唐萍萍 安光日

摘要：为实现互联网环境下中国船舶工业绿色创新系统的资源优化配置，提高绿色创新水平，降低资源消耗，提出基于准全息元的中国船舶工业绿色创新系统资源优化配置模型。该模型通过物联网技术实现资源数据的集成，运用合作微分博弈优化配置决策，同时确保该绿色创新系统的健壮性，实现资源的优化配置。通过算例说明模型的可行性。结果表明，各绿色创新主体可通过这个模型调整资源配置比例进行战略互动，以实现系统整体绿色创新效益的最优化。

关键词：船舶工业; 绿色创新系统; 资源优化配置; 物联网技术; 合作微分博弈

中图分类号：F273.1

文献标志码：A

Abstract：In order to optimize the allocation of resources in the green innovation system of Chinas shipbuilding industry under the internet environment， improve the level of green innovation and reduce the consumption of resources， a quasi-holographic element-based model for the optimal allocation of resources in the green innovation system of Chinas shipbuilding industry is proposed. The model integrates the data of the resources through the Internet of Things （IoT） technology， and optimizes the allocation decision using the cooperative differential game. At the same time， the robustness of the green innovation system is ensured， thus the optimal allocation of the resources is realized. An example is given to illustrate the feasibility of the model. The results show that each  green innovation subject can adjust the proportion of resource allocation to carry on strategic interaction through this model， so as to achieve the optimization of the whole green innovation benefit of the system.

Key words：shipbuilding industry; green innovation system; optimal allocation of resource; Internet of Things （IoT） technology; cooperative differential game

收稿日期：2018-05-29

修回日期：2018-09-05

基金項目：教育部人文社会科学基金（16YJA630002）;黑龙江省哲学社会科学研究规划项目（15GLB05）

作者简介：

唐萍萍（1993—），女，山东淄博人，硕士研究生，研究方向为技术管理与技术创新管理，（E-mail）tpp20121385@163.com;

安光日（1979—），男，朝鲜平壤人，博士，研究方向为技术管理与技术创新管理，（E-mail）1065809184@qq.com

0 引 言

在世界经济复苏乏力、国内经济结构性问题和深层次矛盾凸显、航运造船产能双过剩、船舶绿色环保要求提高等多重压力下，中国船舶工业多以外延扩大再生产方式增加造船规模，造船资源消耗过高，资源利用率偏低，导致船舶工业供应结构和产业结构失衡。船舶工业如何突破资源环境约束以实现绿色转型已成为迫切需要解决的现实问题，其中以实现经济和环境双赢为核心的绿色创新成为解决这一问题的关键手段。根据资源优势理论以及相关研究[1-3]，创新资源的合理配置对于船舶工业绿色创新系统成功实施绿色创新至关重要。因此，中国船舶工业更应该关注其绿色创新系统的资源优化配置问题。

创新资源配置一般指在某区域内不同创新主体对创新资源的分配和使用。船舶工业绿色创新系统指在一定的环境背景下，以可持续发展为目的，船舶制造企业、船舶配套企业、船舶类高校及科研院所、各级政府及船舶行政机构、船级社、相关中介机构等各类型绿色创新主体通过有效配置和利用船舶工业绿色创新系统内外部绿色创新资源，推动船舶工业不断进行绿色创新，建立船舶工业绿色产业链，实现船舶工业经济效益、社会效益和生态效益的复杂系统。其创新资源是船舶工业绿色创新活动中的投入，是船舶绿色创新的基础与前提。在互联网环境下，船舶工业具有创新资源的复杂性、综合性和全球性，同时其绿色创新过程具有开放性、环境协调性和动态性，其创新资源的有效配置面临更大的困难。国内外学者对船舶工业资源配置进行了诸多研究，关注重心主要在船舶工业资源微观配置层面。李丹等[4]利用最小二乘回归模型以2010—2012年中国12家船舶上市公司为例，探讨了船舶产业融资偏好与融资效率相关性问题。陈建平[5]通过线性规划模型分析了修船企业在现有资源约束下各项修理工程的承接量规划问题，以寻求生产资源与产能效益的最佳配置。张海峰等[6-7]运用混合策略博弈和数据包络分析对船舶制造业信息资源的协同效益和配置效率进行了研究。赵占坤等[8]利用蚁群和粒子群优化融合算法分析了船舶网络资源的调度。居金文[9]以国内典型船舶制造企业的实际经验和数据为基础分析总结了新形势下船舶制造企业人力资源管理措施。可见，目前学者对于确定创新资源配置的决策过程的研究很少，也较少考虑将船舶工业绿色创新系统资源进行整合以实现创新资源集成，并对创新资源配置的绿色创新绩效进行反馈。

对于确定创新资源配置的决策过程的研究，YIN等[10]运用混合粒子群优化算法建立了以自适应资源为约束的多目标资源分配优化模型，解决非线性的多目标资源配置问题;AZAIEZ等[11]运用启发式博弈论求解了串并系统的安全投资问题;HUANG等[12]针对资源配置的复杂性、动态性特征，将资源优化配置问题看作马尔科夫决策过程，为提高资源配置效率提供了重要思路。虽然这些技术能够在资源配置过程中提供决策支持，但在互联网及开放融合的背景下，资源的合作与共享成为船舶工业绿色创新的保障和趋势，因此合作微分博弈成为解决创新资源配置问题的更好的方法。现实中的经济合作是长期根据环境变化而进行的动态协调和适应[13]。在合作微分博弈中，博弈参与者按照共同锁定的协议以及分配机制等最优准则做出承诺[14]。寻找微分博弈均衡解的过程，即是一个博弈参与者进行各自动态最优化的过程。

然而，仍缺乏合作微分博弈所需的资源数据模块。数据的获取是为了确保合作微分博弈的质量，对其输入和输出提供实时反馈。射频识别（radio frequency identification，RFID）等物联网技术是一个可能的解决方案。根据MOON等[15]的研究，RFID技术已经应用于建筑、服装、物流和供应链管理以及零售等14个行业。RFID技术在制造过程中还没有被广泛采用[16]。另外，RFID技术的实时数据采集机制很少协调信息分析、决策支持和知识共享等资源管理过程[17]。因此，为弥补这一不足，本文构建包括物联网技术基本要求和保障机制的数据集成与共享模块，实现对船舶工业绿色创新系统资源数据的集成与共享，为其资源配置提供依据，以实现更好的资源配置。

1 模型设计

1.1 基于准全息元模型的创新资源优化配置模型

鉴于船舶工业综合性、复杂性的生产过程和全球一体化的资源整合特性，为保证其绿色创新系统资源描述的健壮性，本文引入准全息元模型的概念来描述把多参量整合为一个有机整体的自组织法则。基于准全息元模型的中国船舶工业绿色创新系统资源配置模型包括两个模块，即数据集成与共享模块、资源配置决策与反馈模块，分别执行捕获实时数据实现创新资源信息集成的功能和进行创新资源配置决策及反馈的功能，见图1。

数据集成与共享模块通过RFID探测器、智能传感器等物联网技术采集中国船舶工业绿色创新系统中的资源数据以实现资源虚拟化、数据化，通过适配器对创新资源进行封装。数据集成与共享平台存储着资源的状态，并通过其保障机制实现对创新资源在整个生命周期内的管理。当进行资源配置查询时，创新资源数据从平台集中式数据库中被检索出来，被转移到资源配置决策与反馈模块后，再运用合作微分博弈模型进行中国船舶工业绿色创新系统资源的配置决策。资源配置决策与反馈模块的研究重点是创新资源在共享的过程中如何在各资源节点间进行流转，即如何在中国船舶工业绿色创新系统的部署下，通过选择为哪一资源节点完成绿色创新任务，达到节能减排的目标。

1.2 基于物联网技术的数据集成与共享

基于物联网技术的数据集成与共享模块部署了海量的多种类型传感设备，每个传感设备都是一个信息源，收集到的大量资源信息最终传输到感知终端，为资源配置决策与反馈模块提供基础。因此，多类型传感器、网络传输协议、大数据处理技术等是数据集成与共享模块构建的基本要求。此外，相应保障机制的建立是维护该模块正常运行的必要条件。

创新资源筛选机制是创新资源进入数据集成与共享模块的标准，该机制的制定是为了防止过多低质量或重复的创新资源进入数据集成与共享模块，同时有助于对自身创新资源进行分析，了解其特点和保护要求，进而选择不同的集成与共享策略;激励机制是根据船舶工业绿色创新参与者动机、行为特点和表现机制制定的激励标准，激励方式包括政府可给予一定的绿色成本补偿或者共享补助等;风险管理机制是对绿色创新不确定性的预防，包括信用风险管理、信息技术风险管理和网络安全风险管理;标准化机制是在创新资源管理、创新资源虚拟化等方面，设备接入、协议解析、边缘数据处理等方面和资源数据接入、处理、存储等方面的标准化。

1.3 基于合作微分博弈的资源配置决策与反馈

1.3.1 合作微分博弈模型的参数设定与假设

物联网状态下中国船舶工业绿色创新系统内某一绿色创新虚拟动态联盟由N个资源节点组成，其中资源供应点为m个，资源需求点有n个。在某一经营时间区间[t0，T]内，某资源节点为完成创新任务所需的资源可从其自身或外部获得，以保证所需资源得到满足，实现船舶工业绿色创新技术水平的提高，推动船舶工业绿色创新系统整体绿色创新效益的实现。然而，由于资源具有异质性，其在船舶绿色设计、绿色建造、绿色拆解等过程中所占的比例和重要性不同，为实现创新资源的有效利用与配置，全面提高船舶绿色设计研发、绿色生产制造、绿色航道营运、绿色拆解回收等方面的能力及融合水平，实现船舶工业产业链优化延伸、价值链融合升级，促进中国船舶工业在互联网环境下的快速与可持续发展，设定中国船舶工业绿色创新系统内绿色创新合作微分博弈模型的参数如下：

xi（t）为某资源节点i在时间t的绿色创新技术水平，xi（t）∈XiR+，i=1，2，…，N;uij（t）为资源供应点j在时间t可提供给资源需求点i的创新资源比例，0≤uij（t）≤1;ai为由创新资源流转所带来的绿色创新技术水平增长系数，ai>0，i=1，2，…，N;b为各资源节点的绿色创新技术淘汰率，b>0;Rj为资源供应点j可提供的创新资源量，Rj≥0 （j=n+1，n+2，…，N）;θi为资源节点i的绿色创新技术水平的自增长能力（如自身创新资源的投入等），i=1，2，…，N;r为贴现率，因此贴现因子为exp（-r（t-t0））;ci為资源节点i的成本系数;pi为绿色创新技术的市场需求因子，i=1，2，…，N;hi为绿色创新技术的未来适用因子，用来衡量各资源节点绿色创新技术水平的未来效应，i=1，2，…，N。

考虑到中国船舶工业绿色创新系统资源配置过程的特点，假设：资源供应点j可提供的创新资源量Rj是指扣除自用的创新资源量后剩余的可用创新资源量，自用创新资源带来的绿色创新技术水平的提高包含在θi中;资源节点间的资源合作带来双方绿色创新技术水平的增长率与合作过程中的创新资源量成正比;各资源节点的绿色创新技术水平在对即时收益产生持续影响的同时，会对未来的收益产生影响，因此设

pixi（t）为资源节点i的绿色创新技术水平为xi（t）时的收益;hi（xi（T））2为在时间终点T的绿色创新技术回收值。

1.3.2 合作微分博弈模型构建

根据上述参数定义与假设，考虑物联网状态下各资源节点资源相互交易的特点，将各资源节点分为资源需求点和资源供应点，根据最优控制问题对创新资源配置合作微分博弈模型的描述如下：

（1）给定资源节点的微分运动方程和初始状态

式中：xi（t）为状态变量;uij（t）为控制变量。

（2）控制变量取值的界定。

在创新资源配置中，创新资源的交易量是关注的重点，由于单个资源节点拥有的创新资源量取值范围过大，取值界定较为复杂，而创新资源提供比例uij（t）的取值界定相对简单，所以选择uij（t）为控制变量更为合理。uij（t）的取值范围为

（3）支付特征函数的设定。

根据上述讨论，模型的支付特征函数为动态联盟的收益净值。根据上述假设，动态联盟中各资源节点的总收益包括两部分：在任意时间t∈[t0，T]所获支付的总和ni=1（pixi（t））和在时间终点T的绿色创新技术回收值根据收益净值=总收益-总成本，可得模型的支付特征函数为式中：vi为资源节点i的收益净值;

Cs为资源供应点成本，Cs=ni=1Nj=n+1cjuijRj;Cd为资源需求点成本，Cd=ni=1Nj=n+1ciuijRj。各资源节点成员通过微分运动方程调整创新资源提供比例uij（t）使总收益净值最大，每个资源节点除关心自身的决策外，也关心其他资源节点的决策，这是因为每个资源节点的决策会影响其他资源节点的绿色创新技术水平，从而影响该系统动态联盟的总收益净值，其总收益净值又会影响到单个资源节点最后所分配到的收益。因此，各资源节点之间形成战略互动，微分运动方程和支付特征函数构成了中国船舶工业绿色创新系统内N个资源节点的动态合作微分博弈，最终达到均衡状态，实现Pareto战略最优。

在此基础上运用最优控制技术的Pontryagin极大值原理求解可得该模型的战略均衡解表达式：

2 模型应用示例与仿真探讨

假设中国船舶工业绿色创新系统内各资源节点通过RFID等物联网技术实现创新资源集成，形成船舶工业绿色创新系统资源数据平台，选取其中5个船舶企业作为该动态联盟资源节点，其中资源需求点有2个，资源供应点有3个。依据对内部研发投入、技术购买投入和合作研发投入对技术创新绩效影响的研究[18]，以及对创新资源投入对绿色创新系统绿色创新能力影响的探讨[19]，参考BLOMSTRM等[20]和张相斌等[21]对数据的选取，设定相关参数值如表1所示，其中贴现率r=8%。

资源配置时，该联盟可获得最大绿色创新效益。由此可知，该模型可用于中国船舶工业绿色创新系统资源优化配置决策过程，以寻求最优的配置决策。

在此基础上，利用MATLAB对创新资源配置比例uij与各参数间的关系进行仿真分析，以便为中国船舶工业绿色创新系统资源优化配置提供指导，其相关函数变化关系见图2。

由图2a可知，uij 随可提供资源量Rj和成本系数cj的增大而降低，这表明在某动态联盟的创新资源交易过程中，各资源节点更倾向于选择向低成本系数的资源供应方购买资源。

由图2b可知，uij是船舶工业绿色创新技术市场需求因子pi的增函数，这表明在中国船舶工业绿色创新系统某动态联盟的创新资源交易过程中，随着pi的增大，创新资源的外部投入增加，创新资源合作共享活跃。

由图2c可知，uij是绿色创新技术未来适用因子hi的减函数，这表明随着hi的增大，绿色创新风险及其不确定性增加，这就需要更多的资源节点参与并投入更多的创新资源作為支撑，减少单个资源节点提供创新资源的比例，分散绿色创新风险。

由图2d可知， uij随着绿色创新技术水平的自增长能力θi的增大而增大，这表明：系统内各资源节点绿色创新技术水平自增长能力的提高有利于推动绿色创新水平的提高、创新资源需求量的增加以及各创新资源节点交易需求量的相应增加;在动态联盟的资源交易过程中，各资源节点更倾向于选择绿色创新技术水平自增长能力较强的资源节点进行资源合作。

由图2e可知， uij随着绿色创新技术水平增长系数ai的增加而增加，这表明：在某动态联盟的资源交易过程中，资源需求点获得创新资源使得绿色创新技术水平增加;资源需求点i的ai越大，资源供应点越乐于向其提供创新资源，创新资源合作也越活跃;资源供应点i的ai越大，其将越乐于向联盟中的节点共享其创新资源，供需双方将越容易达成绿色创新动态联盟。

由图2f可知， uij随着其绿色创新技术淘汰率bi的增大而降低，这表明在中国船舶工业绿色创新系统某动态联盟的创新资源合作过程中，资源供应点向绿色创新技术淘汰率较高的资源需求点提供创新资源的积极性较低，同时自身绿色创新技术淘汰率较高的资源供应点提供创新资源的积极性也较低。

3 结论与启示

本研究提出了中国船舶工业绿色创新系统资源优化配置模型，利用物联网技术和合作微分博弈构建了数据集成与共享模块和资源配置决策与反馈模块，并对相关参数进行分析，为促进中国船舶工业绿色创新系统资源优化配置，实现中国船舶工业绿色化、全球化、智能化发展提供了重要依据。研究发现：中国船舶工业绿色创新系统内各创新主体可通过调整资源配置比例进行战略互动以实现系统内整体绿色创新效益的最优;根据算例仿真分析可知，各船舶工业绿色创新主体的参数变化对其资源配置决策产生不同的影响，可通过在合作过程中加强船舶工业绿色创新系统资源管理，提升自身的绿色创新能力，降低绿色创新成本等提升系统内的群体竞争力，促进船舶工业绿色创新效益的不断提升。

综上可知，物联网技术的应用是船舶工业绿色创新系统资源优化配置的关键，围绕《中国制造2025》和建设海洋强国的目标，面向绿色环保主流船舶、高技术船舶、海洋工程装备及核心配套设备等重点领域，中国船舶工业应进一步促进“互联网+船舶”战略计划的实施，加强船舶工业互联网及物联网基础设备的研发与应用，构建互联网环境下中国船舶工业绿色创新系统。其次，在促进中国船舶工业绿色创新系统资源优化配置的过程中，正确识别中国船舶工业绿色创新主体并促进其成长，提升中国船舶工业绿色创新系统资源要素识别与整合能力，利用RFID等技术实现资源数据捕获的同时与合作微分博弈等数学模型结合，可完善中国船舶工业绿色创新系统，加快中国船舶工业绿色创新系统资源共享平台的建设。

基于物联网技术的中国船舶工业绿色创新系统数据集成与共享模块包含了各种感知技术的广泛应用，这对中国船舶工业绿色创新系统物联网体系的建设提出较高要求。在未来的研究中，需进一步深入探讨该物联网体系的构建，取得更全面的研究成果。资源配置决策与反馈模块的求解仅讨论了一个合作周期内的情况，而现实中其合作是动态延续的，故多周期的合作情况有待进一步分析。

参考文献：

[1]HUNT S D， MORGAN R M. The resource-advantage theory of competition：dynamics， path dependencies， and evolutionary dimensions[J]. Journal of Marketing， 1996， 60（4）：107-114.

[2]RICHEY R G， GENCHEV S E， DAUGHERTY P J. The role of resource commitment and innovation in reverse logistics performance[J]. International Journal of Physical Distribution & Logistics Management， 2005， 35（4）：233-257.

[3]ROGERS D S， TIBBEN-LEMBKE R S. Going backwards：reverse logistics trends and practices[J]. Health， 1999， 4（11）：34-67.

[4]李丹， 杨帆. 船舶产业融资偏好与融资效率评价[J]. 哈尔滨商业大学学报（社会科学版）， 2014（2）：96-103.

[5]陈建平. 船舶修理任务和资源合理配置的线性规划分析[J]. 船海工程， 2010， 39（2）：41-43.

[6]张海峰， 高亚琼. 基于混合策略的船舶制造业供应链企业信息资源协同效益的博弈研究[J]. 中国管理科学， 2015， 23（S1）：836-841.

[7]张海峰， 刘二琳. 基于DEA的船舶信息资源配置效率评价研究[J]. 中国管理科学， 2015， 23（S1）：842-846.

[8]赵占坤， 郭春雷， 耿兴隆. 蚁群和粒子群优化融合算法在船舶网络资源调度中的应用[J]. 舰船科学技术， 2016， 38（10A）：46-48.

[9]居金文. 新形势下船舶企业人力资源特征分析及对策研究[J]. 船海工程， 2014， 43（1）：14-18.

[10]YIN Peng-yeng， WANG Jing-yu. Optimal multiple-objective resource allocation using hybrid particle swarm optimization and adaptive resource bounds technique[J]. Journal of Computational & Applied Mathematics， 2008， 216（1）：73-86.

[11]AZAIEZ M N， BIER V M. Optimal resource allocation for security in reliability systems[J]. European Journal of Operational Research， 2007， 181（2）：773-786.

[12]HUANG Zhengxing， VAN DER AALST W M P， LU Xudong， et al. Reinforcement learning based resource allocation in business process management[J]. Data & Knowledge Engineering， 2011， 70（1）：127-145.

[13]DOCKNER E J， JRGENSEN S， VAN LONG N， et al. Differential games in economics and management science[M]. Cambridge：Cambridge University Press， 2000：138-156.

[14]紀海强. 合作微分博弈中的异步非理性行为操纵条件[D]. 青岛：青岛大学， 2017.

[15]MOON K L， NGAI E W T. The adoption of RFID in fashion retailing：a business value-added framework[J]. Industrial Management & Data Systems， 2008， 108（5）：596-612.

[16]NGAI E W T， CHAU D C K， POON J K L， et al. Implementing an RFID-based manufacturing process management system：lessons learned and success factors[J]. Journal of Engineering & Technology Management， 2012， 29（1）：112-130.

[17]POON T C， CHOY K L， CHOW H K H， et al. A RFID case-based logistics resource management system for managing order-picking operations in warehouses[J]. Expert Systems with Applications， 2009， 36（4）：8277-8301.

[18]陶永明. 企业技术创新投入对技术创新绩效影响机理研究：基于吸收能力视角[J]. 东北财经大学学报， 2014（1）：59-65.

[19]毕克新， 王禹涵， 杨朝均. 创新资源投入对绿色创新系统绿色创新能力的影响：基于制造业FDI流入视角的实证研究[J]. 中国软科学， 2014（3）：153-166.

[20]BLOMSTRM M， SJHOLM F. Technology transfer and spillovers：does local participation with multinationals matter？[J]. Social Science Electronic Publishing， 1999， 43（4/5/6）：915-923.

[21]张相斌， 吴敏. 网络环境下制造企业动态联盟的合作博弈模型研究[J]. 情报科学， 2013（2）：38-44.

（编辑 赵勉）