文摘
体育经济现象,产业集群是指体育相关企业在大量收集在一个特定的区域。体育企业在集群中,他们可以通过企业集聚获得巨大的竞争优势,从而获得更好的发展和丰富的经济效益。粒子群优化的优化是相互关联和产业集群的集聚。因此,在视图的限制标准粒子群优化(PSO)算法,一种改进的粒子群优化algorithm-diaphragm粒子群优化(D-PSO)提出,用来模拟体育产业集群的形成。D-PSO介绍了细胞膜生物系统到PSO算法的处理机制,提高能力的PSO算法摆脱局部极值点。体育产业集群的竞争力值目标函数的值是通过D-PSO算法来解决。产业集群的地理坐标位置的粒子D-PSO算法的搜索空间。D-PSO算法用于模拟企业集群的聚集过程。与标准PSO相比,D-PSO算法具有更好的收敛性能和最优率。案例分析的结果表明,该方法可以有效地预测体育产业集群的发展趋势。
1。介绍
产业集群是现代产业发展的主流趋势和产业升级的主要驱动力。产业集群发挥重要作用在促进区域工业发展,提高区域竞争力。通过降低交易成本和共享设施,产业集群可以显著降低成本优势(1- - - - - -5]。同时,知识溢出效应和扩散在产业集群中企业可以为产业升级提供来源。产业集群可以促进工业领域的规模的扩张和持续和快速发展的产业。产业集群是一种经济现象,基于自组织结构。自组织结构的特点是自适应和自组织的同时,产业集群。类似地,如果集群被认为是许多企业和机构组成的一个系统,也是一个自我组织的系统(6- - - - - -8]。产业集群的形成也是进化通过开放的耗散结构。
体育产业集群的新亮点和今天的体育产业发展的主旋律,也是一种独特的组织形式在社会和经济发展中扮演着很重要的角色在促进地区经济发展,促进当地工业竞争力(9- - - - - -11]。体育产业集群是产业集群的下属概念。虽然对体育产业集群的研究在国内外近年来已逐渐丰富,没有统一的视图的定义这一概念。
近年来,体育产业集群已成为一个热点领域的学术研究;许多研究人员将完整的研究热情,取得了许多科研成果。然而,仍然有下列缺陷在当前体育产业集群的研究[12- - - - - -16]:(1)研究经济现象的生成过程和演化规律,体育产业集群,仍处于定性讨论的阶段,和研究深度不够;(2)当前研究主要针对现有的产业集群,进行案例分析,进行概念性的阐述非常多,而且很少通过计算机模拟了产业集群形成过程。
粒子群优化与体育产业集群的集聚相通。体育集群的形成实际上是一个自组织的过程。粒子群优化算法是一种自组织的算法(17- - - - - -19),其优化过程也是自我组织。如果集群中的企业被视为在粒子群优化算法和粒子的位置集群是集群竞争力最大的位置,它被认为是最优解的位置的粒子群优化算法(20.),那么产业集群的聚集过程可以被视为优化粒子群优化的过程。可以看出,粒子群优化和体育产业集群的集聚是相互关联的。
因此,本文详细分析基于自组织的产业集群和PSO算法。一种改进的PSO algorithm-diaphragm粒子群优化(D-PSO)提出了准确地解决产业集群的演化和形成机制。研究产业集群从自组织的角度提供了一个新的学术研究产业集群的分析思考。
2。体育产业集群的自组织特征的分析
2.1。体育产业集群的形成机制
产业集群是区域经济发展的重要载体。产业集群的出现可以有效地提高区域经济的竞争力,极大地促进区域经济的发展。因此,产业集群的演化过程,形成法律是值得研究的话题。
目前,主要有两个关于产业集群的理论(17,18):一个是马歇尔的工业园区集群理论,另一个是波特的理论。产业集群的概念可以被定义在广义和狭义。他等。19波特]的基础上,对产业集群的研究成果,结合体育产业的特点,体育产业集群定义为一群在地理上相邻、相关企业和机构,这是一个广泛的产业集群的概念。道等。20.)主要研究工业clusters-spatial集聚的主要特征从经济学和地理学的角度。魏(21]指出在集群创新网络发展的重要作用。协调企业间的网络将会有效地提高整体竞争优势。网络创新的发展将是一个产业集群的未来增长的重要推动力量。
研究人员分析,从不同的角度讨论了产业集群的形成机制,和他们的代表观点主要有四种:因素理论,模型理论、动力学理论和系统理论。产业集群的形成机制”因素理论”图所示1。
产业集群形成机制的观点”模型理论”是一个“因素”理论的进一步扩展22]。这种观点不仅列出了工业的形成机制也基本条件逻辑上详细分析不同元素如何相互作用形成集群。然而,持这种观点的学者主要从静态分析不同元素如何工作的观点。产业集群的形成和发展是一个动态变化的过程,它是不完整的,分析产业集群的形成机制从一个静态的观点。“动态理论”是一个新的观点形成产业集群的快速发展近年来,和最先进的理论来分析产业集群的形成机制。这种观点认为产业集群的形成是一个动态变化过程,并分析了每个阶段的形成机制从不同的产业集群的形成阶段。产业集群形成机制的角度的“动态理论”符合粒子群的基本概念。
2.2。自组织结构分析
自1960年代以来,人们开始研究自组织的理论。自组织理论在复杂性科学的研究中起着重要的作用。从系统科学的角度来看,可以理解为一个有序的自组织系统结构在系统环境中,内部成员的有序没有统一领导和指挥23,24]。自我组织的系统不是由外部力量。在其诞生,内部成员相互作用,这是一种自发的行为。相反,组织形成的过程中,组织由外部驱动力一般被称为其他组织。
自组织结构的特点是自适应和自组织的同时,产业集群。事实上,产业集群是一个自组织系统。产业集群的形成也是进化通过开放的耗散结构。整个过程的产业集群集聚小规模企业发展和增长的下降伴随着“波动”的影响因素。在产业集群中,新的有序结构的出现也是波动的作用下完成,突变理论的表达在集群。因此,产业集群自组织结构,和他们也自组织的进化过程。
3所示。隔膜粒子群优化(D-PSO)算法
3.1。PSO算法的原理
PSO算法,每个优化问题的潜在解决方案对应一只鸟在搜索空间的位置(25- - - - - -28我们称之为“粒子。“解空间中的每个粒子将和他们飞行的方向和距离将由速度决定的。还有一个健身价值取决于优化功能。然后,粒子追随当前的最优粒子和搜索解空间。
假设在一个D维目标搜索空间N粒子代表优化问题的可能的解决方案形成一组。粒子的位置我是X我,“飞行”速度V我。的健身价值X我可以被替换成目标函数计算,以及优点和缺点可以测量根据其健身价值。的我th粒子决定接下来的运动通过个体极值pb和全局极值gb。粒子更新自己的速度和新的位置按照下列公式: 在哪里的速度吗D粒子尺寸我在kth迭代,和正在学习因素(非负常数),是(0,1)之间的一个随机数,然后呢的位置吗D粒子尺寸我在kth迭代。
3.2。D-PSO算法设计
细胞膜片原则(29日)是一种仿生技术,模拟生物细胞的智能行为系统,这是一个启发式随机搜索算法,它结合了确定性和随机选择。隔膜算法受体细胞理论和网络理论和实现自我调节功能类似于生物细胞的功能和生成不同的横隔膜。隔膜形成粒子群优化(D-PSO)模型通过引入细胞膜处理机制(多样性、自律、隔膜内存,等等)到PSO算法。这种优化模型结合粒子群优化算法的优点和隔膜算法,从而避免PSO算法的缺点是容易陷入局部极值和改善以后的进化算法的收敛速度和精度。鼻中隔粒子的多样性是保证高的同时保持个人健康,这样就避免了过早的现象。
人口更新粒子的过程中,保持多样性的策略采用基于浓度机制,这使得每个健康水平的粒子(膜片)保持一定的人口集中在新一代粒子。的浓度我th粒子(隔膜)定义如下:
基于粒子浓度的概率选择方法如下(30.]: 在哪里代表了我th隔膜(粒子)和代表的健身价值我th隔膜(粒子)。可以看出,越少的膜片类似于隔膜我,隔膜的概率就越大我将被选中。相反,越是膜片类似于膜片,膜片我被选中的概率越小。这使得个体的适应性较低也会进化的机会。因此,在理论上,基于抗体浓度的概率选择公式可以确保隔膜的多样性。
D-PSO如图的流程图2。
4所示。基于D-PSO产业集群演化方法
4.1。相似性产业集群演化机制和PSO算法
通过上面的讨论,我们知道,产业集群的形成实际上是一个自组织的过程。然而,PSO算法是自组织的,其优化过程也是自我组织。如果集群中的企业视为PSO算法的粒子,集群的位置是最集群的竞争地位。考虑它的位置在PSO算法最优解,产业集群的集群过程可以被看作是优化粒子群优化的过程。可以看出,粒子群优化的相互关联和产业集群的集聚。
在进化阶段,粒子群粒子群执行组织进化的统治下“自我意识”和“社会意识”根据一定的规则,从一个不稳定的非线性系统稳定状态突变。产业集群,企业自发接近集群组利益的推动下和各种外部力量。
对粒子群粒子群可以找到最优值在特定的规则的指导下通过大量的迭代学习。产业集群,在进化的过程中,集群内的同行业通过持续合作与竞争,消除企业保持竞争力的企业缺乏竞争力。集群的规模经济的反映。最后,集群达到一个动态的、稳定的状态。
因此,为了使用PSO算法来模拟产业集群的形成,我们使用粒子群优化来解决这个问题。产业集群的竞争力值目标函数的值是通过PSO算法来解决。产业集群的地理坐标位置的粒子的粒子群优化算法的搜索空间。必须有“合作”和“竞争”集群内部的企业之间,可以通过“自我认知”部分和“社会”PSO算法的一部分。最后,以体育产业集群为例,我们使用PSO算法来模拟企业集群的聚合过程,从而预测产业集群的发展。
4.2。基于D-PSO产业集群演化模型算法
为了模拟产业集群的形成与粒子群优化算法,我们集群产业集群粒子。产业集群竞争力的目标函数的值是在粒子群优化算法来解决。产业集群的地理坐标位置D-PSO粒子搜索空间的算法。必须有“合作”和“竞争”在企业集群,可以实现“自我意识”和“社会”D-PSO算法的一部分。
总之,我们建立了产业集群的演化模型基于粒子群优化。模型中的基本速度和位置更新公式如下,其中每个变量赋予特色的产业集群。根据提出的迭代过程进行D-PSO算法。以下是更新表达式:
在这篇文章中,我们给新意义数量的公式(4):(1) 代表政府的促进作用在集群演化的过程中,如相关政策的指导(2)X代表集群的地理坐标的位置,这是在坐标轴的位置(3) 和 ,分别代表了竞争和合作的产业集群经济活动(4) 和 ,分别代表最好的集群粒子个体和粒子种群搜索的位置(5) 是目标函数,Z的值是集群竞争力, 是坐标的值
5。实验和结果分析
5.1。D-PSO性能验证
5.1.1。选择的测试函数
为了测试D-PSO算法的性能,我们使用三个常用的测试函数,Rastrigin函数。函数,和Griewank功能,进行实验测试。这三个测试函数表达式如下:
仿真实验实现MATLAB 2019 b的帮助下,电脑的CPU(电子邮件保护)GHz, 8 g的内存。操作系统是窗口10(64位)和软件MATLAB 2019 b。为了测试D-PSO算法的性能,我们选择的标准PSO算法比较测试。两种算法用于解决上述三个测试函数,分别。我们设置了进化代数500年,惯性权重0.729标准PSO的,学习的因素== 1.429,粒子的总数在100人口,和三个主要测试函数的尺寸10。
5.1.2中。分析的收敛结果
当测试D-PSO算法的性能,有必要排除随机因素对实验的影响。因此,我们为每个算法多次重复实验,那里的次数是10。10独立重复实验的平均值作为实验的最终结果。Griewank函数。函数,和Rastrigin功能分别由两个算法,解决了。当演化曲线解决函数图所示3。
(一)
(b)
(c)
根据上述实验中,最佳的健身Griewank值函数,对数。函数,和Rastrigin函数对应D-PSO−0.13, 0.92,和0.83,分别。当标准PSO算法用于解决上述三个函数,对数的值最优健身是3.19,1.42,1.05,和两种算法的结果如表所示1。
根据求解曲线的趋势,D-PSO迭代算法取得了良好的收敛效果在50,发现最优解。可以看出D-PSO算法收敛更快。因此,与标准PSO算法相比,D-PSO算法具有更快的收敛速度和精度更高的解决方案。
5.2。体育产业集群的实例分析
5.2.1。集群竞争力评价
根据层次分析法(AHP)中,重量分布表的体育产业集群的竞争力评价指标,如表所示2。
根据竞争力值,体育产业集群的竞争力配件地形图在不同地区建立,如图4。更大的价值z图中,突出的部分越高,这个坐标的集群竞争力越大。如果某一地区的坐标 ,这个函数 是一个三维拟合函数的地理坐标和竞争力。为了插入三维函数,拟合函数Z基于1 stopt采纳。拟合函数的主要参数值如表所示3。
5.2.2。D-PSO解决方案和分析
借助MATLAB 2019 b,该D-PSO算法用于解决目标函数(公式(4))。在实验中,进化代数将500次,粒子的数量是100,和学习的因素== 1.429,= 0.729。结果是(−2.3−1.1)。相对城市在中国是一个省会城市,是长江三角洲非常接近。天气预报显示,在该行业的发展和升级,super-large-scale体育产业集群将出现在几年后(−2.3−1.1)。
因此,集群发展适当的建议可以根据预测坐标。(1)从政府的角度来看,中国政府在促进和帮助集群发展过程中发挥作用。如果当地政府适当地调整各种政策根据集群的趋势发展,不断提高集群内的共生环境,它将不断促进集群的升级,有效地防止集群下降。(2)在企业层面,企业集群中是最重要的成员,人数最多。集群的整体发展是好的,这将不可避免地推动企业内部的发展。同样,良好的内部操作企业将不可避免地促进整个集群的发展,这是一个良性循环。
6。结论
因为粒子群优化与产业集群的集聚,环环相扣,本文提出了利用粒子群优化算法来预测产业集群的形成位置。一种改进的PSO algorithm-diaphragm粒子群优化(D-PSO)提出了准确地解决产业集群的演化和形成机制。产业集群的竞争力值的值是目标函数解决的PSO算法。产业集群的地理坐标位置的粒子的粒子群优化算法的搜索空间。最后,以体育产业集群为例,D-PSO算法用于模拟集群中企业的聚合过程,并预测产业集群的发展。我们将尝试使用其他群体智能算法来模拟企业集群的聚合过程,如人工鱼群优化算法。
数据可用性
使用的实验数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称他们没有利益冲突的报告对于本研究。
确认
这项工作是由开放基金项目支持江西戏剧资源研究中心、华东理工大学:研究文化的融合与文化遗产旅游的歌剧和中国戏曲的旅游品牌资本福州(21 xj04);华东理工大学博士启动基金:研究城镇居民休闲体育和休闲的限制在“健康中国”的背景下,他们愿意继续参与(DHBK2019401)。