馬進琴，封成智，2，丁宏斌，楊 蕾，張小榮

（1.甘肅省生產(chǎn)力促進中心，甘肅 蘭州 730000；2.甘肅農(nóng)業(yè)大學(xué) 信息科學(xué)技術(shù)學(xué)院，甘肅 蘭州 730070；3.甘肅省農(nóng)業(yè)機械化技術(shù)推廣總站，甘肅 蘭州 730000）

一、引言

人工蜂群算法是2005 年由土耳其學(xué)者Karaboga D 和Akay B（2009）[1]提出的模擬蜜蜂群體采蜜的仿生智能計算方法，后來被廣泛應(yīng)用到通信工程、神經(jīng)網(wǎng)絡(luò)、數(shù)據(jù)挖掘、農(nóng)田水利、電力系統(tǒng)、數(shù)值優(yōu)化等多個領(lǐng)域[2]。自ABC 算法提出以來，已引起大量學(xué)者的關(guān)注并產(chǎn)生諸多科研成果，胡珂等（2011）[3]構(gòu)造出具有引導(dǎo)趨勢的蜂群算法，避免了局部最優(yōu)解缺點，搜索性能明顯提高；黃玲玲等（2012）[4]分析提出了集成差分進化算法和人工蜂群算法各自優(yōu)勢的混合算法；王志剛和夏慧明（2014）[5]將改進后的算法應(yīng)用于求解多維背包問題，有效驗證了算法的可行性。

BP 神經(jīng)網(wǎng)絡(luò)屬于多層前饋神經(jīng)網(wǎng)絡(luò)中的一類。Wang X G 等（2004）[6]基于誤差函數(shù)中隱藏層神經(jīng)元的飽和度問題，提出新的公式，有效避免了陷入局部最優(yōu)問題；Gao W（2003）[7]引入與進化計算相關(guān)理論，進而優(yōu)化BP 神經(jīng)網(wǎng)絡(luò)算法；李杰和韓正之（2000）[8]設(shè)計了一個新的BP 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)函數(shù)，主要通過研究誤差函數(shù)及其泛化能力，明顯促進了網(wǎng)絡(luò)的學(xué)習(xí)效果；李茂軍等（2004）[9]提出把人工免疫算法與BP 神經(jīng)網(wǎng)絡(luò)相結(jié)合從而優(yōu)化算法性能；彭喜元等（2003）[10]提出了BP 神經(jīng)網(wǎng)絡(luò)與ACO 算法相結(jié)合的改進融合算法。

伴隨世界各國企業(yè)轉(zhuǎn)型的大環(huán)境，知識經(jīng)濟應(yīng)運而生，Prahalad C K 和Hamel G（1990）[11]提出“核心競爭力”的概念，此后各領(lǐng)域研究者將理論結(jié)合與各行各業(yè)實際，形成了不同的派別和觀點。Klein等（1998）[12]認為個體優(yōu)勢碰撞后產(chǎn)生了核心競爭力，個體優(yōu)勢在核心競爭力中的作用不可或缺；周旭等（2007）[13]運用D-S 證據(jù)理論對BP 神經(jīng)網(wǎng)絡(luò)評價模型優(yōu)化后對輸出的結(jié)果調(diào)和，獲得最終評價的結(jié)果；蔡彬（2010）[14]在對重點競爭力理論以及高新技術(shù)企業(yè)有關(guān)理論概括的根基上，創(chuàng)建出4 個評判要素、20 個評判目標的高新技術(shù)企業(yè)重點競爭力評判目標體制，規(guī)劃是在L-M 算法的根基上更新BP 神經(jīng)網(wǎng)絡(luò)的評判辦法以及評價程序。

AHTE 由核心的技術(shù)、投資、管理知識三大要素任意組合成突出的知識結(jié)構(gòu)，這是企業(yè)知識創(chuàng)新的根本來源[15]。Babaev（2012）[16]研究了歐美發(fā)達國家農(nóng)業(yè)生態(tài)發(fā)展，介紹了創(chuàng)新后AHTE 與生態(tài)農(nóng)業(yè)發(fā)展的關(guān)系[17]。許桂紅和朱瑞（2003）[18]對AHTE 的特點進行了總結(jié)，他認為AHTE 具有投入較高、風(fēng)險大、高收益、創(chuàng)新性四大特點；桑曉靖（2008）[19]在理論基礎(chǔ)上從融資、資本運營、技術(shù)創(chuàng)新、激勵政策、風(fēng)險防范機制等五個方面對AHTE 經(jīng)營機制進行研究；孫養(yǎng)學(xué)（2006）[20]歸納了農(nóng)業(yè)新技術(shù)企業(yè)成的特征，闡述AHTE 成長的本質(zhì)并建立了AHTE 評價指標體系。

二、人工蜂群算法優(yōu)化BP 神經(jīng)網(wǎng)絡(luò)（ABC-BP）模型

ABC-BP 網(wǎng)絡(luò)模型即在BP 神經(jīng)網(wǎng)絡(luò)中引入ABC 算法，并將訓(xùn)練與調(diào)整BP 神經(jīng)網(wǎng)絡(luò)權(quán)值和閾值的方式由ABC 算法替換最速下降梯度算法。將群體智能算法中的經(jīng)典算法ABC 融入到BP 神經(jīng)網(wǎng)絡(luò)中，提高ABC-BP 網(wǎng)絡(luò)的全局搜索能力，加快算法的收斂速度，防止算法陷入局部極值。

（一）ABC-BP 網(wǎng)絡(luò)模型流程

ABC-BP 神經(jīng)網(wǎng)絡(luò)模型的具體操作步驟為：

Step1：確定網(wǎng)絡(luò)結(jié)構(gòu)，初始化參數(shù)；

Step2：產(chǎn)生初始種群；

Step3：進入采蜜蜂階段，計算適應(yīng)度評估食物源質(zhì)量，并更新食物源；

Step4：進入觀察蜂階段，根據(jù)每只觀察蜂與食物源適應(yīng)度值成比例的概率大小搜尋新的食物源，同時評估食物源質(zhì)量，并判斷是否需要更新當前食物源；

Step5：進入偵察蜂階段，當搜索限制次數(shù)大于最大搜索限制次數(shù)時，立即放棄當前食物源，繼續(xù)搜索全新的食物源；

Step6：判斷是否滿足終止條件（如iter＞maxCyc le）？若是，算法終止同時輸出最優(yōu)解，否則返回Step2；

Step7：將ABC 算法獲取的最優(yōu)解設(shè)置為BP 神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，并運用該網(wǎng)絡(luò)模型仿真實驗。

ABC-BP 混合算法工作流程，如圖1 所示。

圖1 ABC-BP 神經(jīng)網(wǎng)絡(luò)混合算法流程圖

（二）ABC-BP 網(wǎng)絡(luò)模型優(yōu)點

建立ABC-BP 神經(jīng)網(wǎng)絡(luò)模型后，分析發(fā)現(xiàn)該模型具有以下優(yōu)點：

（1）避免網(wǎng)絡(luò)陷入停滯狀態(tài)，進而陷入局部極值。在引入ABC 算法之后，網(wǎng)絡(luò)中權(quán)值和閾值調(diào)整的任務(wù)轉(zhuǎn)而由三種角色的蜜蜂分工協(xié)作完成，在一定程度上避免了網(wǎng)絡(luò)陷入停滯這一狀態(tài)的產(chǎn)生，最終使得網(wǎng)絡(luò)訓(xùn)練速率得到有效提高；

（2）改善了網(wǎng)絡(luò)記憶不穩(wěn)定導(dǎo)致的出現(xiàn)重復(fù)訓(xùn)練的情況。通常來說，BP 神經(jīng)網(wǎng)絡(luò)的記憶不固定又不穩(wěn)定，這就會造成網(wǎng)絡(luò)重復(fù)多次訓(xùn)練等的冗雜操作。根據(jù)ABC 算法原理，可知ABC 算法是一種具有良好記憶功能的優(yōu)化算法，因為算法在每一次迭代更新后均會根據(jù)當前狀態(tài)記錄的最優(yōu)解與上一次迭代產(chǎn)生的最優(yōu)解作比較，從而記錄截至目前產(chǎn)生的全局最優(yōu)解。ABC-BP 神經(jīng)網(wǎng)絡(luò)模型正是將ABC算法結(jié)束后產(chǎn)生的全局最優(yōu)解設(shè)為BP 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練結(jié)果，該機制能有效地改善網(wǎng)絡(luò)記憶不穩(wěn)定導(dǎo)致的出現(xiàn)重復(fù)訓(xùn)練的情況；

（3）保證了網(wǎng)絡(luò)權(quán)值和閾值的訓(xùn)練質(zhì)量。通過分析ABC 算法的分工協(xié)作機制，將ABC 算法引入到BP 神經(jīng)網(wǎng)絡(luò)中，采用智能優(yōu)化算法中的貪婪選擇策略，使最優(yōu)的解組成下一代的迭代群體。在ABC-BP 神經(jīng)網(wǎng)絡(luò)模型中，這樣可以在加快ABC 算法的收斂速度的同時更提升了BP 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練效率，同時“優(yōu)勝劣汰”的種群競爭機制，進一步保證了網(wǎng)絡(luò)權(quán)值和閾值的訓(xùn)練質(zhì)量[21]。

三、農(nóng)業(yè)高新技術(shù)企業(yè)核心競爭力指標體系構(gòu)建

（一）評價指標體系構(gòu)建影響因素

1.經(jīng)濟規(guī)模。經(jīng)濟規(guī)模是衡量AHTE 效益的關(guān)鍵指標，資產(chǎn)總額體現(xiàn)企業(yè)資源控制能力和水平，總收入反映企業(yè)營收實際狀況和規(guī)模，利稅總額反映企業(yè)的社會效益及總的經(jīng)濟效益水平。

2.研發(fā)能力。專業(yè)技術(shù)是AHTE 核心競爭力的立根之本，企業(yè)技術(shù)研制與生產(chǎn)加工水平的實際大小可作為企業(yè)衡量自身實際的發(fā)展進步能力的關(guān)鍵要素，在一定程度上直接影響著企業(yè)核心競爭力水平的標準與可連續(xù)性發(fā)展進步的發(fā)展?jié)摿ΑＱ邪l(fā)的投入比例即反映了一個企業(yè)所能長期發(fā)展的資金水平和市場競爭力。通常而言，比例愈大，企業(yè)整體水平愈強。

3.管理創(chuàng)新。企業(yè)核心競爭力和公司的運營管理機制相互作用相互影響，一個企業(yè)的高效組織管理能力可以煥發(fā)并激起企業(yè)員工在不同組織改革創(chuàng)新活動的積極主動性。管理改革創(chuàng)新的每一個工作環(huán)節(jié)能密切與企業(yè)內(nèi)部及外界之間聯(lián)系起來，達到進一步交流溝通與合作的目的。當然，一個企業(yè)能保持管理改革創(chuàng)新的高效性和持久性，將會是保障該企業(yè)在其所在市場競爭領(lǐng)域長久領(lǐng)先的重要影響因素。

4.發(fā)展能力。從財務(wù)管理角度表現(xiàn)一個企業(yè)核心競爭力的影響因素，主要由資本效益率、融資綜合能力、應(yīng)收財務(wù)賬目周轉(zhuǎn)速率、成本利潤率和存貨周轉(zhuǎn)速率綜合來表現(xiàn)，以此來衡量企業(yè)的盈利水平和工作效率等水平。這些指標較好地反映發(fā)展能力強弱。

5.市場環(huán)境。市場環(huán)境都對企業(yè)的生存和發(fā)展產(chǎn)生著重要的影響，良好的市場環(huán)境對于AHTE 的發(fā)展起助推作用，糟糕的市場環(huán)境則會阻礙企業(yè)發(fā)展。市場環(huán)境包含眾多不確定的因素，所以選取一些有代表性且易量化因素作為指標，包括品牌知名度、產(chǎn)業(yè)配套、行業(yè)資源等。

（二）評價指標體系構(gòu)建內(nèi)容

在嚴格遵循企業(yè)核心競爭力評價指標系統(tǒng)構(gòu)建原則的基礎(chǔ)上，在對企業(yè)核心競爭力評價判定基本要素、高新技術(shù)企業(yè)核心競爭力基本特征要素與五個組成分布維度等多個方面展開研究分析的基礎(chǔ)之上根據(jù)標準系統(tǒng)綜合系統(tǒng)設(shè)計根本原則需求，同時將國內(nèi)外對企業(yè)評價判定標準系統(tǒng)的設(shè)計應(yīng)用模式與思路相結(jié)合，構(gòu)建評價指標體系，具體如表1 所示。

表1 AHTE 核心競爭力評價指標體系

（三）基于ABC-BP 網(wǎng)絡(luò)模型評價及仿真

引入ABC 算法對BP 神經(jīng)網(wǎng)絡(luò)模型優(yōu)化后，對AHTE 核心競爭力進行評價?；贏BC-BP 網(wǎng)絡(luò)模型評價過程如下：

1.ABC-BP 網(wǎng)絡(luò)模型結(jié)構(gòu)的設(shè)計

（1）輸入層設(shè)計。指標評價主要通過ABC-BP網(wǎng)絡(luò)模型的輸入層輸入，將選取的標準化后的AHTE 評價指標數(shù)據(jù)與網(wǎng)絡(luò)模型相結(jié)合，根據(jù)AHTE 核心競爭力的評價指標體系，設(shè)計將三級指標的28 個評價指標標準化之后，作為輸入層的神經(jīng)元，以實現(xiàn)AHTE 核心競爭力評價的目的。

（2）隱含層設(shè)計。對于神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點數(shù)的選取是一個比較復(fù)雜的問題，它的選取直接影響訓(xùn)練結(jié)果的輸出以及網(wǎng)絡(luò)的穩(wěn)健性。選取數(shù)量過大則導(dǎo)致網(wǎng)絡(luò)學(xué)習(xí)時間過長，影響誤差；選取數(shù)量過小則會影響網(wǎng)絡(luò)訓(xùn)練的穩(wěn)健性。目前主要參考經(jīng)驗公式（1）選取隱含層的節(jié)點數(shù)：

式（1）中，隱含層節(jié)點數(shù)目為N，輸入節(jié)點數(shù)目為m，輸出節(jié)點數(shù)目為n，a介于1～10 之間的常數(shù)。根據(jù)核心競爭力評價指標和網(wǎng)絡(luò)訓(xùn)練精度，經(jīng)過多次測試之后本文所設(shè)置的隱含層節(jié)點數(shù)目為15個。

（3）輸出層設(shè)計。通過對AHTE 的核心競爭力進行定性分析，接著將選取的企業(yè)評價指標數(shù)據(jù)進行定量輸入、輸出，最后根據(jù)網(wǎng)絡(luò)輸出結(jié)果和所設(shè)置的評價級對企業(yè)核心競爭力進行定性評價。

本文為滿足企業(yè)核心競爭力評價和神經(jīng)網(wǎng)絡(luò)輸入的要求，設(shè)置相應(yīng)的評價級以反映AHTE 核心競爭力的強弱，即分為（A+、A、B+、B、C+、C）等級。同時，為反映核心競爭力的強弱狀態(tài)，進一步劃分核心競爭力狀態(tài)為強、較強、中等和弱四種。具體的企業(yè)核心競爭力等級和狀態(tài)評價標準如表2 所示。

表2 企業(yè)核心競爭力等級和狀態(tài)評價標準

2.本文所構(gòu)建的ABC-BP 神經(jīng)網(wǎng)絡(luò)模型根據(jù)網(wǎng)絡(luò)輸出結(jié)果實現(xiàn)對AHTE 核心競爭力指標的評價。

（1）根據(jù)構(gòu)建指標體系涉及的核心競爭力評價因素來分析、確定并收集測試樣本，在這里的樣本指的是所要評價的AHTE 評價指標值{x1}。指標值共計16 組，訓(xùn)練樣本11 個，測試樣本5 個；

（2）根據(jù)企業(yè)核心競爭力評價和神經(jīng)網(wǎng)絡(luò)輸入的要求，對所確定的指標值進行標準化和無量綱化處理，并將處理后的指標值{x1}范圍設(shè)置為[0，1]之間的數(shù)據(jù)；

（3）在網(wǎng)絡(luò)中將處理過的{}作為輸入值輸入，同時根據(jù)所確定的權(quán)值Wij，確定各層神經(jīng)元之間的權(quán)值Wij，不斷地進行BP 網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練；

（4）判斷是否達到網(wǎng)絡(luò)訓(xùn)練的收斂程度，衡量指標一般為所設(shè)置的訓(xùn)練誤差是否達到目標精度；

（5）最后將網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練得到的輸出結(jié)果按照核心競爭力評價的指標等級進行評價。

在整個ABC-BP 神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)的學(xué)習(xí)訓(xùn)練過程中，由于常規(guī)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)比較復(fù)雜，因此對于神經(jīng)網(wǎng)絡(luò)的神經(jīng)元輸入節(jié)點數(shù)目、輸出節(jié)點數(shù)目、神經(jīng)元之間的傳遞函數(shù)以及學(xué)習(xí)訓(xùn)練次數(shù)等明確的規(guī)定方面，截至目前還未形成比較成熟的理論指導(dǎo)，以至于唯一的辦法是經(jīng)過大量的反復(fù)實驗才可基本確定，于是對于神經(jīng)網(wǎng)絡(luò)在具體復(fù)雜實際中的應(yīng)用則存在計算量巨大等亟待解決的問題。本研究使用MATALB 對ABC-BP 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練過程進行執(zhí)行，這就在很大程度上能解決常規(guī)網(wǎng)絡(luò)存在的諸多難以克服的問題，能進一步推動BP 神經(jīng)網(wǎng)絡(luò)和群體智能優(yōu)化算法在不同應(yīng)用領(lǐng)域研究。

四、實證研究

（一）AHTE 核心競爭力的平均數(shù)據(jù)選取

本研究分析選用甘肅省不相同地區(qū)、不相同行業(yè)領(lǐng)域的具有代表性的16 家AHTE 展開分析研究，16 家AHTE 簡要概況如下表3 所示。

表3 16 家AHTE 概況

本研究首先選用11 家AHTE 作為網(wǎng)絡(luò)學(xué)習(xí)樣本，5 家AHTE 作為樣本學(xué)習(xí)后的分析目標對象，驗證ABC-BP 神經(jīng)網(wǎng)絡(luò)評價系統(tǒng)的高效實用性。指標中的除去可量化的定量指標外，其他定性指標應(yīng)用采用德爾菲法，其中需要量化的指標有D23、D31、D32、D34、D35、D46、D51、D53、D54、D56。流程如下：

（1）根據(jù)要評價的對象涉及的領(lǐng)域，選用在農(nóng)業(yè)經(jīng)濟管理、財務(wù)管理、企業(yè)核心競爭力方面有專業(yè)知識和豐富經(jīng)驗的10 名專家，組成專家組[14]。

（2）明確評價判定標準，做出評價判定標準的干擾因素與有關(guān)策略數(shù)據(jù)信息，綜合系統(tǒng)設(shè)計了評價判定目標對象打分模式。

（3）最先一輪經(jīng)過匿名模式征詢各領(lǐng)域?qū)＜医ㄗh，每一個專家獨立的對每家公司的定性指標標準展開打分，收集整理集合各位專家打分最終結(jié)果，并且將首輪打分最終結(jié)果信息反饋給打分專家組，在專家組展開探討之后再次打分，一直到最終結(jié)果一致。

（4）通過多輪循環(huán)的征詢與建議信息反饋之后，打分最終結(jié)果基本靠近，當最大分差小于等于總分的1%的時候，取平均有效數(shù)值作為最后評價判定最終結(jié)果。

（5）所得每個AHTE 的標準數(shù)值根據(jù)對應(yīng)評價判定性影響因素集合，導(dǎo)入通過整理之后的數(shù)據(jù)信息D23、D31、D32、D34、D35、D46、D51、D53、D54、D56具體如表4所示。

為滿足系統(tǒng)深度學(xué)習(xí)與模擬仿真需要，需指標數(shù)據(jù)進行標準化模式分情況全面處理，當目標數(shù)值愈大愈好為準則作為評價判定參考標準的時候，標準化數(shù)值根據(jù)運算公式（2）的運算方法獲取數(shù)值。

把16 家省內(nèi)AHTE 評價指標數(shù)值數(shù)據(jù)信息通過標準化全面處理之后的各指標數(shù)據(jù)信息都歸一化到[0，1]，使用模糊評價判定法，通過專家的評價判定列出了神經(jīng)網(wǎng)絡(luò)系統(tǒng)學(xué)習(xí)的目標數(shù)值。16 家AHTE 標準化數(shù)值樣本具體如表4 所示。

表4 16 家AHTE 評價指標值歸一化數(shù)據(jù)表

在評價指標體系構(gòu)建完成后，衡量指標口徑不同，極差與趨向也大相徑庭，使得指標的量綱存在差別，數(shù)值的量級相差懸殊，對上述定量和定性指標數(shù)據(jù)進行無量綱化處理勢在必行，使得歸一化的數(shù)據(jù)規(guī)范化[22]。

標準化取值為[0，1]：

其中，xjmin是指標（第j個）的最小值，xj為目標值，F(xiàn)j為標準化數(shù)值，xjmax是指標（第j個）的最大值，j是指標總的數(shù)量。

（二）ABC-BP 網(wǎng)絡(luò)評價模型和網(wǎng)絡(luò)訓(xùn)練

依據(jù)前面建立的AHTE 核心競爭力評價指標體系，文章在引進ABC 的基礎(chǔ)上，采用ABC 優(yōu)化BP的三層神經(jīng)網(wǎng)絡(luò)系統(tǒng)結(jié)構(gòu)，按照指標要素初步確定輸入層為28 個節(jié)點，初步確定隱含層為15 個節(jié)點，輸出層為1 個節(jié)點，組成28-15-1 的ABC-BP 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)實驗?zāi)Ｐ?，最終基于MATLAB R2018 對所選取的16 家AHTE 核心競爭力進行分析解讀評價。

評價中采用的數(shù)據(jù)為各評價指標的歸一化標準數(shù)據(jù)信息，前11 家企業(yè)的網(wǎng)絡(luò)訓(xùn)練過程如下：

建立ABC-BP 神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)組成結(jié)構(gòu)如示意圖2 所示。自動輸入分布向量作用范圍是[0，1]，自動輸入隱含層節(jié)點為28，輸出層節(jié)點為1。

圖2 ABC-BP 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

在網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練過程中，遵循網(wǎng)絡(luò)訓(xùn)練模型結(jié)構(gòu)和學(xué)習(xí)精度規(guī)范，多次訓(xùn)練后得出結(jié)論，訓(xùn)練次數(shù)epochs=2000；有效誤差目標數(shù)值goal=0.001，學(xué)習(xí)效率1r=0.01，蜂群規(guī)模NP=50，解（蜜源數(shù)量）=FoodNumber=NP=50，最大迭代次數(shù)maxCycle=1000，當蜜源連續(xù)超過Limit次沒被更新，將初始化蜜源，最大搜索限制次數(shù)Limit=100。

依據(jù)上述設(shè)定后，ABC-BP 混合算法就開始對網(wǎng)絡(luò)的權(quán)值與閾值展開尋優(yōu)，該新型混合算法終止運行的基本條件是發(fā)現(xiàn)全局最優(yōu)解，而后得到ABC-BP 的AHTE 評價分析模型。

網(wǎng)絡(luò)經(jīng)過6 次訓(xùn)練達到誤差要求，網(wǎng)絡(luò)輸出數(shù)值和期望值比較如表5 所示，期望值、BP 預(yù)測輸出和ABC-BP 預(yù)測輸出趨勢對比圖如表5 所示。行核心競爭力評價。

表5 輸出結(jié)果和期望結(jié)果比較

（三）ABC-BP 網(wǎng)絡(luò)仿真實驗

通過對第1～11 家AHTE 作為學(xué)習(xí)對象，第12～16家AHTE 作為研究分析目標對象，用訓(xùn)練好的ABC-BP 神經(jīng)網(wǎng)絡(luò)展開學(xué)習(xí)仿真模擬計算。主要目的在于要經(jīng)過ABC-BP 神經(jīng)網(wǎng)絡(luò)模型輸出的評價結(jié)果和專家預(yù)測輸出值進行對比，來論證ABC-BP混合神經(jīng)網(wǎng)絡(luò)系統(tǒng)在評價AHTE 核心競爭力方面的合理性和有效性。

模擬仿真過程的自動輸入分布向量為第12～16家公司歸一化全面處理后的標準指標值P：

訓(xùn)練結(jié)束的網(wǎng)絡(luò)模擬輸出值為：

0.6573 0.7509 0.6471 0.9710 0.6974

為了結(jié)果更加客觀，對ABC-BP 神經(jīng)網(wǎng)絡(luò)參數(shù)進行6 次調(diào)整，網(wǎng)絡(luò)輸出值與期望值相比較如表6至表8 所示。

表6 第12 家AHTE 測試結(jié)果

表7 第13 家AHTE 測試結(jié)果

表8 第14 家AHTE 測試結(jié)果

圖3 期望輸出、BP 預(yù)測輸出和ABC-BP 預(yù)測輸出趨勢對比圖

以上是ABC-BP 混合神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練全過程，網(wǎng)絡(luò)訓(xùn)練完成之后，網(wǎng)絡(luò)訓(xùn)練得知的最終結(jié)果精度較高，能夠參考依據(jù)前面建立核心競爭力等級區(qū)間表對企業(yè)重要市場核心競爭力展開基本等級評價，也可以用訓(xùn)練好的評價模型對其他企業(yè)進

表9 第15 家AHTE 測試結(jié)果

表10 第16 家AHTE 測試結(jié)果

從網(wǎng)絡(luò)學(xué)習(xí)和訓(xùn)練的結(jié)果可以看出，ABC-BP混合神經(jīng)網(wǎng)絡(luò)算法的更加穩(wěn)定，訓(xùn)練輸出結(jié)果要優(yōu)于單一BP 神經(jīng)網(wǎng)絡(luò)輸出值。總體來看，對企業(yè)的核心競爭力評價輸出結(jié)果與專家分析的期望結(jié)果基本一致。

（四）評價結(jié)果分析

通過對11 個網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練樣本AHTE 和5 個專家測試AHTE 的ABC-BP 神經(jīng)網(wǎng)絡(luò)評價得出了甘肅省的16 家AHTE 的評價結(jié)果。根據(jù)ABC-BP混合神經(jīng)網(wǎng)絡(luò)模型評價結(jié)果將以上16 家AHTE 核心競爭力網(wǎng)絡(luò)輸值進行匯總分析，按照上述確定的AHTE 核心競爭力等級和狀態(tài)評價標準，得出各AHTE 核心競爭力的等級和結(jié)果如表11 所示。

表11 AHTE 核心競爭力的等級和結(jié)果

（一）AHTE 核心競爭力評價結(jié)果分析

通過評價結(jié)果的統(tǒng)計，AHTE 核心競爭力評價結(jié)果總結(jié)為：

第1、8、15 家企業(yè)的ABC-BP 網(wǎng)絡(luò)輸出評價值在[0.85～1]區(qū)間內(nèi)，核心競爭力處于“強勢”狀態(tài)，而這三家企業(yè)都是在主板上市企業(yè)，經(jīng)濟體量大、研發(fā)能力強、具有現(xiàn)代企業(yè)管理創(chuàng)新能力、市場開拓能力強、企業(yè)品牌價值高，表明這三家公司能夠依靠自身技術(shù)與資本優(yōu)勢的市場競爭力來規(guī)劃自身今后長期的發(fā)展策略，例如采用對外擴張型策略、多元化發(fā)展策略等來進一步拓展公司規(guī)模與體量，鞏固加強自身實際的優(yōu)勢市場競爭地位；

第10、11、13 家企業(yè)的ABC-BP 網(wǎng)絡(luò)輸出評價值在[0.7～0.85）區(qū)間內(nèi)，核心競爭力處于“較強”狀態(tài)，這三家都是從事農(nóng)業(yè)種植和精深加工企業(yè)，在各自領(lǐng)域都有較強競爭力，企業(yè)可選擇繼續(xù)加大研發(fā)中投入資金和人員力度、促成成果轉(zhuǎn)化、創(chuàng)新管理模式、引進高素質(zhì)人才等形式增強企業(yè)整體競爭力；

第2、4、7、12、14、16 家企業(yè)的ABC-BP 網(wǎng)絡(luò)輸出評價值在[0.55～0.7）區(qū)間內(nèi)，核心競爭力處于“中等”狀態(tài)，這6 家企業(yè)在各自行業(yè)領(lǐng)域規(guī)模較大，各具特色，可以通過進一步加強制度創(chuàng)新、引進人才、加強研發(fā)投入、增強市場開拓能力，采取占領(lǐng)行業(yè)中端市場的策略；

第3、5、9 家企業(yè)的ABC-BP 網(wǎng)絡(luò)輸出評價值在[0.4～0.55）區(qū)間內(nèi)，核心競爭力處于“中等”狀態(tài)，但是整體競爭力狀態(tài)偏弱，企業(yè)可以嘗試打造幾款有競爭力的產(chǎn)品，注重品牌打造，從而進一步提升產(chǎn)品品牌知名度，提高企業(yè)產(chǎn)品市場占有率；

第6 家企業(yè)的ABC-BP 網(wǎng)絡(luò)輸出評價值在[0.25～0.4）區(qū)間內(nèi)，核心競爭力處于“較弱”狀態(tài)，企業(yè)綜合分值較低，綜合收入低，核心競爭力不明顯，企業(yè)應(yīng)根據(jù)自身發(fā)展戰(zhàn)略需要調(diào)整經(jīng)營模式，提升核心競爭力。

五、應(yīng)用延伸

本研究的評價模型和方法還可以通過以下幾種方式進行AHTE 競爭力評價和識別的延伸應(yīng)用：

（1）訓(xùn)練好的ABC-BP 混合神經(jīng)網(wǎng)絡(luò)系統(tǒng)實驗?zāi)Ｐ?，能夠橫向地應(yīng)用在其他用于其他AHTE 的核心競爭力評價判定分析研究。在根據(jù)綜合系統(tǒng)設(shè)計的評價指標獲得相對應(yīng)公司數(shù)據(jù)信息以后經(jīng)過可復(fù)制的網(wǎng)絡(luò)仿真模擬運行操作步驟就能夠?qū)ζ渌鸄HTE 展開評價判定分析研究，因此這種方法具備很好的普適性和可推廣性。

（2）訓(xùn)練好的ABC-BP 神經(jīng)網(wǎng)絡(luò)系統(tǒng)實驗?zāi)Ｐ湍軌蚩v向垂直方向的應(yīng)用在AHTE 市場競爭力評價判定分析研究。僅僅需要將公司變化以后的評價判定其中所需要的數(shù)據(jù)信息導(dǎo)入輸入網(wǎng)絡(luò)，方便快捷的獲取公司重要市場競爭力實際情況的全新數(shù)值，進而評價判定公司重要市場競爭力的全新分布狀態(tài)，從而此模式具備確定的延展性可以完成不同程度上的追蹤評價判定。

（3）能夠應(yīng)用訓(xùn)練好的網(wǎng)絡(luò)實驗?zāi)Ｐ驼归_公司的重要市場競爭力的辨別方面的分析研究。例如經(jīng)過加大或者降低某一個或某多個標準指標的數(shù)值、自動輸入網(wǎng)絡(luò)、觀測網(wǎng)絡(luò)自動輸出最終結(jié)果的改變。假設(shè)某一項或者某些特定輸入標準的變化對自動輸出最終結(jié)果影響比較大，表明這個標準在公司重要市場競爭力的強弱里占據(jù)有最為關(guān)鍵的影響地位公司，能夠?qū)?yīng)采用相對應(yīng)的措施手段來培育與不斷加強類似關(guān)鍵能力。