学习机制

各个要素之间知识流动的渠道和作用方式

学习机制 , 是指各个要素之间知识流动的渠道和作用方式。通过不同层次学习机制的相互补充和衔接, 构筑了学习机制体系。

遗传算法中两种学习机制的混合应用

在遗传算法中引入个体学习机制能够提高算法的性能，避免算法收敛过慢或陷入局部最优。常用的个体学习机制有两种，即拉马克学习与鲍德温学习，通过分析比较了两种学习机制在遗传算法中的性能差异，指出了它们各自的优势与不足。为进一步提高算法性能，基于“学习潜能”的新概念及利用鲍德温学习挖掘个体学习潜能的方法，将两种学习机制有机结合在一起，使学习的优势得到充分发挥，使其不足得到有效抑制。数值试验结果表明，包含两种学习机制的新算法取得了很好的效果。

学习机制与遗传算法的结合

学习是在表现型空间进行的，通过某种具体的学习方法，个体可能在允许的邻域内搜索到适应度更高的表现型。个体在学习之前的适应度为“自然适应度”，学习之后获得的更高的适应度为“学习适应度”，学习适应度与自然适应度的差值代表通过学习额外获得的性状。

个体的表现型由于学习而发生了变化，如果这种变化按照表现型空间与基因型空间的映射关系直接编码到个体的基因型上，这种学习机制就是拉马克学习；如果只是表现型发生改变而基因型不变，则学习机制就是鲍德温学习。可以看出，拉马克学习相当于对学习成功(通过局部搜索发现了更好的表现型)的个体进行了替换，而鲍德温学习相当于改变了适应度曲线的形状，即改变了个体评价的准则。

两种学习机制的优缺点

拉马克学习使得个体能够在表现型空间进行局部搜索，且搜索到的优良个体直接进入群体。对于在小范围内生成新个体而言，直接在表现型空间进行局部搜索要好于在基因型空间进行交换和变异操作，所以，拉马克学习的引入能够提高算法收敛速度，减少遗传代次。但是拉马克学习无法对个体进行有效区分，即所有的个体有相同的几率进行学习，只要搜索到了更好的个体就使该个体替代原个体进入群体。这样，在增大算法寻得全局最优能力的同时，也使得进入局部最优的几率增加，特别是全局最优较难被发现时更是如此。拉马克学习对个体“一视同仁”的做法非常容易使算法陷入局部最优，产生“早熟”现象。此外，让没有希望学习成功的个体进行局部搜索，无疑是对搜索资源的一种浪费。

鲍德温学习能够使自然适应度小的个体得到一个大的学习适应度，从而增大该个体在下一代的选择操作中被选中的概率，这实际上是一种增大群体多样性的方法。通过鲍德温学习搜索到的优良个体并不直接进入群体，而是要看原个体是否能够通过遗传操作转变为该优良个体，这种转变特别依赖于学习与变异之间的匹配程度。

只有当学习与变异是匹配的，才能使进行学习之后的个体更容易突变到与之学习适应度真正对应的个体。匹配关系在一定程度上依赖于算法使用的编码机制，对于二进制编码系统，基因型空间与表现型空间的差异比较大，这种匹配难以得到保证；但对于十进制编码的情况，则较容易保证这种匹配关系。

两种学习机制有各自的优势与不足，如果能够使学习机制的优势得到充分发挥，使其不足得到有效抑制，则算法的性能将会有大幅度的提升。

产业集群学习机制多层解析

在产业集群内部学习流程分析的基础上，提出了集群学习机制的三层次分析框架，并分别对这三层次流程的学习机制进行了具体分析，并结合实证调查，对我国产业集群内部的学习机制从人员流动、技术知识溢出、管理信息溢出、设备转移四个方面作了深入分析，揭示了我国产业集群学习机制的具体特点。

产业集群学习机制的提出

产业集群是一群位于同一地理区域的相关企业组成的集合体，集群内部各要素之间，通过人际网络关系、价值链关系和竞争合作关系构成了特殊的产业生态系统。产业集群生态系统包括内部核心网络和辅助网络，以及由外部支持要素构成的外围网络等三个子系统。由于核心网络和辅助网络两个子系统内部各要素之间，以及三个子系统之间的知识互动，构成了产业集群学习系统。根据集群生态系统的结构分析，把集群学习过程概括为三个层次流程。

第一层次流程指集群核心要素成员之间互动学习流程，它包括了集群内部成员之间的学习机制和相互作用模式。第二层次流程是指集群辅助网络向核心网络知识流入的过程，它通过集群公共服务机构、集群代理机构向集群成员企业提供技术知识和信息支持的方式实现。第三层次流程是指集群外围网络向核心网络知识流入的过程，当然，外围网络向核心网络的知识流入也可能通过辅助网络的中间传递实现。

根据集群学习过程的三个流程，就可以构筑出集群学习机制的分析框架。如果把产业集群看作是一个知识学习网络，那么，该知识网络内部的知识学习过程通过相应的学习机制得以实现。所谓集群学习机制，是指产业集群各个要素之间知识流动的渠道和作用方式。结合集群学习三流程，对应地，可以把集群学习机制概括为如下三类：基于第一层次流程学习机制、基于第二层次流程的学习机制和基于第三层次流程的学习机制。并通过这些不同层次学习机制的相互补充和衔接，构筑了集群学习机制体系。

基于第一层次流程的学习机制

所谓基于第一层次流程的学习机制，即指发生在核心层次内部成员企业之间的知识流动通道和过程。该类学习机制主要包括：人力资源在成员企业间流动、企业间合作互动、企业衍生和人员间正式或非正式沟通四种类型。

第一，人力资源在成员企业间流动。自马歇尔的产业区位理论开始，劳动力要素的流动一直被集群研究认为是知识溢出的最重要机制。

第二，企业间合作互动。企业间合作互动的方式可以多种多样，如合作创新、要素互动等。

第三，企业衍生。企业衍生指的是集群创新系统内部的人才和知识流动可以通过企业的本地化衍生行为而加速。

第四，人员之间的非正式沟通。产业集群的地理接近性有利于企业通过正式或非正式渠道分享集群内部知识，即分享智力溢出。

集群学习机制调查和分析框架

集群学习的内在机理是知识在集群内部的溢出，以上集群学习机制讨论为分析集群知识溢出提供了总体框架。但这些分析存在两个问题。第一，它们主要解释的是集群内部知识学习的存在性，但对知识溢出源与具体学习机制机理则很少有具体分析和实证。第二，对于集群学习更深入的机制，如谁是知识溢出的作用者，什么是知识溢出源，什么因素影响知识溢出等问题缺乏分析。为此，在实证调查的基础上，进一步对我国产业集群学习机制的现状作分析。实证调查以浙江省的7个产业集群为样本，这些产业集群可分为四大类：纺织产业、机械产业、化工产业、电力电子产业，其中机械产业又分为三个子集群：水泵产业集群、摩托车产业集群、风机产业集群。

全国各地天气预报查询

上海市

云南省

云南省

云南省

云南省

云南省