基于遗传算法的创新竞赛机制优化

《基于遗传算法的创新竞赛机制优化》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、闻内图}亏分类号：cci苫f、I嘲际图：忙分类号：西南交通大学研究生学位论文密级：公开基于遗传算法的创新竞赛机制优化年姓申请学位级别亟±专业笪堡叠{=堂当兰猩2013年5月classinedlndex：cq≥l。＼U．D．C：SouthwestJiaotongUniversityMasterDegreeThesisGENETIC．ALGORITHMBASEDMECHANISMOPTIMIZATIONININNOVATIONCONTESTGrade：2009Candidate：LiangYangAcademicDegreeAppliedfor：MasterSpeciality：M

2、anagementScienceandEngineeringSupervisor：Prof．JunLiMay-2013西南交通大学学位论文版权使用授权书木学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印，f'l：和电子版，允许论文被查阅和借阅。本人授权西南交通火学可以将木论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩EIJ或扫描等复ElJ手段保存和汇编木学位论文。木学位论文属于1．保密口，在年解密后适用木授权书；2．不保密融使用本授权二f弓。(清舀：以一L方柏i内扣。、／”)学位论文作者签名：黼>日期：二电1；

3、一6～b指导老师签名：日期：洲≥．6·叫西南交通大学硕士学位论文主要工作(贡献)声明本人在学位论文中所做的丰要1：作或贡献如下：创新竞赛在围内越来越受到关注，科学合理化的没计机i#0对其发展极为重要。然ifi}x,l该领域的研究=卜要处在了二外文文献中，且几乎均为定性方面的文献综述类研究。该篇论文旨在填补此研究空缺，利用遗传算法原理构建数学模型，通过对创新竞赛的模拟得：}j结沦。-JH,各得出的丰要结论在实际竞赛机制设计中的应用一一作出了合理的解释。木文提出的算法模型在扩展的基础上能够被广泛地应用于更为复杂的创新竞赛设计中，甚至其他研究领域。本人郑重声明：所呈交的学位论文，是在

4、导师指导下独立进行研究工作所得的成果。除文q，已经注明引用的内容外，本论文不包含1：千何其他个人或集体已经发表或撰写过的研究成果。对木文的研究做出贡献的个人和集体，均已在文中作了明确说明。木人完全了解违反上述声明所引起的一切法律责任将由木人承担。学位沦文作者签名：寻乞粕>日期：猢≥1)一2-0MasterDegreeThesisofSouthwestJiaotongUniversityPageIc=1一v--摘要近年来，越来越多外部和内部影响作用1-新产品研发过程中，导致产品设计的复杂性的需求也随之大大增加。因此传统的产品内部研发机制已经不足以应对i订场激烈的竞争。为了迎合市场

5、竞争需求，企业由内部研发向开放式研发转型，通过外部力量解决产品设计创新问题。此外，基于互联网的计算机辅助创新(CAI)进一步提高了开放式创新的高效性。再加之创新竞赛被视为最有效的征集创新方案的平台，因此为解决上述问题，基于瓦联网的创新竞争是最理想化的有力途径。这一创新竞争平台能够有效地被用’】二包括学术，商业等广泛领域。在创新竞赛中，卡要参与方有发起人和参与者。发起人的目标是通过外部资源(参与者)来解决与创新相关的问题。发起人设定奖赏机制激励参与者积极投入，从而获得最满意方案。提供最满意方案的参与者获得奖励。创新竞赛中的参与者一般数量较大，参与者最终所得的回报与投入不一定成比例

6、，这一现象会导致参与者参赛热情与投入时问降低，进而影响竞赛的效果。有学者提出，为了消除这种努力不足现象，参赛者应该减少到两名。之后有学者证l!J=I了保留参赛者人数但改变创新竞赛奖励制度可以有效提高竞赛效果，原因有二：大量的参与者能够增加参赛方案的多样性；奖励制度由之前的固定奖额变为提成制度能够有效地提高参赛者的积极性。除此以外，就增加竞赛效率的问题，一些学者提出增加竞赛轮数的方案。合格的参与者进入下一轮比赛，随着比赛的推进比赛人数随之降低，进而每个留F来的参与者获胜的概率增加，因此他们会投入更多时问和精力来赢得比赛。但由此会产牛增加竞赛轮数会导致竞赛成木增加的问题。木片文章旨

7、在通过优化创新竞赛机制解决上述问题，进而提高发起人收益。本文的研究方法灵感来源于达尔文的“优胜劣汰”进化论。因而，本论文构建了基于遗传算法的数学模型以仿真模拟创新竞赛的三大阶段：学习，变化和选择。木文采用随机交叉组合模拟学习与变化过程。而在选择过程中引入适度函数，并根据适度值计算被选概率，从而对方案进行选择。模拟过程中发现了信息公开化产牛的学习行为能够对可行方案产qi速度正向促进。仿真模拟后得出的结论有三：1)参赛者之间的学习行为能够有效缩短可行方案产牛的时间。同时木文利用随机概率模型进一步