基于產業技術創新聯盟的產學研合作演化博弈分析

王小楊，張 雷，杜曉榮

（1.電子科技大學中山學院 經貿學院，廣東 中山 528400；2.中山大學物理學院，廣州 510275）

當今的產學研合作已經不局限于傳統的模式了，通過建立“產業技術創新聯盟”等方式，多方支持產學研合作，而在多方的引導下，我國產學研合作日趨活躍。建立產學研戰略聯盟模式，讓企業、高校和科研機構、政府、中介服務組織、有關產品的最終門戶等部門共同推動科技成果的轉化。近幾年來，作為一種產業層面的技術創新組織形態，產業戰略聯盟在科技創新中發揮了越來越大的作用，是產學研聯合的深化，對加快產業自主創新和提升產業競爭力具有重要的作用。本文試圖從演化博弈論的視角探討產業技術創新聯盟中的產學研合作，以及如何建立激勵或約束機制來提高合作創新的效率。

一、國內外研究述評

關于產業技術創新聯盟的研究，大部分學者集中在聯盟成員彼此的關系上，Ybarra等利用交易成本理論和社會交換理論，比較了技術聯盟成員之間的信任水平，證明了聯盟成員間的信任能促進聯盟績效的提升[1]。朱少英等從技術聯盟成員合作的博弈關系進行研究，得出信譽是聯盟成員合作的重要治理機制的結論[2]。一些學者將聯盟伙伴或聯盟模式的選擇看作是技術聯盟成敗的關鍵。趙世賢等提出，利用AHP模糊評價法來評價聯盟潛在合作伙伴的技術創新能力，以此作為選擇聯盟合作伙伴的依據[3]。李榮等從科技情報機構視角，提出聯盟式協同創新環境下開展信息服務的三種模式，并就如何推行提出了政策實施路徑[4]。王發明等根據合作伙伴對聯盟效益的貢獻大小，利用Shapley值法對合作收益進行分配，形成了綜合效益轉移機制[5]。

關于產學研的研究主要集中在產業因素對合作的影響上，詹雯婷等系統分析了產學研合作中各產業因素之間的相互影響與制約關系，以及各因素對創新績效和合作專利的影響[6]。阮國祥等對開放式產學研結合模式在自主創新中的運用進行了研究[7]。趙永剛、鄭小碧認為，產業共性技術創新必須依靠“產學研”合作模式，并充分發揮骨干企業的主體作用[8]。殷輝等基于產業背景的產學研合作研究的不足，運用演化博弈理論比較分析不同類產業中的產學研博弈過程[9]。曹霞等對產學研聯盟穩定性的影響因素進行分析，并剖析影響因素與產學研聯盟穩定性的關系[10]。

國內學者把產業技術創新聯盟與產學研合作結合起來的研究較少，有些學者分析了當今聯盟中產學研合作的特點，卻忽略了聯盟中新角色、新策略給產學研合作帶來的影響以及演化博弈的過程。本文基于有限理性的假設，采用演化博弈、數值仿真等，重點分析：基于產業技術創新聯盟的產學研合作有何新特點？怎么約束或激勵聯盟中成員的行為？并進一步思考懲罰和獎勵哪個對促進合作更有效？

二、基于產業創新聯盟的產學研合作演化博弈模型

本文考慮了聯盟內部成員長期的反復博弈，各方都是獨立的利益主體，都以最大化自己的利益為目標。建立多策略、多人的博弈模型，并模擬真實情景設立獎勵與懲罰機制，深入探討不同條件下合作的演化情況，并分別討論獎勵和懲罰機制，對產學研合作的影響。

（一）假設條件與支付矩陣

在綜合考慮產學研合作利益博弈的實際影響因素與模型可操作性的基礎上，本部分給出以下基本假設：

假設1：為了維持產業技術創新聯盟中各方的利益，通常會有一類合作者，我們將其定義為“道德者”（M），在懲罰機制下，對于違約或不合作的一方，會對其進行懲罰（如果群體中不存在背叛者，那么“懲罰者”就是合作者）；在獎勵機制下，為了激勵合作，會對合作者給予一定的獎勵，但是懲罰或獎勵的權利只能在選擇合作一方的手中（即道德者也是合作者的一類），獎勵和懲罰其他人的同時也要有一定的成本支出。

假設2：博弈策略。在傳統的研究中，“合作”與“背叛”是參與方的兩個選擇，但是根據假設1，參與主體角色的不同，績效機制不同，博弈時選擇的策略也不同，具體情況結合表1和表2分析。

假設3：懲罰機制下的收益矩陣。選擇囚徒困境模型來討論個體理性和群體理性的矛盾和對立，并根據假設1和假設2得到改進后的收益矩陣（如表1所示）。

表1 懲罰機制下的多策略囚徒困境模型

其中，對于合作者來說，當對方選擇背叛，那么合作者要付出c的代價，得到收益-c；如果對方選擇合作，則雙方的收益均為（b-c）；而對于背叛者來說，如果對方選擇合作，它將獲得b的收益；如果對方也選擇背叛，他將沒有收益。對于不參與者，將得到一定的收益σ；對于懲道德者，懲罰背叛者時需要付出t的代價，讓背叛者的收益減少p。

假設4：獎勵機制下的收益矩陣。當產學研合作中的某個單位或組織對整個產學研的合作貢獻較大時，會對其進行獎勵來促進更好的合作。在現實的產學研合作中，也有類似的情況，產學研的項目除了自身的盈利外，有可能會得到政府或組織等的額外資金補貼；又或者產學研聯盟中的幾個單位，為了后續長久的合作，會以獎勵的方式支持創新貢獻較大者，具體情況收益矩陣（如表2所示）。其中，道德者需支付t，而合作者得到r的獎勵。

表1和表2是改進后的囚徒困境模型，彼此之間的收益關系仍然需要符合經典囚徒困境模型的要求，關于囚徒困境及改進后的相關理論，可參考相關文獻[11-16]。

表2 獎勵機制下的囚徒困境收益矩陣

（二）產學研合作行為的演化博弈分析

本文的重點是討論不同的績效機制下，多角色、多人的演化博弈過程，針對前文的假設條件，對產學研合作的演化過程遞進討論，首先分析多人的博弈規則，然后討論不同機制下多策略的博弈規則，最后推導演化過程。

1.懲罰機制下的多人、多策略產學研博弈。結合上頁表1，假設某博弈方A選擇合作的概率為x1，選擇成為道德者的概率為x2，選擇成為中立人的概率為x3，選擇成為不合作者的概率為（1-x1-x2-x3）。則對方B選擇合作的概率為y1，選擇成為道德者的概率為y2，選擇成為中立人的概率為y3，選擇不合作的概率為（1-y1-y2-y3）。

某博弈方A選擇合作的復制動態方程為：

某博弈方A選擇懲罰的復制動態方程為：

2.獎勵機制下多人、多策略產學研博弈。結合本文表2，假設某博弈方A選擇合作的概率為x1，選擇成為道德者的概率為x2，選擇成為中立人的概率為x3，選擇成為不合作者的概率為（1-x1-x2-x3）。則對方B選擇合作的概率為y1，選擇成為道德者的概率為y2，選擇成為中立人的概率為y3，選擇不合作的概率為（1-y1-y2-y3）。

某博弈方A選擇合作的復制動態方程為：

某博弈方A選擇懲罰的復制動態方程為：

三、模型參數變化

當系統出現可能的穩定均衡時，究竟收斂于哪個均衡狀態，與博弈的收益矩陣和博弈發生時的初始狀態密切相關，參數的變化和初始值將導致不同的均衡點收斂。

第一，“懲罰—收益”比例系數p/b。當系統中存在“懲罰者”時，則討論“懲罰—收益”比例p/b對產學研合作的影響。通過分析，當對產學研合作中背叛者的懲罰力度加大，即p/b較大時，理性的參與者選擇背叛時會得到較大的懲罰，則系統中的個體便傾向于合作。而假如對產學研合作的監管不利，對背叛者懲罰力度減小，即p/b較小時，“搭便車”者便會出現，導致理性的個體更傾向于背叛。

第二，“獎勵—收益”比例系數r/b。當系統中存在獎勵機制時，討論“獎勵—收益”比例r/b對產學研合作的影響。通過分析，當對產學研合作中的合作者的獎勵力度加大時，即r/b增大時，理性的參與者選擇合作時會得到較多的獎勵，則系統中的個體更傾向于合作。而假如對產學研合作的激勵不夠，對合作者沒有給予足夠多的獎勵，即r/b較小時，長久來看，將導致理性個體傾向于背叛。

四、仿真及分析

本文基于Python軟件進行數值模擬仿真。初始情況下，平均分配各個角色在群體中所占的比例。

第一，“懲罰—收益”比例系數p/b。下頁圖1分析多人多策略下，懲罰機制對產學研合作的影響，每條曲線對應一個懲罰的p/b值，通過觀察可以發現，當p/b值越大時，代表對不合作者的懲罰越大，則發現曲線對應的平均合作度較高，說明系統中的合作者和道德者占主導地位，而當p/b值較小時，發現曲線對應的平均合作度較低，系統中的不合作者成為主導者。從圖1可以看出，隨著橫坐標c/b的增大，平均合作度還是呈現下降趨勢，這說明理智的參與者發現合作的代價太大時，會選擇背叛。

第二，“獎勵—收益”比例系數r/b。下頁圖2分析多人多策略下，獎勵機制對產學研合作的影響，每條曲線對應一個獎勵的r/b值，通過觀察可以發現，當r/b值越大時，代表對合作者的獎勵越多，則發現曲線對應的平均合作度較高，說明系統中的合作者和道德者占主導地位，而當r/b值較小時，發現曲線對應的平均合作度較低，系統中的不合作者 成為主導者。

圖1 懲罰機制下3人博弈的情況（縱坐標是平均合作度，橫坐標是c/b的值）

圖2 獎勵機制下3人博弈的情況（縱坐標是平均合作度，橫坐標是c/b的值）

接下來，我們進一步對比圖1和圖2，不同機制下，多人多策略聯盟中的平均合作度，可以發現在懲罰機制下的平均合作度略高于獎勵機制下的平均合作度，為什么在相同的比例下，懲罰比獎勵對合作的提升更有效？人類和其他動物對某些放大的意識，比如負面的影響，會迅速做出回應，并進行自我調節。而不同于其他動物，人類是認知型的高級生物，對心理情緒造成的影響，負面信息比正面信息要大。而那些積極的影響，如對一些滿足感或能提供滿足感的人的遺忘速度似乎很快；而對那些消極的影響，比如受到懲罰后心理的負面影響，似乎更長遠地影響著人類的行為。因此在懲罰的負面影響下，生物可能會積極合作，可以小程度上超越獎勵的積極影響（此結果也與文獻[17-19]的結論類似）。

五、結論

在產業技術創新聯盟中，成員之間分工不同，可能選擇的策略也不同，在激烈競爭的市場環境中，為了保障聯盟中成員的利益，并激發出更多的合作潛能，促進產學研成果的轉化，本文從績效的角度入手，建立懲罰與獎勵機制，對不同的機制的聯盟下產學研合作進行演化博弈分析。

績效機制中懲罰與獎勵對產學研合作的影響。產業技術創新聯盟中各方所采取的策略是隨著所處系統機制不同而發生演化的，首先分析了懲罰機制下各方策略的選擇以及合作的情況，通過上文的分析以及實驗結果可以發現，當“懲罰—收益”p/b增大時，產學研合作也會加深。同時，聯盟中各角色的比例也隨之變化，不參與者與背叛者數量減少，合作者和道德者增多。之后，分析了獎勵機制下各方策略的選擇以及合作的情況，通過分析及實驗結果可以發現，當“獎勵—收益”r/b增大時，產學研合作也會加深，主要是由于合作的一方得到了更多的收益，便會繼續合作下去。最后，我們也分析了為何懲罰機制會在提高產學研合作上略有優勢，主要是從人類心理和進化的角度說明了原因。綜上，在產業技術創新聯盟的產學研合作中，一定要對各方所處的角色進行分析，并制定一定的懲罰和獎勵的績效機制，充分評估不同機制的影響，加強監督，并合理分配不同角色的利益，才能有效地提升產業技術創新聯盟的產學研合作水平。

本文運用演化博弈論和囚徒困境模型，分析并模擬了基于產業技術創新聯盟的多人、多策略產學研合作，并探討在不同的績效機制下的合作情況。研究結論表明，產學研合作的利潤很重要，聯盟中的各方都希望有較高的合作收益和較低的支出成本；其次，建立一定的績效機制，簡單地依靠各方自覺是不夠的，如果想激發出更多的產學研合作，適當的懲罰或獎勵機制的建立，在降低了合作風險的同時，增加了聯盟的各方的合作意愿。在后續的研究中，在保持模型的簡潔性和有效性的前提下，進一步考慮產業技術創新聯盟的更多現實因素，結合系統仿真等方法進行深入分析和論證。

[1]Ybarra C.E.，Thomas A.Turk.The evolution of trust in information technology alliances.Journal of High Technology Management Research，2009，(1)：62-74.

[2]朱少英，齊二石.產學研聯盟關系品質影響因素實證研究[J].科技進步與對策，2016，(3)：12-17.

[3]趙世賢，張華，何娜.基于技術創新能力評價的企業技術聯盟合作伙伴的選擇[J].西南科技大學學報：哲學社會科學版，2010，(1)：35-39.

[4]李榮，吳晨生，劉彥君，等.產業技術創新聯盟信息服務模式及發展對策研究[J].情報理論與實踐，2014，(10)：35-39.

[5]王發明，劉丹.產業技術創新聯盟中焦點企業合作共生伙伴選擇研究[J].科學學研究，2016，(2)：246-252.

[6]詹雯婷，章熙春，胡軍燕.產學研合作對企業技術能力結構的雙元性影響[J].科學學研究，2015，(10)：528-537.

[7]阮國祥，阮平南，宋靜.創新網絡成員知識共享演化博弈仿真分析[J].情報雜志，2011，(2)：100-104.

[8]趙永剛，鄭小碧.基于參與者智力決策的產業關鍵共性技術創新研究[J].科技進步與對策，2013，(1)：59-63.

[9]殷輝，陳勁.新興和成熟產業中企業對學研方行為的演化博弈仿真分析[J].科技管理研究，2015，(7)：97-102.

[10]曹霞，于娟，張路蓬.不同聯盟規模下產學研聯盟穩定性影響因素及演化研究[J].管理評論，2016，(2)：3-14.

[11]Xiaoyang Wang，Lei Zhang，Xiaorong Du，Yunlin Sun.Evolving cooperation in spatial population with punishment by using PSO algorithm.Natural Computing，2016，DOI：10.1007/s11047-016-9546-5.

[12]Uchida S.，Sigmund K.The competition of assessment rules for indirect reciprocity.J.Ther.Biol.2010，(1)：13-19.

[13]Yoeli E.，Hoffman M.，Rand，D.D.，Nowak，M.A.Powering up with indirect reciprocity in a large-scale filed experiment.Proc.Natl.Acad.Sci.USA 110(Supplement 2)，2013：10424-10429.

[14]Christian Hilbe，Arne Traulsen，Torsten R?hl，and Manfred Milinski，Democratic decisions establish stable authorities that overcome the paradox of second-order punishment，PNAS，vol.111，2014，(2)：752-756.

[15]Julián García，Matthijs van Veelen，Arne Traulsen，Evil green beards：Tag recognition can also be used to withhold cooperation in structured populations，Journal of Theoretical Biology，vol.360，2014：181-186.

[16]Boyd R.，Gintis H.，Bowles S.Coordinated punishment of defectors sustains cooperation and can proliferate when rare.2010，Science328：617-620.

[17]Ayelet Gneezy，Daniel M.T.Fessler，Conflict，sticks and carrots：war increases prosocial punishments and rewards，Proc.R.Soc.B，vol.279，2012：219-223.

[18]Xiaojie Chen，Tatsuya Sasaki，Ake Brannstrom and Ulf Dieckmann，First carrot，then stick：how the adaptive hybridization of incentives promotes cooperation，Journal of the royal society interface，2014，(12)：1-9.

[19]Kyle Irwin，Christine Horne.A normative explanation of antisocial punishment，Social Science Research，2013，(42)：562-570.