企業(yè)創(chuàng)新網(wǎng)絡(luò)的知識轉(zhuǎn)移效果預(yù)測仿真研究

劉國新，崔海楠，王 林

(1.武漢理工大學(xué) 安全科學(xué)與應(yīng)急管理學(xué)院，湖北 武漢 430070；2.武漢理工大學(xué) 管理學(xué)院，湖北 武漢 430070；3.華中科技大學(xué) 管理學(xué)院，湖北 武漢 430074)

在開放式創(chuàng)新環(huán)境中，伴隨著知識經(jīng)濟的潛移默化，企業(yè)之間的關(guān)系發(fā)展逐漸形成創(chuàng)新網(wǎng)絡(luò)。在創(chuàng)新網(wǎng)絡(luò)中產(chǎn)生的知識轉(zhuǎn)移行為，是因為異質(zhì)性創(chuàng)新主體之間的創(chuàng)新知識要素分配的不對稱，需要依賴對方的創(chuàng)新知識資源，通過關(guān)系網(wǎng)絡(luò)進行資源互補而產(chǎn)生的，這種介于市場與企業(yè)間的資源配置方式長期存在就形成了正式和非正式的知識互惠關(guān)系[1]。知識轉(zhuǎn)移主要是一方從另一方獲取知識的過程，可以反映出不同創(chuàng)新實體之間進行信息和技能的系統(tǒng)交流。所以在創(chuàng)新網(wǎng)絡(luò)中，企業(yè)作為創(chuàng)新節(jié)點進入創(chuàng)新網(wǎng)絡(luò)，網(wǎng)絡(luò)成員間如何進行知識轉(zhuǎn)移等自增益價值獲取活動是值得人們關(guān)注的問題。

企業(yè)作為創(chuàng)新網(wǎng)絡(luò)中的創(chuàng)新主體，在合作網(wǎng)絡(luò)中通過知識流動實現(xiàn)知識資源的互補，以達到知識共享與交流，進而實現(xiàn)知識轉(zhuǎn)移的創(chuàng)新動機。SMEDS等[2]在知識網(wǎng)絡(luò)的定義中表明:為彌補知識缺口，企業(yè)與具備該知識的外部主體為實現(xiàn)知識轉(zhuǎn)移不斷進行交互形成了合作創(chuàng)新網(wǎng)絡(luò)，促進了個體知識獲取和共同體知識共享，有利于實現(xiàn)協(xié)同創(chuàng)新。創(chuàng)新網(wǎng)絡(luò)為創(chuàng)新主體提供了知識交流的平臺，創(chuàng)新主體間的非正式控制機制[3]作為知識流動信道承載并運輸大量的知識信息。一方面，網(wǎng)絡(luò)結(jié)構(gòu)可以影響知識轉(zhuǎn)移。ROWLEY等[4]認為網(wǎng)絡(luò)結(jié)構(gòu)影響知識轉(zhuǎn)移，主要是從轉(zhuǎn)移風(fēng)險角度來反向評價知識轉(zhuǎn)移績效，中心度高的知識轉(zhuǎn)移協(xié)調(diào)性高且轉(zhuǎn)移風(fēng)險低；另一方面，網(wǎng)絡(luò)結(jié)構(gòu)的復(fù)雜特征也能夠促進知識轉(zhuǎn)移，且具備復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)特征的網(wǎng)絡(luò)中信息知識的流動效率是最高的[5]。MU等[6]通過模擬仿真發(fā)現(xiàn)創(chuàng)新節(jié)點的吸收能力和傳授能力有助于促進知識轉(zhuǎn)移。因此，企業(yè)創(chuàng)新網(wǎng)絡(luò)呈現(xiàn)出的復(fù)雜性特征，不僅體現(xiàn)在網(wǎng)絡(luò)節(jié)點的復(fù)雜性，還體現(xiàn)在網(wǎng)絡(luò)結(jié)構(gòu)的復(fù)雜性。

企業(yè)的知識信息機構(gòu)無論是正式的還是非正式的組織都會構(gòu)成復(fù)雜網(wǎng)絡(luò)。復(fù)雜網(wǎng)絡(luò)是大量節(jié)點與連線縱橫交叉形成的具有拓撲性質(zhì)的規(guī)模網(wǎng)絡(luò)[7]。針對網(wǎng)絡(luò)演化的研究大多數(shù)是基于復(fù)雜網(wǎng)絡(luò)的相關(guān)模型展開的[8]，筆者將引用BARABASI等[9]提出的無標度網(wǎng)絡(luò)模型，即BA網(wǎng)絡(luò)模型，該模型是研究現(xiàn)實情境下的網(wǎng)絡(luò)(科研合作網(wǎng)絡(luò)、技術(shù)聯(lián)盟網(wǎng)絡(luò)等)生成演化為復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)的經(jīng)典代表網(wǎng)絡(luò)模型之一。筆者以企業(yè)間的創(chuàng)新網(wǎng)絡(luò)為研究對象，每個獨立的企業(yè)是創(chuàng)新網(wǎng)絡(luò)中的“節(jié)點”，企業(yè)間的合作關(guān)系是節(jié)點之間連接的“邊”，每個企業(yè)作為異質(zhì)性的創(chuàng)新主體在創(chuàng)新網(wǎng)絡(luò)中釋放的能量大小是不同的。在無標度網(wǎng)絡(luò)中，所有網(wǎng)絡(luò)節(jié)點完全共享知識信息的能量是一種理想化的狀態(tài)，唯有滿足大多數(shù)節(jié)點的資源需求，盡可能地達到價值最大化才是一種理性的結(jié)果。

知識轉(zhuǎn)移的基礎(chǔ)是知識源與知識宿主之間的合作關(guān)系，兩者間的合作關(guān)系主要體現(xiàn)在知識源的轉(zhuǎn)移意愿和知識宿主的接收轉(zhuǎn)化兩個方面，知識轉(zhuǎn)移伴隨著協(xié)同創(chuàng)新全過程，可以運用復(fù)雜網(wǎng)絡(luò)探索企業(yè)在創(chuàng)新網(wǎng)絡(luò)更新擴展過程中的知識轉(zhuǎn)移演化規(guī)律。筆者擬通過梳理企業(yè)創(chuàng)新網(wǎng)絡(luò)成員間的相互作用關(guān)系，依據(jù)資源依賴理論，從復(fù)雜網(wǎng)絡(luò)視角對企業(yè)間知識轉(zhuǎn)移規(guī)律進行研究，引入知識距離、知識源的轉(zhuǎn)移意愿和知識宿主的接收能力等情境因素分析企業(yè)創(chuàng)新知識網(wǎng)絡(luò)演化規(guī)則，建立BA無標度網(wǎng)絡(luò)演化模型并進行模擬仿真，以期為提升企業(yè)創(chuàng)新績效提供借鑒。

1 知識轉(zhuǎn)移的影響因素

1.1 知識勢差

企業(yè)具有不同的知識基礎(chǔ)和知識存量[10]，知識在創(chuàng)新主體之間分布得不均衡，故知識距離是客觀存在的。不同背景的企業(yè)在知識水平上的差異會影響知識轉(zhuǎn)移的效率。新加入的知識節(jié)點傾向與“距離”自己較近的主體建立關(guān)聯(lián)，產(chǎn)生知識轉(zhuǎn)移行為。因此，在知識轉(zhuǎn)移過程中，組織背景相似性程度導(dǎo)致的“知識勢差[11]”會影響到知識轉(zhuǎn)移效率。王欣等[12]認為知識勢差越大，知識轉(zhuǎn)移和傳遞越容易發(fā)生。在創(chuàng)新網(wǎng)絡(luò)中，企業(yè)節(jié)點優(yōu)先選擇與自身局域世界內(nèi)知識水平較高的成員建立關(guān)聯(lián)，產(chǎn)生知識轉(zhuǎn)移行為。在具有N個節(jié)點的創(chuàng)新網(wǎng)絡(luò)中，知識勢差可用兩點之間的網(wǎng)絡(luò)直徑(Dij)來表示：

Dij=Dik+Dkj

(1)

其中，1≤i≤k≤j≤N。

1.2 知識源的轉(zhuǎn)移意愿

知識轉(zhuǎn)移存在知識發(fā)送方和接收方兩個載體對象，包括傳輸和吸收兩個環(huán)節(jié)，兩個對象之間的知識互動行為可以提升雙方的知識和能力或?qū)崿F(xiàn)共同目標[13]。知識傳輸?shù)囊环骄褪侵R源，因為知識源的某種知識勢能高于其他創(chuàng)新主體，所以成為知識轉(zhuǎn)移發(fā)生的源頭對象，知識源的轉(zhuǎn)移意愿在起始就決定了知識轉(zhuǎn)移的發(fā)生可能性。知識擁有方對知識轉(zhuǎn)移的努力就是知識轉(zhuǎn)移意愿，知識源轉(zhuǎn)移自己的知識需要花費一定的成本，基于知識源是理性人的假設(shè)，知識共享企業(yè)需要滿足知識源的利益獲取以達到利潤最大化。知識源的轉(zhuǎn)移通過知識傳播利潤模型[14]表示：

(2)

式中：E(λ)為知識源獲取利潤；p為單位知識傳播收益率，0

該模型假設(shè)知識源的傳播成本是二次函數(shù)，知識源為實現(xiàn)知識轉(zhuǎn)移后的利潤最大化，向不同的知識接收方按照不同的比例轉(zhuǎn)移，通過對E(λ)求關(guān)于λ的偏導(dǎo)，可得到知識源的最優(yōu)轉(zhuǎn)移比例：

(3)

1.3 知識宿主的接收能力

知識轉(zhuǎn)移通過合理的方式把知識從一個主體傳達到另一個主體，而且一個知識源可以有多個知識受體，知識轉(zhuǎn)移的最終對象是知識接收方，即知識宿主。蔡堅等[15]認為知識從知識源傳遞給接收方并不意味著知識流動的完成，后續(xù)還會由接收方對知識進行整合、吸收與再創(chuàng)新，也就是知識宿主的接收活動。知識宿主由于知識存量少，知識勢能低于知識源，通過對知識源傳播的知識進行吸收、理解、轉(zhuǎn)化，從而實現(xiàn)知識增長。知識宿主的接收能力反映了知識接收方吸收其所需要知識的能力。知識宿主的接收能力隨著知識量的不斷增長而增強，呈現(xiàn)指數(shù)增長，故接收能力借鑒Logit模型[16]。假設(shè)節(jié)點i是知識接收方，節(jié)點j的知識轉(zhuǎn)移給節(jié)點i，則節(jié)點i的接收能力Ri可表示為：

(4)

其中，α為節(jié)點的吸收能力系數(shù)，α∈[0，1]。

1.4 知識增長量

在創(chuàng)新網(wǎng)絡(luò)中，知識勢差是知識轉(zhuǎn)移發(fā)生的必要條件，根據(jù)DAENPORT等[17]提出的知識轉(zhuǎn)移公式：轉(zhuǎn)移=傳播+吸收，可以總結(jié)出企業(yè)知識的增長受到知識源的轉(zhuǎn)移意愿和知識宿主的接收能力雙重因素的影響。假設(shè)先不考慮節(jié)點j的轉(zhuǎn)移比例，當節(jié)點j的知識儲備量高于節(jié)點i的知識儲備量時，即存在知識勢差，那么節(jié)點i的知識增長量KID就會受到其接受能力(Ri)與知識勢差(Dij)的影響；反之，節(jié)點i則不產(chǎn)生知識增長。KID的計算公式為：

(5)

進一步考慮知識源的最優(yōu)轉(zhuǎn)移比例λ對知識增長量的影響。不同情境下，節(jié)點j的最優(yōu)轉(zhuǎn)移比例會影響節(jié)點i的最大知識增長量。由式(3)可知，當mf≥Dij時，知識完全傳播出去，轉(zhuǎn)移比例λ為1；當mf

(6)

2 研究設(shè)計

2.1 模型構(gòu)建

在企業(yè)創(chuàng)新網(wǎng)絡(luò)中，引用BA無標度網(wǎng)絡(luò)模型[18-19]對復(fù)雜網(wǎng)絡(luò)進行仿真。將企業(yè)看作節(jié)點，將企業(yè)間知識轉(zhuǎn)移的信道看作節(jié)點之間連接的邊。記創(chuàng)新網(wǎng)絡(luò)為G，節(jié)點i與j之間的邊用eij表示。設(shè)定t=0時網(wǎng)絡(luò)中有m0(m0>1)個初始網(wǎng)絡(luò)節(jié)點，則網(wǎng)絡(luò)演化機制遵循以下兩個原則：

(1)增長機制。在每個時間段，添加一個新節(jié)點j與網(wǎng)絡(luò)中已經(jīng)存在的m(m≤m0)個舊節(jié)點相連接。

(2)擇優(yōu)連接機制。每個新節(jié)點j與網(wǎng)絡(luò)中舊節(jié)點i相連的概率服從擇優(yōu)連接概率，每次加入的新節(jié)點在網(wǎng)絡(luò)全局中以隨機概率選擇舊節(jié)點i進行連接，BA網(wǎng)絡(luò)連接概率與節(jié)點度k相關(guān)，服從冪律p(k)～k-γ，冪指數(shù)為3，與網(wǎng)絡(luò)節(jié)點數(shù)和平均度值無關(guān)。BA網(wǎng)絡(luò)連接概率的計算公式為：

(7)

2.2 參數(shù)設(shè)置

在對知識轉(zhuǎn)移過程中主要變量定義和數(shù)據(jù)模型構(gòu)建的基礎(chǔ)上，進一步驗證企業(yè)創(chuàng)新網(wǎng)絡(luò)中的知識轉(zhuǎn)移機制，在創(chuàng)新網(wǎng)絡(luò)不斷擴展增長的階段，采取最優(yōu)的傳播比例和最大化的接收能力去進行知識轉(zhuǎn)移，并演化出最優(yōu)條件下知識的增長狀態(tài)。對相關(guān)變量和參數(shù)進行賦值并編寫代碼用Matlab進行仿真。仿真參數(shù)設(shè)置如下：網(wǎng)絡(luò)初始規(guī)模m0=10，新點連接舊節(jié)點數(shù)為4，網(wǎng)絡(luò)演化總節(jié)點N(t)=50。

3 仿真結(jié)果

3.1 網(wǎng)絡(luò)演化仿真

在實際創(chuàng)新網(wǎng)絡(luò)中，知識轉(zhuǎn)移行為的發(fā)生伴隨著新節(jié)點的不斷加入和合作關(guān)系的動態(tài)轉(zhuǎn)變。根據(jù)BA網(wǎng)絡(luò)演化模型，采用Matlab仿真軟件，通過仿真條件的設(shè)置模擬知識轉(zhuǎn)移的演化過程，以此來研究兩個不同主體在此情境下的知識增長量效果。為了避免數(shù)據(jù)的波動和不確定性影響，取同一組參數(shù)重復(fù)運算20次后的平均值作為最終的仿真結(jié)果，仿真后的企業(yè)創(chuàng)新網(wǎng)絡(luò)結(jié)構(gòu)圖如圖1所示。在創(chuàng)新網(wǎng)絡(luò)演化拓撲結(jié)構(gòu)圖中，最終有50個節(jié)點隨機分布在鄰接矩陣100×100的網(wǎng)絡(luò)矩陣中，企業(yè)節(jié)點之間的連線表示節(jié)點之間的聯(lián)系，以增長后的網(wǎng)絡(luò)為仿真對象討論企業(yè)創(chuàng)新網(wǎng)絡(luò)拓展規(guī)模后的情形。

圖1 企業(yè)創(chuàng)新網(wǎng)絡(luò)演化拓撲結(jié)構(gòu)形態(tài)

企業(yè)創(chuàng)新知識網(wǎng)絡(luò)演化的節(jié)點度與度分布變化曲線如圖2所示。由圖2(a)可知，第1、2、4、5個節(jié)點的度最大，按照擇優(yōu)連接的規(guī)則，選擇節(jié)點度大的這4個節(jié)點作為知識源節(jié)點。圖2(b)為度數(shù)對應(yīng)節(jié)點的比率，服從冪律為3的度分布。網(wǎng)絡(luò)中平均節(jié)點度為8.2，平均路徑長度為2.054 7。度分布較廣泛，節(jié)點度的取值范圍為(0，25)，其中小于15的節(jié)點度集中分布，極少部分的節(jié)點度較大，說明演化出的創(chuàng)新網(wǎng)絡(luò)存在“富者越富”的小世界特性，服從廣義冪律分布，同時還存在“傾向性依附”的擇優(yōu)連接現(xiàn)象[20]，即出現(xiàn)的新節(jié)點傾向于連接到最有吸引力的節(jié)點。

圖2 企業(yè)創(chuàng)新知識網(wǎng)絡(luò)演化的節(jié)點度與度分布變化曲線

3.2 企業(yè)創(chuàng)新網(wǎng)絡(luò)知識轉(zhuǎn)移效果仿真分析

將知識源節(jié)點以外的節(jié)點作為知識宿主節(jié)點，通過知識量增長公式選擇優(yōu)化的知識轉(zhuǎn)移過程，按照經(jīng)濟理性思維設(shè)定知識轉(zhuǎn)移規(guī)則，動態(tài)調(diào)整知識源的激勵因子mf和吸收能力系數(shù)α。當mf≥Dij>1，即知識轉(zhuǎn)移意愿λ=1時，知識源企業(yè)以最優(yōu)的傳播比例1進行轉(zhuǎn)移。此時只考慮知識宿主的接收能力，根據(jù)知識接收的Logit函數(shù)可知，知識量少知識接收能力就小。故在Dij>1時，設(shè)置吸收能力系數(shù)α∈(0，0.5]；當mf≤Dij≤1時，考慮二元主體的共同能力，知識源為實現(xiàn)知識轉(zhuǎn)移后的利潤最大化，知識源企業(yè)會向不同的知識接收方按照不同的比例轉(zhuǎn)移，當知識勢差很小時傳播意愿就很低，知識接收方的知識量接近于知識源企業(yè)，此時設(shè)置激勵因子mf∈(0，0.5]，知識接受能力系數(shù)α∈(0.5，1]，在企業(yè)創(chuàng)新網(wǎng)絡(luò)整體KID分布狀態(tài)中顯示(如圖3所示)，節(jié)點之間進行知識轉(zhuǎn)移，受到“二元”主體的能力限制，使得KID分布不均勻。顏色越深，KID值越大。前10個節(jié)點為初始網(wǎng)絡(luò)的元老企業(yè)，這些企業(yè)之間的知識勢差小，顏色較后面區(qū)域較淺，KID值就小。知識勢差越大，知識轉(zhuǎn)移效果越明顯。

圖3 企業(yè)創(chuàng)新網(wǎng)絡(luò)知識轉(zhuǎn)移效果

筆者著重考慮第1、2、4、5個知識源企業(yè)與其他企業(yè)進行知識轉(zhuǎn)移后的知識增長量，通過Gephi軟件仿真得到知識源企業(yè)與其他企業(yè)進行知識轉(zhuǎn)移后的KID狀態(tài)呈現(xiàn)圖，如圖4所示。企業(yè)之間的聯(lián)系主要是根據(jù)企業(yè)節(jié)點之間的知識勢差進行連線，KID值的差異可以通過連線顏色的深淺進行辨別，顏色越深，KID值越大。從圖4可以看出，知識源企業(yè)(節(jié)點1、2、4、5)位于網(wǎng)絡(luò)的中心，知識轉(zhuǎn)移過程中知識源企業(yè)與各知識宿主企業(yè)間的知識增量各不相同。以知識源節(jié)點1進行分析，節(jié)點1和節(jié)點(27、17、47、24、41)進行知識轉(zhuǎn)移后知識增量最高，KID值均大于0.7；而節(jié)點1與節(jié)點(22、8)進行知識轉(zhuǎn)移后知識增量最低，KID值低于0.1，通過對比連線顏色深淺也可以看出，節(jié)點1與節(jié)點8的連線比節(jié)點1和節(jié)點27的連線顏色淺。

圖4 各個節(jié)點的KID狀態(tài)呈現(xiàn)圖

知識勢差-知識增量交叉圖如圖5所示，可以看出當Dij≤1時，KID<0.36；當Dij>1時，KID>0.5，這說明知識勢差越大，知識轉(zhuǎn)移效果越好。圖5(a)中，Dij=0的連接節(jié)點為(V1-1、V2-2、V4-4和V5-5)，這種情況下不存在知識勢差，所以KID值也為0。圖5(b)中，Dij=3的連接節(jié)點有3個(V1-42、V2-42和V5-43)，是所有網(wǎng)絡(luò)中知識源企業(yè)與知識宿主企業(yè)之間知識勢差最大的連接節(jié)點，且這3個節(jié)點之間進行知識轉(zhuǎn)移后的KID值在0.5以上。此外，通過對比圖5(a)和圖5(b)還可以發(fā)現(xiàn)，知識勢差越小，KID值的分布越參差不齊，這是因為受到知識“二元”主體的知識轉(zhuǎn)移能力共同作用，知識增長量就分布不均；知識勢差越大，在設(shè)定的知識轉(zhuǎn)移效果優(yōu)化規(guī)則里，知識傳播比例達到了最優(yōu)，知識宿主接收能力受到知識勢差的影響，知識勢差越大，知識宿主的認知能力越小，難以理解知識源傳達的知識內(nèi)涵，接收處理知識的能力水平就較弱。

圖5 知識勢差-知識增量交叉圖

4 結(jié)論

(1)通過梳理企業(yè)創(chuàng)新網(wǎng)絡(luò)成員間的相互作用關(guān)系，依據(jù)資源依賴理論，從復(fù)雜網(wǎng)絡(luò)視角對企業(yè)間知識轉(zhuǎn)移規(guī)律進行研究，引入知識距離、知識源轉(zhuǎn)移意愿和知識宿主接收能力等情境因素分析企業(yè)創(chuàng)新知識網(wǎng)絡(luò)演化規(guī)則，建立BA無標度網(wǎng)絡(luò)演化模型并對其進行模擬仿真，豐富了企業(yè)知識創(chuàng)新管理的研究，也可為企業(yè)提升創(chuàng)新績效提供借鑒。

(2)引用復(fù)雜網(wǎng)絡(luò)對企業(yè)創(chuàng)新網(wǎng)絡(luò)的知識轉(zhuǎn)移過程進行模擬仿真，在知識“二元”主體都是理性經(jīng)濟人的前提下分析知識轉(zhuǎn)移的優(yōu)化效果，隨著網(wǎng)絡(luò)規(guī)模的擴大，知識源企業(yè)與知識宿主企業(yè)的知識存量開始出現(xiàn)差距，知識勢差的存在是知識轉(zhuǎn)移的基礎(chǔ)，知識源的轉(zhuǎn)移意愿是知識轉(zhuǎn)移的前提，知識宿主的接收能力則會影響知識轉(zhuǎn)移的效果。

(3)仿真結(jié)果表明，所構(gòu)建的企業(yè)知識創(chuàng)新網(wǎng)絡(luò)度分布服從冪率分布，屬于無標度網(wǎng)絡(luò)；節(jié)點1、2、4、5為知識源企業(yè)，其他企業(yè)會根據(jù)擇優(yōu)的偏好連接機制大概率地連接知識源節(jié)點。在知識增長的KID優(yōu)化效果預(yù)測中，只有當知識勢差存在，且知識轉(zhuǎn)移受到知識源轉(zhuǎn)移意愿和知識宿主接收能力的雙重影響，知識增量就大，知識轉(zhuǎn)移是高效的。因此，在創(chuàng)新網(wǎng)絡(luò)中，企業(yè)進行知識轉(zhuǎn)移的關(guān)鍵是找出目標節(jié)點，縮短網(wǎng)絡(luò)的平均路徑，促進知識轉(zhuǎn)移。企業(yè)節(jié)點在創(chuàng)新網(wǎng)絡(luò)中選擇合作伙伴，根據(jù)互惠交換原則，將擇優(yōu)選取知識存量大的網(wǎng)絡(luò)節(jié)點進行合作。另外，知識源節(jié)點也存在對自己的知識進行保護和壟斷等行為，會使得轉(zhuǎn)移意愿降低，這種隨著合作競爭關(guān)系改變的網(wǎng)絡(luò)結(jié)構(gòu)使得企業(yè)的知識轉(zhuǎn)移處于一個復(fù)雜的網(wǎng)絡(luò)系統(tǒng)中。

(4)筆者研究還存在一些不足之處：節(jié)點的度分布和BA無標度網(wǎng)絡(luò)存在著“富者愈富”的現(xiàn)象，可能是模型參數(shù)設(shè)置不合理導(dǎo)致的；只考慮了增長機制，而忽略現(xiàn)實中會存在著關(guān)系破裂的刪減機制，即網(wǎng)絡(luò)的魯棒性和脆弱性特征；演化周期只設(shè)置一個演化階段，今后要在模型優(yōu)化設(shè)置的基礎(chǔ)上進一步探索網(wǎng)絡(luò)的生命周期問題，并選擇現(xiàn)實中的創(chuàng)新網(wǎng)絡(luò)實例去驗證仿真結(jié)果。