王猛　付韜　秦震

摘要：通過構建基于知識觀的原始性創(chuàng)新多Agent模型，剖析原始性創(chuàng)新支撐知識、發(fā)起與參與主體以及主體合作網(wǎng)絡之間的聯(lián)系，進而完成主體行為描述及其適應性規(guī)則設計，并且借助Swarm平臺實施仿真。結果顯示學科研究方向總數(shù)極小的系統(tǒng)，其原始性創(chuàng)新績效最優(yōu)。對于學科研究方向總數(shù)中等乃至稍多的系統(tǒng)，采用優(yōu)先適應其他主體原始性創(chuàng)新的策略或者強強聯(lián)合的策略都可以顯著提升其原始性創(chuàng)新績效，二者相比不存在絕對的最優(yōu)。

關鍵詞：原始性創(chuàng)新；知識觀；多主體仿真

中圖分類號：G301 文獻標識碼：A 文章編號：1001-8409（2014）04-0121-06

Abstract： It proposes a multiagent model on the original innovation， and analyses the relationships among the supporting knowledge system， its participators， and participators collaboration network， design agents behaviors as well as their adaption rules， and simulate the model on Swarm platform. It shows that the system with very few research directions tends to have high innovation performance. As for systems with middle or higher amount of research directions， adopting the strategy to cooperate with the original innovations proposed by others with priority and the strategy to induce cooperation between experts may both improve the system innovation performance. These strategies both have their individual advantages， and cant conclude the best one.

Key words： original innovation； knowledge view； multiagent simulation

原始性創(chuàng)新主要表現(xiàn)為重大的科學發(fā)現(xiàn)、理論創(chuàng)新、技術創(chuàng)新、實驗方法和儀器發(fā)明等，其本身有著極高的理論價值和現(xiàn)實效益，同時也具備很強的啟發(fā)性，經常誘發(fā)一系列相關創(chuàng)新來完善其提出的理論及技術，或者模仿其解決問題的方式來研究相關和類似問題。目前，原始性創(chuàng)新已經逐漸成為國內學術界研究的熱點，有眾多學者從不同的層面對原始性創(chuàng)新展開研究，其研究主題涉及原始性創(chuàng)新的概念界定[1]，評估體系[2]，演化機理[1，3]，發(fā)生機制[4]，主體交互機制[5]，外部效應[6]和激勵機制[7]等諸多方面。然而該領域的研究也存在一些缺陷，集中表現(xiàn)為領域內研究方式以思辨分析為主，所構建的模型大多屬于概念模型，雖然一部分原始性創(chuàng)新的影響因素和優(yōu)化策略被相繼提出，但是其作用機制和影響效果都難以被清晰觀察。上述缺陷極大限制了原始性創(chuàng)新研究的深度，也制約了人們對原始性創(chuàng)新影響因素和優(yōu)化策略的理解與把握。本文將多主體仿真這一研究方法引入原始性創(chuàng)新研究，可以有效克服上述缺陷。

1基于知識觀的原始性創(chuàng)新多Agent模型

原始性創(chuàng)新的概念由我國學者陳雅蘭等人提出[1]，他們進一步將原始性創(chuàng)新劃分為基礎研究和應用基礎研究兩類[1，7]。學者舒成利和高山行指出[4]，如果從知識觀的角度來看，原始性創(chuàng)新本身包含兩個密不可分的過程：新知識的產生和對新知識的使用，其中前者對應于基礎研究，后者對應于應用基礎研究。通過進一步分析我們發(fā)現(xiàn)，無論是新知識的產生（基礎研究）還是新知識的使用（應用基礎研究），其背后形成支撐的往往是一個由不同研究方向不同性質的知識所組成的知識系統(tǒng)。例如，20世紀初興起的量子力學（基礎研究原始性創(chuàng)新），是由物理學科中經典力學對于某些實驗現(xiàn)象的解釋失敗所引發(fā)，又以電動力學、熱力學和統(tǒng)計物理學等物理子學科的研究成果為依據(jù)，才得以提出。又如20世紀中葉DNA雙螺旋結構（基礎研究原始性創(chuàng)新）的發(fā)現(xiàn)者Watson是遺傳學家，Crick是物理學家，他們對于DNA結構的研究源于他們看到另一個遺傳學家Franklin拍攝的DNA的X射線衍射圖片，Watson向Franklin學習了X射線的衍射規(guī)律，還經常和其他的蛋白質專家進行討論，才完成了DNA雙螺旋結構的提出與確立。至于應用基礎研究原始性創(chuàng)新，本文認為[3]，此類原始性創(chuàng)新要成功地解決一個現(xiàn)實問題必須開發(fā)出一整套技術來解決各個方面各個環(huán)節(jié)所遇到的子問題，其背后形成支撐的必然是各方面知識所組成的知識系統(tǒng)?；谏鲜鲋R觀，本文提出了原始性創(chuàng)新多Agent模型（見圖1）。該模型將原始性創(chuàng)新完全限定于某個學科之內，同時將該學科知識進一步劃分為不同的研究方向，并且強調一個原始性創(chuàng)新的成功需要得到多個研究方向知識的支撐。

既然學科知識可以劃分為不同研究方向，一個隸屬于該學科的學者也可能擁有一個或多個研究方向下的知識，這意味著一個原始性創(chuàng)新所需要的知識可以由不同的學者來承載，這些學者基于這樣一種知識的互補性進行分工協(xié)作從而形成原始性創(chuàng)新科研團隊，而“團隊協(xié)作”也是陳雅蘭等人提出的原始性創(chuàng)新影響因素之一[1]。他們提出的另一個影響因素“核心人物”要求我們將原始性創(chuàng)新團隊成員進一步劃分為發(fā)起者和參與者（見圖1）。發(fā)起者通常也是團隊中的核心人物兼領導，其從事的研究方向（原始性創(chuàng)新的主要研究方向）和原始性創(chuàng)新所需要解決的問題緊密相關，其本身的學術水平及戰(zhàn)略眼光也將決定原始性創(chuàng)新的成敗。

一個學者作為原始性創(chuàng)新多Agent模型中的主體，其可以和哪些其他學者主體展開創(chuàng)新合作，主要由其在主體合作網(wǎng)絡（科學家合作網(wǎng)絡）中的位置及其本身的視域所決定。一般而言，學者更傾向于在組織內部尋找創(chuàng)新合作伙伴，不過近年來有一些文獻指出學者跨組織合作創(chuàng)新也很常見，特別是對于國內首屈一指的名校和科研機構[8，9]。因而在本文設計的多主體模型中，主體也被歸入不同的科研組織，其合作網(wǎng)絡也成為一種跨組織網(wǎng)絡（見圖1）。

總之，上述主體行為及其適應性規(guī)則的設計相對簡單直白，便于理解和具體操作，也體現(xiàn)了仿真模型設計的簡約性。

3參數(shù)取值及仿真結果分析

本文采用Swarm平臺編寫程序并且實施仿真，部分參數(shù)的描述及其取值由表1給出。這里的KN屬于系統(tǒng)的環(huán)境變量，其取值高低代表了學科知識的廣闊程度。LKN是學者主體在仿真開始時具備的研究方向總數(shù)，這里限定其取值為5，體現(xiàn)了每個學者除了有自己的學術專長方向之外，還掌握學科內一定數(shù)量其他研究方向的知識。RLi為主體編號為i的研究方向所對應的知識水平，其初始取值在0～100之間隨機生成。OL是原始性創(chuàng)新發(fā)起者所需最低知識水平，其取值設定為80，PL是原始性創(chuàng)新參與者所需最低知識水平，其取值設定為40遠遠小于80。小組總數(shù)GS和組內主體數(shù)量GN屬于系統(tǒng)環(huán)境變量。主體作為科學家合作網(wǎng)絡的結點，其組內邊數(shù)BI取值為5，高于組間邊數(shù)BO取值2，體現(xiàn)了其在單位內部的潛在合作伙伴較單位外部更多，其單位內部合作也比跨單位合作頻繁這一事實。

前文對于各系統(tǒng)最終EN數(shù)量的分析還提到中度和較高KN取值系統(tǒng)最終EN較低的原因在于某些主體缺乏競爭而停止適應性調整，對于此類主體，如果能夠為其引入競爭使其成長為新的專家，勢必將提升系統(tǒng)原始性創(chuàng)新績效。具體的措施是如果某一主體成功地領導了一次原始性創(chuàng)新，他將有一次機會獲取一條新的合作網(wǎng)絡連接，該連接指向另外一個專家，如果有多個專家符合條件，他將選擇其特長方向與自身最為接近的專家。在整個仿真過程中，所有結點都只有一次機會獲取新的連接。這種強強聯(lián)合策略下，特定的KN取值系統(tǒng)的原始性創(chuàng)新成功數(shù)量ON演化過程由圖5給出，其中圖5與圖2中對應系統(tǒng)保持了完全相同的初始主體群體設置，與圖2對比可見，中度 （KN=50）、較高（KN=100）的KN取值系統(tǒng)最終創(chuàng)新績效有顯著的提升，低度（KN=5）和高度（KN=350）的提升并不明顯。這也證明該策略對于中度和較高的KN取值系統(tǒng)行之有效。

上述兩種策略相比哪一個更為有效呢？對比圖4（b）和圖5（b），發(fā)現(xiàn)二者大致相當。而圖4（c）和圖5（c）則顯示優(yōu)先適應其他主體原始性創(chuàng)新策略的效果優(yōu)于強強聯(lián)合的策略。事實上強強聯(lián)合的策略效果的發(fā)揮除了要求原系統(tǒng)的研究方向總數(shù)不能太低，還需要其具備一定初始數(shù)量成功的原始性創(chuàng)新。這一數(shù)量越高其效果發(fā)揮越好。圖6對比了KN=30時兩種策略的效果（二者仍然保持初始主體群體設置完全相同），此時，強強聯(lián)合策略明顯優(yōu)于優(yōu)先適應其他主體原始性創(chuàng)新策略，此外，強強聯(lián)合還有提升最終專家數(shù)量EN的效果（圖6（b）中最終的EN大于圖6（a））?？梢?，兩種策略相比不存在絕對最優(yōu)。

4結束語

本文所構建的基于知識觀的原始性創(chuàng)新多Agent模型及其仿真結果實際上論證了讓所有學者密集從事少數(shù)幾個接近的研究方向將有利于其形成知識互補和競爭，既能達成極高的原始性創(chuàng)新績效，也有利于培養(yǎng)更多的專家。然而現(xiàn)實當中此類研究方向總數(shù)極少的學科并不常見，而對于具備中度乃至較高數(shù)量研究方向的學科，我們應該依靠相應的優(yōu)化策略來促進學者間的合作與競爭。此時，采取優(yōu)先適應其他主體原始性創(chuàng)新策略和強強聯(lián)合策略都行之有效。前者旨在盡量聚攏學者之間的研究方向，在較小的范圍內形成知識互補和競爭，且不需要支付額外的連接成本，后者對于其內部原始性創(chuàng)新數(shù)量已經達到一定規(guī)模的學科系統(tǒng)更為有效，且能培養(yǎng)出更多的專家，二者相比并不存在絕對的最優(yōu)策略。

參考文獻：

[1]陳雅蘭，韓龍士，王金祥，曾憲樓.原始性創(chuàng)新的影響因素及演化機理探究[J].科學學研究， 2003，21（4）：433-437.

[2]陳勁，謝靚紅.原始性創(chuàng)新研究綜述[J].科學學與科學技術管理，2004，22（2）：22-26.

[3]王猛，張永安，付韜.應用基礎研究類原始性創(chuàng)新的演化機理研究[J].科技進步與對策，2012，29（4）：1-5.

[4]舒成利，高山行.基于知識生產模式的原始性創(chuàng)新發(fā)生機制的研究[J].科學學研究，2008，26（3）：640-644.

[5]舒成利，高山行.原始性創(chuàng)新：效率、分布性主體間的交互機制[J].科學學研究，2010，28（3）：436-443.

[6]陳雅蘭，郭偉鋒.原始性創(chuàng)新的外部效應及其控制[J].科學學研究，2010，24（4）：612-617.

[7]陳雅蘭，張妍.原始性創(chuàng)新的激勵機制與制度問題研究[J].科技進步與對策，2009，26（4）：81-84.

[8]王賢文，丁堃，朱曉宇.中國主要科研機構的科學合作網(wǎng)絡分析——基于Web of Science的研究[J].科學學研究，2010，28（12）：1806-1812.

[9]閆相斌，宋曉龍，宋曉紅.我國管理科學領域機構學術合作網(wǎng)絡分析[J].科研管理，2011，32（12）：104-111.

[10]EA Leicht， RM D'Souza.Percolation on Interacting Networks[RB/OL].Preprint at http：//arxiv.org/abs/0907.0894， 2009.

（責任編輯：張京輝）

一個學者作為原始性創(chuàng)新多Agent模型中的主體，其可以和哪些其他學者主體展開創(chuàng)新合作，主要由其在主體合作網(wǎng)絡（科學家合作網(wǎng)絡）中的位置及其本身的視域所決定。一般而言，學者更傾向于在組織內部尋找創(chuàng)新合作伙伴，不過近年來有一些文獻指出學者跨組織合作創(chuàng)新也很常見，特別是對于國內首屈一指的名校和科研機構[8，9]。因而在本文設計的多主體模型中，主體也被歸入不同的科研組織，其合作網(wǎng)絡也成為一種跨組織網(wǎng)絡（見圖1）。

總之，上述主體行為及其適應性規(guī)則的設計相對簡單直白，便于理解和具體操作，也體現(xiàn)了仿真模型設計的簡約性。

3參數(shù)取值及仿真結果分析

本文采用Swarm平臺編寫程序并且實施仿真，部分參數(shù)的描述及其取值由表1給出。這里的KN屬于系統(tǒng)的環(huán)境變量，其取值高低代表了學科知識的廣闊程度。LKN是學者主體在仿真開始時具備的研究方向總數(shù)，這里限定其取值為5，體現(xiàn)了每個學者除了有自己的學術專長方向之外，還掌握學科內一定數(shù)量其他研究方向的知識。RLi為主體編號為i的研究方向所對應的知識水平，其初始取值在0～100之間隨機生成。OL是原始性創(chuàng)新發(fā)起者所需最低知識水平，其取值設定為80，PL是原始性創(chuàng)新參與者所需最低知識水平，其取值設定為40遠遠小于80。小組總數(shù)GS和組內主體數(shù)量GN屬于系統(tǒng)環(huán)境變量。主體作為科學家合作網(wǎng)絡的結點，其組內邊數(shù)BI取值為5，高于組間邊數(shù)BO取值2，體現(xiàn)了其在單位內部的潛在合作伙伴較單位外部更多，其單位內部合作也比跨單位合作頻繁這一事實。

前文對于各系統(tǒng)最終EN數(shù)量的分析還提到中度和較高KN取值系統(tǒng)最終EN較低的原因在于某些主體缺乏競爭而停止適應性調整，對于此類主體，如果能夠為其引入競爭使其成長為新的專家，勢必將提升系統(tǒng)原始性創(chuàng)新績效。具體的措施是如果某一主體成功地領導了一次原始性創(chuàng)新，他將有一次機會獲取一條新的合作網(wǎng)絡連接，該連接指向另外一個專家，如果有多個專家符合條件，他將選擇其特長方向與自身最為接近的專家。在整個仿真過程中，所有結點都只有一次機會獲取新的連接。這種強強聯(lián)合策略下，特定的KN取值系統(tǒng)的原始性創(chuàng)新成功數(shù)量ON演化過程由圖5給出，其中圖5與圖2中對應系統(tǒng)保持了完全相同的初始主體群體設置，與圖2對比可見，中度 （KN=50）、較高（KN=100）的KN取值系統(tǒng)最終創(chuàng)新績效有顯著的提升，低度（KN=5）和高度（KN=350）的提升并不明顯。這也證明該策略對于中度和較高的KN取值系統(tǒng)行之有效。

上述兩種策略相比哪一個更為有效呢？對比圖4（b）和圖5（b），發(fā)現(xiàn)二者大致相當。而圖4（c）和圖5（c）則顯示優(yōu)先適應其他主體原始性創(chuàng)新策略的效果優(yōu)于強強聯(lián)合的策略。事實上強強聯(lián)合的策略效果的發(fā)揮除了要求原系統(tǒng)的研究方向總數(shù)不能太低，還需要其具備一定初始數(shù)量成功的原始性創(chuàng)新。這一數(shù)量越高其效果發(fā)揮越好。圖6對比了KN=30時兩種策略的效果（二者仍然保持初始主體群體設置完全相同），此時，強強聯(lián)合策略明顯優(yōu)于優(yōu)先適應其他主體原始性創(chuàng)新策略，此外，強強聯(lián)合還有提升最終專家數(shù)量EN的效果（圖6（b）中最終的EN大于圖6（a））?？梢姡瑑煞N策略相比不存在絕對最優(yōu)。

4結束語

本文所構建的基于知識觀的原始性創(chuàng)新多Agent模型及其仿真結果實際上論證了讓所有學者密集從事少數(shù)幾個接近的研究方向將有利于其形成知識互補和競爭，既能達成極高的原始性創(chuàng)新績效，也有利于培養(yǎng)更多的專家。然而現(xiàn)實當中此類研究方向總數(shù)極少的學科并不常見，而對于具備中度乃至較高數(shù)量研究方向的學科，我們應該依靠相應的優(yōu)化策略來促進學者間的合作與競爭。此時，采取優(yōu)先適應其他主體原始性創(chuàng)新策略和強強聯(lián)合策略都行之有效。前者旨在盡量聚攏學者之間的研究方向，在較小的范圍內形成知識互補和競爭，且不需要支付額外的連接成本，后者對于其內部原始性創(chuàng)新數(shù)量已經達到一定規(guī)模的學科系統(tǒng)更為有效，且能培養(yǎng)出更多的專家，二者相比并不存在絕對的最優(yōu)策略。

參考文獻：

[1]陳雅蘭，韓龍士，王金祥，曾憲樓.原始性創(chuàng)新的影響因素及演化機理探究[J].科學學研究， 2003，21（4）：433-437.

[2]陳勁，謝靚紅.原始性創(chuàng)新研究綜述[J].科學學與科學技術管理，2004，22（2）：22-26.

[3]王猛，張永安，付韜.應用基礎研究類原始性創(chuàng)新的演化機理研究[J].科技進步與對策，2012，29（4）：1-5.

[4]舒成利，高山行.基于知識生產模式的原始性創(chuàng)新發(fā)生機制的研究[J].科學學研究，2008，26（3）：640-644.

[5]舒成利，高山行.原始性創(chuàng)新：效率、分布性主體間的交互機制[J].科學學研究，2010，28（3）：436-443.

[6]陳雅蘭，郭偉鋒.原始性創(chuàng)新的外部效應及其控制[J].科學學研究，2010，24（4）：612-617.

[7]陳雅蘭，張妍.原始性創(chuàng)新的激勵機制與制度問題研究[J].科技進步與對策，2009，26（4）：81-84.

[8]王賢文，丁堃，朱曉宇.中國主要科研機構的科學合作網(wǎng)絡分析——基于Web of Science的研究[J].科學學研究，2010，28（12）：1806-1812.

[9]閆相斌，宋曉龍，宋曉紅.我國管理科學領域機構學術合作網(wǎng)絡分析[J].科研管理，2011，32（12）：104-111.

[10]EA Leicht， RM D'Souza.Percolation on Interacting Networks[RB/OL].Preprint at http：//arxiv.org/abs/0907.0894， 2009.

（責任編輯：張京輝）

一個學者作為原始性創(chuàng)新多Agent模型中的主體，其可以和哪些其他學者主體展開創(chuàng)新合作，主要由其在主體合作網(wǎng)絡（科學家合作網(wǎng)絡）中的位置及其本身的視域所決定。一般而言，學者更傾向于在組織內部尋找創(chuàng)新合作伙伴，不過近年來有一些文獻指出學者跨組織合作創(chuàng)新也很常見，特別是對于國內首屈一指的名校和科研機構[8，9]。因而在本文設計的多主體模型中，主體也被歸入不同的科研組織，其合作網(wǎng)絡也成為一種跨組織網(wǎng)絡（見圖1）。

總之，上述主體行為及其適應性規(guī)則的設計相對簡單直白，便于理解和具體操作，也體現(xiàn)了仿真模型設計的簡約性。

3參數(shù)取值及仿真結果分析

本文采用Swarm平臺編寫程序并且實施仿真，部分參數(shù)的描述及其取值由表1給出。這里的KN屬于系統(tǒng)的環(huán)境變量，其取值高低代表了學科知識的廣闊程度。LKN是學者主體在仿真開始時具備的研究方向總數(shù)，這里限定其取值為5，體現(xiàn)了每個學者除了有自己的學術專長方向之外，還掌握學科內一定數(shù)量其他研究方向的知識。RLi為主體編號為i的研究方向所對應的知識水平，其初始取值在0～100之間隨機生成。OL是原始性創(chuàng)新發(fā)起者所需最低知識水平，其取值設定為80，PL是原始性創(chuàng)新參與者所需最低知識水平，其取值設定為40遠遠小于80。小組總數(shù)GS和組內主體數(shù)量GN屬于系統(tǒng)環(huán)境變量。主體作為科學家合作網(wǎng)絡的結點，其組內邊數(shù)BI取值為5，高于組間邊數(shù)BO取值2，體現(xiàn)了其在單位內部的潛在合作伙伴較單位外部更多，其單位內部合作也比跨單位合作頻繁這一事實。

前文對于各系統(tǒng)最終EN數(shù)量的分析還提到中度和較高KN取值系統(tǒng)最終EN較低的原因在于某些主體缺乏競爭而停止適應性調整，對于此類主體，如果能夠為其引入競爭使其成長為新的專家，勢必將提升系統(tǒng)原始性創(chuàng)新績效。具體的措施是如果某一主體成功地領導了一次原始性創(chuàng)新，他將有一次機會獲取一條新的合作網(wǎng)絡連接，該連接指向另外一個專家，如果有多個專家符合條件，他將選擇其特長方向與自身最為接近的專家。在整個仿真過程中，所有結點都只有一次機會獲取新的連接。這種強強聯(lián)合策略下，特定的KN取值系統(tǒng)的原始性創(chuàng)新成功數(shù)量ON演化過程由圖5給出，其中圖5與圖2中對應系統(tǒng)保持了完全相同的初始主體群體設置，與圖2對比可見，中度 （KN=50）、較高（KN=100）的KN取值系統(tǒng)最終創(chuàng)新績效有顯著的提升，低度（KN=5）和高度（KN=350）的提升并不明顯。這也證明該策略對于中度和較高的KN取值系統(tǒng)行之有效。

上述兩種策略相比哪一個更為有效呢？對比圖4（b）和圖5（b），發(fā)現(xiàn)二者大致相當。而圖4（c）和圖5（c）則顯示優(yōu)先適應其他主體原始性創(chuàng)新策略的效果優(yōu)于強強聯(lián)合的策略。事實上強強聯(lián)合的策略效果的發(fā)揮除了要求原系統(tǒng)的研究方向總數(shù)不能太低，還需要其具備一定初始數(shù)量成功的原始性創(chuàng)新。這一數(shù)量越高其效果發(fā)揮越好。圖6對比了KN=30時兩種策略的效果（二者仍然保持初始主體群體設置完全相同），此時，強強聯(lián)合策略明顯優(yōu)于優(yōu)先適應其他主體原始性創(chuàng)新策略，此外，強強聯(lián)合還有提升最終專家數(shù)量EN的效果（圖6（b）中最終的EN大于圖6（a））。可見，兩種策略相比不存在絕對最優(yōu)。

4結束語

本文所構建的基于知識觀的原始性創(chuàng)新多Agent模型及其仿真結果實際上論證了讓所有學者密集從事少數(shù)幾個接近的研究方向將有利于其形成知識互補和競爭，既能達成極高的原始性創(chuàng)新績效，也有利于培養(yǎng)更多的專家。然而現(xiàn)實當中此類研究方向總數(shù)極少的學科并不常見，而對于具備中度乃至較高數(shù)量研究方向的學科，我們應該依靠相應的優(yōu)化策略來促進學者間的合作與競爭。此時，采取優(yōu)先適應其他主體原始性創(chuàng)新策略和強強聯(lián)合策略都行之有效。前者旨在盡量聚攏學者之間的研究方向，在較小的范圍內形成知識互補和競爭，且不需要支付額外的連接成本，后者對于其內部原始性創(chuàng)新數(shù)量已經達到一定規(guī)模的學科系統(tǒng)更為有效，且能培養(yǎng)出更多的專家，二者相比并不存在絕對的最優(yōu)策略。

參考文獻：

[1]陳雅蘭，韓龍士，王金祥，曾憲樓.原始性創(chuàng)新的影響因素及演化機理探究[J].科學學研究， 2003，21（4）：433-437.

[2]陳勁，謝靚紅.原始性創(chuàng)新研究綜述[J].科學學與科學技術管理，2004，22（2）：22-26.

[3]王猛，張永安，付韜.應用基礎研究類原始性創(chuàng)新的演化機理研究[J].科技進步與對策，2012，29（4）：1-5.

[4]舒成利，高山行.基于知識生產模式的原始性創(chuàng)新發(fā)生機制的研究[J].科學學研究，2008，26（3）：640-644.

[5]舒成利，高山行.原始性創(chuàng)新：效率、分布性主體間的交互機制[J].科學學研究，2010，28（3）：436-443.

[6]陳雅蘭，郭偉鋒.原始性創(chuàng)新的外部效應及其控制[J].科學學研究，2010，24（4）：612-617.

[7]陳雅蘭，張妍.原始性創(chuàng)新的激勵機制與制度問題研究[J].科技進步與對策，2009，26（4）：81-84.

[8]王賢文，丁堃，朱曉宇.中國主要科研機構的科學合作網(wǎng)絡分析——基于Web of Science的研究[J].科學學研究，2010，28（12）：1806-1812.

[9]閆相斌，宋曉龍，宋曉紅.我國管理科學領域機構學術合作網(wǎng)絡分析[J].科研管理，2011，32（12）：104-111.

[10]EA Leicht， RM D'Souza.Percolation on Interacting Networks[RB/OL].Preprint at http：//arxiv.org/abs/0907.0894， 2009.

（責任編輯：張京輝）