基于博弈多智能體的企業標準聯盟治理研究

章 文，李代平

(1.中山大學地理科學與規劃學院，廣東 廣州 510275；2.深圳市市場監管局標準化處，廣東 深圳 5 180403；3.廣東工業大學計算機學院，廣東 廣州 510090)

1 引言

據德國標準化學會(DIN)統計，標準化對德國的經濟增長貢獻率是0.9%，對法國和澳大利亞是0.8%，英國0.3%，加拿大0.2%，目前僅德國一個國家，標準化每年能夠創造170 億歐元的經濟效益［1］。由于網絡外部效應，當某項產品標準市場規模達到臨界容量后，會產生市場的標準鎖定［2］，用戶將傾向選擇此標準而不選擇其他標準，以推動聯盟標準成為事實標準為主要目標的標準聯盟重要性不言而喻。企業標準聯盟作為知識經濟時代的一種新興、復雜的技術經濟現象，蘊含了經濟全球化和知識經濟社會豐富的信息量［3］，它是由具有一定產業關聯度的企業為推動技術標準主流化而組成的聯盟實體。基于標準聯盟概念框架，孫耀吾等開展了對標準聯盟治理的綜述，并認為現有研究沒有集中到聯盟治理研究上來［4］，而國外將博弈論越來越多運用到企業聯盟形態的治理研究中［5-7］。

復雜適應系統CAS (Complex Adaptive System)由大量的進行非線性相互作用行為的主體所組成動態演進系統，行為主體具有一定的“智能”和“學習”能力，由此產生適應性的生存和發展策略導致復雜適應系統的創造性演化［8-9］。企業自身是一個復雜系統，而標準聯盟更是個開放性的復雜巨系統，根據復雜適應系統理論，企業標準聯盟可視為以企業為主體構建起來的復雜適應系統，聯盟中的企業作為適應性主體能夠與環境以及其他主體進行交互作用。企業主體在這種持續不斷的交互作用過程中，“比較學習”或“積累經驗”，并且依據學到的經驗改變自身的結構和行為方式，從而引起整個標準聯盟的演變或進化。企業這種主動與環境的反復的互相作用，是標準聯盟發展的基本動因，企業分化和聯盟演變都可以從企業主體的行為規律中找到根源。復雜適應系統是由大量的適應性主體所組成，適應性主體可以抽象和封裝為多智能體模型ABM (Agent-Based Modeling)中的智能體Agent，對復雜適應系統的分析和建模可建立在對組成系統的Agent 的分析和建模基礎之上［10-11］。這是一種自下而上的建模方法，模型由符合特定規則和能力的智能體構成，系統整體的涌現行為可視為多智能體之間以及多智能體與環境的相互作用的結果［12］。

2 發展現狀

深圳多家龍頭骨干企業聯合科研院所和行業協會在戰略性新興產業與傳統優勢產業領域先后組建了包括鐘表標準化技術聯盟、數字對講機企業標準聯盟、貴金屬及珠寶玉石飾品企業標準聯盟、LED 產業標準聯盟、RFID 產業標準聯盟、電子商務企業標準聯盟、新能源標準與知識產權聯盟、金融服務業標準聯盟、安防產業標準聯盟、智能電視產業標準聯盟和中醫藥企業標準聯盟等11 家具有區域影響力的企業標準聯盟。各聯盟既有華為、中興、海能達等各細分產業中的龍頭企業作為發起單位和核心成員，同時也廣泛吸納了行業中具有發展潛力和創新活力的中小微企業。自2007年起步以來，深圳標準聯盟工作逐步進入正軌，2011年和2012年，深圳標準聯盟發布的聯盟標準數在廣東省均列首位，至2013年底已累計備案發布近百份聯盟標準;深圳部分標準聯盟國內市場份額占50%以上，聯盟標準的經濟效益正在顯現，助推著深圳品牌進入更廣闊的發展舞臺。

深圳現正處在產業結構調整優化、產業轉型升級關鍵性階段。在此背景下，以標準聯盟為增強企業核心競爭力和引領產業發展的有力手段，科學合理的強化聯盟治理機制、推動企業標準聯盟發展壯大對于深圳而言，其重要性和緊迫性顯得尤為突出。深圳組建的企業標準聯盟圍繞推動技術創新成果標準化、促進標準與知識產權相結合、提升企業和產業競爭力的總體目標，已經對“深圳制造”向“深圳智造”的轉變產生了重要影響。在后金融危機時代，深圳標準聯盟正以企業抱團取暖的形式提升產業的標準化意識和區域競爭力水平，大大增強聯盟中企業在“專利叢林”中的生存發展能力、增強遭遇“專利陷阱”時的應對處置能力，幫助聯盟相關企業爭取更大的經濟效益。但與國外發展數十年相對較成熟的標準聯盟相比，深圳企業標準聯盟還處在培育上升期，因此在標準聯盟培育、運作的實踐工作中，深入探析聯盟治理困境和難點是擺在當前的緊要問題，博弈多智能體模型則是模擬企業標準聯盟演進方式進而挖掘其治理要點的有效分析手段。

3 模型設計

3.1 博弈結構

博弈論是研究理性經濟個體在相互交往中資源投入和收益策略選擇問題的科學，通過在局中找出己方最優反應策略來反映企業間的沖突和合作。在零和博弈中，所有各方的收益總和為零，一方的收益以另一方的損失為代價;在非零和博弈中，每一方的收益并不一定以其他方的損失為代價，很多情況下只有當博弈方獲益時己方才獲益。

技術標準的共享是標準聯盟存在的基礎，標準的共享實質為知識的共享，標準在約定框架下的共享能夠促進聯盟內各方的利益的提升，符合非零和博弈的特點。這種標準的共享、知識的復用也是企業戰略聯盟的主要優點，即結盟有助于企業有效的整合和運用知識［13］。但在信息對稱的情況下，標準聯盟是一個“囚徒困境”，戰略聯盟的不穩定性可用囚徒困境博弈的均衡結果來反映［14］。標準聯盟建成運作后，合作一旦開始，聯盟伙伴都會密切關注各方，觀察有無跡象表明合作伙伴另行其事［3］，因此標準聯盟的運作又屬于重復性博弈。聯盟內企業間存在著競爭［15］，背叛和機會主義行為就難以避免，聯盟中存在采用不合作行為的企業，這類企業僅獲取其他企業的標準與知識輸出、卻不共享研發與標準化成果，在特定情境下個體收益很可能會高于合作下的收益。此時標準聯盟企業之間的博弈結構可用表1 所示矩陣描述。

博弈結構中R 代表著標準聯盟成員合作時的收益;S 代表對方采用不合作行為、己方采用合作時的收益;T 代表對方采用合作行為、己方有不合作投機時的得益;P 代表雙方采取不合作投機行為時的收益。設聯盟的初始狀態只有聯盟發起企業，且發起企業均為合作型、占聯盟總數比重為系數α，那么使用不合作收益β 系數來代表背叛收益與合作收益的比值，即β=T/R。為精簡模型可令S=P=0，令R=1，此時T=R×β=β。

表1 標準聯盟企業收益矩陣

3.2 Agent 行為定義

Agent 的博弈行為指的是主體在進行博弈時所采取的行為策略，并根據在特定環境下博弈雙方所采取的策略和收益矩陣計算本次博弈的所獲。假設環境是任何離散的瞬時狀態的有限集合E:E={e0，e1，…}，設Agent 有一個可執行動作的清單，它們改變環境的狀態，設:Ac={α0，α1，…}是有限動作集合。Agent 與環境交互的基本模型如下。環境從某個狀態開始，Agent 選擇一個動作作用于這個狀態。動作的結果是環境可能到達某些狀態，在此狀態的基礎上，Agent 繼續選擇一個動作執行，環境達到可能狀態集中的一個狀態，然后，Agent 再選擇另一個狀態，如此繼續下去。因此，Agent 在環境中的一次執行動作是環境狀態與動作交替的一個序列r∶為表示Agent 的動作作用于環境的效果，引入狀態轉移函數:τ∶RAC→δ (E)，其中RAC是以動作結束的可能的Agent 有限序列所組成的有限序列自己。狀態轉移函數建立了一個執行(假設以Agent 的動作作為結束)與可能的環境狀態集合之間的映射，這些環境狀態是動作執行的結果。可能出現兩種情形，一是環境是與歷史有關的，環境下一個狀態不僅僅是由Agent 執行的動作和當前的狀態決定，早時Agent 所做的動作對當前狀態也起部分作用;二是允許不確定的環境。基于本文的博弈結構演化過程符合上述兩種多智能體與環境互動情況的情形。標準聯盟內企業第u步博弈演化環境可描述 為:eu∈τ(e0，α0，…，αu-1)，式中e0為環境的初始狀態，企業多智能體博弈行為可描述為αu=Ag(αu-1，eu-1，eu)，即企業根據當前環境以及歷史過程決定執行什么動作。

在設計多智能體仿真環境時，需要將聯盟主體——企業抽象為智能體并賦予學習模仿能力，可以按照地理經濟學(企業空間位置鄰近)或社會經濟學(合作關系鄰近)相鄰的事物更為相似的基本原則，當與之相鄰(馮諾依曼型或Moore 型鄰居)的主體采用合作行為收益較大時，則企業會模仿其合作行為，即將該合作行為作為優勢策略剔除不合作劣勢策略，反之亦然。

設每個企業智能體均為理性個體，通過了解以前博弈的歷史、學習模仿抽象概念下附近企業的行為，不斷調整博弈策略已達到己方最高收益，這個過程利用編寫Agent 學習算法來實現。學習算法根據實際情況加以設計，可回溯之前多期博弈行為、或采用神經網絡和遺傳算法方法。在本文模型中每個企業智能體會在每次完成博弈后，根據對比自身選擇策略和相鄰對手選擇策略的博弈所獲收益結果來動態學習并修訂自己的策略，以確定下次博弈將要采取的博弈策略。

4 模擬結果

4.1 情景模擬

圖1 為不同情景(用α、β 系數表征)下多智能體模型仿真下的標準聯盟整體發展趨勢:當β＜01 時，即不合作收益低于合作收益，很明顯聯盟企業將趨向于合作，最終聯盟所有企業都采用合作行為策略，呈現出帕累托最優狀態;當β=1.5 時，由于不合作收益高于合作收益，聯盟發展穩定時總有一些企業會采用不合作策略以追求個體的最高收益;當β 高于一定值如β=1.8 時，聯盟中企業最終均采用不合作行為策略，結果是聯盟的解體，表現為收益趨向為零。為突出過程快照的特征，β=0.99 時α 取值為2%，β=1.5 時α 取值為30%，β=1.8 時α 取值為80%。這樣的參數設定也揭示了在企業同質的假定下，發起成員的占比系數α 雖然決定了標準聯盟是否得以成立，但標準聯盟發展的趨勢主要由不合作收益系數β 所決定:從圖1 中可以看出即使初始化有著較高的α值，若β 過高，聯盟依然可能會解體，表現在聯盟企業均采用不合作行為策略。

圖1 不同情景下標準聯盟發展趨勢模擬比較

4.2 不合作收益β 系數的影響

給定系數α=30%，初始化后通過多智能體模擬得到不合作收益系數β 分別等于0.99、1.4、1.5、1.6 和1.8 條件下標準聯盟總收益隨時間變化曲線圖如圖2 所示。當不合作收益低于合作收益時(如β=0.99)，聯盟整體能夠得到最大收益，這是一種理想狀態;β 值越高，企業采用不合作行為時可能會得到更高的個體收益，與之對應的是聯盟的整體收益迅速降低;當β 高于一定閥值，經過一段時間的運作，聯盟整體收益將降為零，此時標準聯盟名存實亡。可見在標準聯盟內企業數不變的情況下，不合作收益系數β 值不但影響到聯盟的發展方向，也影響著聯盟整體的最大收益。

圖2 不同收益系數β 下的標準聯盟總收益

4.3 合作收益R 值的影響

圖3 不同合作收益R 值下的標準聯盟總收益

以上的仿真實驗中合作收益R 值均設為1，R值雖然不會影響聯盟發展趨勢，但在系數α、β 一定時(如α=30%、β=1.5)，R 值的改變同樣會影響到聯盟整體收益的大小，其反應的是成員合作程度對整體收益的影響。R 值越大，說明合作程度更深，聯盟整體收益也隨之增高(見圖3)。對比圖2 仿真結果還顯示:R 值并不影響到整體收益達到最大值(即標準聯盟穩定狀態)的時間，只影響到最大值的大小;而β 系數既影響整體收益到達最大值的時間，也影響著標準聯盟整體的最大收益。因此不合作收益β 系數的控制是標準聯盟治理中的關鍵性環節;而提高合作收益R 值是實現較優聯盟績效的重要因素。

5 治理建議

總體來看，多智能體定性仿真環境模擬結果表明只有控制住聯盟內不合作(背叛)行為的獲利率β 系數，才能確保標準聯盟的正常運作，以及促使提高聯盟整體最大收益，同時隨著合作程度的深入R 值的提高也能增加聯盟總體收益。根據不同環境下標準聯盟的發展演化軌跡以及聯盟內企業博弈結構對標準聯盟的影響，可以得到以下具體的深圳標準聯盟治理建議:

標準聯盟作為企業主體的集合，聯盟有必要通過聯盟章程等方式對企業進行自我行為的約束，明確各方的權利義務，加強技術標準與自主知識產權的保護，完善涉及知識產權技術標準的授權管理，控制住聯盟的β 系數，維系聯盟穩定發展;建立起一套可持續改進的協商合作機制，設立聯盟組織的成員準入、標準制定、專利池構建等管理和實施監督等制度，在約定的框架下督促聯盟內標準和專利等知識的互動、共享和利用，督促聯盟契約型合作機制的落實;均衡各方權益、提升聯盟成員參與的積極性，以實現較優的聯盟績效。

相對企業個體而言，聯盟的整體合力更易較快地促成產品標準達到市場臨界容量，從而迅速在市場競爭中占據有利地位。聯盟標準是標準聯盟的工作核心，也是關系到合作收益率保持聯盟穩定的重要影響因子。企業標準聯盟應及時將技術研發與標準化同步，建立專利池以減少企業實施標準的成本和風險，推動具有自主知識產權的聯盟標準盡快搶占市場，以聯盟形態采用標準跟隨戰略參與國際、國內標準的制修訂，在相關領域和地區展開專利布局，與競爭對手談判專利交叉許可，通過提高合作收益R 值來獲取更高的聯盟總體收益。

聯盟是不同市場主體企業間的協作，一方面政府可以運用政策引導更多包括其他地區在內的產業鏈上企業加入深圳標準聯盟，進一步深化分工合作來提高R 值，以推動聯盟步入成熟的良性循環階段;另一方面，聯盟成立后政府應通過打擊盜用聯盟標準及其知識產權等違法行為來增加違法成本，維系標準聯盟公平公正運作的法制環境來降低β 系數，以盡可能保障達到聯盟企業整體收益最大化和聯盟平穩運作的目的。值得注意的是，在此過程中政府工作重點應放在提供外部性強的公共服務、營造完善的市場政策環境上來，應避免對標準聯盟及其企業技術標準研制等微觀經濟活動的直接干預。

［1］Din.The Economic Benefits of Standardization［EB/OL］.2011-08-04.http://www.din.de.

［2］陶愛萍，張丹丹.技術標準鎖定、創新惰性和技術創新［J］.中國科技論壇，2013，(3):11-16.

［3］曾德明，彭盾，張運生.技術標準聯盟價值創造解析［J］.軟科學，2006，(3):5-8 +22.

［4］孫耀吾，裴蓓.企業技術標準聯盟治理綜述［J］.軟科學，2009，(1):65-69.

［5］Arend RJ，Seale DA.Modeling Alliance Activity:an Iterated Prisoners' Dilemma with Exit Option［J］.Strategic Management Journal，2005，26(11):1057-1074.

［6］Chen F，Fan L.Analysis on Stability of Strategic Alliance:a Game Theory Perspective［J］.Journal of Zhejiang University Science a，2006，7(12):1995-2001.

［7］Zeng M，Chen X.Achieving Cooperation in Multiparty Alliances:a Social Dilemma Approach to Partnership Management［J］.Academy of Management Review，2003，28(4):587-605.

［8］陳禹.復雜適應系統(CAS)理論及其應用——由來、內容與啟示［J］.系統辯證學學報，2001，(4):35-39.

［9］楊波，徐升華.復雜系統多智能體建模的博弈進化仿真［J］.計算機工程與應用，2009，(23):6-8 +14.

［10］張江，李學偉.人工社會——基于Agent 的社會學仿真［J］.系統工程，2005，23(1):13-20.

［11］田豐，李俠，李堅石.基于復雜適應系統的經濟建模仿真方法［J］.計算機仿真，2008，(10):266-271.

［12］Crespi V，Galstyan A，Lerman K.Top-down vs Bottom-up Methodologies in Multi-agent System Design［J］.Autonomous Robots，2008，24(3):303-313.

［13］Grant RM，Baden‐fuller C.A Knowledge Accessing Theory of Strategic Alliances［J］.Journal of Management Studies，2004，41(1):61-84.

［14］蔡繼榮，胡培.基于合作溢出的戰略聯盟不穩定性研究［J］.中國管理科學，2005，(4):142-148.

［15］Keil T.De-facto Standardization Through Alliances—Lessons from Bluetooth［J］.Telecommunications Policy，2002，26(3):205-213.