文摘

在一个环境技术发展迅速,产品生命周期不断缩短,竞争越来越多,很容易被其他竞争对手收购和创新资源,是特别重要的公司成功地实现技术创新。具有重要意义的公司找到薄弱环节的技术创新和优化改进和增强自己的技术创新能力。为主体的农业机械行业,民营农机企业发挥着越来越重要的作用。正确认识民营农机企业的技术创新活动和建立合理的技术创新能力评价指标体系的重要意义民营农机企业的技术创新管理。按照技术创新理论和民营农机企业的特点,技术创新评价指标体系建立了农业机械的民营企业。指标体系从民营农机企业的概念,分析了农业机械行业的现状和发展趋势,并以黑龙江省民营农机企业为研究对象。它总结了现状和民营农机企业的技术创新特征,然后建立了民营农机企业。系统从创新资源投入、创新产出、技术密度、创新效应,市场实现,和创新趋势,并选择16个具体的评价指标。根据既定的功能,采用投影的追求。方法结合遗传算法和遗传算法在MATLAB和直接搜索工具箱用来全面负责五个样本企业的功能,评价结果客观、可信。

1。介绍

农业机械在促进农业起着重要的作用。从颁布一系列中央支持政策的实施,中国农业机械行业迎来了一个快速发展的良好局面。根据中国农业机械工业协会的统计,2005年,整个农业机械行业的生产和销售在中国蓬勃发展,和经济效益明显提高。工业产值和整个行业的销售收入增加了30%和50%,分别超过2004 (1- - - - - -5]。

目前,中国农业机械行业获得了新的发展机遇。从2004年到2006年,中央政府先后颁布了三个1号文件,专注于解决问题的“农民、农业和农村地区。“2006年中央1号文件集中在促进社会主义新农村的建设,认为现代农业的发展是新农村建设的主要目的。新农村的建设将有力促进农业机械化的发展,使中国农业机械行业获得新的发展机遇6,7]。

近年来,私人农业机械公司发挥了越来越重要的作用。随着改革进程的不断深化,国有和集体农业机械制造企业关闭,停止,合并、转让。调整产业结构和产品结构的农业机械行业加速,也带来民营农机企业的生存和发展。有巨大的机遇和挑战。中国民营农机企业发展迅速。根据统计,有920个民营农机企业在1469大型农业机械企业,占62.6%的规模企业,资产占43.6%,销售收入占63%。民营农机企业的主导地位进一步确立了(8- - - - - -10]。

在世界经济一体化的市场环境和生产国际化,中国民营农机企业正面临着巨大的冲击。大量涌入的外国产品、技术和资金有利于引进先进技术、设备、资金,和来自发达国家的现代管理系统由中国农业机械企业,刺激和促进国内农业机械企业进行技术改造,提高产品质量。同时,一些国际知名的农业机械集团已经逐渐扩大其领土在中国农业机械市场通过“本地化”策略的实现,显示出强大的生命力(11- - - - - -15]。

一般来说,中国的农业机械产品落后发达国家约20年的质量和性能。公司的产品开发能力和市场能力弱,和工业化的进展也很缓慢。虽然私人农业机械公司高度重视技术创新,仍有很大的差距与农业机械公司在发达国家。的一些具体表现如下:研发投资不足,缺乏科学研究人才,自主创新能力差,可怜的创新产出能力,保护专利和技术的不足,产品技术密度低,忽视技术创新活动的管理。“本地化”的过程的加速度的跨国农业机械组,技术力量不足的问题民营农机企业变得更加突出。因此,应用新技术,开发新产品,大力促进技术创新重要责任,私人农业机械公司必须承担(16- - - - - -20.]。

在国内文献中,有许多关于企业的技术创新能力。例如,“小燕提出了综合评价的AHP方法技术创新能力和应用网络系统理论。唐燕赵和邹Shangang提出的多层次灰色评价法和比较法。一些其他学者的基本结构的技术创新能力评价指标体系分为3指标类别和17个指标项:技术创新输入(资源),技术创新产出(效率),和技术创新实现(好处),并采用“线性加权和法”定量评价。他金盛本着,郑Chundong陈彤,用综合指数法评价相应的内容。Bi建国科技创新能力分解为六个元素:人才质量、产品结构、运行机制、技术开发、市场适应、获奖荣誉,并使用设置的基本方法,体重,和模糊数学,并总结了一套相对定量指标系统。周是的使用AHP方法定量转换许多复杂和模棱两可的问题,同时,应用BP神经网络软件的一致性测试,简化了计算,提高了测量的准确性企业的技术创新能力。马Ning和关建成提出审计内容和审计标准的功能,提出了审计基准“计分卡的形式。“梅Xiaoan和彭”提出了弱指数多个方法。胡Enhua使用的方法集,重量,模糊数学构建索引系统,提出了一种综合评价的方法。康凯、兴京张Huiyun,气丽丽使用模糊聚类分析建立多级分解并为企业技术创新能力评价模型。 Lu Juchun and Korean use the osculating value method. Lu Huaibao, Feng Yingjun, Qu Shiyou, Xu Bocheng, and Chen Jinxia proposed a secondary relative evaluation method for measuring the technological innovation capability of enterprises. First, the state of the comprehensive index was measured. The BCC model is employed to evaluate the secondary relative evaluation value. Li Qi uses the fuzzy comprehensive evaluation method. Li Huanghua, Hu Yunquan, and others used the principal component projection method to evaluate the technological innovation capabilities of enterprises in the old industrial base [21- - - - - -25]。

从上述文献可以看出,企业的技术创新能力的综合评价方法多样化。下面是一个简单的比较的企业技术创新能力的评价方法。模糊综合评价方法(如图1)是一种方法,应用模糊关系合成的原理,全面评估主体的地位的成员来自多个因素的水平。它被广泛使用。模糊评价有很好的适应性处理评价问题时更多的定性指标,它有很强的适用性与主观评价因素指标。它可以应用于类型识别系统、专家评价系统,集和多目标的社会评价系统与评论。

DEA是一个多目标评价方法为研究多个输入和输出的问题。数据包络分析(DEA)方法应用时需要满足五个条件;凸性,锥、无效、原始性、最小化输出和输入之间感到满意。它构建一个模型基于运筹学的原理,基于最大(小)可能的边界,并选择最好的可能的解决方案可及面积。OEA分析主要适用(26,27]。

合并后的加权综合评价模型已经被开发出来。它使用模糊数学和非线性优化理论建立数学模型。

灰色关联分析是构建一个映射。分析系统的相关集是用来解决元素之间的相关程度不同。灰色关联分析主要用于分析程度的影响因素和测量之间的主行为因子的贡献。

因子分析是一种重要的多元统计方法。的核心是选择几个随机变量可以控制原始变量。因子分析方法主要适用于指数差异分析和指数分类的多目标评价体系。主成分分析可以被看作是一种特殊情况的因素分析。

层次分析法是一种普遍实用的多准则决策方法结合定性和定量元素(评估)。其缺陷主要集中在以下几点:指标体系不全面、客观;评价指标权重的确定缺乏理论依据和技术创新能力,与外部世界的变化。因此,评价结果的准确性和动机是有限的。

人工神经网络(ANN)是非线性科学的一个前沿热点。使用神经网络模型的优势在企业的人工神经网络模型确定参与样本训练后,可根据最优算法标准反复迭代,不断调整神经网络的结构,直到达到一个相对稳定的状态;它可以使系统误差达到精度要求和收敛性;更多的时间学习和动态跟踪可以进行评价。然而,在缺乏大量训练样本的情况下,很难使用神经网络模型。

遗传算法如图2。它于1962年在美国首次提出。它可以用于计算机程序的帮助。它作为随机生成的可行的解决方案的一个家庭父母的人口,和适应度函数(目标函数或变形)的父个体适应环境的能力。选择和交叉后,后代个体生成,然后后者是突变,适者生存。这样反复进化迭代,不断提高个人的适应能力,和优秀的个人不断接近他们的最佳点。投影寻踪方法是一种多元数据分析算法弗里德曼在1970年代提出的。这种方法是一种统计方法处理复杂问题与多个因素。它合理地将多个评价指标问题转化为一个综合评价指标,也就是说,在一维空间中综合评价。该方法克服了一般的评估过程的缺陷,如缺乏理论依据和计算公式的确定权重,和解决问题的模式是受主观因素的影响。 The projection pursuit method is a high-dimensional data analysis method that can be used for exploratory analysis and deterministic analysis and is especially suitable for comprehensive evaluation of multi-index and nonlinear problems. This paper evaluates the technological innovation ability of private agricultural machinery enterprises [28,29日]。

2。评价模型

投影寻踪(PP)是一种非参数的高维数据处理和探索性数据分析方法开发的国际统计社区在1970年代中期。这是一种降维(回归)技术(大厅。P 1959)。在1960年代后期和1970年代早期,Krusca首先提出了投影寻踪方法。Switze等人成功应用投影寻踪技术的研究化石分类问题与数值计算相结合的方法。1974年,弗里德曼和图基进行深入研究方法,明确提出了投影的投影寻踪追求的想法。即样本数据和低维结构定义的投影是投影得到的指数。用电脑找的最大投影方向(或飞机)投影指数(或是几部),给数据投影直线(或飞机),由计算机图像系统显示它,然后用肉眼直接判断数据结构特征。在此基础上,一维,二维投影的投影寻踪聚类分析索引构造,它的发展做出了很大贡献投影技术追求。后,投影寻踪方法在理论研究和实际应用方面取得了重大突破,先后形成和大量的投影寻踪方法。 Technology research results. In 1985, Huber published a comprehensive academic paper on projection pursuit, systematically expounding the projection pursuit theory, marking the formal formation of the projection pursuit theory. This article uses the projection pursuit method to evaluate the technological innovation ability of private agricultural machinery enterprises. It reasonably converts multiple evaluation index problems into a single comprehensive evaluation index form, that is, comprehensive evaluation in one-dimensional space.

传统的多变量服从正态分布,但许多实际问题不满足正常的假设和需要解决的健壮的或非参数方法。针对高维总和估计的鲁棒性,国际统计社区提出了探索性数据分析方法(EDA)的“直接从研究人们和模拟数据通过计算机设计软件程序验证”在过去的20年中,和投影追求(投影追求,PP)是一种有效的计算方法。

一个非常重要的思维方法在多变量分析是使用“降维”技术在高维空间到低维空间项目分在一个适当的方式;就是高维向量替换为低维向量近似,然后在低维空间。然后,进行识别。页的基本思想是将高维数据投影到低维子空间(1-3-dimensional),寻找一个投影,可以反映原高维数据的结构或特征,被称为一个“有趣”的投影,然后,通过分析和研究中,投影数据达到理解原始数据集的目的。在PP、感兴趣的程度是由“投影指数”反映的功能。它特别适用于分析和处理非线性、非正态、高维数据。这种方法克服了缺乏理论依据和计算公式的确定权重的一般评估过程和解决问题的模式是受主观因素的影响。投影寻踪方法是一个高维数据分析方法可用于探索性分析和确定性分析,特别适用于多索引和非线性问题的综合评价。

PP方法综合评价的一般步骤如下。

2.1。归一化的样本评价指标集

每个指标的样本集值如下: 在哪里 是jth指数的价值我th样本n和p样品的数量(样本容量)和索引的数量,分别。

大,小,更好的索引,如下: 在哪里 是jth指数的价值我th样本;的最大价值Jth指数;的最小值Jth指数;和 是归一化的指数序列的特性值。

2.2。构造投影指标函数

人民党方法构造投影指标函数如下:

在这里,一个是单位长度的向量。 在哪里问(一个)是投影指标函数。

2.3。优化投影指标函数

最大化目标函数:

限制给出如下:

这篇文章打算使用遗传算法来优化它。

2.4。综合评价

用获得的最佳投影方向为(3),每个样本点的投影值。本文中的投影值的大小是技术创新能力的力量。

3所示。改进遗传算法

3.1。传统遗传算法

这种方法模拟了自然进化生物的自然选择和交叉,可以有效地解决更复杂的问题在计算机程序的帮助。非线性组合问题和多目标函数优化问题。它作为随机生成的可行的解决方案的一个家庭父母人口和使用适应度函数(目标函数或变形)的父个体适应环境的能力。经过选择和杂交,后代个体生成,然后后者是突变,适者生存。这样反复进化迭代不断提高个人的适应能力,和优秀的个人不断接近他们的最佳点。

利用遗传算法可以获得更好的结果。为一个优化问题找到最大值,使用下面的公式:

在优化问题中,有许多类型的目标函数和约束。因为传统方法有太高要求数据本身的连续性和分歧,这限制了他们的应用程序的范围,遗传算法可以克服这些缺点。

因为其简单,易于实现,和健壮性,遗传算法已广泛应用于优化和机器学习。但它也有缺点和局限在实际应用程序中,主要是在过早收敛的问题和问题的遗传算法的局部搜索能力。

3.2。改进遗传算法

人工神经网络(ANN)是非线性科学的一个前沿热点。使用神经网络模型的优势在企业的人工神经网络模型确定参与样本训练后,可根据最优算法标准反复迭代,不断调整神经网络的结构,直到达到一个相对稳定的状态;它可以使系统误差达到精度要求和收敛性;更多的时间学习和动态跟踪可以进行评价。然而,在缺乏大量训练样本的情况下,很难使用神经网络模型。

为了说明改进的遗传算法,它可以在以下方程: 在哪里f_马克斯是当前人口的最大健康;f是某种身体的健康;f的平均健身集团;k1,k2[0,1]和之间的常数k1 <k2;和k3,k4[0.001,0.01]和之间的常数k3 >k4所示。

从上述公式可以看出,如果个人贫穷(健身价值<平均适应度值),给它一个更大的交叉率和较小的变异率;如果个人更好(健身价值>平均健身价值),个人分配相应的交叉率和变异率根据其程度的卓越。这种交叉和变异率的调整方法有很强的全局搜索能力进化的早期阶段。随着进化的发展,全局搜索能力逐渐减弱,局部搜索能力逐渐增加。这种改进措施有助于保护好个人,便于找到最好的整体优势,并防止出现“过早成熟”。

3.3。应用改进的遗传算法解决方案的步骤

这种方法模拟了自然进化生物的自然选择和交叉,可以有效地解决更复杂的问题在计算机程序的帮助。既有非线性组合和多目标函数优化问题。应用改进的遗传算法的步骤的流程图如图所示3。具体过程如下:(1)初始化:在这篇文章中,实数编码用于随机生成米(也就是说,具体的数量参数)实数,排列在一起,形成一个个体,和N这些人不断生成,形成初始群体。(2)计算适应度值:每个使用计算迪作为目标函数值。越小迪越大,个人健康。因此,个人健身可以计算 (3)按照轮盘赌选择人口的方法。(4)基于当前交叉概率进行交叉计算。(5)执行一个突变的计算基于当前变异概率。(6)如果终止条件满足,迭代终止,否则返回(2)迭代的解决方案。终止条件可以循环的最大数目(通常是30至200)或最小误差阈值。(7)输出结果。

4所示。实例验证

为了找到某个企业的技术创新差距和其他企业技术创新能力的水平比较每个企业都可以进行。原始数据的收集是一个非常重要的一步。原始数据的准确性很大程度上影响着整个指标体系的科学性和合理性。指的是“奥斯陆手册”收集技术创新的指导数据,根据上面提到的技术创新能力的评价指标体系,结合民营农机企业的特点。本文主要采用数据收集和调查访问等方法,调查问卷,和电子邮件。为了更详细地掌握公司的技术创新趋势,调查广泛收集公司的产品介绍,年度总结、发展计划和其他相关材料。的数据,该公司没有统计,运用专家评分法,公司的首席工程师或者总经理直接问道。收集到的数据的统计是按照先前描述的指标计算方法。

应用投影寻踪方法计算之前,有必要规范上面的原始数据。因为每个指数属于越大越好,上述原始数据标准化。

使用MATLAB算法工具箱可以优化投影指标函数,避免了繁琐的用其他语言编程(数字4和5)。

通过算法和直接搜索优化功能的工具箱总是找到目标函数的最小值或适应度函数。如果你需要函数的最大值f(x),您可以将它转换成函数(x)=f(x)。适当修改算法参数,选择100年人口规模,人口类型作为DoubleVector(双精度向量)和Fitnesscaling(健身比例参数)排名(重个人的优缺点根据适应度值)的顺序,并设置参数Selectionfunction(选择函数)作为统一(统一),精英再生功能的数量设置为5,变异函数选为统一(统一),剩下的都被设置成默认值。Runsolve列中单击“开始运行并得到结果。

根据上述方法,使用MATLAB遗传算法工具箱来计算并获得最佳投影方向。' = [0.0777 0.3952 0.0920 0.4445 0.2662 0.1264 0.0473 0.0453 0.0300 0.2239 0.1725 0.2157 0.4942 0.2138 0.3158 - 0.1538)。

会的。的替代z=。”x,获得预期的值z=(2.5627 0.4360 - 1.0460 0.6536 - 1.1191),安排z按照降序排列,每个企业的技术创新能力为:企业一个>企业E>企业C>企业D企业B >。

根据最佳投影方向,每个评价指标的影响程度的综合评价结果可以进一步分析。的价值”。

行排序得到每个指标的贡献率。订单号如下:13、4、2、15日5,10,12日,14日,11日,16日6 3,1,7,8,9,这是新产品的市场份额,研发人员投资强度、研发支出投资强度,产品市场,Jnonown率、专利和专有技术的所有权,现代制造技术使用率,新产品销售收入/产品销售收入、企业专职营销人员总数/员工,标准化工作水平,年平均增长率为研发投资强度、自主创新产品,工艺创新投资强度、总研发投资、研发成功率,先进水平的设备,工人的技术水平和工作质量。获得最好的个体,每一个指标的贡献率图所示6。

为了找到某个企业的技术创新差距和其他企业技术创新能力的水平比较每个企业都可以进行。本文将民营农机企业的技术创新能力分为六个方面:创新资源投入、创新产出、技术密度、创新效应、市场意识和创新趋势。为了更简单和清楚地反映各方面的优势和劣势的企业技术创新指标体系略有调整。创新tendency-the的唯一指标的平均年增长率研发投资强度划分为创新资源输入的动态指标。为了更清楚地反映不同公司之间的差距,用云计算图,如图7和8(基于MATLAB)进行比较。

与农业机械公司在发达国家相比,有很大的差距在技术创新在中国农业机械公司。为了找到某个企业的技术创新差距和其他企业技术创新能力的水平比较每个企业都可以进行。例如,技术创新的比较结果子功能的A公司和B公司可以用雷达图9所示。从图可以看出9技术创新的所有子功能的B公司低于公司。以同样的方式,您可以比较技术创新差距任何公司。同时,为了掌握某一企业的技术创新活动的发展,有可能使企业的技术创新水平的纵向比较在不同的年。例如,一个企业的技术创新水平的比较2003年和2004年图所示10。从图可以看出,公司的技术创新水平高于2004年的2003,和公司的技术创新活动取得了快速的进步。

5。结论

五个结论都从这篇文章中,如下:(1)所使用的方法和遗传算法的投影寻踪。只有原始观测数据直接使用,无需任何先验假设数据结构或特征,和人类干扰消除,客观性是好的。它可以充分利用现有的信息数据,并能有效地处理正常或非正常数据,线性或非线性数据,稳定性好,精度高。(2)选择投影参数。投影指标的建设是非常重要的,它反映了投影规则。没有固定的形式和标准建设的投影指标。它可以灵活地根据具体问题选择应用程序,但构造投影指标必须反映分析问题的特点,以达到合理的评估数据的样本的目的。(3)选择投影方向和其他参数优化的方法。理论上,所有的优化方法可以达到优化投影方向和其他参数。(4)当使用遗传算法来计算最优投影方向,由于不同状态的随机数字生成器,每次运行的结果将是不同的,也就是说,最优投影方向。会有差异,但不影响投影值的顺序。(5)评价结果的分析。通过比较获得的评价结果与实际企业的技术创新能力,可以看出是可信的和科学的评价方法。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者在合理的请求。

的利益冲突

作者宣称没有利益冲突。