(jìn)化而相應(yīng)的改變，這種雙重自適應(yīng)的變化能夠使得算法較快的找到系統(tǒng)的最優(yōu)解，能夠很好的反映企業(yè)知識(shí)狀態(tài)系統(tǒng)的演化，通過(guò)仿真發(fā)現(xiàn)，將這種算法機(jī)理用來(lái)描述知識(shí)狀態(tài)系統(tǒng)的演化真實(shí)有效，切實(shí)可行。

1企業(yè)知識(shí)狀態(tài)系統(tǒng)內(nèi)涵的界定

企業(yè)知識(shí)狀態(tài)（Knowledge State，KS）是企業(yè)獲取競(jìng)爭(zhēng)優(yōu)勢(shì)的重要源泉[11]，近年來(lái)，隨著經(jīng)濟(jì)轉(zhuǎn)型和產(chǎn)業(yè)結(jié)構(gòu)的升級(jí)，知識(shí)經(jīng)濟(jì)逐漸受到了人們的廣泛關(guān)注，知識(shí)型組織重新回到了人們的視野，根據(jù)彼得˙德魯克（1998）的觀點(diǎn)，知識(shí)型組織是指以知識(shí)為基礎(chǔ)，由各種各樣的專(zhuān)業(yè)人員或?qū)＜医M成的組織。隨著知識(shí)型組織關(guān)注度的提高，有關(guān)知識(shí)狀態(tài)的研究逐漸增多，Mark Helpworth[12]從知識(shí)狀態(tài)的認(rèn)知主體上進(jìn)行了研究，陳琦[13]通過(guò)知識(shí)存量、知識(shí)結(jié)構(gòu)、知識(shí)流動(dòng)、知識(shí)分布、知識(shí)水平5個(gè)屬性對(duì)知識(shí)狀態(tài)的內(nèi)涵進(jìn)行了鑒定。這些學(xué)者主要從知識(shí)狀態(tài)的認(rèn)知主體和屬性上進(jìn)行了研究。這些研究使讀者初步了解了知識(shí)狀態(tài)的演化，但是這些研究沒(méi)有將知識(shí)狀態(tài)借鑒到企業(yè)層面上來(lái)。為了將知識(shí)狀態(tài)借鑒到企業(yè)層面上來(lái)，陳素娟[14-15]從知識(shí)狀態(tài)系統(tǒng)演化的動(dòng)力進(jìn)行了研究，分析了知識(shí)型企業(yè)知識(shí)狀態(tài)系統(tǒng)演化的內(nèi)部動(dòng)力和外部動(dòng)力。劉曉冰等[16]基于演化過(guò)程的視角針對(duì)企業(yè)知識(shí)安全管理的要求，提出了面向過(guò)程的知識(shí)狀態(tài)描述方法，并且利用此方法建立了知識(shí)狀態(tài)的三維描述模型。江文年等人[17]從3種不同的視角研究知識(shí)的演化，整合提出了企業(yè)知識(shí)演化的綜合模型。此外，為了將知識(shí)狀態(tài)演化的動(dòng)態(tài)性描述出來(lái)，一些學(xué)者基于生物演化或生態(tài)演化的視角對(duì)知識(shí)狀態(tài)的演化進(jìn)行描述。郭培韜等人[18]利用生態(tài)學(xué)的演化思想和生態(tài)位理論對(duì)轉(zhuǎn)型企業(yè)的知識(shí)狀態(tài)系統(tǒng)演化模型進(jìn)行構(gòu)建并分析，張紅兵等人[19]提出了基于“融知-發(fā)酵”的知識(shí)演化模型，從生物發(fā)酵的規(guī)律和其深層次機(jī)理對(duì)知識(shí)狀態(tài)的演化進(jìn)行了說(shuō)明。綜上這些研究對(duì)知識(shí)狀態(tài)的演化進(jìn)行了初步探析，對(duì)知識(shí)狀態(tài)的演化過(guò)程進(jìn)行了初步的描述，局限的是沒(méi)能把知識(shí)狀態(tài)系統(tǒng)是一個(gè)復(fù)雜自適應(yīng)系統(tǒng)這一根本特征體現(xiàn)出來(lái)。

文中基于復(fù)雜自適應(yīng)系統(tǒng)的大背景，以復(fù)雜資源（子系統(tǒng)）進(jìn)行趨近，牢牢把握復(fù)雜結(jié)構(gòu)來(lái)源于簡(jiǎn)單子系統(tǒng)的相互作用這一復(fù)雜性的精髓，利用生物學(xué)中的自適應(yīng)法則，將企業(yè)中的知識(shí)狀態(tài)借鑒具有群體演化思想的雙重自適應(yīng)PSO算法機(jī)理進(jìn)行模擬演化，并進(jìn)行了仿真，得到了較為理想的效果。

2知識(shí)型企業(yè)知識(shí)狀態(tài)系統(tǒng)演變的動(dòng)態(tài)雙重自適應(yīng)PSO機(jī)理分析

2.1知識(shí)型企業(yè)知識(shí)狀態(tài)演變的本質(zhì)

2.1.1

知識(shí)挖掘分析從系統(tǒng)論的角度講，任何組織都是由相互聯(lián)系、相互依賴和相互作用的元素構(gòu)成[20]，從構(gòu)成知識(shí)狀態(tài)系統(tǒng)的成分或元素上來(lái)說(shuō)，知識(shí)狀態(tài)系統(tǒng)主要包括顯性知識(shí)向隱性知識(shí)的轉(zhuǎn)化，隱性知識(shí)的挖掘，涉及組織、知識(shí)工作者、環(huán)境3個(gè)方面。

在知識(shí)經(jīng)濟(jì)時(shí)代，組織持續(xù)競(jìng)爭(zhēng)力的源泉正日益集中于組織內(nèi)部特有的、難以模仿的知識(shí)資源。一方面，知識(shí)資源成為知識(shí)型組織的關(guān)鍵性資源；另一方面，由于人力資源與知識(shí)資源有緊密的聯(lián)系，人力資源管理成為知識(shí)型組織管理的核心。

員工是知識(shí)最根本的載體，不同的知識(shí)工作者擁有不同的態(tài)空間（state space）[21]。不同的員工本身所攜帶的知識(shí)具有異質(zhì)性，這種異質(zhì)性雖然增加了系統(tǒng)中知識(shí)的多元性，但是這會(huì)使得系統(tǒng)的熵增大，熵增意味著系統(tǒng)的有序程度降低，這又導(dǎo)致了知識(shí)挖掘的難度增加。具體來(lái)說(shuō)，知識(shí)型企業(yè)在知識(shí)挖掘上存在的困難來(lái)源于2個(gè)不可調(diào)和的矛盾。一個(gè)是知識(shí)集搜集的質(zhì)量和數(shù)量，知識(shí)工作者搜集的知識(shí)信息魚(yú)龍混雜、良莠不齊，只有能融入企業(yè)并產(chǎn)生效益和能進(jìn)行知識(shí)生產(chǎn)的知識(shí)才是企業(yè)所需要的知識(shí)。另一個(gè)是知識(shí)價(jià)值的多元性和知識(shí)工作者的利益性。也就是說(shuō)，不同的知識(shí)發(fā)送者（知識(shí)源）和知識(shí)接受者（知識(shí)受體）對(duì)知識(shí)的領(lǐng)悟吸收能力及其學(xué)習(xí)能力、思維能力、交往能力等智力因素和情感智商的高低使得對(duì)知識(shí)的理解呈現(xiàn)多元化，這也是知識(shí)價(jià)值的多元性。對(duì)于某一具體的知識(shí)工作者，當(dāng)其認(rèn)為自己知識(shí)不夠時(shí)或由于考慮到某種利益時(shí)，是不大可能將知識(shí)進(jìn)行共享的，這樣就使得知識(shí)挖掘難度增大。

此外，環(huán)境包括了自然環(huán)境和社會(huì)環(huán)境及其他獨(dú)立于自身系統(tǒng)的環(huán)境，如國(guó)家、中介機(jī)構(gòu)、客戶、競(jìng)爭(zhēng)對(duì)手、市場(chǎng)等。環(huán)境是知識(shí)挖掘的一個(gè)重要場(chǎng)所，要完成知識(shí)挖掘這一目標(biāo)，僅僅進(jìn)行企業(yè)自身的知識(shí)積累是不夠的，因?yàn)檫@種知識(shí)資源的范圍狹窄，獲取的資源極其有限，所以要進(jìn)行外界環(huán)境知識(shí)的整合、生產(chǎn)、利用、儲(chǔ)存及共享等。

2.1.2

知識(shí)共享與決策特征

通過(guò)觀察一些社會(huì)行為，Beekman.M[22]發(fā)現(xiàn)社會(huì)行為主要有2個(gè)目的：一個(gè)是在群體活動(dòng)中，每個(gè)個(gè)體能夠協(xié)助群內(nèi)其他人員進(jìn)行搜索食物，另一個(gè)是群體合作能夠提高搜索效率。這一發(fā)現(xiàn)使得“共享”逐漸步入人們的視野，在知識(shí)經(jīng)濟(jì)時(shí)代，作為知識(shí)型企業(yè)核心生產(chǎn)要素的知識(shí)，只有通過(guò)相互交流、學(xué)習(xí)、共享才能得到發(fā)展，知識(shí)的共享范圍越廣，其利用、增值的效果越好，知識(shí)只有被更多的知識(shí)工作者所共享，才能使知識(shí)的擁有者獲得更大的收益。知識(shí)的共享不可能通過(guò)強(qiáng)制的方式得以實(shí)現(xiàn)，而是依賴于組織對(duì)個(gè)人的積極鼓勵(lì)以及良好的共享氛圍，如果沒(méi)有充足的內(nèi)外激勵(lì)和積極的共享文化，知識(shí)工作者面臨的種種知識(shí)共享成本與風(fēng)險(xiǎn)必然會(huì)成為組織推進(jìn)知識(shí)共享的障礙。

此外，知識(shí)型企業(yè)中的員工（知識(shí)工作者）是一個(gè)具有主觀能動(dòng)性和自適應(yīng)性的創(chuàng)新性個(gè)體，在知識(shí)挖掘的過(guò)程中，個(gè)體會(huì)按照一定的規(guī)則進(jìn)行自我知識(shí)挖掘，主要表現(xiàn)為員工自我能力、經(jīng)驗(yàn)、技能等知識(shí)的提升；群體會(huì)按照群體的目標(biāo)進(jìn)行挖掘，主要表現(xiàn)為企業(yè)的軟實(shí)力，價(jià)值觀，目標(biāo)愿景的提升。群體按照目標(biāo)愿景對(duì)個(gè)體進(jìn)行指導(dǎo)，使得個(gè)體極值和群體極值在有限的協(xié)調(diào)次數(shù)下逐步接近。這樣的演變過(guò)程從形式上可以描述為一個(gè)鳥(niǎo)群的捕食過(guò)程，實(shí)質(zhì)上是一個(gè)粒子群優(yōu)化過(guò)程。

2.2知識(shí)型企業(yè)知識(shí)狀態(tài)系統(tǒng)演變的雙重自適應(yīng)PSO模型及分析

粒子群算法也稱Particle Swarm Optimization（PSO）算法[23]，作為一種經(jīng)典的智能演化算法，是在模仿自然界的鳥(niǎo)群以一種共享的捕食策略時(shí)而被提出來(lái)的，文中在粒子群算法的基礎(chǔ)上，通過(guò)一系列的改進(jìn)得到了動(dòng)態(tài)雙重自適應(yīng)粒子群算法（Dual Adaptive PSO，簡(jiǎn)稱DAPSO）。在自然界的捕食過(guò)程中，DAPSO粒子群算法可以很好的反映種群中的個(gè)體共享自己和伙伴們的經(jīng)驗(yàn)來(lái)使整個(gè)種群成員獲得食物這一原理，這種策略和知識(shí)型企業(yè)知識(shí)系統(tǒng)的演化有著一定的相似之處，因此DAPSO粒子群算法非常適合用來(lái)描述知識(shí)狀態(tài)系統(tǒng)的演化過(guò)程。

2.2.1

動(dòng)態(tài)雙重自適應(yīng)PSO原理及粒子信息交換方式基本的動(dòng)態(tài)雙重自適應(yīng)PSO原理可以描述如下：

其中，w為慣性權(quán)重；d=1，2，…，D；i=1，2，…，n；k為當(dāng)前迭代次數(shù)；Vid為粒子的速度；c1和c2為加速度因子，c1稱為個(gè)體學(xué)習(xí)因子，c2稱為社會(huì)學(xué)習(xí)因子；r1和r2是分布于[0，1]區(qū)間的隨機(jī)數(shù)。在PSO算法中的速度更新方程中，c1，c2分別為個(gè)體學(xué)習(xí)因子和社會(huì)學(xué)習(xí)因子，c1，c2一般取2。

目前，關(guān)于c1，c2對(duì)算法性能影響的研究還不是很多[24]。我們知道，個(gè)體學(xué)習(xí)因子體現(xiàn)了粒子的自我學(xué)習(xí)能力，社會(huì)學(xué)習(xí)因子體現(xiàn)了粒子的社會(huì)學(xué)習(xí)能力。在搜索初期，較大的自我學(xué)習(xí)因子可以使得粒子以較大的速度在解空間中尋求全局最優(yōu)解，而跳出局部最優(yōu)解。在搜索后期，粒子需要在最優(yōu)解的附近進(jìn)行局部搜索，此時(shí)，粒子需要較強(qiáng)的社會(huì)學(xué)習(xí)能力。為此，文中引入動(dòng)態(tài)調(diào)整策略來(lái)平衡c1，c2的關(guān)系，c1，c2通過(guò)自適應(yīng)變化，控制粒子的飛行速度與方向，來(lái)提高解的收斂速度與精度，具體調(diào)整策略為

借鑒生物學(xué)中的自適應(yīng)原理，將c1，c2分別設(shè)計(jì)為自適應(yīng)個(gè)體學(xué)習(xí)因子和自適應(yīng)社會(huì)學(xué)習(xí)因子，將w設(shè)計(jì)為自適應(yīng)慣性權(quán)重，文中將這種具有雙重適應(yīng)性、動(dòng)態(tài)的PSO算法叫做動(dòng)態(tài)雙重自適應(yīng)PSO算法（DAPSO）。

在動(dòng)態(tài)雙重自適應(yīng)算法中，粒子群的信息主要來(lái)自于各粒子的個(gè)體極值所構(gòu)成的矩陣：p=（p1，p2，p3，…，pn），DAPSO由于利用了自然界協(xié)同進(jìn)化的天然優(yōu)勢(shì)，因此它具有高效的搜索性能。種群中的粒子的速度以一種適應(yīng)環(huán)境的、恰當(dāng)?shù)乃阉魉俣冗M(jìn)行搜索，粒子在進(jìn)行自我搜索的同時(shí)又能夠協(xié)助其他粒子進(jìn)行搜索。因此，DAPSO相比傳統(tǒng)的PSO在研究知識(shí)狀態(tài)系統(tǒng)演化的過(guò)程中會(huì)顯示得天獨(dú)厚的優(yōu)勢(shì)。

2.2.2

知識(shí)型企業(yè)知識(shí)狀態(tài)系統(tǒng)演變的雙重自適應(yīng)PSO模型基于以上認(rèn)知，可以發(fā)現(xiàn)知識(shí)狀態(tài)系統(tǒng)在知識(shí)挖掘、知識(shí)轉(zhuǎn)化、知識(shí)共享上與DAPSO機(jī)理具有很好的兼容性，為此，文中基于DAPSO信息處理機(jī)制對(duì)知識(shí)狀態(tài)系統(tǒng)演化模型進(jìn)行了初步探索。我們有如下定義。

基于以上定義，我們對(duì)知識(shí)狀態(tài)系統(tǒng)演化模型進(jìn)行了初步的探索，但是對(duì)于知識(shí)狀態(tài)系統(tǒng)中知識(shí)的轉(zhuǎn)化以及知識(shí)的共享機(jī)制我們?nèi)匀徊皇欠浅Ｇ宄?，為了更進(jìn)一步的了解知識(shí)狀態(tài)系統(tǒng)的演變機(jī)理，文中基于知識(shí)轉(zhuǎn)化和知識(shí)共享的角度提出了如下假設(shè)：

假設(shè)1：文中將c1和c2分別看作企業(yè)中的員工在學(xué)習(xí)知識(shí)時(shí)的一種自我學(xué)習(xí)系數(shù)和社會(huì)學(xué)習(xí)系數(shù)，系統(tǒng)通過(guò)自適應(yīng)地調(diào)節(jié)自我學(xué)習(xí)系數(shù)c1不斷使個(gè)體達(dá)到最優(yōu)，這種調(diào)節(jié)反映在企業(yè)的知識(shí)管理工作中，就是企業(yè)領(lǐng)導(dǎo)為員工創(chuàng)造學(xué)習(xí)條件，營(yíng)造學(xué)習(xí)氛圍，員工通過(guò)自我學(xué)習(xí)，將企業(yè)中的顯性知識(shí)轉(zhuǎn)換為隱性知識(shí)，邊干邊學(xué)，不斷增長(zhǎng)才干，提升自我核心競(jìng)爭(zhēng)力；系統(tǒng)通過(guò)自適應(yīng)地調(diào)節(jié)社會(huì)學(xué)習(xí)系數(shù)c2促使個(gè)體向群體最優(yōu)趨近（approach），

這種調(diào)節(jié)反映在企業(yè)的知識(shí)管理工作中，就是知識(shí)通過(guò)個(gè)體向群體的學(xué)習(xí)，模仿和實(shí)踐而傳播，群化的學(xué)習(xí)過(guò)程可以掌握創(chuàng)新和技術(shù)的核心，可以學(xué)到書(shū)本學(xué)不到的大量經(jīng)驗(yàn)和訣竅。知識(shí)聯(lián)盟的興起是這一轉(zhuǎn)換的現(xiàn)實(shí)反映[25]。知識(shí)型企業(yè)知識(shí)轉(zhuǎn)化的機(jī)理如圖1所示。

在自適應(yīng)知識(shí)轉(zhuǎn)化系統(tǒng)中，隨著企業(yè)員工不斷的自我學(xué)習(xí)和社會(huì)學(xué)習(xí)，知識(shí)狀態(tài)系統(tǒng)中的顯性知識(shí)和隱性知識(shí)不斷地增加，在這一過(guò)程中，顯性知識(shí)會(huì)轉(zhuǎn)化為隱性知識(shí)，隨著隱性知識(shí)的增長(zhǎng)和社會(huì)學(xué)習(xí)系數(shù)的增大，員工的學(xué)習(xí)能力和創(chuàng)造能力越來(lái)越強(qiáng)，表現(xiàn)為單位時(shí)間內(nèi)隱性知識(shí)對(duì)顯性知識(shí)的占比不斷提高，此時(shí)，員工更加注重經(jīng)驗(yàn)、技巧等隱性知識(shí)，在個(gè)體思維上，吸收、思考、整合，創(chuàng)新能力逐步提升，知識(shí)狀態(tài)會(huì)發(fā)生變遷，知識(shí)成果會(huì)加速涌現(xiàn)。

上述轉(zhuǎn)化機(jī)理，要求企業(yè)領(lǐng)導(dǎo)要為員工提供舒適的工作環(huán)境、較好的福利待遇、融洽的人際關(guān)系，以及按績(jī)效獎(jiǎng)勵(lì)的公平競(jìng)爭(zhēng)環(huán)境，這樣才有可能最大限度地激發(fā)員工的創(chuàng)造力。員工的創(chuàng)造力是知識(shí)時(shí)代企業(yè)最大的財(cái)富，不論是哪種知識(shí)轉(zhuǎn)換都會(huì)表現(xiàn)為企業(yè)財(cái)富的增加，表現(xiàn)為企業(yè)不斷增加的信息優(yōu)勢(shì)、人才優(yōu)勢(shì)、創(chuàng)新優(yōu)勢(shì)，最終表現(xiàn)為企業(yè)競(jìng)爭(zhēng)優(yōu)勢(shì)的增加和企業(yè)經(jīng)濟(jì)效益的提高。

假設(shè)1是基于Nonaka和Takeuchi的顯性知識(shí)和隱性知識(shí)轉(zhuǎn)換模型（SECI模型）——知識(shí)螺旋理論（Knowledge Spiral）提出來(lái)的。在知識(shí)狀態(tài)系統(tǒng)中，顯性知識(shí)的轉(zhuǎn)換是基礎(chǔ)，是進(jìn)行知識(shí)交流和共享的前提。在顯性知識(shí)轉(zhuǎn)化的同時(shí)，隱性知識(shí)開(kāi)始向隱性知識(shí)轉(zhuǎn)換，只有有效的實(shí)現(xiàn)了隱性知識(shí)間的轉(zhuǎn)換，才能激發(fā)創(chuàng)造力，知識(shí)才能從一種知識(shí)態(tài)躍遷到另一種知識(shí)態(tài)，實(shí)現(xiàn)從量變到質(zhì)變，這一假設(shè)也與現(xiàn)實(shí)較為符合。

知識(shí)在完成轉(zhuǎn)化之后，知識(shí)發(fā)生了躍遷，系統(tǒng)內(nèi)知識(shí)的熵增大，知識(shí)變得更加多元化，如何讓知識(shí)在知識(shí)狀態(tài)的系統(tǒng)中進(jìn)行共享，如何采取一些激勵(lì)措施加速知識(shí)的共享成為一個(gè)不得不考慮的問(wèn)題。在激勵(lì)研究的最初階段，學(xué)者們認(rèn)為激勵(lì)是一個(gè)單一的概念，在其作用下，人們會(huì)有不同的行為經(jīng)歷和行為結(jié)果。但隨著研究的深入，學(xué)者們發(fā)現(xiàn)促使個(gè)體行為發(fā)生的激勵(lì)因素可能源自于外界，也可能源自于個(gè)體內(nèi)部。由此，學(xué)術(shù)界提出了外在激勵(lì)和內(nèi)在激勵(lì)的概念。外在激勵(lì)有些與物質(zhì)相關(guān)如工資、績(jī)效獎(jiǎng)金、分紅；有些偏重非物質(zhì)方面，如組織賦予的榮譽(yù)，組織認(rèn)同，以及良好的人際關(guān)系。無(wú)論是何種形式的外在激勵(lì)措施都基于個(gè)體的行為績(jī)效會(huì)受到組織的回報(bào)，而這種組織的回報(bào)是個(gè)體所期望的，會(huì)滿足個(gè)體的某些需求，這也是符合社會(huì)交換理論的。當(dāng)學(xué)術(shù)界圍在關(guān)注外在激勵(lì)的同時(shí)，一些學(xué)者開(kāi)始尋找“內(nèi)在激勵(lì)”，馬斯洛（maslow，1943）[26]最先進(jìn)行探索，他在需求層次理論中認(rèn)為所有個(gè)體均有挖掘自身成長(zhǎng)的需要。Ryan和Deci[27]經(jīng)過(guò)一系列的實(shí)驗(yàn)研究表明，比起外部激勵(lì)來(lái)說(shuō)，個(gè)體的內(nèi)在激勵(lì)行為會(huì)使個(gè)體具備更多的興趣，熱情和信心，給組織帶來(lái)高績(jī)效和高創(chuàng)意產(chǎn)出的同時(shí)，也使個(gè)體擁有更多的自尊、成就感、幸福感和自我效能。知識(shí)型企業(yè)的激勵(lì)機(jī)理如圖2所示。

假設(shè)2：文中從內(nèi)在激勵(lì)和外在激勵(lì)的內(nèi)涵和作用機(jī)制出發(fā)，將慣性權(quán)重w看作是企業(yè)進(jìn)行知識(shí)共享時(shí)的激勵(lì)因子。激勵(lì)因子w的大小會(huì)反映激勵(lì)效用的不同，在進(jìn)行外部激勵(lì)時(shí)，根據(jù)激勵(lì)因子w，可以將激勵(lì)措施按激勵(lì)效用的不同分為粗略的2種策略，策略1和策略2.總體來(lái)看，策略1的激勵(lì)效用較大，策略2的激勵(lì)作用較小。當(dāng)個(gè)體發(fā)生知識(shí)共享行為的愿景與組織的目標(biāo)愿景一致時(shí)，即在個(gè)體知識(shí)共享過(guò)程中，發(fā)生相互探討、積極交流、為組織的發(fā)展建言獻(xiàn)策等有利于組織發(fā)展的行為時(shí)，組織按策略1進(jìn)行激勵(lì)；反之，當(dāng)個(gè)體發(fā)生知識(shí)共享

行為的愿景與組織的目標(biāo)愿景有偏差時(shí)，即接受新知識(shí)時(shí)出現(xiàn)故意拖延、虛假接受、被動(dòng)應(yīng)對(duì)、暗地破

壞或公然反抗等行為，組織按策略2進(jìn)行激勵(lì)。不同的激勵(lì)策略相應(yīng)的能夠使得每個(gè)員工向著最有利于企業(yè)發(fā)展的目標(biāo)進(jìn)行。具體如圖3所示。

個(gè)體在進(jìn)行內(nèi)部激勵(lì)時(shí)，將w的取值假設(shè)為隨機(jī)的，這也與理論較為相符，每個(gè)個(gè)體不同時(shí)期對(duì)自己的內(nèi)在激勵(lì)是不一樣的，這一點(diǎn)在馬斯洛的需求層次理論也會(huì)有所反映。組織在進(jìn)行激勵(lì)員工進(jìn)行知識(shí)共享時(shí)，既要結(jié)合員工個(gè)體內(nèi)在的激勵(lì)需求，又要結(jié)合員工外在的知識(shí)共享表現(xiàn)，將外在的激勵(lì)策略合理的結(jié)合起來(lái)，個(gè)性化的為每個(gè)員工制定合理的激勵(lì)培養(yǎng)計(jì)劃，使得知識(shí)能夠最大限度地進(jìn)行共享，具體的機(jī)理如圖4所示：

基于以上定義和假設(shè)，文中借鑒生物學(xué)中的自適應(yīng)法則，緊緊圍繞復(fù)雜結(jié)構(gòu)來(lái)源于簡(jiǎn)單子系統(tǒng)的相互作用這一復(fù)雜性的精髓，利用動(dòng)態(tài)雙重自適應(yīng)PSO機(jī)理對(duì)知識(shí)狀態(tài)系統(tǒng)演化模型進(jìn)行了演化，具體的演化模型如圖5所示。

知識(shí)狀態(tài)系統(tǒng)作為一個(gè)復(fù)雜自適應(yīng)系統(tǒng)，對(duì)于復(fù)雜性系統(tǒng)，應(yīng)該以系統(tǒng)自身的運(yùn)作方式去了解這些系統(tǒng)，對(duì)復(fù)雜系統(tǒng)的認(rèn)知，我們只能依賴于系統(tǒng)本身，也就是說(shuō)真正復(fù)雜性問(wèn)題我們只能以復(fù)雜資源進(jìn)行趨近[28]。

文中所設(shè)計(jì)的演化模型，利用自適應(yīng)學(xué)習(xí)系統(tǒng)和自適應(yīng)共享系統(tǒng)這2個(gè)復(fù)雜資源來(lái)對(duì)知識(shí)狀態(tài)系統(tǒng)進(jìn)行趨近，通過(guò)知識(shí)吸收、知識(shí)學(xué)習(xí)、知識(shí)整合、知識(shí)共享等幾個(gè)步驟將知識(shí)狀態(tài)以一種合理的方式進(jìn)行演化，最后使得新知識(shí)體系為全體員工和組織所掌握。

3數(shù)值仿真

我們知道，知識(shí)型企業(yè)知識(shí)挖掘的優(yōu)化效能，取決于知識(shí)工作者獲得的信息與搜索效率和精度的平衡[10]，也就是說(shuō)，算法性能好壞可以反映知識(shí)狀態(tài)系統(tǒng)演化模型性能的優(yōu)劣，為了檢驗(yàn)?zāi)Ｐ偷臏?zhǔn)確性和穩(wěn)定性，文中取普通PSO算法（PSO）和自適應(yīng)慣性權(quán)重PSO算法（Adaptive Inertial Weight PSO，簡(jiǎn)稱AIWPSO）以及自適應(yīng)加速因子PSO算法（Adaptive Accelerated Factor PSO，簡(jiǎn)稱AAFPSO）和動(dòng)態(tài)雙重自適應(yīng)PSO（Dual Adaptive PSO，簡(jiǎn)稱DAPSO）來(lái)進(jìn)行比較。此外，為了顯示DAPSO算法的優(yōu)勢(shì)，將普通PSO算法中的慣性權(quán)重w按照文獻(xiàn)[29]進(jìn)行設(shè)計(jì)：

3.4測(cè)試分析

1）通過(guò)分析以上測(cè)試結(jié)果，將AIWPSO和AFFPSO與普通PSO比較，我們不難發(fā)現(xiàn)，對(duì)于單峰函數(shù)f1，f2來(lái)說(shuō)，AIWPSO和AFFPSO在尋優(yōu)性能和搜索精度上都要優(yōu)于普通PSO.這表明AIWPSO和AFFPSO算法通過(guò)借鑒自然界中的自適應(yīng)法則，可以使得粒子以合適的速度遍歷解空間中的點(diǎn)，使得粒子具有較優(yōu)的尋優(yōu)性能。

2）對(duì)比DAPSO和AIWPSO，AFFPSO，我們發(fā)現(xiàn)，DAPSO在精度上優(yōu)于AIWPSO；在尋優(yōu)效率上優(yōu)于AAFPSO。對(duì)于局部最優(yōu)值較多的函數(shù)f3來(lái)說(shuō)，DAPSO在尋優(yōu)率上優(yōu)于其他單方面自適應(yīng)算法，這表明DAPSO不僅融合了AIWPSO快速尋優(yōu)的特點(diǎn)，同時(shí)也融合了AAFPSO的自我適應(yīng)的收斂特性。此外，比較這幾種算法的均值和標(biāo)準(zhǔn)差，我們不難發(fā)現(xiàn)DAPSO較其他幾種算法在穩(wěn)定性上有更好的表現(xiàn)。

綜上，我們發(fā)現(xiàn)DAPSO較其他算法有較好的收斂性能和尋優(yōu)性能，同時(shí)也具有一定的穩(wěn)定性，對(duì)于模擬知識(shí)狀態(tài)系統(tǒng)的演化具有較好的效果。

4結(jié)論

文中利用動(dòng)態(tài)雙重自適應(yīng)PSO算法的機(jī)理，對(duì)知識(shí)型企業(yè)知識(shí)狀態(tài)系統(tǒng)的演變模型進(jìn)行構(gòu)建，以及對(duì)模型的演化性能進(jìn)行仿真模擬，來(lái)探索知識(shí)型企業(yè)知識(shí)狀態(tài)系統(tǒng)的演化過(guò)程。通過(guò)模型構(gòu)建和仿真模擬，我們發(fā)現(xiàn)知識(shí)型企業(yè)知識(shí)狀態(tài)系統(tǒng)的演化過(guò)程是一個(gè)自適應(yīng)和不斷的與外界進(jìn)行知識(shí)交換的過(guò)程，在演化的過(guò)程中，知識(shí)能否進(jìn)行合理地轉(zhuǎn)化和知識(shí)能否最大化共享對(duì)于企業(yè)的管理者來(lái)說(shuō)顯得尤為重要。在知識(shí)轉(zhuǎn)化的過(guò)程中，管理者需要確保組織的信息交流無(wú)障礙，需要為員工營(yíng)造良好的學(xué)習(xí)氛圍，提供舒適的工作環(huán)境、較好的福利待遇，對(duì)員工所掌握的知識(shí)進(jìn)行深度挖掘，不斷提升知識(shí)的轉(zhuǎn)化效率，提高員工的創(chuàng)造力，最后使得企業(yè)中的知識(shí)形成一條完整的知識(shí)鏈；在知識(shí)共享的過(guò)程中，管理者需要制定個(gè)性化的激勵(lì)措施，對(duì)員工進(jìn)行有效的激勵(lì)，確保每個(gè)員工能貢獻(xiàn)自己所有的知識(shí)的同時(shí)也能分享到其他員工的知識(shí)，從而為企業(yè)知識(shí)的創(chuàng)新奠定基礎(chǔ)。

參考文獻(xiàn)：

[1]王眾托.知識(shí)管理[M].北京：科學(xué)出版社，2009.

[2]Wolfgang W Bein.Knowledge state algorithms and the 2severproblem[J].Electronic Notes on Discrete Mathematics，2004，17（3）：49.

[3]Eduard Bartl，Radim Belohlavek.Knowledge Spaces with graded knowledge states[J].Information Sciences，2011（181）：1 426-1 439.

[4]王斌.知識(shí)聯(lián)盟中知識(shí)狀態(tài)演化路徑的研究——以濮陽(yáng)特種玻璃及光電源知識(shí)聯(lián)盟為例[J].理論與探索，2016，39（1）：70-75.

[5]孫悅，趙坤.知識(shí)型企業(yè)知識(shí)狀態(tài)系統(tǒng)的熵變研究[J].科學(xué)學(xué)研究，2008，26（2）：339-343.

[6]顏秀春.知識(shí)型企業(yè)知識(shí)狀態(tài)系統(tǒng)的知識(shí)治理模式[J].科技進(jìn)步與對(duì)策，2008，25（4）：151-156.

[7]韓毅.基于知識(shí)場(chǎng)模型的知識(shí)管理調(diào)控策略[J].圖書(shū)館情報(bào)工作，2008，52（6）：56-59.

[8]王斌.網(wǎng)絡(luò)位勢(shì)主導(dǎo)下的知識(shí)狀態(tài)演化機(jī)理研究[J].現(xiàn)代情報(bào)，2016，36（1）：40-44.

[9]黃麗華.基于logistic法則對(duì)企業(yè)知識(shí)生態(tài)系統(tǒng)協(xié)同機(jī)制評(píng)價(jià)研究[J].聊城大學(xué)學(xué)報(bào)：自然科學(xué)版，2014，27（4）：78-83.

[10]趙坤，孫悅.知識(shí)型企業(yè)知識(shí)狀態(tài)系統(tǒng)演變的PSO機(jī)理及其優(yōu)化模型分析[J].科學(xué)管理研究，2006，24（4）：78-81.

[11]曹興，羅會(huì)華.企業(yè)知識(shí)狀態(tài)：企業(yè)競(jìng)爭(zhēng)優(yōu)勢(shì)的一種理論解析[J].中國(guó)軟科學(xué)，2005（11）：124-129.

[12]Helpworth M.A framework for understanding user requirements for an information service：defining the needs of informal carers[J].Journal of the American Society for Information Science and Technology，2004，55（8）：695-708.

[13]陳琦.知識(shí)狀態(tài)與企成長(zhǎng)的微觀機(jī)制研究[J].企業(yè)家天地，2007（2）：73-75.

[14]陳素娟.知識(shí)型企業(yè)知識(shí)狀態(tài)系統(tǒng)演化的內(nèi)部動(dòng)力分析[J].企業(yè)導(dǎo)報(bào)，2013（23）：194-195.

[15]陳素娟.知識(shí)型企業(yè)知識(shí)狀態(tài)系統(tǒng)演化的外部動(dòng)力分析[J].當(dāng)代經(jīng)濟(jì)，2014（2）：150-151.

[16]劉曉冰，白朝陽(yáng)，薛冬娟，等.面向過(guò)程追蹤的知識(shí)狀態(tài)描述方法研究[J].計(jì)算機(jī)應(yīng)用研究，2008，25（11）：3 346-3 349.

[17]江文年，楊建梅.基于多視角的知識(shí)演化的企業(yè)知識(shí)管理體系研究[J].科技管理研究，2004，24（4）：66-67.

[18]郭培韜，郭東強(qiáng).轉(zhuǎn)型企業(yè)知識(shí)轉(zhuǎn)移的生態(tài)學(xué)解釋模型[J].情報(bào)科學(xué)，2015，33（1）：89-94.

[19]張紅兵，和金生.基于“融知-發(fā)酵”的產(chǎn)業(yè)集群知識(shí)創(chuàng)新探析[J].科學(xué)管理研究，2007，25（4）：76-79.

[20]尹守軍，井潤(rùn)田.基于復(fù)雜系統(tǒng)的組織結(jié)構(gòu)演化研究[D].成都：電子科技大學(xué)，2014.

[21]歐陽(yáng)瑩之.復(fù)雜系統(tǒng)理論基礎(chǔ)[M].上海：上?？萍冀逃霭嫔纾?002.

[22]Beekman M，Ratnieks F L W longrang.Foraging by the honeybee.Apis Mellifera L[J].Functional Ecologicy，2000，14：490-496.

[23]

Kennedy J Eberhart R.Particle swarm optimization[J].IEEE International Conference on Neural Networks，1995，4（8）：1 942-1 948.

[24]龍文，焦建軍，龍祖強(qiáng).基于PSO優(yōu)化LSSVM的未知模型混沌系統(tǒng)控制[J].物理學(xué)報(bào)，2011，60（11）：1-5.

[25]儲(chǔ)節(jié)旺，郭春俠.知識(shí)管理學(xué)科的興起、理論發(fā)展與體系構(gòu)建研究[M].安徽：安徽大學(xué)，2014.

[26]Maslow A H.A theory of human motivation[J].Psychological Review，1943，50（1）：370-396.

[27]RM Ryan，EL Deci.Selfdetermination theory and the facilitation of intrinsic motivation，social development，and wellbeing[J].American Psychologist，2000，55（1）：68-78.

[28]何建佳，徐福緣.基于元胞自動(dòng)機(jī)的自旋玻璃離散優(yōu)化[J].系統(tǒng)工程，2011，29（7）：91-98.

[29]薛婷.粒子群優(yōu)化算法的研究與改進(jìn)[D].大連：大連海事大學(xué)，2008.

（責(zé)任編輯：王強(qiáng)）