网络自组织

网络自组织（精选12篇）

网络自组织 篇1

1 概述

随着通信技术和业务的高速发展,无线网络规模和容量不断扩大,2G、3G、4G多种无线网络制式多个频段并存,异构网络的出现,都使得现代移动通信网络变得愈加复杂。基于LTE的下一代无线网络以其高带宽为用户提供更加丰富的多媒体业务,传统的网络规划和优化以人工完成其部署和运营的方式渐渐显得力不从心;另一方面,伴随着竞争日趋激烈,各通信运营商的ARPU在不断下降,这都促使运营商更加注重成本,运营商越来越关心通过减少运维成本(OPEX,Operating Expense)以取得较高的利润。3GPP为LTE提出了一种新运维策略一一自组织网络,LTE运营商通过SON机制提高网络的整体性能和操作效率,可以明显降低OPEX,从而进一步提升LTE的竞争优势。

2 SON的发展和现状

自组织网络(SON,Self Organization Network),是伴随LTE发展而引出的一套完整的网络理念和规范。它的主要提出方是运营商,其目的是为了减少LTE网络引入带来的网络建设成本和运维成本的增加,目前涉及范围已扩展到整个无线网络。SON有广义和狭义两种定义,广义的SON一般被定义为运营商用来管理和控制宽带网络的一系列功能和特征,通过不需要人为干预的自动化操作来提升运营效率,降低运营复杂度;狭义的SON被定义为用于3GPP和LTE中的自动化网络运营功能,由3GPP来对SON进行标准化,由NGMN (Next Generation Mobile Network,下一代移动网络联盟)从运营商角度对SON的长期目标和远景进行规划和展望。

SON作为一种完整的网络理念,其功能主要可以归为:自配置,自优化,自治愈。

自配置,指从设备安装上电到用户设备能够正常接入进行业务操作,在很少甚至完全没有工程人员干预的前提下完成。它简化了新站开通调测流程,减少了人为干预环节,降低了对工程施工人员的与业要求,目标是做到即插即用,真正降低开站难度从而减少运维成本。其中涉及到的功能和技术实现包括:传输自建立,节点鉴权,软件版本自安装和更新,基站自检,自邻区关系规划,自资产管理,无线参数规划等。

自优化,根据终端UE和基站eNodeB的测量和性能测量等网络运行状况,对网络参数进行自调整优化,以达到提高网络性能和质量和减少网络优化成本的目的。另外传统运维优化依赖的是工程师对大量路测和仿真数据的分析决策,而自优化从人员能力和人力上能减少了要求,同时可以提供更及时的提示和更准确详实的测试数据,提早发现网络缺陷并加快工单的处理。其功能包括覆盖和容量的优化、节能(通过对网络负荷的变化趋势检测,在不影响服务情况下,自动调整设备功率。高负荷处提高功率,低负荷处降低功率,以达到减低功率的真正节能目的)、PCI (Physical Cell Indicator,物理小区标识)自检测和重配、健壮性优化、负荷均衡优化、RACH优化、自邻区关系调整、小区间干扰协调,QOS优化等。

自治愈,通过对系统告警和性能的检测发现网络问题,并自检测定位,部分戒者全部消除问题,最终实现对网络质量和用户感受的最小化影响。其中包含的功能点有:告警关联,“根”原因定位,静默小区检测,故障小区检测和补偿,问题自跟踪检测等。

从以上功能可以看出SON涉及到网络部署的各个方面,它综合了传统运维手段并将其“智能化”,也引入了很多新技术、新应用模式和场景。目前成熟的欧美高端移动通信市场和亚非拉新兴的移动通信市场,都不同程度地商用了SON,统计数据表明SON确实可以有效降低运营商网络运营成本。

3 SON技术架构体系

根据自优化算法在网络结构中的位置不同,SON分为三类:集中式SON (C-SON)、分布式SON (D-SON)、混合式SON (H-SON)。三种架构各有优缺点,不同的网络状态下采用的架构不同,目前大多数采用的是混合式架构。

集中式主要在网管系统上实现,分布式主要是通过SON分布在eNodeB节点上实现。相比较而言,集中式的优点突出在控制范围较大、互相的冲突相对较小,缺点是算法比较复杂、实现速度较慢,但在SON商用初期一般选择此架构;与其相反,分布式拥有更高的速度和效率,且网络的可拓展性较好,缺点是彼此间协调起来很困难。虽然混合式兼有集中式和分布式的优点,但在设计上却不得不变得更加复杂。三种架构如图1所示。

4 SON PCI自规划研究

基于LTE的SON关键技术主要包括以下几个方面:PCI自规划、覆盖和容量优化、自动邻区关系功能(ANR,Auto-matic Neighbour Relation Function)、负荷均衡优化、随即接入信道(RACH,Random Access Channel)优化技术等。其中PCI自规划是为每一个新加入网络的eNodeB分配物理层地址,分配得合理与否直接决定终端能否辨识服务小区、接入网络的成功率以及全网干扰的大小,PCI自规划是网络自组织的重要用例,自规划涉及到自配置和自优化两个层面,自规划成功后站点提供服务。

现网PCI自规划一般都隶属于如下两种场景,一是大规模新建网络,大量站点陆续开站;二是在已有网络基础上新开部分站点。

无论上述哪种场景,每个站点的开站都遵循同样的流程,即上电、IP地址配置、基站鉴权、与核心网对接、下载软件和配置参数。一些方案里将PCI自规划放在自配置阶段,在配置参数过程中通过算法为当前站点找到合适的PCI,在复杂网络状况下SON自配置会导致开站时间较长,不利于工程进度。

本文推荐的做法是开站自配置时,从模版中获取与小区基本信息相关的参数如频点、PCI、TAC (Tracking Area Code,路由区)为默认参数,可能不一定适合当前无线环境,但这样会缩短站点开站时间,然后将PCI自规划放在自优化阶段,在站点识别网络无线环境后通过算法选择适合的PCI后再让站点提供服务。

目前站点识别网络无线环境的方法包括但不限于如下:

(1)待规划/优化站点装备无线信号接收机,接收并解析周边已开通站点的无线信号包括能邻区的频点、PCI、TAC等,从而协助本站点参数选择;

(2)室外待规划/优化站点通过GPS接收机得到位置信息,室内待规划/优化站点通过WiFi辅助定位获取位置信息,OMS SON综合网络中汇总各站点位置信息可以进行整体网络规划和优化;

(3)已开通站点可以根据接入的UE (用户设备)位置等辅助信息,协助网络参数优化;或者通过服务区域内UE向本站点反馈UE所探测到的邻区信息等相关无线环境参数,协助本站点进行网络参数优化。

3GPP规范规定了PCI自规划的两大原则,即不冲突、不混淆,但对于具体的技术和算法并不属于标准协议范畴,由各研究机构和SON解决方案提供商自行研究实现。LTE中采用PCI在上下行中分别区分基站和用户,由于受到同步序列的物理特性限制,LTE系统中PCI的数量不可能无限多,共设计了504个ID,分成168个组,每组包含3个ID。随着LTE和后续5G网络的逐渐商用,城市中站点分布十分密集,异构网络(HetNet)成为主流形态,即除了之前常见的宏基站(MacroCell)外,会增加微蜂窝(MicroCell)、微微蜂窝(PicoCell)、家庭基站(FemtoCell,又叫Home eNodeB,简写为HeNB)的联合覆盖,网络结构越来越复杂,但是无论哪种站点在PCI复用时都需要遵循3GPP SON关于PCI不冲突、不混淆的原则,否则会导致网络复用干扰严重,用户不能准确识别小区。

如图2所示给出了PCI冲突和混淆的示意图,图(a)中由于相邻的两个小区A、B被分配了相同的PCI,导致网络中出现PCI冲突,位于交叠区域的UE无法区分这两个小区,也就不能完成切换的过程;图(b)中,小区D和E使用了相同的PCI,虽然二者并不直接相邻,但是他们却有同一个邻区C,从而导致当小区C内的UE上报邻区测量结果时,小区C分不清D、E两个小区,就因为D、E的PCI相同。因此在SON自规划过程中,避免PCI冲突和PCI混淆是当务之急。

目前国内外对于PCI不冲突、不混淆的算法有一定的研究,比如基于协商的分布式策略、基于图论的配置原则等,但这些算法较为复杂,计算量也相对较大,在自配置或者自优化阶段需要耗费的时间较长。

本文提出在PCI自优化过程中采用简单的遍历算法,假设站点A是新开的站点,已通过模版参数进行了自配置,将通过上述无线环境检测方法中的一种或联合多种检测到的无线环境汇总到OAM SON后,若站点A是该区域中第一个新开的站点,周围无任何邻区关系,那站点A的PCI则可在当前可选范围中任意取值即可;若站点A是原有网络中一个新开的站,OAM SON综合多渠道得到A的邻区关系如图3所示,其中站点B、C是待优化站点A的邻站,我们称之为一阶站点;其中B和C又各自有自己的邻站F、G和D、E,那么站点D、E、F、G称为站点A的二阶站点,那么只需同时满足如下两点即可满足PCI不冲突、不混淆的原则:

(1)站点A的PCI不能与一阶站点B、C的PCI相同,即不冲突,同时避免与一阶站点的模三冲突;

(2)站点A的PCI不能与二阶站点D、E、F、G的PCI相同,即不混淆。当无线环境不是太复杂的情况下,该遍历算法还是相当简单并且耗时很短,是行之有效的一种工程方法,该算法对于SON的三种架构中集中式和混合式更为适用,因为分布式架构中各站点以一己之力不一定能检测到二阶站点的分布。

对一些常规的场景甚至异构环境下,上述PCI自规划的策略都是适用的,但是针对一些特别复杂和特殊的场景,还需具体问题具体分析,比如高铁下如何通过自组织网络的自配置和自优化来解决语音质量不好和频繁切换导致的掉话问题,或者是出现重大自然灾害基础通信设施设备被破坏后,如何通过自组织网络快速布局动态站点以暂时满足灾区迫切的通信问题等,这些场景都是后续研究的方向和重点。PCI自规划不是一劳永逸的,随着网络架构的动态变化需要持续优化。

5 结束语

LTE和后续通信系统自组织网络SON的发展是未来的必然趋势.但是当前SON的研究仍存在一定的局限性。标准方面不同的SON案之间互联可能存在冲突,需要形成标准以实现互联互通,才能最终推动商业进程。算法方面SON算法需要进一步研究,使之更高效、收敛速度更快,同时需要一个公正有效的评估模型.以便了解SON的相关功能是真正起到作用还是带来了其它负面效果。研究领域目前我们的研究面很窄,主要集中在PCI和ANR的自配置和自优化,尚未涉及到更宽泛的课题,特别是网络优化参数、QOS保证等方面。无线自组织网络是机遇与挑战并存的研究方向,还有很长的路要走。

参考文献

[1]R3-080376."SON Use Case:Cell Physical ID Automated Configuration",3GPP RAN3#59.2008.

[2]3GPP,"Technical Specification,Technical Specification Group Service and System Aspects(2010)Self-Organizing Networks(SON)Policy Network Resource Model(NRM)Integration Reference Point(IRP):Requirements".3GPP TS 32.521 Version9.0.0 Release9,6 April 2010.

[3]魏垚.蜂窝移动通信系统物理小区识别自组织技术研究.2013年博士论文.

[4]孙成丹等.LTE-Advanced系统中PCI自配置仿真研究.电信科学.2013(7).

网络自组织 篇2

无线传感器网络自组织方式――集中式：

所有参与侦测的节点将数据通过多跳网络直接送给服务器，目标的位置和轨迹在服务器中产生。这种方法和传统网络的方式无太大区别，虽然服务器的处理能力很强，跟踪精度会很高，但由于节点的通信量庞大、延时大，所以这种方式在传感器网络中一般是不适用的。

无线传感器网络自组织方式――静态局部集中式：

在网络中安排一定量具有较强处理能力的簇头(也叫超级节点)，普通节点在获得测量数据后传到簇头，簇头再对数据进行处理，然后通过簇头间的路由送到用户终端。这也是层次式的结构。虽然这是比较好的方法，但是对随机撒布形成的传感器网络无法控制簇头位置，事实上难以实现。在网络拓扑不可人为控制时，这种方法就失去了其有效性。

无线传感器网络自组织方式――动态局部集中式：

簇首在目标跟踪过程中通过一定的准则动态产生，其他节点将数据传送给动态簇头；在目标离开簇首侦测范围后，产生新的簇头，原来的簇头恢复侦测状态，这是目前比较流行的方法，

不过这种方法在目标频繁出现的情况下，容易引起网络“黑洞”，簇首负担过重，同时在参与传送数据的邻居节点数量和区域的选取上还需慎重考虑，以减少通信能量消耗。

无线传感器网络自组织方式――单点式：

在目标跟踪的过程中，始终只有一个动态头节点在跟随目标。在任何时刻t，只有一个头节点k，他负责获取测量值并更新目标位置的估计。头节点从他的邻居节点中选取信息量最大的节点，然后将信息传给他。这个节点就成为下一时刻的头节点，原先的节点回到空闲状态。这种方法有效地减少了通信能量消耗。但是当头节点损坏或数据丢失后，跟踪就无法进行，降低了跟踪系统的稳定性。另外，这种方法只利用了信息量最大的节点，舍弃了其余的信息量，这一定会降低跟踪的精度。

无线传感器网络自组织方式――序贯式：

网络自组织 篇3

【关键词】网络自组织；信息；流动与共享；农村青年

一、引言

随着网络技术的发展，尤其是Web2.0技术的出现，使人们能够参与到互联网的交流中，由单纯的信息接收者变成了信息的发布者和接收者。香港学者邱林川就通过大量的统计数据和现象分析，认为中国的社会信息化过程已由90年代精英垄断的局面进入到更广社会内信息中下阶层和中低端信息传播技术紧密结合的新阶段[1]。农村青年凭借着较高的学历和容易接受新鲜事物的特点，积极参与到了信息革命的大潮当中：他们加入各种专业QQ群（厨师群、焊工群等）进行专业技能培训，他们利用微博、博客去维护和保障自己的权益，并表达自己的政治主张与诉求，他们利用网络平台充实自己的娱乐生活……这些丰富多彩的网络生活形成了以群（QQ、MSN、Fetion等）、博（微博、博客、播客、SNS等）、吧（BBS论坛等）、游（各种网络游戏等）为主的四种典型的网络自组织[2]。

农村青年参与网络自组织的各项活动与交流，会在潜移默化中提升他们的传统人力资本（听说读写等基本能力）、组织资本（例如在网络交易群中进行交易，就会节约交易成本，提高交易效率）和社会资本（网络自组织不仅能复制现实中的亲缘关系网、地域关系网还能拓展技术技能、兴趣爱好等更为广泛的社会关系网络）。李录堂（2011）认为这种劳动者通过信息网络技术在收集存储信息、加工处理信息、利用和传播信息等投资中所获得的知识和技能累积而凝结在劳动者身上的资本量，以及劳动者通过信息网络技术整合和吸收组织资本和社会资本而凝结在劳动者身上的资本量称为信息技术型人力资本[3]。而网络自组织成员提升信息技术型人力资本的关键在于信息在网络自组织中的流动与共享水平，只有信息在网络自组织中畅通无阻的流动与共享，才能更有效的提高他们的传统人力资本、组织资本和社会资本。例如某人加入其自己的亲戚群，这是现实中亲缘关系网在网络上的复制，如果信息流通顺畅，他可能被与自己兴趣相近的亲戚介绍到某个兴趣群，这就扩大了此人的关系网，无形之中增加了此人的社会资本。

本文首先分析了信息在网络自组织中流动与共享的阻碍因素并提出假设，然后根据农村青年网络自组织的调查数据建立模型进行了实证研究。

二、研究假设与模型建立

（一）研究假设

信息在网络自组织中的流动与共享面临着多方面的阻碍，除了受网络自组织自身条件的影响，还受组织成员自身素质、组织文化差异及参与网络自组织的外部条件等诸方面的影响。

1.网络自组织的组织化程度

网络自组织的组织化程度即网络自组织具有一定结构、同一目标和特定功能的程度。如果一个组织的目标、任务、结构和功能越明确，那么它的组织化程度就越高，反之则越低。例如QQ群这种自组织它有明确的群主，成员也是确定的，有的QQ群群主会制定详细的群规，而且大部分QQ群都有明确的主体，如厨师群、焊工群等，所以QQ群的组织化程度相对来说就很高。

组织化程度高的自组织由于有明确的目标、任务和结构，并且成员也是确定的，所以，信息在该组织中应该更容易流动与共享。

假设H1：网络自组织的组织化程度越高，越有利于信息在网络自组织中的流动与共享。

2.网络自组织成员的信息化水平

网络自组织成员的信息化水平是指某时间段内网络自组织成员在网络自组织中交流的信息占其这一时间段内所有交流信息的比值。例如某成员一天内在网络自组织中交流的信息占其那天所有交流信息的比重越高，那么他的信息化水平就越高，这样的成员越多，应该越利于信息在网络自组织中的流动与共享。

假设H2：网络自组织成员的信息化水平越高，越有利于信息在网络自组织中的流动与共享。

3.参与网络自组织的工具装备和技术水平

参与网络自组织的工具装备即上网的设备和网络，如台式电脑、笔记本电脑、平板电脑、智能手机、一般手机，或是宽带、WLAN、3G 、GPRS网络；参与网络自组织的技术水平是指是否熟悉网络自组织的所有技术操作，例如转帖、复制、标注、搜索等功能。一般来说，工具装备越高端，技术水平越高，应该越有利于信息在网络自组织中的流动与共享。

假设H3：参与网络自组织的工具装备越高端，参与网络自组织的技术水平越高，越有利于信息在网络自组织中的流动与共享。

4.网络自组织的交互记忆水平

网络自组织的交互记忆水平是网络自组织之间形成的一种彼此依赖的，用以储存和提取不同信息的合作程度，它主要表现为自组织与自组织之间相互信任程度的差异。如果彼此不信任，那么获取的信息就很难被信任，未被信任的信息估计是很难继续流动与共享的。例如，在微博粉丝的自组织中，地产大鳄潘石屹、任志强发布的房产信息及观点由于其权威性就很容易被信任，这些信任的信息和观点就容易被转发，易于在微博自组织中流动和共享。

假设H4：网络自组织的交互记忆水平越高，越有利于信息在网络自组织中的流动与共享。

5.网络自组织间的文化距离

网络自组织间的文化距离主要指不同网络自组织在组织结构、组织技能和制度传统上的差异性。每一个组织都有组织文化，不同组织所具有的组织文化往往有差异，因此，组织之间一般都存在着文化距离。

假设H5：网络自组织间的文化距离越小，越有利于信息在网络自组织中的流动与共享。

nlc202309011338

（二）模型建立

五、结语

本文提出的假设H1、H2、H4和H5均得到了验证，为了使信息在自组织中更快更有效的流动与共享，特根据结果提出以下建议：

1.引导相关自组织的建立者规范自组织，使其更加正式化，有条件的可以逐步建立完备的组织结构、流程和规范等。

2.提高农村青年的信息化水平，其一要在线上线下两方面下手，使农村青年接触到更多的信息；其二要逐步改善条件，使他们能有条件随时随地接收并发布信息。农村青年信息化水平越高，接收和发布的信息就会越多，信息就更容易流动与共享，反过来又会促进他们信息化水平的提高，这是一个良性循环过程。

3.大力倡导名人、名博、知识精英等拥有充分话语权的人物能够关心农村青年，多发布一些与其有关的信息，并替他们甄别信息，引领农民工朋友走在主流价值观的道路上，以得到更多人的关心和关爱。

4.引导文化互动，缩小网络自组织间的文化距离。本文分析并验证了信息在网络自组织中流动与共享的影响因素，但是并没有深入挖掘出农村青年参加网络自组织的动机、方式和行为特点，以及网络自组织发起、参与线下活动的规律和影响，这些都能进一步更加有效的提高农村青年的信息技术型人力资本，还有待进一步的深入研究。

【参考文献】

[1]邱林川.信息“社会”：理论、现实、模式与反思[J].传播与社会学刊，2008，（5）：8—10.

[2]冯志明，吕建军.共青团对网络自组织的引导策略研究[J].中国青年研究，2012，（8）：33—38.

[3]李录堂.信息技术型人力资本：事实依据、形成机理及效应研究[A].信息技术、服务科学与工程管理国际学术会议[C].2011.

[4]李怀祖.管理研究方法论[M].西安：西安交通大学出版社，2004：18—46.

[5]White，H.，1980，A Heteroskedasticity-Consisiitent Covariance Matrix Estimator and a Direct Test for Heteroskedasticity， Econometrica，48（4），pp.817—838.

【作者简介】

张文（1985— ），男，山东临朐人，西北农林科技大学经济管理学院研究生。研究方向：农村人力资源管理与开发；李录堂（1962— ），男，陕西岐山人，西北农林科技大学经济管理学院教授、博士生导师。研究领域：管理理论与农村人力资源管理、现代企业管理。

LTE自组织网络应用分析 篇4

在未来的网络中, 由于不同制式的网络共存, 使得网络将变得更加复杂, 庞大的网络规模给网络维护和优化带来了很大的挑战, 继续采用传统的网络规划、优化工作方式, 会使网络维护和优化人员的工作量大幅提高。而另一方面运营商则希望降低网络维护和优化的复杂度, 减少人工干预, 提高维护效率, 将低运营成本。在这一背景下, LTE (E-UTRAN) 系统的自组织网络 (SON) 特性被作为3GPP的重要研究方向。SON技术通过设备自身的自配置、自优化、自治愈等功能, 能够有效的应对网络异常, 是解决未来网络维护和优化工作, 提高网络服务质量并降低网络运营成本的一条有效途径。

二、SON的简介

目前从R8到R11的4个版本中SON的进展如下: (1) R8完成了SON相关用例的讨论, 列出了包括MRO、MLB、RO、PCI和ANR等在内的课题, 完成了专门针对SON的研究报告TR36.902 (SON用例及解决方案) , 完成了ANR和PCI这2个用例的标准化。 (2) R9完成了MRO、MLB、RO3个用例的标准化。 (3) R10对MRO、MLB进行了进一步增强, 包括对LTE系统内、LTE与其他系统间负荷信息交互流程的增强, 提高切换事件检测的完整性、移动性参数调整算法的准确性, 增强涉及Uu、S1、X2接口的改动, 并开始考虑节能和MDT功能。 (4) R11主要考虑MRO的增强, 包括对跨制式互操作 (Inter-RAT) 场景的支持、乒乓切换和短暂驻留问题等;根据Qo S相关信息选择合适的RAT接入;已有ANR机制的扩展;协调MRO、MLB的关系, 增强SON整体功能稳定性;He NB和Het Net部署场景下的SON特性等。

SON的主要功能框架包括自配置、自优化和自治愈。自配置就是指新增网络节点 (如基站) 的配置能够做到即插即用, 以降低成本并简化安装流程。该状态可理解为e Node B加电开通、实现与骨干网连接, 直到射频发射器打开。自配置过程包含基本建立和初始无线配置两部分。自配置相关功能主要包括网元自动发现、软件/配置数据自动下载、传输自建立、自动资产信息、自动邻区配置、PCI自动分配等。

自优化是指通过用户设备UE和基站e Node B的性能测量, 对参数进行自优化, 以尽量减少业务工作量并提高网络质量和性能。自优化过程包含自优化和自适应过程, 如自动邻区列表优化、覆盖和容量自优化、移动稳健性优化、移动负载均衡等。

自治愈指系统检测到问题时能自主减轻或解决, 优点是减少人工干预导致的故障, 自动检测和清除故障, 减少故障的可能性, 在网络出现故障时, 基站能够探测到故障的不同类型, 并自动启动适当的反应机制, 大大减少维护工作成本并避免对网络质量和用户感受的影响。

三、SON关键技术应用

目前, 广泛研究的SON关键技术主要包括基站自启动、基站自治愈、自动邻区优化、负载均衡、切换优化、覆盖和容量自优化等, 这些技术根据所解决的问题不同, 在网络建设和运营的不同阶段引入。本文对SON中的几个关键技术, 如PCI自动分配、自动邻区关系和负载均衡等功能进行详细分析。

3.1PCI自动分配

为避免其带来地移动性混淆, PCI规划的基本原则是保证一层相邻和二层相邻小区均没有PCI重复使用, 即PCI分配需避免以下两种情况出现。 (1) PCI冲突:一层相邻小区使用相同PCI, 即在一个小区覆盖范围内存在两个PCI相同的小区信号。 (2) PCI混淆:二层相邻小区使用相同PCI, 即一个小区存在两个PCI相同的邻区。

对于PCI自动分配、PCI冲突/混淆检测及解决方式, 3GPP并未给出具体的解决方案, 取决于厂商的实现。

PCI自动分配可以采用集中式方案由网管统一计算, 特点是速度快, 一旦网元自启动后可直接将可用PCI分配到小区。PCI的计算主要靠所提供的站址分布、小区物理参数和地域特征参数等模拟出无线覆盖图, 得出邻区关系。

PCI的冲突和混淆可以在网络运行中采用无线分布式手段检测, 可以在ANR发现邻区后检查与该邻区相关的小区间是否有PCI冲突或者混淆。发现PCI冲突/混淆的途径可以是:UE上报、通过邻区X2接口报告发现冲突或者通过其他方式获取 (如He NB通过下行接收机发现周围小区PCI) 。一旦出现混淆, 网元上报通知给网管系统, 由网管系统集中安排PCI优化的计算和配置。

3.2自动邻区关系

邻区关系的规划优化是无线网规网优中一个很重要的环节, 邻区关系规划优化的主要目的是保证在小区服务边界的UE能及时切换到信号最佳的邻小区, 以保证通话质量和整网性能。传统的邻区关系规划是在基本的工程参数确定的基础上进行, 优化则主要是在大量路测的基础上进行, 需要耗费大量的人力物力, 且由于输入参数的误差以及路测结果的限制, 难免会存在邻区漏配、错配的情况。自动邻区关系 (ANR) 的引入可解决传统邻区优化方式成本高、优化效率低的问题, 受到众多运营商的密切关注, ANR的目的是为了让运营商从手工配置邻区的工作中解脱出来, 是第一个3GPP标准化的SON功能。

ANR的主要应用场景有两种, 一是邻区关系的自动发现:应用大规模建网的初期, 相邻小区可以借助UE测量自动发现, 不再是完全由管理站配置, 极大地减少了运营商的配置工作;二是邻区关系的优化调整:在网络优化阶段, 通过相关算法自动发现冗余的邻区关系和漏配的邻区关系, 通过调整邻区关系属性, 能够减少由于缺乏邻区关联导致切换失败引起的掉话, 提高切换成功率, 优化网络性能。

LTE标准中, 当一个用户从正在通信的e Node B覆盖区域移动到另一个e Node B覆盖区域时, ANR允许自动发现并建立邻区关联。ANR也能自动建立e Node B间X2的接口, 但主要还是实现UE的切换。LTE具有两个明显特征才能够实现ANR功能:一是在LTE标准中用户不需要产生邻区基站列表, 在切换准备过程中用户可以将切换测量信息快速发送给具有ANR功能的未知小区, 而不是正在通信的e Node B;二是e Node B可以要求用户报告小区的完整信息从而使其确定相邻小区ID。

3.3负载均衡

负荷均衡主要目标包括:均匀地分配小区间的负荷;把已经拥塞的小区的部分业务转移到其他小区。按照TS36.902, 负载均衡的实现需要具备以下几个功能模块。 (1) 负荷上报。在Inter-LTE场景下, 地理位置相邻的小区间或共站址异频小区间通常通过X2接口交互小区的负荷信息, 完成负荷上报;在Inter-RAT场景下, 通常需要通过S1接口在不同的接入网之间交互小区的负荷信息。 (2) 基于切换的负荷均衡。负荷均衡的切换应该与其他普通切换区别开, 如在切换原因中标明是基于负荷的切换, 以便目标小区采取合适的接纳算法, 并避免出现覆盖空洞。 (3) 切换/重选参数的自动调整。源小区需向目标小区发起移动性配置协商进程, 双方确定调整目标, 然后通过SIB把调整后的参数下发给UE。所有参数应该在OAM允许的范围内调整。

负荷均衡不能以降低用户Qo S为代价, 激活态下的负荷均衡实现比较复杂, 策略不当容易影响用户感受, 初期可先考虑空闲态下的负荷均衡, 即通过均匀地分配空闲态UE避免大量UE集中驻留在某一频段/RAT, 从而保证当UE从空闲态转到激活态后, 业务负荷能尽量达到均衡, 同时也减少因负荷不均而触发的切换和重定向的次数。考虑到系统难以实时获取小区的空闲用户数, 可以根据该小区的激活业务量及Qo S判断是否需要改变小区重选参数, 让空闲用户迁移到其他小区或频点。

四、SON技术面临的挑战

SON系统非常复杂, 移动系统的性能指标和配置参数有上千个, 要想进行全面的自动化非常困难, 所以SON的发展仍面临许多挑战。 (1) 合适的架构选择。SON的架构分集中式、分布式和混合式3种。集中式目前主要在网管系统上实现, 分布式是通过SON分布在e NB上来实现, 二者各有优缺点。集中式的优点是控制范围较大、互相冲突较小, 缺点是速度较慢、算法复杂;分布式与其相反, 可以达到更高的效率和速度, 且网络的可拓展性较好, 但缺点是彼此间难协调。混合式可结合两者的优点, 但缺点是其设计变得更加复杂。 (2) 开放式接口和联合使用。SON在未来要支持开放的接口, 支持多厂商SON功能的互联。目前对SON的研究主要集中在自配置和自优化, 未来需进行更多用例方面的研究, 如保证用户的Qo S、网络参数优化等。未来还要利用认知无线电技术进行一个可适应动态环境的网络设计, 考虑多个SON功能的联合使用。例如ANR和PCI的联合优化, 在网络运行过程中, 邻区关系是动态变化的, 而PCI冲突/混淆的判断是基于邻区关系的, 邻区关系发生变化可能会导致新的PCI冲突/混淆, 例如在增加新邻区的过程中需要调用PCI碰撞检测功能, 检查PCI的有效性。 (3) 多种制式的网络共存带来的综合SON。由于运营商将长期同时运维多制式、多层次网络, 只研究LTESON对运营商降低OPEX的作用有限, SON必须向多制式、多层网络的方向发展并形成一个集中统一的解决方案, 才能抑制运维成本进一步上升。面对多制式的共存局面, 需提出综合SON的提案, 用来协调不同制式、不同层次网络间的关系, 提升全网运维效率。 (4) SON需要与智能管道技术相结合。目前的SON功能集中在无线网, 为保证端到端Qo S, 无线网和核心网需要互动, 同时配合深度包检测, 把SON功能与LTE网络中的策略服务器 (PCRF) Qo S策略控制相结合, 对不同Qo S业务进行差异化处理。

五、结束语

SON技术自提出以来就受到广泛关注, 尤其是运营商希望早点将其运用到现在的网络中, 以提升网络的智能化、自动化, 降低网络维护费用, 提升网络性能和灵活性。SON自身具备的强大功能也使其成为无线网络必不可少的部分, 虽然目前业界和学术界对SON关键技术的研究还不够深, 但随着无线网络技术发展, SON功能和技术都会不断得到完善。

参考文献

[1]3GPP TS 36.211.Evolved universal terrestrial radio access (E-UTRA) , physical channels and modulation

[2]3GPP TS 36.331.Technical specification group radio access network, evolved universal terrestrial radio access (E-UTRA) , radio resource contro (lRRC) , protocol specification

[3]3GPP TS 36.300.Technical specification group radio access network, evolved universal terrestrial radio access (E-UTRA) , and evolved universal terrestrial radio access network (E-UTRAN) , overall description

演化博弈与自组织合作 篇5

演化博弈与自组织合作

主要研究复杂网络上的演化博弈.首先研究具有社团结构的.无标度网络上的演化囚徒困境博弈及Newman-Watts小世界网络中异质性对合作演化的影响.然后考察了在不同合作者和作弊者初始分布配置情况下,不同的初始比例条件对合作水平的影响,且在社会网络上研究了雪堆博弈中的合作演化.进一步地,讨论了网络拓扑和博弈动力学的共同演化问题和网络上演化囚徒困境中的强化学习问题.最后给出了复杂网络上演化博弈论的未来发展方向与应用前景.

作 者：王龙 伏锋 陈小杰 楚天广 谢广明 Wang Long Fu Feng Chen Xiaojie Chu Tianguang Xie Guangming 作者单位：北京大学系统与控制研究中心智能控制实验室,北京,100871刊 名：系统科学与数学 ISTIC PKU英文刊名：JOURNAL OF SYSTEMS SCIENCE AND MATHEMATICAL SCIENCES年，卷(期)：27(3)分类号：O1关键词：群体行为 合作 演化博弈论 复杂网络 囚徒困境博弈 雪堆博弈 强化学习自组织 拓扑 动力学

网络自组织 篇6

【摘 要】 本论文针对海量移动学习资源元数据的分散，难以检索的难题，提出基于自组织特征映射网络 （）SOM的移动学习资源元数据聚类萃取算法，该算法将传统的数据库元数据进行合理的量化处理，形成表征移动学习元数据的四元组（资源编号，科目等级，学科等级，资源相似度），并且根据用户需求，通过调整权值四元组后三个个关键字所占比例，实现扩大或者缩小范围。最终利用 Matlab以高中物理的移动学习元数据为例实现该算法的仿真，进行多赋值聚类，其聚类萃取资源的准确度较高，能够满足一般用户对该移动学习资源的需求。

【关键词】移动学习 元数据萃取 神经网络 自组织特征映射网络 （）SOM

【中图分类号】 O453【文献标识码】 A【文章编号】1672-5158（2013）07-0024-02

1 研究背景介绍

移动学习是指依托目前比较成熟的无线移动网络、因特网以及多媒体技术，学生和教师通过利用目前较为普遍使用的无线设备（如手机、PDA、笔记本电脑等）来更为方便灵活地实现交互式碎片式教学活动，以及教育、科技方面的信息交流。 [1]随着移动互联网设施基础逐步完善和移动互联网产品的层出不穷，移动学习的优点越来越被人们关注。目前国内很多家高校和公司都加入了移动学习的研究，并且取得了比较好的成果。[2][3]本论文提出的自组织神经网络算法来对移动学习元数据数据库进行高效的聚类萃取，从而使得资源更加结构化，相关性更强，方便用户检索。

2 基于自组织特征映射网络 （）SOM的元数据挖掘模型

2.1 自组织竞争神经网络的知识介绍

由于移动学习资源的数据量比较大，每个数据量包含的信息较多，并且存在学科交叉问题，故在进行移动学习资源元数据萃取分类时，必须通过对这一客观事件的反复观察、分析和比较，自形查找出其内在的规律，并且对具有内在联系特征的事物进行正确的归类。

2.2 移动学习资源元数据量化

即是建立移动学习资源元数据语义关系（同义）的知识库。移动学习资源元数据语义关系知识库，采用 WordNet的基本思想，利用关系表示词汇语义，使用同义词集代表概念，并且在概念间建立不同的关系指针，表达不同的语义关系。[4]本文提出语义知识库的结构，包含：科目编号，学科等级，<章节号——章节主要内容关键词四个部分。

2.3利用自组织竞争神经网络进行移动学习资源的元数据聚类萃取

⑴数据预处理及网络初始化

1. 数据预处理

由于进行资源聚类时，用户可能会关注与关键字密切的资源，或者更可能像搜索与该关键词相关章节内容的介绍，故该论文又设定一个元数据量化资源组的权值函数：

（0.75，0.15，0.1）1（0.5，0.45，0.15）2（0.45，0.45，0.1）3

式中 （ ， ）w i j表示输入层的 i神经元和映射层的 j神经元之间的权值

⑷选择和权值向量的距离最小的神经元

计算并选择是输入向量和权值向量的距离最小的神经元，如： （ ）d j为最小，称其为胜出神经元，记为 *j，并给出其邻接神经元集合。

⑸权值的学习

胜出神经元和位于其邻接神经元的权值，按下式更新：

⑹是否达到预先设定的要求

如达到要求则算法结束；否则，返回到步骤（2）。进行下一轮的学习。

3 仿真结果及算法评价

由上表可以清晰的看出：组1为 （1， 2，3），组4为 （4），组10为（5），组30为 （6），组36组 （7，8， 9，10），40组 （11）。其分组的正确率高达：85.1%。

由上述的仿真结果，该论文得出结论改进后的自组织竞争神经网络算法能够进行有效的自适应分类，从而高效的进行关键字元数据萃取的功能。但它仍存在一些问题，第一，学习速度的选择使其不得不在学习速度和最终权值向量的稳定性之间进行折中；第二，有，一个神经元的初始值向量离输入向量太远以至于它从未在竞争中获胜，也从未得到学习，这将形成毫无用处的“死”神经元。

4 结束语

目前，很多高校和公司开发出了移动学习（尤其是智能手机）的应用软件，并且提出较好的处理移动学习资源的处理方法[6]，为用户的碎片式学习和随时随地学习提供了一个良好的环境。本论文提出的算法，很适合应用在这些碎片资源和微型学习资源的萃取，并且可以为这些应用系统或软件提供大量的聚类资源，从而使得用户能够获得更好的用户体验。

参考文献

[1] http：//baike.baidu.com/view/3003454.htm百度百科 移动学习2012-12-7

[2] 叶成林 徐福荫 许骏 移动学习研究综述 电化教育研究 2004 No.3

[3] 陈伟超 国内移动学习研究现状及发展建议[J].中国电力教育，2009 No.9

[4] 词汇语义知识库浅述 刘兴林 福建电脑 2009 No.9

[5] MATLAB神经网络应用设计 张德丰 机械工业出版社 2009-01-01

自组织小脑神经网络算法研究 篇7

关键词：自组织小脑神经网络,非线性逼近,卫星姿态控制

0 引言

传统的小脑神经网络计算速度快,应用越来越广泛。但是其基函数为常数0或者1,只能记忆静态信息,泛化能力差,精度不高。Chiang 和Lin [1]研究一种高斯基函数的小脑神经网络,输入信号根据输入状态空间的范围划分高斯基函数的中心,将输入信号与基函数相关联的对应地址空间里的相应权激活,经过加权得到输出 。但是上述神经网络高斯基函数中心点的选取和输入的最大最小值有关,在实际应用中,在线学习不确定时很难预测最大最小值,这样的网络存储空间的大小很难确定,结构不能自动获得,影响学习和控制的性能,因此一些能够自适应地改变神经网络结构的网络受到重视。

Hu和Pratt[2]研究了可以根据输入数据来改变自身结构的方法,但是这种方法运用了不可微分的阶梯性质的基函数,并且只研究了结构增加的方法,没有研究减少结构的方法。C.M.Chen[3]提出了一种自组织的遗传算法的小脑神经网络,运用了信息熵结合黄金分割的方法来决定结构的增加和减少,这种方法的缺点是结构过于复杂,缺乏在线的学习能力。

该文研究了一种自组织小脑神经网络在线逼近非线性函数,这种网络不需要预先确定存储空间的大小,可以根据输入数据自适应地改变神经网络节点数和相对应的权值,具有良好的智能性,并且可以达到全局收敛。针对挠性卫星姿态实例,采用变结构控制,并用神经网络补偿系统不确定性。

1 自组织小脑神经网络算法研究

自组织小脑神经网络是在高斯基小脑神经网络的基础上提出的。如图1为高斯基函数神经网络,输入x是n维空间,输出为:

$y{}_s={\displaystyle \sum _{j=1}^{{\rm N}{}_{\text{h}}}\mathit{a}}{}_{\mathbf{s}}^{\text{Τ}}\mathit{w}{}_{\mathit{j}}(x{}_{\text{s}})$, (1)

式中,as为基函数的选择矢量,有C个单元等于1,其余视为0,相当于以输入数据为中心,以C作为边长,作了一个超立方体。其中:

wj(xs)=vjbj(xs), (2)

式中,vj为权值,bj(x)为径向基函数,基函数中心点和方差是在已知每维输入空间大小情况下选取的。写成矢量形式:

但上述的高斯基函数的小脑神经网络前提是已知了输入X的范围,在实际应用中多数不知道范围大小,在这种情况下,自组织小脑神经网络根据输入大小来增加或者减少节点数。此时:

$y{}_s={\displaystyle \sum _{j=1}^{{\rm N}{}_{\text{h}}}\mathit{w}}{}_j(x{}_{\text{s}})$。

1.1 增加节点数

已经存在的节点可以叫做族。如果一个新的输入量的值在这个族的范围内,则自组织小脑神经网络不会再产生新的节点,只是改变权值[5,6]。

在联想存储空间中定义:

MDk(xs)=‖xs-uk‖2k=1,…,nk, (4)

式中,uk=$\left[\begin{array}{ccccc}u{}_{1k}& \cdots & u{}_{ik}& \cdots & u{}_{nk}\end{array}\right]$是网络中已经存在的节点。用如下理论来确定节点数的增加。找到:

$\widehat{k}=\arg \underset{1\le k\le {\rm N}{}_{jk}}{{\displaystyle \min }}{\rm M}D{}_k(x{}_{\text{s}})$,

如果满足MDk(xs)>Kg,Kg是预定好的最低限度,则产生一个新的节点。这意味着对于一个新的输入数据,如果这个数据跟与族里面的已经存在的节点的中心距离都大于一个设定值,即表示现有的族太小,则需要产生一个新的节点。产生如下的节点:

nk(t+1)=nk(t)+1, (5)

这里的nk(t)是已经存在的节点数目,新产生的节点的中心和方差设置为:

1.2 减少节点数

考虑第j个输出,定义:比例

${\rm M}{\rm M}{}_{jk}(x)=\frac{v{}_{jk}(x)}{y{}_j(x)}$, (7)

式中,yj(x)是第j维输出,vjk(x)是输入数据与第k个中心节点的权值,MMjk(x)表示这个输入数据与第k个节点的权值在整个输出的比例。可以找到第j个输出中最小的比例,即:

$\stackrel{\sim }{{\displaystyle k}}=\arg \underset{1\le k\le {\rm N}{}_{jk}}{{\displaystyle \min }}{\rm M}{\rm M}{}_{jk}(x)$。 (8)

设Kc是预定的上限,如果满足:${\rm M}{\rm M}{}_{\stackrel{\sim }{{\displaystyle jk}}}(x)\le {\rm K}{}_{\text{c}}$,则第k个节点应该删除。这意味着,对于一个输出数据,如果某个节点对于输出的贡献小于一个设定的值,则这个节点应该被删除。

定义误差函数$E=(\widehat{y}{}_{\text{s}}-y{}_{\text{s}}){}^2/2$,使得E最小,则权值修正如下:

$\begin{array}{l}\text{Δ}v{}_k=-xite\frac{\partial E}{\partial v{}_k}=-xite\frac{\partial E}{\partial w{}_k}\frac{\partial w{}_k}{\partial v{}_k}=\\ xite(\widehat{y}{}_{\text{s}}-y{}_{\text{s}})a{}_{\text{s},k}b{}_k(x{}_{\text{s}})‚(9)\end{array}$

vi(k+1)=vi(k)+Δvi(k)+alfa(vi(k)-vi(k-1))。 (10)

2 应用实例

该文将自组织小脑神经网络应用于挠性卫星姿态控制中。挠性卫星姿态控制系统状态方程为:

取状态向量$\mathit{x}=[x{}_1,x{}_2]=[\theta ,\dot{\theta }]{}^{\text{Τ}}$,式(11)写成状态方程形式[7]:

式中,${\rm T}{}_{\text{t}}=\mathit{F}{}_{\text{s}}\cdot 2\xi {}_{\text{s}}\Omega {}_{\text{s}}\dot{\eta }{}_{\text{s}}+\mathit{F}{}_{\text{s}}\Omega {}_{\text{s}}^2\eta {}_{\text{s}}+{\rm T}{}_{\text{d}}$;定义期望状态向量$\mathit{x}{}_{\text{d}}=[\theta {}_r,\dot{\theta }{}_r]{}^{\text{Τ}}$,则误差向量e=xd-x=[e,e1]T,式(12)转换成误差模型:

选取滑面$s=k{}_{\text{c}}e+e{}_1=k{}_{\text{c}}e+\dot{e}‚$对s求导,令$\dot{s}=0$,即$\dot{s}=k{}_{\text{c}}\dot{e}-({\rm I}{}_{\text{s}}-\mathit{F}{}_{\text{s}}\mathit{F}{}_{\text{s}}^{\text{Τ}}){}^{-1}{\rm T}{}_{\text{c}}-({\rm I}{}_{\text{s}}-\mathit{F}{}_{\text{s}}\mathit{F}{}_{\text{s}}^{\text{Τ}}){}^{-1}{\rm T}{}_{\text{t}}+\ddot{\theta }{}_{\text{r}}=0$,得到等价的控制力矩:

$\begin{array}{l}{\rm T}{}_{\text{e}\text{q}}=({\rm I}{}_{\text{s}}-\mathit{F}{}_{\text{s}}\mathit{F}{}_{\text{s}}^{\text{Τ}})k{}_{\text{c}}e{}_1-{\rm T}{}_{\text{t}}-({\rm I}{}_{\text{s}}-\mathit{F}{}_{\text{s}}\mathit{F}{}_{\text{s}}^{\text{Τ}})\ddot{\theta }{}_r=\\ ({\rm I}{}_s-\mathit{F}{}_{\text{s}}\mathit{F}{}_{\text{s}}^{\text{Τ}})(k{}_{\text{c}}e{}_1-\ddot{\theta }{}_{\text{r}})-{\rm T}{}_{\text{t}}。(14)\end{array}$

变结构控制选择为:

式中,Tf为常数,δ为消颤因子。卫星的姿态控制律为:

Tc=Teq-Tvsc, (16)

由于参数ηs、$\dot{\eta }{}_{\text{s}}$和Is有摄动现象,外界扰动Td未知,因此变结构的鲁棒性不能保证。此时可以用神经网络逼近特性来估计不确定性Tt,设Tnn为神经网络输出,以Tt与Tnn之间的差值来更新神经网络的权值,通过调节权值,实现对干扰力矩的补偿。则等价控制力矩变成:

${\rm T}{}_{\text{e}\text{q}}=({\rm I}{}_{\text{s}}-\mathit{F}{}_{\text{s}}\mathit{F}{}_{\text{s}}^{\text{Τ}})(k{}_{\text{c}}e{}_1-\dot{\theta }{}_{\text{r}})-{\rm T}{}_{nn}$。 (17)

系统的总控制力矩为:

${\rm T}{}_{\text{c}}=({\rm I}{}_{\text{s}}-\mathit{F}{}_{\text{s}}\mathit{F}{}_{\text{s}}^{\text{Τ}})(k{}_{\text{c}}e{}_1-\ddot{\theta }{}_r)-{\rm T}{}_{nn}-{\rm T}{}_{\text{v}\text{s}\text{c}}$。 (18)

神经网络与变结构控制相结合,使控制器既具有变结构控制对扰动不敏感的特点,又具有神经网络在线学习的能力,可加快系统响应速度,提高系统的抗干扰能力。

3 仿真分析

该文设计的姿态机动角度为70°,挠性卫星模态为4阶,执行机构为飞轮,控制力矩带有饱和特性。

变结构控制中边界层厚度δ为0.08,滑模面系数kc为0.4,边界层参数Tf为30,神经网络参数xite为0.2,alfa为0.08,加节点的时候Kg为0.001,减节点的时候Kc为0.000 01。

经过仿真,发现在有外加干扰Td=sin(t)时,用滑模控制,不用神经网络补偿时,如图2所示,角度和角速度波动比较大,精度不高。

用自组织小脑神经网络补偿干扰,如图3、图4和图5所示,在80 s角度和角速度达到要求精度,模态幅值为±0.003之间振动,可见神经网络提高了系统的鲁棒性。通过仿真发现,在未知干扰大小的情况下,小脑神经网络收敛速度快,误差小,网络的节点数随着输入的变化而变化,做到了自适应调节节点的目的,最后收敛于一个固定值,而且避免了局部极小的现象。

4 结束语

该文设计一种自组织小脑神经网络,这种网络计算速度快,可以根据输入自适应增加或者删除节点。针对挠性卫星姿态机动控制,由于外加力矩Td在实际中是未知的,而且变化剧烈,采用自组织小脑神经网络对不确定性进行补偿,得到了良好的控制效果。

参考文献

[1]CHIANG C T,LIN C S.CMAC with General BasisFunctions[J].Neural Networks.1996,9(7):1199-1211.

[2]HU J,PRATT F.Self-organizing CMAC Neural Networksand Adaptive Dynamic Control[J].IEEE IntelligentControl,1999:259-265.

[3]LEE H M,CHEN C M,LU Y F.A Self-organizingHCMAC Neural-network Classifier[J].IEEE Trans.,2003,14(14):15-27.

[4]LIN Chin-min,CHEN Te-yu.Self-Organizing CMACControl for a Class of MIMO Uncertain Nonlinear Systems[J].IEEE Transactions on Neural Networks,2009,20:1377-1384.

[5]ALEXANDRIDIS A,SARIMVEIS H,BAFAS G.A NewAlgorithm for Online Structure and Parameter Adaptation ofRBF Networks[J].Neural Networks,2003:1003-1017.

[6]QIN Ting,CHEN Zong-hai,ZHANG Hai-tao,et al.ALearning Algorithm of CMAC Based on RLS[J].NeuralProcessing Leters.2004,19(3):49-6l.

车载自组织网络路由技术的研究 篇8

车载自组织网络 (Vehiclar Ad Hoc Networks, VANETs) 通过车辆上无线通信系统、GPS、计算机系统等硬件实现车辆之间或车辆与道路基础设施间的通信, 满足铺助驾驶、道路预警、交通信息查询及Internet接入等多种应用, 是智能交通系统的一部分[1]。由于VANETs是移动自组织网络 (Mobility Ad Hoc Networks, MANETs) 的一部分, 其路由协议的研究是基于MANETs路由机制而提出的路由方案, 其中包含基于防洪的、基于移动预测、基于概率、基于路边基础设施等机制的路由协议。但是, 与MANETs相比, VANETs将面临更多挑战[2]:

(1) 在VANETs中, 其研究节点是车辆, 其移动速度快, 网络拓扑变化剧烈, 传统的MANETs路由协议很难适应车载网络。

(2) 道路中的车辆节点分别不均, 在车辆稀少的道路上, 可能存在路由中断, 出现数据丢包;当在车辆密集的道路上, 通信效果较好, 能实现数据的传输。因此, VANETs链路的建立和连通存在一定的机率性。

(3) 对车辆节点链路的建立要求更高, 通信时间要求更短, 研究表明车辆间的通信的平均时间不超过15s[3]。

(4) VANETs对一些信息包的传输要求更高, 比如车辆拥堵或安全信息包要具有向后传递性, 并且需采用广播或组播的方式。

由于以上因素, 车辆节点移动更加复杂, 因此在对VANETs路由协议进行研究时, 必须进行整体的考虑, 确保满足基本功能的同时, 提高路由的可靠性、有效性和安全性。

2、车载网络特点和路由分类

车载网络网络中主要分为车与车之间 (Car-to-Car) 和车与基础设施 (Car-to-infrastructure) 的通信[4], 在车辆比较稀少的情况下, 借助路边的基础设施进行通信, 提高信息的传输的可靠性, 当这些额外的设备需要增加路由的开销。如图1和图2所示, 分别为车与车通信模型和车与基础设施的通信的模型。

可靠性是VANETs路由协议的重要性能之一, 尤其是对车辆的安全驾驶起到非常重要的作用。比较简单的路由的协议是基于泛洪技术, 当该机制将占用整个网络资源, 导致在车辆密集的区域中容易导致网络拥塞甚至瘫痪。借助路由的基础设施, 在车辆稀少的情况下, 提高信息的可靠传输, 这些都需要额外的设备, 增加系统的开销。VANETs路由协议可以分为基于泛洪路由、基于移动预测路由、基于地理位置路由和基于概率路由, 如图3所示。

3 各类路由协议的分析

3.1 基于防洪的路由

路由的建立并实现节点的通信, 是路由的最基本需求, 基于防洪的路由主要考虑源节点能建立一条可靠的路由, 并能把数据发送到目的节点, 比如基于连通式的泛洪路由, 即某节点收到数据包时, 将该数据包转发给所有的邻居节点, 直到目的车辆节点收到该数据包或每个节点第二次收到该数据包的复本, 节点才停止广播。因此, 该路由协议比较简单, 比如UMB、TLO、CAID等路由协议, 在该路由协议中, 对于一些交通信息包和安全包, 采用泛洪技术刚好满足要求, 但是对于单个信息包发送, 如果采用泛洪技术, 该网络中会存在大量的广播信息包, 严重将导致广播风暴并引起信道竞争, 出现大量的丢包现象。因此, 采用这种路由协议实现简单, 但网络中存在大量冗余的广播包, 降低网络带宽, 影响数据包的传输成功率。

3.2 基于地理位置的路由

由于电子设备的高速发展, 将GPS应用于车辆也成可能, 基于地理位置的路由协议成为车载网络路由协议的一个研究热点之一。该路由的主要思想是:通过相关的电子设备, 获取车辆的位置信息, 并在车辆位置的基础上建立源节点到目的节点的路由, 比如在基于地理位置路由协议GPSR中, 采用贪婪转发算法由源节点向离目的节点最近的邻居节点转发数据包, 其贪婪转发算法如图4所示, 如在GPSR协议中, 采用贪婪转发和周边转发的模式[5], 当贪婪转发失败时, 采用周边转发。基于地理位置路由协议主要有Greedy、Zone、GPSR等路由协议。

3.3 基于移动预测路由

在VANETs中, 车辆每个节点都具有移动性, 并且车辆节点移动速度快, 节点的高速移动导致网络拓扑结构变化频繁, 网络链路的稳定性差, 而传统的MANETs中节点移动速度较慢, 导致传统的MANETs路由协议不适于VANET。基于预测的路由协议主要有PBR、Taleb、Wedde、Abedi等路由协议。

基于预测路由协议的主要思想为:由于节点的移动性, 通过节点速度、加速度、距离和时间等参数, 预测通信链路的生命周期, 即可预测该路由路径的有效期[6]。

根据车辆的移动特点, 来发掘链路的潜在信息, 比如节点的移动速度和移动方向等数据, 预测链路的生命周期, 有效地避开即将失效的链路, 并建立可靠的链接。

定义:节点i和节点j, i为发送节点, j为接收节点, 速度分别为vi和vj, 其加速度分别为ai和aj, 两节点距离为D0, 道路限速为vm, 节点在[0, t]运行的路程如图5所示:

v (x) 为节点在时间x上的移动速度。

在t时刻节点i和节点j的距离为:

其中D0为初始距离。

Dt≤R, 在t时刻内链路有效, 否则链路无效, 自动断开链路链接。

基于移动预测的路由特点是可靠性高, 延迟低, 但当车辆数量较多, 所建立的可靠路径需要该车辆节点具有快速的实时计算能力, 信息开销较大。

3.4 基于基础设施路由

借助于路边的基础设施RSU, 可以解决车辆在稀疏情况下, 导致节点链路中断。如图6所示, RSU为路边可靠的固定节点, 具有高带宽、低误码率和低延迟传输特点, 并作为主干链路, 当车辆节点出现链路中断时, RSU将采用存储转发策略来发送数据包[7]。

该思路在实际运用中最为可靠、丢包率最低, 但其主要缺点是部署费用非常昂贵, 并且如果发生一些自然灾害, 比如台维护成本较高。

3.5 基于概率的路由

由于车辆运行由一定的规律性, 相关的学者根据概率统计理论提出了基于概率的路由协议[8]。其核心理论是:用概率描述车辆节点在某一段时间内该链路还未断开或存在的可能性。在该路由协议中, 需要建立相关的模型, 并且这些模型的建立是基于某些网络特性的前提下, 这样才能统计相关的变量的分布信息[8]。

该类路由协议主要优点是, 在某特性的环境下比较有效、可靠性较高。基于概率的路由协议使用于某特定条件下的交通, 如果不满足该条件, 将导致该路由协议性能直线下降甚至出现数据包大量丢失的情况。另外, 由于该路由协议的判断标准是基于某时间的发生概率, 于真实情况存在一定的误差, 从而导致的选择车辆节点之间的路径时, 该路径可能不是最佳的。该路由协议主要有Yan、GAR、VADD、GVGrid等路由协议。

根据以上的分析, 以上VANETs各类路由协议的特点如表1所示:

4 总结

本文针对车载网络进分析, 并详细分析和比较各类路由协议的特点。因此, 比较理想的VANETs路由协议, 应该具有可靠性高、开销少、自适应能力强、普适性高等特点, 因此通过当前路由协议的研究, 在研究和设计的路由协议时应考虑以下方面[9]:

(1) 路由协议的可靠性和准确性。数据包能有效的传输到目的节点是路由协议的基本要求, 数据包能成功传输是衡量路由协议的优劣的重要指标。

(2) 路由协议的自适应性。由于VANETs网络是一个动态移动网络, 并且节点移动速度非常快, 网络拓扑变化剧烈, 这些特点要求VANETs路由协议具有自适应能力强, 随时满足网络拓扑的变化。

(3) 路由协议具有普适性。有于VANETs路由协议是一般是针对某一具体环境开发出来, 比如针对于高速公路车辆的路由和城市内的路由协议有很大区别, 路由算法区别可能也较大, 如何增强VANETs路由协议的普适性, 需要进一步研究。

因此, 由于VANETs中研究场景不同、节点变化的快速和剧烈等特点, 在VANETs路由协议中, 仍然存在很多问题, 需要研究人员去解决和发现。

摘要：针对于车载自组织网络车辆节点移动速度快, 网络拓扑变化频繁的特点, 与传统的自组织网络路由协议有很大的区别且面临的挑战更大, 对车载网络路由协议进行研究, 然后具体分析基于泛洪的、基于移动预测、基于路边基础设施、基于地理位置、基于概率的各类路由的协议的性能和特点, 并分析比较其特性, 最后提出理想的路由协议应该具有的特性并展望了未来的研究方向。

关键词：路由协议,车载自组织网络,网络拓扑

参考文献

[1]冯勇, 梁浩.车载自组织网络中一种有效的匿名认证方法[J].计算机工程与用, 2010, 46 (23) :126-128.

[2]常促宇, 向勇, 史美林.车载自组网的现状与发展[J].通信学报.2007, 28 (11) :116-126.

[3]Chen LJ, Jiang H, WU J, Guo CC, Xu WP, Yan PL.Research on transmission control on vehicle ad hoc network.Journal of Software, 2007, 18 (12) :1477-1490.

[4]朱存智.车载自组织网络 (VANET) 综述[J].湖北广播电视大学学报.2011, 11 (31) :157-158.

[5]Brad K, Kung H T.GPSR:Greedy perimeter stateless routing for wireless networks[C].Proceedings of the Sixth Annual ACM/IEEE International Mobile Computing and Networking, 2000:243-254.

[6]Hamid Menouar, Massimiliano Lenardi, Fethi Filali.Movement Prediction-based Routing (MOPR) Concept for Position-based Routing in Vehicular Networks[C].IEEE VTC, 2007.

[7]HE Rong-xi, RUTAGEMWA H, SHEN Xue-min.Differentiated reliable routing in hybrid vehicular Ad hoc networks[C]//Proc of IEEE International Conference on Communications 2008:2353-235.

[8]徐会斌, 夏超.VANETs路由综述[J].计算机应用研究, 2013, 1 (30) :1-6.

网络自组织 篇9

传统网络通常使用专门节点来支持基础的网络功能, 比如包转发、路由、网络管理等, 在移动自组织网络中这些功能由所有的可用节点来完成。节点间的相互通信使用无线通信, 通过对等网络模型运行, 这样的网络也称为移动自组织网络。因为移动自组织网络可以快速的配置, 引起了许多学者的研究兴趣, 提出了许多的安全协议, 但并不能从根本上保证网络的安全或者不太适用于移动自组织网络。这是由于移动自组织网络的安全需求不同于那些固定网络, 这个网络中的节点通常有着较低功率微处理器、较小的内存和带宽, 短电池生命周期等特点, 同时网络拓扑变更频繁, 因而对安全提出了更为严峻的挑战。

2 安全需求

安全需求严重的依赖于移动自组织网络的应用类型和运行的环境。例如, 对于军用移动自组织网络有着非常严格的机密性和抵抗Dos攻击的需求。与其他实用网络相类似, 移动自组织网络的安全目标同样是可用性、认证、完整性、机密性和不可否认性。

可用性可以作为网络安全的关键评价属性, 它确保由节点提供的服务对于它的用户来说是可用的, 期望并且保证在Do S攻击下网络设备的可存活性。认证用于确保通信的对方就是声称的那一个, 信息源能够得到保证。没有认证, 敌人可以获取对资源和敏感信息的未授权访问, 可以干扰其它节点的运行。完整性确保没有人可以篡改传输的内容, 通信节点希望确认信息来自经过鉴别的节点, 而不是来自已经遭受危害的节点发送的不正确数据。机密性确保敏感数据的保护, 使得没有人可以看到传输的内容, 敏感信息的泄漏, 例如军用环境, 可能会造成破坏性的结果。但是, 不确保正在通信的是正确的节点, 而保证通信的机密性是没有意义的。

3 层次安全设计

3.1 概述

现有的许多移动自组织网络安全方案都是基于攻击的, 因为它们都是首先分析几个安全威胁, 然后改进现有协议或者提出一个新的协议来应对这样的威胁。因此它们可以针对提出的几种威胁很好的工作, 但是遇到新的攻击则会崩溃。

在层次安全设计中, 我们不仅考虑了恶意攻击还考虑了其它网络缺点如错误配置、超过了网络负载、运行错误等。因为由攻击者或者错误配置而引起的错误, 从网络和终端用户角度来看有着一些共同的特征, 应该由安全机制处理。此外, 系统整体应该是强壮的, 不会因为某一条防御失效而崩溃。

通常链路层运行包括一跳连接和帧传输, 而网络层则包括路由和数据包转发, 这些业务由链路安全和网络安全共同组成。层次安全机制应该包含预防、探测和反应机制, 来防止入侵者进入网络。应该能够发现入侵并防止持久的影响。这种预防进程应该植入到路由协议和包转发进程当中, 来防止入侵者在节点建立错误的路由状态。探测进程通过鉴别恶意或自私节点的不正常行为来发现正在进行的攻击。这种不正当的行为可以通过预先的节点到节点认证或者节点可用性机制来探测到。一旦探测到攻击, 响应业务重新配置路由和包转发业务。这个调整既可以是消除这个特定节点的路由选择, 也可以是将这个节点排除出网络。

3.2 数据链路层预先安全机制

层次安全设计采用密码方法来提供对通信节点的多重防护。当一个或多个节点连接到移动自组织网络时, 必须首先与临近的有直接通信关系的节点执行认证和密钥协商, 以确定节点的真实身份, 协商与临近直接通信节点的会话密钥。为了保证移动自组织网络的安全性, 许多文献中都设计了可以用于移动自组织网络的认证和密钥协商协议。但是这里需要指出的是, 由于这个阶段实际上还并没有有效数据被传输, 考虑到移动自组织网络中节点有限的计算、存储资源, 在这个阶段可以采用那些交互少、复杂性较低的协议, 以减少网络和系统开销。在这个阶段可以直接将那些非法节点排除在外, 即使由于我们采用了较低强度密码保护, 而“混入”网络也可以在下一阶段中被发现, 不会出现不必要的安全风险。

3.3 网络层响应安全机制

当路由信息已经准备好进行传输时, 再次执行认证和密钥协商过程, 这次的认证是在从源节点和目的节点之间展开的, 而经过的路径上的所有节点都是在数据链路层安全机制中已经经过检验的了, 因而相互之间都有着共享的会话密钥, 可以用于加密通信。

在这个认证和密钥协商的第二阶段, 因为有实际的数据将要发送所以需要强认证和更为复杂的密钥协商。在许多情况下, 移动自组织网络中路由消息通过多条路径传播, 多余的副本可能被有危害的节点使用。在这个阶段建立的强认证和密钥协商协议可以防止这种威胁, 并作出响应。也就是说即使第一层次安全机制没有起到应有的作用, 在这个层次同样可以防止恶意节点的危害。

4 结论

网络自组织 篇10

无线自组织网络(wireless Ad hoc network)应运于网络用户对便捷性、灵活性以及移动性的通信需求而得到越来越广泛的应用与发展,它同时作为各种新兴无线网络例如"物联网"、"车载网"等的基础得到广泛关注。无线Ad hoc网络是一种由无线节点组成的不依赖于基础设施且具有自组织能力的分布式网络系统,因而具有无线信道共享、节点可自由移动等有别于有线网络的属性。

传输控制协议(TCP)作为目前应用最广泛的传输层协议应用于无线Ad hoc网络时,因不能适应该网络的特性从而性能严重下降[1]。TCP工作主要目的在于通过探测的方式不断增大发送速率直到丢包发生,以尽量占用整个信道发送数据。然而,相比于传统的有线网络,无线Ad hoc网络的可用带宽通常是很小的,而且信道接入(MAC)竞争会随着网络负载的增加而加强,因此,传统的TCP速率调节方式是比较激进的[2],它不仅容易引起数据包在缓存队列的阻塞,还会引起MAC竞争程度过饱和而导致大量的丢包和重传超时问题,最终降低了TCP的性能。

本文基于已有的相关研究工作发现[2,3],当MAC竞争和TCP拥塞同时考虑时,TCP的发送速率可以比较准确地控制在一个合理范围内。为了准确调制TCP速率以提高TCP吞吐量和端到端时延等性能,本文设计了一种基于对信道竞争和排队拥塞联合检测的TCP速率调制策略,称为TRACC(TCP rateadaption scheme based on contention and congestiondetection)。

1 无线自组织网络TCP速率联合调制

本节首先介绍分别用于评估MAC竞争程度和队列拥塞程度的评价标准,并对其进行理论推导与计算,然后给出TRACC策略的具体实现。

1.1 MAC竞争和队列拥塞程度评估标准

图1表示了MAC协议中通过RTS/CTS握手发送一个数据帧的过程。一个数据帧从节点A发送到节点B要经历排队过程、节点A接入信道的竞争过程以及在信道上的传输过程,通过对该过程的研究发现,网络负载越重,即需要发送的数据包越多,数据包的排队时间就越长,而且有数据需要发送的节点数也会越多,从而导致竞争时间的变长。因此,我们用往返竞争时延来表示MAC竞争程度,其中考虑了TCP数据的确认包(ACK)对网络负载的影响,并且用队列阻塞率来表示队列拥塞程度。

1.1.1 往返竞争时延

根据已有相关工作[2]对竞争时延的定义以及图1可以将一次竞争产生的时延表示为:

其中,Tbusy和Tbackoff分别表示节点检测到信道忙的时间和由此引发的退避时间,(RTSsize+CTSsize)/Channel_rate表示RTS和CTS帧的传输时间,tDIFS/SIFS表示规定的等待时隙总时间。考虑节点竞争信道失败会重试,最大重试次数用nrty表示,传输数据帧失败会重传,最大重传次数用nrta表示,单程竞争时延可以表示为:

同时考虑数据包DATA和其相应的ACK的单程竞争时延,我们将平均往返竞争时延表示为:

其中n为TCP连接的路由跳数,a为平滑因子,防止计算结果因网络不稳定出现突变。

1.1.2 队列阻塞率

直观地,在除去竞争时延影响以及数据包的处理时延和传播时延比较稳定的情况下,一个数据包的往返时延通常反映其在中间节点的队列中消耗的时间,因此,我们定义一个相对单程时延(ROTD)来反映队列利用情况,并表示如下:

其中Stime stamp和Rtime stamp分别表示TCP源节点发送一个数据包和TCP目的节点接收该数据包的时间戳。如果ROTD的值增加,说明数据包的排队时间很可能增加,因此,我们可以将队列阻塞率(QBR)定义为:

其中,ROTDmin和ROTDmax分别表示历史观测的ROTD最大值和平均值,是一个类似a的平滑因子。当网络负载增加到导致拥塞的程度时,ROTD达到最大值,随后的ROTD越接近ROTDmax,说明队列阻塞率越大。

1.2 TCP速率联合调制策略

参考已有工作[4],我们首先在数据包头中添加字段用于返回QBR信息和目的端接收数据速率供TCP源端使用,同时设置阈值RTCDth和QBRth进行TCP速率调制,初始值均设为任意大的值。TCP源端在连接建立时监视吞吐量的变化,当吞吐量不再增长时,当前的RTCD和QBR设为相应的阈值,并且在随后的发送过程中以类似方式更新这两个阈值。TCP源端节点在每次收到ACK是进行速率更新,更新方式如下:

在慢启动阶段:

其中Rrecv表示目的端的接收速率,Scwnd和Spkt分别表示当前窗口和数据包的大小,RTT表示TCP连接平均往返时延。当RTCD和QBR中任何一个超过其阈值时,慢启动结束,进入拥塞避免阶段:

其中 表示每次更新RTCD和QBR后计算的发送速率的可增量。

2 实验结果与分析

本文利用NS-2.34[5]来评测TRACC的性能并将其与只考虑竞争控制的测策略[6]进行比较。信道速率设置为2Mbps,模拟时间为200s,TCP数据段长度为512字节,节点的有效传输距离为250m,干扰距离为550m,大小为n*n的网格拓扑中节点间的距离为200m,TCP连接数为2n,随机拓扑的大小为1000×1000m,其中随机分布50个节点,TCP连接数为10。其他试验参数均为NS-2.34中默认设定的值。

图2网格拓扑吞吐量比较 (参见下页)

图3网格拓扑端到端时延比较 (参见下页)

图2和图3分别比较了TCP、TRACC和TCP竞争控制在网格拓扑中的的吞吐量和端到端时延,从实验结果看到,TRACC策略获得了最高的吞吐量并且产生了最低的时延。

图5随机拓扑端到端时延比较 (参见右栏)

图4和图5表示在随机拓扑中三种策略的性能比较结果,本文提出的TRACC策略同样获得了最好的性能,并且明显优于只使用了竞争控制的策略。

3 结束语

网络自组织 篇11

传统企业应该如何进化与转型为自组织，并建立相应的组织能力？可以归结为三个步骤：第一步是描绘自组织进化的方向；第二步是识别自组织转型的条件；第三步是推进自组织转型的行动。

当我为自己团队的服务产品研发与管理体系做年度规划展望时，我认为学习和借鉴腾讯的经验是一项有价值的探索。

QQ邮箱在5年内成为拥有1亿活跃用户的国内第一邮箱系统；微信拥有约3.96亿活跃用户，里昂证券对其估值为640亿美元。张小龙所带领的腾讯广研取得这样的成功，我猜想他们一定有一套精妙的激励和考核机制，然而事实并非如此。

在问及腾讯如何做组织绩效以及是否导致创新被孤立时，腾讯广研的一位人力资源朋友对我说：“有KPI的团队创新能力显然没有那么好。微信这个团队原来是不设 KPI的，所以才产生了微信。”

这样一个充满战斗力的团队，却在以让我看不懂的方式管理和运作着，甚至看不出管理的痕迹。我逐渐体悟到，随着互联网普及到生活的方方面面，组织管理模式将跨入全新的形态——自组织管理。

组织可以分成两类：一类是他组织，一类是自组织。如果一个系统是靠外部的指令形成组织的，通常将其定义为他组织；如果不存在外部指令，系统按照相互默契的某种规律各司其职并自动形成有序结构，就是自组织。

传统企业应如何进化与转型为自组织，并建立相应的组织能力？可以归结为三个步骤：

第一步：描绘自组织进化的方向，即明确自组织的特征是什么，它与他组织的区别是什么。

第二步：识别自组织转型的条件，即明确什么时候企业需进行自组织进化。

第三步：推进自组织转型的行动，即明确在构建自组织和培育组织能力的过程中，需要采取的关键行动措施是什么。

描绘自组织进化的方向

如果说他组织代表了目前一些企业的组织特征，那么自组织即为未来组织进化的方向。这就需要我们认知他组织与自组织的特征，这是我们的现状与方向。如表1所示，下面从结构、流程、奖惩与人员四个方面认识他组织与自组织的特征。

结构：从多层级到扁平化、无边界

组织的结构决定了权力和权威的分布状况，是组织最基本的存在形式，也是组织内部资源的载体。

他组织的结构特征：多层级

他组织的结构特征是多层级。拿IBM来说，IBM的组织体系构架上水平分成了五层，第一层是CEO；第二层是全球层；第三层是各个大区层；第四层就是小区域；再往下就是小区域内部。

水平层级之外是垂直分类。一类是垂直的业务事业部，例如软件事业部、硬件事业部。还有一类是垂直的支撑单元，例如人力资源、财务等。每个层级里都会对应设置软件事业部、硬件事业部、服务、金融等行业部或业务部。这些行业、业务事业部既要向各区域的管理平台汇报，也要向上一层级的业务事业部汇报，形成弱矩阵或中矩阵管理模式；而类似人力资源、财务这些支撑部门则是优先向上一层级管理单元汇报，水平方向上与区域管理平台协同，形成强矩阵的垂直管理线。

这种管理模式具有多个层级，而多层级阻隔了信息的有效传递，错综的流程导致了决策与客户、市场的脱节，最终影响了IBM的创新活力。

自组织的结构特征：扁平化、无边界

自组织的结构特征之一是扁平化。扁平化是为了对抗多层级导致的信息衰减与扭曲。另一个特征是无边界。在自组织当中通过运用诸如跨层级团队和参与式决策等结构性手段，逐步消融组织的纵向垂直边界，从而使层级结构扁平化。并通过跨职能团队以及围绕工作流程而不是行政部门组织相关的工作活动这些方式，消融组织的横向边界。另外，通过与供应商建立战略联盟，或者通过用户与企业基于互联网的互动等方式削弱或取消组织的外部边界。

代表性企业非小米莫属。如图1所示，这种组织设计是雷军管理理念的集中体现。他认为，组织越扁平，信息流通的速度越快、透明度越大。

小米的自组织方式，从内部管理一直延伸到与客户进行互动，市场、产品也以自组织的方式迭代进化。小米在推广初期选了100个意见领袖，体验其MIUI、手机，并与工程师直接交互。这不但实现了产品的快速迭代和优化，还创造了极好的用户体验——客户买的不仅是小米的手机硬件，更是自己想法的表达和实现。更有价值的是小米免费实现了外部社会化员工的产品测试、产品改进和爆炸式的口碑传播。

流程：从集权命令链到去中心化

信息的流通过程与决策的形成过程是组织的活动形式，是组织内部资源的分配活动，贯穿整个组织结构。

他组织的流程特征：集权命令链

命令链是组织顶层到基层的职权线路，它是对工作汇报关系的描述，或者是对授权关系的描述。在他组织体系中，集权命令链是显而易见的规则，大多数决策是由少数甚至是一个人进行的，然后再通过自上而下的命令链予以发布。

用友软件是典型的集权命令链组织。各项决策的源头均来自顶层管理者，当管理者处理的决策信息量增大或者专业度不足时，就可能导致决策的延缓或错误。

以项目合同审批为例，在用友的会签审批体系中，项目金额大于20万的合同都要经过总部的层层审核，超过11层审批环节。在项目签约的高峰期，各种总部管理者名下积累了大量的待审批合同。审批者通常不熟悉项目情况，需要不断沟通、询问，最终导致时间的拖延，甚至错失项目。

集权命令链导致管理效率低下，影响信息的高效处理和决策的有效执行，这不但使管理者压力过大，也养成了员工的决策依赖，即使发现了问题也不会提出，即使找到了解决方案也不敢执行。

自组织的流程特征：去中心化

去中心化是将決策权下放，让组织内部的末级拥有更多的决策权。去中心化趋势的最终目标是个体的自我决策，以及个体与个体间的协同共建，成为组织扁平化的推动力量。

小米是去中心化组织的典型。在合伙人层级上面，雷军是总负责人，但在每一个业务领域，合伙人都是独立负责。在小米初期推广时，雷军并没有命令和指导如何进行种子用户培育、客户社区共建和互动分享，是黎万强带着一群工程师在各大论坛中一个一个地筛选、联系和争取，最终有100名用户成为MIUI第一版的首批内测体验者。

而這成为小米如今众多粉丝拥趸的“星星之火”。截止到2013年7月，单是MIUI的用户量已经达到1700万。小米的粉丝数量不断扩大，但核心是去中心化：决策从下级产生，使下级责任者获得足够的权力，并承担起应有的责任；更进一步的是，让米粉参与决策，使米粉成为产品创新的推动者、评判者，甚至参与者。

奖惩：从绩效主义到去KPI，从利益分配的不透明到透明

奖惩体系引导员工目标与组织目标的相统一，推动组织向战略方向努力。合理的奖惩体系能够调动和焕发组织内部成员的积极性，并形成良性的竞争环境。

他组织的奖惩特征：绩效主义和利益分配不透明

他组织的奖惩特征之一是绩效主义。在他组织环境下，绩效作为管控手段自上而下地实施，试图对企业经营结果进行全面的量化评价，并通过与奖惩的直接挂钩来调动内部人员的积极性。这使得绩效背负了过于沉重的包袱，使企业的运作僵化在既定路线当中。对绩效的单一强化，使组织内部成员成为绩效指标的奴隶，丧失了内在驱动力，包括责任心、创造力、使命感等。

他组织的另一个奖惩特征是利益分配的不透明。由于考评的指标和最终结果都源于自上而下的行为，而领导者又善于将之作为权术的手段。那么，利益分配的公平性显然不易实现。因此大多数传统企业中无论工资、奖金，还是员工股权，都是作为机密进行保守的，甚至成为员工必须遵守的基本职场行为准则。这样不透明的机制导致了更加不公平的利益分配，而员工间的亲密关系，实际上使得保密准则形同虚设。这场类似于皇帝新装的游戏，直接侵蚀着组织的动力和凝聚力。

即使微软这样优秀的企业也难免受到绩效主义的伤害。7年前，我还是一名工程师时，曾遇到SQL Server中语法不能向下兼容的问题。为此致电微软的亚太区客户服务中心，经过多次沟通，我得到的答案和我已经知道的信息一样多。客户服务工程师只是告诉我大概、可能真的不兼容，而微软是否要解决这一BUG，甚至是否认为这是一个BUG都语焉不详。我没有过多纠缠这个问题，而是选择通过自行修改语句予以解决。大约过了1个月，我收到了来自微软工程师的邮件，询问我问题是否已经得到了解决，是否认可他们提供的解决方案。坦白地说，我真不大清楚他们提供的那些是否可以称之为解决方案。直到2011年到微软亚太区客户服务中心参访时，我才明白为什么会收到这封邮件，因为微软内部的考核机制是按case计算的，而case的SLA检查时间刚好是1个月。

绩效主义在养成围绕绩效的精明算计者的同时，对解决客户问题感兴趣的员工进行了实质上的惩罚。这种文化驱逐了拥有使命感的创新者，也扼杀了他们基于天然兴趣而萌生的创新。

如果说绩效主义是成熟企业的紧箍咒，那么利益分配不透明则是几乎所有传统企业的座右铭。有些企业甚至会隐藏公司的盈利状况，装作不赚钱的样子，以便获得员工的感恩之心，并愿意在低工资的情况下继续为企业服务。

自组织的奖惩特征：去KPI化和利益分配透明

腾讯广研是一个典型的去KPI的样板。同样的模式在小米也可以找到。小米内部强调的是责任感，而不是设置KPI。

KPI承载了奖金、晋升等多种职责，驱使员工为了上级制定的指标服务，而不是为了解决客户需求服务。小米抛下KPI使得它能够抓住客户的需求和问题的本质进行创新，而不会将目标扭曲为简单的指标，也不会为了创新而创新。

透明的分配机制是小米自组织活力的又一个关键因素。在传统的治理结构下，公司老板和员工是雇佣关系，老板希望以更低的成本获得更高的回报。对于企业的利润，则认为属于股东价值回报，不希望与员工进行分享。而小米公司有一个理念，就是要和员工一起分享利益。它在创立之初就是全员持股，所有的利润将回馈给企业的共建者。员工在主流工资水平下，又拥有长期股权回报的上升空间，怎么会不为未来而安心奋斗？

公开和透明的奖金机制，带来的是员工的公平感。但这种透明的机制也给予领导者极大的压力，因为必须保持公平的考核管理。

人员：从灌输到甄选

人员主要涵盖的是人力资源相关政策，比如招聘、轮岗、培训和发展等。通过这些政策和策略，组织可以吸引和留住所需的人才，并调整其工作心态和技能。

他组织人员层面的特征：灌输

他组织在人力资源层面的核心特征是灌输，即使员工相信某种价值观。灌输是他组织的一种病态的狂热，这种狂热的发起人多半是组织的领导者。由于组织范畴内的至高权力，以及日常习得的集权命令行为方式，使他们认为拥有了命令他人怎样想的能力。这种错误认识，导致组织对灌输价值观和改造价值观能力的深信不疑。这既削弱了员工对组织的文化认同感，也降低了组织甄选新人和淘汰不当人选的能力。

用友也深陷灌输的怪圈。在2008年，用友在每年一度的经理夏令营上，提出了建设用友企业文化2.0，明确分解为使命、远景、价值观、基本行为方针四个方面，并在全集团范围内展开了持续而广泛的培训、学习和研讨工作。然而在我看来，时至今日能够践行用友企业文化2.0的人也是少之又少。企业文化作为一种自觉行为，可以抽象为文字，但最终往往成为一些高大上的教条，不是颠簸不破的废话，就是无法落地的空话。

由于过分信赖灌输的力量，用友降低了新人引入和不合格者淘汰的准则。对于新招员工，用友给出业内75～80百分位的薪资，过于低廉的薪酬将应聘者的范围大大缩小，实质上是在拒绝优秀人才的广泛加盟。在这种薪酬政策下，不但难以保证员工的能力符合要求，也忽视和削弱了价值观与文化认同感。当组织内的人员存在能力或价值观的偏差时，基于凑人手的需要，又很少真正淘汰不合格者。久而久之，既无新鲜血液输入，又无法淘汰不合格者，逐渐形成了酱缸文化。

自组织人员层面的特征：甄选

甄选是组织在明确目标下，识别并招募那些有足够能力匹配和价值观认同的人，同时识别和淘汰不符合能力和价值观要求的人。甄选的出发点是基于明确目标与价值观的吸引聚合，而不是过多地寄希望于后期的灌输、改造。

小米有着对甄选的极致追求。雷军很重视人才，在团队组建的前半年，他花80%的时间找来了8位合伙人，全是技术背景，平均年龄42岁，来自金山、谷歌、摩托罗拉、微软等，土洋结合，理念一致，充满创业热情，大都管理过超过几百人的团队，经验极其丰富。

小米的每一位管理者甚至员工都用大量的时间寻找人才。他们的目标就是要找到这个领域和行业内最优秀的人才，以便帮助团队和自己达成预期效果。如果甄选的人员不够合格，不但无助于组织，还会给组织的目标带来负面作用。

在甄选的标准中，除了硬性的技能要求外，员工的自我驱动和管理能力是一个非常重要的指标。如果简单地找来只有技能但毫无动力的人，或者是不具备创新精神的人，那么这种团队就无法运行自组织模式。另外，甄选的理念与方法不仅要贯穿于入职招募过程中，也要时时刻刻贯穿于人才的使用和考核当中。

识别自组织转型的条件

是不是所有组织都需要进化为自组织，或者说企业什么时候需要进行自组织的进化？我们可以从一个小实验中获得启示。

请把你左手和右手的食指伸出来，像雨刷器一样平行擺动，并且越来越快，直到达到你的速度极限。你会发现，最终到达极限速度时，原来手指的平行摆动，转变为对称式运动。这是因为随着摆动速度的加快，手指不再听命于你神经系统的平行摆动指令，而是回到了自发的运动状态。这带给我们的启发是，随着速度的加快，他组织模式将转变为自组织模式。

企业管理也是如此，当速度提升到一定程度后，他组织的运行模式也将失效，回归到自组织模式。当前互联网带来的内外部信息交换速度的提升，市场节奏的加快，要求组织内部的响应速度同步加快，这时他组织将失去原有的效力，而呈现出运行自组织模式的需要。

因此，离互联网越近的行业，其管理的自组织趋势越明显（见图2），比如纯互联网公司Google、奇虎360等。而传统行业一旦拥抱互联网，并进行自组织转型，它的颠覆性与成长性将增强，比如小米、雕爷牛腩。

互联网化引起了市场节奏的加快，不确定性程度的提高，这实质上是推进了市场化程度的提升。因此，我们可以得出进一步的结论：市场化程度越高的行业，其自组织趋势越明显（见图3）。

推动自组织转型的行动

考察了诸多企业案例后发现，要实现自组织的进化与转型，传统企业要勇于突破固有的思维框架，推行三项关键行动措施：分权管理、分享财富和分形扩张。

分权管理

在企业经营过程中发现创新业务或产品，应尽快独立培育该业务，可以建立一个独立的部门，或成立一个专项创新小组。针对创新团队建立符合其生命发展周期的独立考核与管理目标。随着新业务的成长，要适时地将其从原有组织当中分解出来。此时，可以由企业家亲自出任新业务的领导者，而旧业务则由原继任者进行管理；当然也可以由新团队中成长起来的管理者进行领导。

分拆后要将权力切实分配给团队的管理者，作为企业家不要再过多地干涉业务的具体管理细节。但是企业家通常会不放心，他们的心理是：原本这个企业是我自己的，所以我会特别用心经营，会精打细算采购，会关心客户动态；而分权管理者只是一个职业经理人，企业不是他的，他怎么会兢兢业业地像主人翁一样经营企业。所以，分权是需要一个基础的，那就是分享财富。

分享财富

分权的时候，一定要把公司这部分业务的股份给予或售予分权管理者、管理层，甚至是全员。当企业的管理者拥有了这家企业大量的股权时，主人翁心态应运而生，他就会根据自己的经验和市场的反馈不断创新，进而创造更大的利润，他自己也将分享到更多的利润。这种情景下，企业家对分拆出的子公司的管理模式是投资关系和员工持股。最多是在此基础上实现财务管控和战略统筹，具体怎么执行不去过多干涉。

分形扩张

在财富分享的机制下，创新不断涌现，使得拆分出的小业务逐渐壮大，组织不断成长。当组织达到一定规模时，又会出现管理障碍，这就需要进行再一次的拆分。这个拆分的过程应当由该业务单元的管理者、管理层进行决策，老板仅仅是作为股东或董事会成员参与决策。每一次新的业务单元都以这种方式不断拆分，进而激发员工的创造力，这就进入到了小而美和不断创业的循环当中。

这样，A公司拆分出B公司，B公司又拆分出C公司，以类似细胞分裂的方式，形成一个以文化、价值观、投资关系建立共赢的大型企业集群。这将不再是传统意义上的管控型大型集团，而是创新能力极强的无边界组织体。

总结来说，分权管理、分享财富和分形扩张是从他组织向自组织转型的一个组织变革思想：基于高分享的机制让“自己人”（企业所有者）成为一个开放的体系，通过分权这种去中心的方式激活每个业务单元，在同样价值观的引导下，企业不断在达到管理边界后自主分形，成为无边界的企业集群。这样的企业集群可以做到：需求永远紧贴市场与客户；创新力永葆青春。

随着中国各个行业市场化程度越来越高，市场变化节奏越来越快，不确定性越来越大，企业终将走向自组织管理模式。管理者需要认识到这种趋势的迫切性，并在转型升级的过程中，利用分权、分享、分形的框架，重新调整组织的结构、流程、奖惩和人员体系，构建自组织模式，提升自组织能力。

本文责任编辑：刘永选

网络自组织 篇12

对于网络的研究, 各个学科都有不同的侧重。关于网络的定义, 学术界也存在争议。对于将网络纳入社会科学的研究来说, 其实自20世纪50年代以来, 网络一词就得到广泛运用, 如社会学、人类学、组织行为学等。但经济学和管理学的研究则相对较为落后。从已有的文献来看, 许多学者从不同的角度对网络组织作出定义 (见文献[6]) , 这些定义主要围绕两个方面, 一是围绕交易过程中相互作用的方式和关系;二是围绕独立企业主体间的资源流动。从这些不同的定义中, 可以发现一个共同点, 那就是隐含了对网络其实是一种复杂系统的预设, 因此, 对网络的考察带有系统论基础。

关于网络演化的研究, 从已有的文献来看 (文献[2], [3], [5], [8], [9]等) , 主要着重于以下几方面:首先, 网络具有价值, 这一价值会随时间发生变化, 这表现为网络中的节点之间的关系随着先前个体间相互作用而不断获取的经验而动态变化。其次, 对网络个体间作用所形成价值的分布特征, 以及这一分布随时间演化的特征的关注。这样, 网络形成的结构, 以及网络产生的总体价值都能被加以考察。不同个体之间的作用被用网络的节点的连接加以表示, 并在宏观上表现出特定的行为特征, 这一行为特征体现在特定的网络结构中。网络结构反过来又对网络的决策机制的形成产生影响。在这一意义上, 网络演化观点能对宏观和微观相互关联的机制进行解释。在网络演化模型的构建中, 产生和删除特定节点及其相互间联系的规则发生在网络的微观层次。这些规则通常建立在构建一个新的网络节点和连接的收益和成本之间的权衡基础之上。通过在不同成本收益假设上的企业网络拓扑结构的形成与演化的模型分析, 旨在说明, 基于不同成本收益假设, 将产生不同的网络的演化结果, 并对合作网络的稳定性和收敛性产生影响。网络结构对产业组织系统内企业间不同关系的形成和演化具有重要的作用。因此, 分析随着网络的演化将形成何种网络拓扑结构对探讨产业组织个体间的网络关系的形成与演化具有关键意义。

从动态契约的角度来看, 产业组织网络可视为不同企业之间为实现共同或各自目标而在一定的时期内形成的持续性的交互活动时, 所达成的合作性正式或非正式协议或达成协议的过程。从产业组织演化的形式来看, 产业组织网络是产业组织的一种新形式。它是一种超越了传统的关于市场与企业两分法、复杂演化的自组织的产业组织形式。它的形成和发展很大程度上是受环境变迁的影响 (如经济全球化、技术进步程度的日益加深和竞争程度的日趋激烈等) , 使得垂直一体化的组织结构逐步向多个相对独立个体的网络组织结构演化, 组织内的个体互相结成相对松散, 但同时又具有复杂关联的动态联盟。具有多样化功能的互补性企业通过联合、信息交换等来共同提高网络中企业创新能力和竞争力。

事实上, 产业领域中的实际变化以及环境因素等事实催生了以网络为基础的产业组织研究方法。进入20世纪90年代以来, 产业组织理论经历了对产业组织网络考察的关注不断深入的最新进展, 产业组织文献中基于网络基础的方法也日益增多 (文献[4], [13]等) 。但这些研究的一个缺陷是, 没有就促进产业组织网络动态过程的生成机理进行深入的挖掘。产业组织网络的一个显著特征就是不断增加的产品和技术的复杂性, 多样性。产品的技术复杂度增加的同时, 意味着产品中内嵌的知识的复杂度和多样性也同时增加。当产品特征变得越来越复杂时, 单个企业不能生产产品的每一个部件, 并同时能保持领先地位。企业必须在专业化生产其所擅长的, 同时和其他企业通过各种合作关系来分享他们的技术专长或技术创新成果。技术合作形成的网络在不断技术创新的前提下, 能促进网络组织的持续演化发展。

关于技术合作网络的理论研究, 已有较多的文献从不同的角度进行的研究。如博弈论中的产业组织的技术合作策略, 但大多数成果的缺陷是没有就产业组织个体间的技术合作网络放入一个动态演化的框架内考虑。因此, 如何将网络博弈理论运用于技术合作网络的已有静态分析结果进行动态拓展, 考察产业组织系统内市场结构、企业间的市场竞争行为和技术合作动机之间的动态反馈和协同演化, 从而从博弈论框架内寻求产业组织技术合作网络的形成和演化特征, 是此类技术合作网络研究的进一步深入方向。

本文认为, 可以分别从侧重于网络演化的微观企业层面和宏观系统层面对产业组织网络演化机理进行模型构建和分析。对微观企业层面的分析侧重于不同企业间组网 (连接) 的动机、触发条件等, 着重探讨构建一个新的网络节点和连接的收益和成本, 并进行权衡, 从而产生新的节点或对特定节点进行删除 (见上述相关文献综述) 。系统层面则从宏观层面上分析产业组织的网络结构随时间变化的宏观演化趋势。从已有研究成果来看, 这方面的研究相对较少。

据此, 本文以技术合作网络为例, 侧重于从系统层面分析产业组织的技术合作网络结构随时间变化的宏观演化趋势。所构建的模型用来阐述维持网络演化的多样性和异质性的重要性。从系统论的角度来看, 基于系统演化的自组织机制, 微观层面和系统层面存在着内在的联系, 因此, 微观企业层面和系统层面的分析并不能完全隔离开来, 只是考察的侧重点有所差异。本文侧重于系统层面视角, 构建一个基于系统自组织基础上的产业组织技术合作网络形成演化机理的动态模型。其与侧重于微观企业层面的模型最大的区别在于无需对企业的行为特征作详细描述, 而是着重考察由微观层面的企业间交互作用引起的系统宏观层面企业技术合作网络的动态演化。解释产业组织系统内企业合作网络演化的动态复杂特征, 指出市场和企业合作网络形成必须的技术外部性、异质性和系统开放性特征等在网络演化过程中发挥着重要的作用。技术合作网络所发挥的选择机制的作用在使得企业间的技术特征日渐趋同和存在网络维持成本的同时, 削弱了网络长期演化的合作稳定性基础。研究得出的结论是:个体多样性、异质性和系统开放性是产业组织技术合作网络动态演化的前提, 合作网络得以维持的条件是必须有新的技术创新引入原有的网络空间中。如果没有具有开创性的新技术引入, 合作网络将难以继续维持下去。

2 模型描述与结构

假设产业内的企业数目为n, 但没有进入退出行为, 企业数目在整个演化期内保持不变。企业可以改变技术合作与否的状态, 假设存在有两种状态, 合作c或不合作d。设合作的企业数为n1, 不合作的企业数为n2, n=n1+n2。引入离散状态变量$\text{e}‚\text{e}\in [-\frac{\text{n}}{2}‚\frac{\text{n}}{2}]‚\text{e}=\text{n}{}_1-\frac{\text{n}}{2}=\frac{\text{n}}{2}-\text{n}{}_2$, 当e=0时, 系统处于$\text{n}{}_1=\text{n}{}_2=\frac{\text{n}}{2}$状态, 因此, 变量e可表征企业从这一合作企业数和不合作企业数相等状态的绝对偏离水平。图1是对这一状态空间的描述:

状态空间的最左端表示一个完全不合作的网络状态, 企业间没有任何技术合作或技术“溢出”, 各企业独自进行技术研发, 合作的企业数为0。最右端表示一个完全的企业技术合作网络, 不合作的企业数为0。中间状态则表示合作和不合作企业的相对分布状态。

以下将在此基础上着重探讨该技术合作网络系统的宏观演化趋势。引入概率P (e, t) , 用来表示离散状态变量e在特定的时刻t处于满足$\text{e}\in [-\frac{\text{n}}{2}‚\frac{\text{n}}{2}]$某一特定状态的概率, 通过构建一个关于P (e, t) 的微分方程, 利用计算模拟, 考察P (e, t) 的演化轨迹, 来探讨该技术合作网络内企业合作与非合作状态的演化趋势。具体的步骤如下:

(1) 引入状态转移可能性变量sc→d, sd→c分别度量状态空间中企业从合作状态转向不合作状态、从不合作状态转向合作状态的可能性

在某一特定时刻t, 企业状态的转变受这一特定时刻状态空间的宏观结构P (e, t) 的影响。当单个不合作企业i在t时刻处于不合作状态占主导的状态空间时 (上图中变量e越靠左的状态空间) , 其从不合作向合作状态转变的动力相对较小。但随着合作企业的不断增加, 即变量e在上述状态空间中不断右移, 至少在一段时期内, 由合作所产生的“溢出”效应和不同企业的异质性所带来的“互补”效应会增加原先不合作的企业转变状态的概率, 从而获得比不合作更大的收益。以上过程用等式表示如下:

sd→c (e) =γ.e, γ>0 (1)

上式表明, 一个原先处于不合作状态的企业加入合作网络的可能性随着合作网络的扩大而扩大 (随着合作网络的扩大, 状态变量值e也增加) 。参数γ表征企业技术合作的不确定性程度或技术强度, 一般来说, 技术强度越大, 技术含量越高, 企业独自研发该技术的不确定性越大, 因此寻求技术合作的动机就越强。这一特征已得到产业领域内的大量事实的验证。寻求合作是现代企业的一大特点。在充满高风险和高不确定性的行业, 如制药业、金融业、半导体电子产业等, 不同企业都寻求开展广泛的合作。例如, 小企业在对新发现的反应能力方面会比大企业显示出大得多的创造力和更快的创新速度, 而大企业则具有成熟的关系网和创新技术的市场化运作能力, 两者能更好的实现优势互补。这类似于生物学上的协同进化和共生模式。

类似的, 假设企业从不合作状态转向合作状态的优势正是企业从合作状态转向不合作状态的劣势。因此:

sc→d=-γ.e, γ>0 (2)

(2) 考虑技术生命周期对企业转变状态意愿的影响

从知识基础论的角度来说, 技术合作是异质性知识转移的一种有效形式。经验研究表明 (文献[10]) , 不同的两个企业之间的技术特征相似度和该两企业之间形成技术合作之间存在倒U关系。一般来说, 在技术演化轨迹的初期阶段, 技术具有高度的不确定性, 技术特征在不同企业间的相似度较低, 再加上其它因素如技术投资所需的高昂融资成本, 企业之间将有更大的意愿进行合作。但随着技术演化进入到其生命周期的较为成熟的后阶段, 技术不确定性的程度降低, 企业将更多的转向考虑对“规模经济”效应的挖掘和对技术的“渐进创新”效应 (如降低企业生产产品成本的流程创新) 的关注。同时, 技术含量饱和度的增加会增加企业间技术的“趋同性”, 也就是说, 随着技术合作的不断深入进行, 企业间技术特征的相似度会不断提高, 导致维持技术合作的边际收益不断减少, 在仍需支付技术合作的维持成本的情况下, 为降低技术不确定性而进行的技术合作动机将不断降低。考虑这些技术演化周期因素的影响, 引入变量w (t) , 其与技术演化周期t满足如下的非线性函数关系:

w (t) =w0-ϑ (t2-t) , w0>0, ϑ>0 (3)

w0表示t=0期的企业技术合作意愿, 随着技术生命周期的演化, 这一意愿沿上述抛物线轨迹先增后减。ϑ代表技术合作意愿的变化率。

(3) 考虑企业转变状态的状态维持成本

以$\text{c}{}_{\text{d}\to \text{c}}(\text{e})=\frac{\text{ρ}{}_1}{1+\text{α}\exp (\text{e})}$表示企业为合作所付出的成本;

以$\text{c}{}_{\text{c}\to \text{d}}(\text{e})=\frac{\text{ρ}{}_2}{1+\text{α}\exp (\text{e})}$表示企业为维持自身独立进行技术研发所付出的成本。

ρ1≠ρ2, 一般假定ρ1>ρ2。表示在相同的条件下, 企业技术合作比不进行技术合作多付出的合作维持成本。

(4) 结合 (1) (2) , 将企业的技术状态转移概率, 即企业从不合作状态转变为合作状态以及从合作状态转变为不合作状态的状态转移概率, 表示如下 (分别以pd→c (e, t) 和pc→d (e, t) 表示) :

$\begin{array}{l}\text{p}{}_{\text{d}\to \text{c}}(\text{e},\text{t})=\text{η}\exp (\text{γ}.\text{e}+\text{w}(\text{t}))-\text{c}{}_{\text{d}\to \text{c}}(\text{e})\\ =\text{η}[\exp (\text{γ}.\text{e}+\text{w}{}_0-\text{ϑ}(\text{t}{}^2-\text{t}))]-\frac{\text{ρ}{}_1}{1+\text{α}\exp (\text{e})}(4)\end{array}$

$\begin{array}{l}\text{p}{}_{\text{c}\to \text{d}}(\text{e},\text{t})=\text{η}\exp [-(\text{γ}.\text{e}+\text{w}(\text{t}))]-\text{c}{}_{\text{c}\to \text{d}}(\text{e})\\ =\text{η}\exp [-(\text{γ}.\text{e}+\text{w}{}_0-\text{ϑ}(\text{t}{}^2-\text{t}))]-\frac{\text{ρ}{}_2}{1+\text{α}\exp (\text{e})}(5)\end{array}$

其中η是标度参数。

以上以e, t为自变量的指数形式状态转移函数用来表征:在合作网络扩大的初期, 会生成不断增强的企业合作环境, 从而加大企业从不合作到合作的技术状态转移概率。但从长期来看, 合作网络中的企业从网络外部获得技术合作机会的可能性增加, 而不同企业之间的技术“异质性”会受所拥有的技术日益趋同而削弱, 这两种因素对企业技术状态的影响体现在包含变量t的表达式上, 从而影响企业的技术状态转移概率。上述两个状态转移概率的等式的最后一项分别表示企业为维持合作状态所付出的成本, 和企业为维持自身独立进行技术研发所付出的成本, 两者都对企业技术状态转移产生负面影响。

(5) 用μd→c (e, t) , μc→d (e, t) 表示企业在t时刻发生状态转移的系统行为, 表示为以下两个等式:

$\text{μ}{}_{\text{d}\to \text{c}}(\text{e},\text{t})=\text{n}{}_2\text{p}{}_{\text{d}\to \text{c}}(\text{e},\text{t})=(\frac{\text{n}}{2}-\text{e})\text{p}{}_{\text{d}\to \text{c}}(\text{e},\text{t})$ (6)

$\text{μ}{}_{\text{c}\to \text{d}}(\text{e},\text{t})=\text{n}{}_1\text{p}{}_{\text{c}\to \text{d}}(\text{e},\text{t})=(\frac{\text{n}}{2}+\text{e})\text{p}{}_{\text{c}\to \text{d}}(\text{e},\text{t})$ (7)

(6) 在上述过程基础上, 导出一个用来描述企业合作网络宏观演化过程的微分方程, 该方程用来描述概率P (e, t) 随时间变化的连续运动过程:

$\frac{\text{d}\text{Ρ}(\text{e},\text{t})}{\text{d}\text{t}}=\text{μ}{}_{\text{d}\to \text{c}}(\text{e}-1)\text{Ρ}(\text{e}-1,\text{t})+\text{μ}{}_{\text{c}\to \text{d}}(\text{e}+1)\text{Ρ}(\text{e}+1,\text{t})-\text{μ}{}_{\text{d}\to \text{c}}(\text{e})\text{Ρ}(\text{e},\text{t})-\text{μ}{}_{\text{c}\to \text{d}}(\text{e})\text{Ρ}(\text{e},\text{t})$ (8)

初始条件为:

P (e=0, t=0) =1, P (e-1=-1, t=0) =0,

P (e+1=1, t=0) =0 (9)

以下是状态变量e在微小的时间间隔dt内的状态转移图 (图2) , 过程假设具有Markov性, 即在t时刻仅考虑e以及它的两个相邻状态的e-1和e+1, 经过dt时间, 从d←c和从d→c的变化。

3 模型模拟结果与分析

易见, 方程 (8) 是一个典型的非线性微分方程, 在明确解析解难以得出的情况下, 采用数值模拟的方法分析系统的演化轨迹。模拟结果较好体现了产业组织合作网络系统的符合上述假设的系统自组织运行特征。

(1) 在对表征企业技术合作的不确定性程度或技术强度参数γ设置不同值时, 系统演化结果表现的差异性较为明显。当γ的值较大时, 表明企业技术合作的不确定性程度较高, 在其它设置相同的条件下, 系统在运行初期表现出比较低γ值更强的合作关系。因为这是一个存在高度不确定性的阶段, 这种不确定性体现在对未来事件和技术发展的有限把握。企业如果能通过网络或合作等形式与外界建立联系, 则能把这种不确定性尽可能的降低。技术合作的高度不确定性为企业相互合作提供了动力, 并大大增加了与其他企业和相关主体建立正式或非正式网络的可能性。这方面有很多实际例子。例如, 伴随着Internet的迅速发展, 专门针对复杂科学计算的新型计算模式——网格 (Grid) 计算技术由于其超强的计算优势被得到日益重视, 但其应用空间、计算平台、相关技术、组建成本、标准制定等方面仍面临着种种不确定性, 推动网格计算的各企业纷纷寻求合作, 包括Oracle、 EMC 、Fujitsu-Siemens、HP、NEC、Network Appliance、 SUN 等共同创建了企业网格联盟EAG (Enterprise Grid Alliance) , 以扩大将该项新的计算技术从仅限于科学研究和开发领域向商用网络服务领域引进的空间。

(2) 随着时间的演化, 企业合作网络系统在自组织过程中出现“相变”阶段, 由合作状态向不合作状态转变, 这一过程在较大的γ值下, 体现得更为明显 (见图3, 4) 。这清楚的表明具有更高不确定性的技术环境, 其复杂性程度更高, 相对应的风险更大。而当系统一旦出现“相变”后, 在更高不确定性技术环境下, 系统状态向新状态转变的速度和程度也更大, 而这正是企业寻求规避与高度不确定性相关的高风险的适应性行为。

(3) 最后, “技术溢出”效应会随技术生命周期过程的演化而递减, 从而降低合作可能性, 模拟结果较好表现出了系统演化趋向于不合作状态的特征。在上述模型的假设和运行规则下, “相变”阶段以后, 随着时间的推移, 系统中企业间相互合作的概率将趋于不断降低, 从长期来看, 合作网络将趋于瓦解。从成本收益角度来看, 这是由于随着时间的推移, 企业间合作所产生的边际收益日益减少, 在存在合作维持成本的条件下, 企业变得不再有动力去维持原有的技术合作网络。也就是说, 当技术合作的空间挖掘潜力日益枯竭, 能被挖掘的都已被挖掘时, 如果没有具有开创性的新技术引入, 合作网络将很难继续维持下去。模型的分析结果还显示:在较大的γ值下, 不合作效应体现得更为明显, 这同样可用较大的γ值与较高的系统演化不确定性、复杂性和高风险性相对应来解释。模拟使用MATLAB7.0运行, 结果见下图①:

$[1]\text{n}=120,\text{γ}=0.05‚\text{w}{}_0=0.005‚\text{ϑ}=0.0005‚\text{η}=0.005‚\text{e}=[-\frac{\text{n}}{2}‚\frac{\text{n}}{2}],\text{t}=[0‚50]$

$[2]\text{n}=120,\text{γ}=0.005‚\text{w}{}_0=0.005‚\text{ϑ}=0.0005‚\text{η}=0.005‚\text{e}=[-\frac{\text{n}}{2}‚\frac{\text{n}}{2}],\text{t}=[0‚50]$

4 相关讨论

可见, 在上述企业合作网络自组织演化模型的框架内, 企业维持原有的合作关系的动力不断被削弱, 合作网络有趋于瓦解的趋势, 网络有演化为空网的可能。从复杂系统演化的角度来看, 产业组织间构成的技术合作网络属于一个动态演化的系统。结合耗散结构的熵值理论, 孤立系统熵值随着系统的演化不断趋于增加, 总过程从有序到无序。因此, 系统要形成有序结构的必要条件是系统开放。对于开放系统来说, 通过与外界交换物质与能量, 可以从外界获取负熵用来抵消自身熵的增加, 从而使系统实现从无序到有序、从简单到复杂的持续演化。如果企业处于上述所假设的技术合作网络空间中, 从模型所揭示的结论可以看出, 合作网络得以维持的条件是必须有新的技术创新引入网络空间中, 在演化分析框架下, 创新被视为众多经济现象背后的内在推动力。如果没有持续不断的创新为选择过程提供多样化的选择空间, 演化过程就要终结。这就意味着, 技术网络空间必须开放, 创新技术作为与外界进行能量交换的要素, 从而使技术合作网络获取新的负熵来维持系统的有序自组织演化;同时, 创新技术的引入, 也为产业组织个体提供了个体异质性保证, 而个体异质性、多样性同时又是系统有序演化的基础。否则, 技术演化特征的趋同和维持网络所需的成本将使一个孤立的没有创新的技术合作网络熵值不断增加, 不断趋向于热力学意义上的“平衡”态, 合作网络趋于瓦解。

从协同论的角度来说, 产业组织合作网络能通过组织个体间的相互作用来实现协同, 协同效应的发挥又促进企业的互动。但当面临新的不确定性的环境的变化 (例如某一种能对整个产业带来重大影响的新技术的诞生) 时, 产业组织演化的惯性 (如上述模型中技术饱和度日益增加) 会抑制产业组织网络的发展速度、方向以及维度。因此, 技术合作网络必须面临变革和创新, 否则将面临瓦解的威胁。

以一个典型的例子加以说明。在计算机软硬件生产领域, 一向被视作坚如磐石的由Intel和Microsoft为首的“Wintel”联盟网络由于新兴的64位处理技术的出现而变得有所松动。64位处理技术能把个人电脑的运算能力提升到前所未有的高度, 标志着个人计算机发展史又一个新时代的来临, 使PC从字符时代跨越到多媒体时代。因此, 64位技术对计算机产业链产生了根本性的影响, 它的首推者是Intel的竞争对手AMD公司, 而众多电脑生产企业都是Intel的联盟网络中的成员, 但在AMD64位处理技术的潜在利益的诱惑下, Intel阵营会出现分离的倾向, 受到利益因素的驱动, 许多联盟中的成员的行动使联盟网络出现松动的威胁。因此, 在竞争对手带来的强大的新技术威胁和激烈的市场竞争条件下, Intel要维持和巩固原有的联盟网络, 必须进行创新, 为网络系统注入新的能量和动力。否则原先的网络将面临瓦解的威胁。而从Intel公司的技术运行历史轨迹来看, 它还是具有较强的超前的市场洞察力和远见的, 这体现在其就64位技术的创新所构筑的研发基础和技术创新网络上。从市场运行的状况来看②, 依据Intel公司的以与64位架构相连的核心处理器产品安腾 (Itanium) 构建的Intel、HP、Microsoft以及其它相关企业之间的网络联盟的技术、知识和产业组织网络动态演化的交互关系即是一个很好的证明例子 (世界上有近2/3的最快的超级计算机都采用安腾或Intel的另一核心处理器至强Xeon) 。这充分说明了不断创新的处理器技术本身所具有的强大适应能力进一步巩固了企业间的技术网络联盟, 并促使网络的生态环境不断优化。

以上例子进一步说明了:产业组织网络运作和维持必须建立在相应的技术演化和持续的技术创新基础之上, 并且两者的关系是动态和交互的。在这样的产业组织网络系统 (如上述例子中的Intel、HP、Microsoft以及其它相关企业) 中, 单个产业组织拥有的是能提供专业化生产或服务的特定知识, 从而增加了网络企业的相互依存度和协调性。事实证明, 只有这种由异质知识和不断创新的技术协调构成的群集网络, 才能较好的表现了较高的运营绩效和相应的适应和创新能力。个体企业相互竞争和相互合作的网络组织间的交互, 能提炼为一种知识的交流。而异质知识、创新技术又是产业组织网络形成、维持和演化的内在推动力。