王洪林，劉 偉

（山東科技大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院，山東青島 266590）

我國(guó)中小企業(yè)一般指從業(yè)人員在1 000 人以下的企業(yè)，具體分為中型、小型、微型三種類(lèi)型。據(jù)中國(guó)產(chǎn)業(yè)調(diào)研網(wǎng)公布數(shù)據(jù)顯示，目前我國(guó)中小企業(yè)數(shù)量接近5 000 萬(wàn)個(gè)，占我國(guó)企業(yè)總數(shù)的99.7%，同時(shí)對(duì)我國(guó)國(guó)內(nèi)生產(chǎn)總值增長(zhǎng)貢獻(xiàn)率達(dá)67.7%，稅收貢獻(xiàn)率超過(guò)50%。值得注意的是，據(jù)天眼查公布數(shù)據(jù)顯示，“十三五”期間（2016—2020 年）我國(guó)新注冊(cè)的企業(yè)中，中小企業(yè)占比近60%［1］。由此可見(jiàn)，中小企業(yè)在我國(guó)企業(yè)經(jīng)濟(jì)中占有并將持續(xù)占有極其重要的地位。伴隨著全球經(jīng)濟(jì)一體化的市場(chǎng)格局、知識(shí)經(jīng)濟(jì)和全面進(jìn)入大數(shù)據(jù)信息化時(shí)代，競(jìng)爭(zhēng)情報(bào)已成為企業(yè)的“第四核心競(jìng)爭(zhēng)力”［2］。我國(guó)中小企業(yè)面臨著愈加復(fù)雜的市場(chǎng)環(huán)境，企業(yè)對(duì)信息的搜集，處理能力直接關(guān)系到對(duì)市場(chǎng)的應(yīng)變速度及決策部署，關(guān)乎企業(yè)發(fā)展的生死存亡，因此中小企業(yè)情報(bào)及決策部門(mén)對(duì)競(jìng)爭(zhēng)情報(bào)搜集系統(tǒng)存在迫切需求。

有學(xué)者指出企業(yè)所需的競(jìng)爭(zhēng)情報(bào)80%分布于公開(kāi)信息源中，而網(wǎng)絡(luò)技術(shù)的發(fā)展，使得幾乎所有公開(kāi)信息都能在網(wǎng)絡(luò)中檢索得到［3］。目前，大型企業(yè)逐步構(gòu)建自己的競(jìng)爭(zhēng)情報(bào)系統(tǒng)，建立屬于本企業(yè)的情報(bào)網(wǎng)［4］。在許多大型跨國(guó)企業(yè)中，應(yīng)用最為廣泛的是競(jìng)爭(zhēng)情報(bào)作戰(zhàn)室系統(tǒng)，如Microsoft（微軟），F(xiàn)ord（福特），Amazon（亞馬遜）等企業(yè)的競(jìng)爭(zhēng)情報(bào)作戰(zhàn)室，Walmart（沃爾瑪）的危機(jī)公關(guān)作戰(zhàn)室，GE（通用電器）的戰(zhàn)略規(guī)劃作戰(zhàn)室等［5］；在我國(guó)，競(jìng)爭(zhēng)情報(bào)系統(tǒng)（Competitive Intelligence System，CIS）同樣被建立在如中國(guó)石油、中國(guó)移動(dòng)等大型國(guó)有企業(yè)；而大型民營(yíng)企業(yè)由于資金和技術(shù)的限制，通常采用企業(yè)的CIS 同一些競(jìng)爭(zhēng)情報(bào)的信息咨詢公司合作的方式［6］。

相比競(jìng)爭(zhēng)情報(bào)系統(tǒng)發(fā)展較早且完善的大型企業(yè)而言，我國(guó)中小企業(yè)對(duì)競(jìng)爭(zhēng)情報(bào)搜集分析并提供企業(yè)戰(zhàn)略決策的相對(duì)較少，這并不利于我國(guó)中小企業(yè)在信息環(huán)境下的發(fā)展。近些年國(guó)內(nèi)外學(xué)者均嘗試通過(guò)不同研究視域?qū)χ行∑髽I(yè)競(jìng)爭(zhēng)情報(bào)工作開(kāi)展研究。Choo［7］認(rèn)為中小企業(yè)的信息收集及情報(bào)分析是與企業(yè)經(jīng)營(yíng)者持續(xù)互動(dòng)的合作過(guò)程。Ram［8］發(fā)現(xiàn)中小企業(yè)缺乏企業(yè)競(jìng)爭(zhēng)情報(bào)相關(guān)服務(wù)的現(xiàn)狀，Savioz［9］為使競(jìng)爭(zhēng)情報(bào)工作更好地為中小企業(yè)決策提供支持，設(shè)計(jì)了用于搜集、分析、傳播和利用信息的技術(shù)情報(bào)系統(tǒng)。Nenzhelele［10］研究發(fā)現(xiàn)，中小企業(yè)依然存在簡(jiǎn)單通過(guò)即時(shí)通訊、搜索引擎、競(jìng)爭(zhēng)對(duì)手網(wǎng)站等進(jìn)行信息搜集，競(jìng)爭(zhēng)情報(bào)搜集效果并不明顯。黃曉斌等［11-12］結(jié)合大數(shù)據(jù)和云計(jì)算相關(guān)技術(shù)的應(yīng)用對(duì)企業(yè)競(jìng)爭(zhēng)情報(bào)工作變化進(jìn)行分析，構(gòu)建了中小企業(yè)競(jìng)爭(zhēng)情報(bào)系統(tǒng)；之后提出由數(shù)據(jù)采集、策管、分析、服務(wù)和協(xié)調(diào)控制5 個(gè)子系統(tǒng)構(gòu)成的企業(yè)競(jìng)爭(zhēng)情報(bào)系統(tǒng)。韓穎［13］通過(guò)對(duì)中小企業(yè)競(jìng)爭(zhēng)情報(bào)狀況分析發(fā)現(xiàn)，競(jìng)爭(zhēng)情報(bào)工作在我國(guó)中小企業(yè)無(wú)法高效開(kāi)展的主要原因包括企業(yè)管理層缺乏大數(shù)據(jù)環(huán)境下競(jìng)爭(zhēng)情報(bào)的戰(zhàn)略意識(shí)、缺乏競(jìng)爭(zhēng)情報(bào)領(lǐng)域的高素質(zhì)人才、獲取和分析信息的方式和技術(shù)單一落后導(dǎo)致大量有效情報(bào)浪費(fèi)、沒(méi)有完善的競(jìng)爭(zhēng)情報(bào)工作體系、沒(méi)有專(zhuān)項(xiàng)企業(yè)競(jìng)爭(zhēng)情報(bào)資金投入等諸多因素。我國(guó)在中小企業(yè)競(jìng)爭(zhēng)情報(bào)理論模型構(gòu)建方面的研究還較為欠缺［14］。為優(yōu)化競(jìng)爭(zhēng)情報(bào)工作中的情報(bào)搜集過(guò)程，以粒子群優(yōu)化算法原理類(lèi)比，采取跨學(xué)科分析法和仿真實(shí)驗(yàn)檢驗(yàn)法，嘗試從競(jìng)爭(zhēng)情報(bào)獲取方面建立質(zhì)量高、速率快、易組織管理的競(jìng)爭(zhēng)情報(bào)搜集系統(tǒng)，以支持我國(guó)中小企業(yè)戰(zhàn)略決策規(guī)劃。

1 粒子群優(yōu)化算法

1.1 起源與發(fā)展

粒子群優(yōu)化算法（Particle Swarm Optimization,簡(jiǎn)稱PSO 算法），最初是由Kennedy 等［15］、Eberhart等［16］在1995 年通過(guò)模擬鳥(niǎo)群覓食過(guò)程中聚集和遷徙行為所使用的智能行為提出的一種依托群體智能的演化計(jì)算技術(shù)，本質(zhì)上是一種集群智能優(yōu)化算法。PSO 算法簡(jiǎn)單易行，目前已成功應(yīng)用于求解各種復(fù)雜問(wèn)題［17-18］，主要在函數(shù)優(yōu)化、圖像處理、數(shù)據(jù)挖掘與分類(lèi)、離散組合優(yōu)化神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)、模式識(shí)別等應(yīng)用領(lǐng)域取得重大成效［19］。PSO 算法的機(jī)理并非類(lèi)似遺傳算法對(duì)鳥(niǎo)群中的個(gè)體進(jìn)行選擇、變異和交叉，而是以在N 維搜索空間中沒(méi)有體積和質(zhì)量的粒子（點(diǎn)）更新聚集模擬鳥(niǎo)群中的各個(gè)個(gè)體的協(xié)同覓食行為，目的是尋找當(dāng)前解空間中的最優(yōu)解，這與競(jìng)爭(zhēng)情報(bào)中通過(guò)協(xié)同行為尋找某項(xiàng)目情報(bào)信息最集中的信息源有相同之處。

1.2 算法原理

設(shè)想以下場(chǎng)景：一塊未知區(qū)域食物隨機(jī)分布，有一小部分區(qū)域食物最集中，即單位面積包含食物量最多，一群鳥(niǎo)在這片區(qū)域隨機(jī)搜索食物，鳥(niǎo)群間通過(guò)分享當(dāng)前位置和食物量信息更改飛行方向和距離，最終使得所有鳥(niǎo)均到達(dá)食物最多區(qū)域。粒子群優(yōu)化算法求解優(yōu)化問(wèn)題時(shí)，問(wèn)題的解對(duì)應(yīng)搜索空間中食物源的位置，食物最多的區(qū)域?qū)?yīng)問(wèn)題的最優(yōu)解，搜索空間中的鳥(niǎo)被視為“粒子”（particle）或“主體”（agent），每個(gè)粒子都有一個(gè)適應(yīng)值來(lái)衡量其所在位置的優(yōu)劣程度，粒子所在區(qū)域食物越多其適應(yīng)值越高。每個(gè)粒子均受到粒子原有速度屬性、個(gè)體歷史最優(yōu)位置、全局最優(yōu)位置三個(gè)方面的影響，不斷更新飛行方向和速度，進(jìn)而更新粒子的適應(yīng)值尋找全局最優(yōu)解。PSO 算法步驟如下：

（1）初始化：對(duì)于一個(gè)D維向量?jī)?yōu)化問(wèn)題，PSO 算法首先通過(guò)隨機(jī)產(chǎn)生一定規(guī)模的粒子作為問(wèn)題搜索空間的有效解，即m個(gè)初始解（m代表初始粒子數(shù)），每個(gè)解Xi（i=1,2,……,m）是一個(gè)D維向量，為每個(gè)粒子隨機(jī)初始化速度、位置及飛行速度并計(jì)算其適應(yīng)值fiti。為防止粒子偏離搜索空間，粒子的每一維速度v都需在［-Vdmax,+Vdmax］之間［20］，粒子最大速度Vmax為粒子的范圍寬度。位置信息設(shè)為整個(gè)搜索空間，將每個(gè)粒子自身的歷史最優(yōu)解（pBest）設(shè)為當(dāng)前位置，所有粒子中pBest 最優(yōu)的個(gè)體作為當(dāng)前的全局最優(yōu)解（gBest）。

（2）迭代：初始化種群后進(jìn)行迭代，迭代次數(shù)記作iter（iter=1,2,……,itermax），itermax為最大迭代次數(shù)。迭代過(guò)程中，各粒子更新方式如下：

在每次迭代中，各粒子性能的優(yōu)劣程度通過(guò)跟蹤兩個(gè)“極值”對(duì)自身位置和速度進(jìn)行更新［21］：這兩個(gè)極值分別為粒子本身當(dāng)前所找到的歷史最優(yōu)解（pBest）和粒子群中當(dāng)前所找到的全局最優(yōu)解（gBest），每個(gè)粒子均受到粒子原速度向量、個(gè)體歷史最優(yōu)位置向量與粒子位置向量的差向量、全局最優(yōu)位置向量與粒子位置向量的差向量三個(gè)方面的影響更新粒子速度和位置。以粒子群在D維目標(biāo)搜索空間中的粒子為例，粒子i的信息均可以通過(guò)向量表示，速度表示為Vi=（vi1,vi2,…2viD）T，位置表示為Xi=（xi1,xi2,…,viD）T，其他向量類(lèi)似。對(duì)每個(gè)粒子i在D維空間中的速度及位置更新公式為：

其中，令慣性權(quán)重ω為0.9，并隨著迭代的線性地減小ω的值進(jìn)行自適應(yīng)調(diào)整直到0.4［22］；通過(guò)仿真獲得φ的經(jīng)驗(yàn)值，當(dāng)φ=4.0（c1=2.0,c2=2.0）時(shí)具有最好的收斂效果且不易陷入局部最優(yōu)，因此加速因子c1和c2均為2.0［13］；rand1和rand2是［0,1］之間的隨機(jī)數(shù)；表示粒子i在第k次迭代中第d維的當(dāng)前位置；pBestid是粒子i當(dāng)前在第d維的個(gè)體最優(yōu)解位置；gBestid是整個(gè)粒子群當(dāng)前在第d維的全局最優(yōu)解位置。每種維度的迭代方法均相同。

根據(jù)貪婪策略，如果某一粒子迭代過(guò)程中當(dāng)前位置的適應(yīng)值函數(shù)比其個(gè)體歷史最優(yōu)解好，則該粒子個(gè)體歷史最優(yōu)解將會(huì)被當(dāng)前位置替代，否則保留原個(gè)體最優(yōu)解［23］；同理，如果全局最優(yōu)解被某一粒子的個(gè)體歷史最優(yōu)解替代，說(shuō)明其適應(yīng)值函數(shù)比原全局最優(yōu)解好，否則將保留原有全局最優(yōu)解。每次迭代中每個(gè)粒子的更新方法均相同，且每次更新后都要檢查更新后的粒子位置是都在解空間中，否則必須通過(guò)重新隨機(jī)設(shè)定或限定在邊界進(jìn)行修正［24］。

（3）結(jié)束：當(dāng)步驟（2）操作完成itermax 次迭代（或已得到全局最優(yōu)解）后，PSO 算法結(jié)束，輸出全局最優(yōu)解。

1.3 用于企業(yè)競(jìng)爭(zhēng)情報(bào)的數(shù)學(xué)模型

假設(shè)現(xiàn)有一規(guī)模為30 人的中小企業(yè)A 需要對(duì)B項(xiàng)目搜集情報(bào)，導(dǎo)入粒子群優(yōu)化算法作為類(lèi)比構(gòu)建多維空間坐標(biāo)轉(zhuǎn)換模型，并將信息源映射在該模型中的對(duì)應(yīng)位置作為有效解：

（1）屬性劃分。項(xiàng)目B 所需的所有可能包含有效情報(bào)的信息源類(lèi)型分布在解空間中，企業(yè)競(jìng)爭(zhēng)情報(bào)收集團(tuán)隊(duì)為該企業(yè)除分析決策層外的全體員工，該團(tuán)隊(duì)成員總數(shù)為全集U（即隨機(jī)產(chǎn)生的粒子數(shù)）。情報(bào)搜集人員在解空間中隨機(jī)開(kāi)展搜索工作，每個(gè)情報(bào)人員在搜索過(guò)程中均具有搜索速度和搜索信息源位置兩種屬性，當(dāng)前搜索信息源位置的情報(bào)數(shù)量越大則其適應(yīng)值越高，表明該位置在解空間中局部最優(yōu)。情報(bào)人員更新搜索信息源位置的因素有三種，分別為WI、WB 和IB，其中WI 表示自身個(gè)體認(rèn)知和正在進(jìn)行的情報(bào)搜索經(jīng)驗(yàn)帶來(lái)的搜索慣性，相當(dāng)于粒子原有速度；IB 表示某一情報(bào)人員當(dāng)前已發(fā)現(xiàn)的最優(yōu)信息源位置，相當(dāng)于當(dāng)前個(gè)體歷史最優(yōu)解；WB 表示通過(guò)情報(bào)人員間信息共享并對(duì)每名情報(bào)人員的IB 比較后得出的當(dāng)前情報(bào)搜索空間中已被發(fā)現(xiàn)的最優(yōu)信息源位置，相當(dāng)于當(dāng)前全局最優(yōu)解。每個(gè)解Xi（i=1,2,…,m）是一個(gè)D維向量，D是收集工作的優(yōu)化參數(shù)，Xi確定后，每個(gè)Xi所指示當(dāng)前信息源位置的預(yù)估情報(bào)量稱為Xi的適應(yīng)值fiti。

（2）情報(bào)搜集。設(shè)置代表情報(bào)搜集工作的開(kāi)展次數(shù)為iter（iter=1,2,…,itermax），itermax為進(jìn)行搜索次數(shù)的最大值。當(dāng)情報(bào)搜集工作已完成itermax次或各情報(bào)搜集人員均已在情報(bào)最多的信息源及附近位置進(jìn)行搜索時(shí)，尋找最優(yōu)信息源工作結(jié)束，輸出全局最優(yōu)解，各情報(bào)人員對(duì)該類(lèi)型及相近信息源進(jìn)行重點(diǎn)情報(bào)收集。否則情報(bào)人員循環(huán)進(jìn)行如下工作：

任意情報(bào)搜集人員i 在搜索空間中進(jìn)行搜索速度和信息源搜索位置更新。這類(lèi)更新受到WI 向量、IB 與當(dāng)前搜索信息源的關(guān)聯(lián)向量VO（由當(dāng)前搜索類(lèi)別指向IB）、WB 與當(dāng)前搜索信息源的關(guān)聯(lián)向量VW（由當(dāng)前搜索類(lèi)別指向WB）三種向量共同影響進(jìn)行仿射變換，通過(guò)公式（1）生成新的搜索速度，并通過(guò)公式（2）確定新的搜索信息源位置。確定后，在和之間的fiti通過(guò)貪婪策略進(jìn)行選擇并選取具有更高fiti的Xi為i的IB，并在交流區(qū)與其他m-1 名情報(bào)搜集人員分享本輪工作結(jié)束后的所在信息源及其情報(bào)量情況，將與的情報(bào)量依次比較，選擇情報(bào)量更多的X為WB。

迭代過(guò)程中將慣性權(quán)重ω由0.9 線性減至0.4，這能使各搜集人員先依據(jù)自身情報(bào)搜索經(jīng)驗(yàn)探索新的信息源，使其有拓展搜索空間的趨勢(shì)，再趨向全局最優(yōu)信息源，加速收斂效果。這樣可以最大限度探索搜索空間，并快速將搜索力集中在情報(bào)量最多的信息源。

2 構(gòu)建競(jìng)爭(zhēng)情報(bào)搜集系統(tǒng)模型

2.1 構(gòu)建原理

本文根據(jù)我國(guó)中小企業(yè)競(jìng)爭(zhēng)情報(bào)團(tuán)隊(duì)在對(duì)項(xiàng)目進(jìn)行競(jìng)爭(zhēng)情報(bào)搜集時(shí)各信息源在搜索空間中的關(guān)聯(lián)規(guī)則，將包含與該項(xiàng)目相關(guān)情報(bào)的信息源按一定規(guī)則映射在解空間中對(duì)應(yīng)位置，并將每一名情報(bào)人員比作一個(gè)粒子。每個(gè)情報(bào)人員在搜索空間中更新當(dāng)前搜索情報(bào)源位置時(shí)，搜索慣性就是粒子自身運(yùn)動(dòng)慣性，某一情報(bào)人員當(dāng)前已發(fā)現(xiàn)的最優(yōu)情報(bào)源就是該粒子當(dāng)前個(gè)體歷史最優(yōu)解，所有員工當(dāng)前已發(fā)現(xiàn)的最優(yōu)信息源就是粒子群當(dāng)前全局最優(yōu)解。但與PSO 算法不同的是，信息源類(lèi)別存在于一個(gè)泛化的環(huán)境中，因此它的數(shù)量并不確定，需要情報(bào)人員根據(jù)個(gè)人及全局搜索經(jīng)驗(yàn)在這個(gè)環(huán)境中探索。同時(shí)信息源對(duì)應(yīng)位置也不能按照PSO 算法機(jī)械化確定，需要結(jié)合社會(huì)公認(rèn)的各信息源間的聯(lián)系來(lái)確定不同信息源的跨度，并映射在搜索空間中的對(duì)應(yīng)位置。搜索過(guò)程中應(yīng)注意各類(lèi)信息源適應(yīng)值的記錄，在搜索結(jié)束確定全局最優(yōu)解后對(duì)各信息源的適應(yīng)值由大至小排序，采用擇優(yōu)的選擇策略對(duì)排名前n位的信息源依次開(kāi)展情報(bào)搜集工作。至此，該競(jìng)爭(zhēng)情報(bào)搜集系統(tǒng)將PSO 算法數(shù)學(xué)模型轉(zhuǎn)為信息源類(lèi)型轉(zhuǎn)換模型，可以稱其為競(jìng)爭(zhēng)情報(bào)搜集系統(tǒng)粒子搜索模型。

2.2 構(gòu)建要素

（1）解所在位置——信息源。各類(lèi)信息源如競(jìng)爭(zhēng)對(duì)手內(nèi)部狀況、競(jìng)爭(zhēng)產(chǎn)品情況、宏觀市場(chǎng)走向等具有情報(bào)搜集價(jià)值的信息都分布在如年報(bào)、財(cái)務(wù)數(shù)據(jù)、政策信息、匯率趨勢(shì)、競(jìng)品優(yōu)勢(shì)、宣傳內(nèi)容、人際關(guān)系、供應(yīng)商等信息源中。類(lèi)似PSO 算法中解所在位置，有效信息源是中小企業(yè)開(kāi)展競(jìng)爭(zhēng)情報(bào)搜集的基礎(chǔ)，沒(méi)有可靠的信息源，競(jìng)爭(zhēng)情報(bào)的搜集及后續(xù)分析等工作就無(wú)法開(kāi)展。分析不同的企業(yè)和競(jìng)爭(zhēng)對(duì)手需要不同情報(bào)，其對(duì)應(yīng)的信息源也存在差異，因此針對(duì)粒子搜索模型中參與者的業(yè)務(wù)素質(zhì)，需要有一定搜索經(jīng)驗(yàn)并對(duì)各種項(xiàng)目有普遍適應(yīng)性—強(qiáng)調(diào)認(rèn)知廣泛，弱化專(zhuān)業(yè)性。尤其是泛在與Web3.0 環(huán)境中的競(jìng)爭(zhēng)情報(bào)要格外留意。相較于Web2.0 環(huán)境信息含量大、更新速度快但體積小的特點(diǎn)，Web3.0 在此基礎(chǔ)上提供基于用戶需求的智能過(guò)濾器和多元化需求滿足平臺(tái)，該環(huán)境中信息交互和整合更便捷［25］。這就打破了情報(bào)人員信息搜集的信息壁壘，弱化數(shù)字鴻溝，如附著在微博、社交平臺(tái)等信息平臺(tái)的各類(lèi)數(shù)據(jù)在高效、智慧化處理后被有效信息利用［26］。在企業(yè)全員參與源于Web3.0 的競(jìng)爭(zhēng)情報(bào)的開(kāi)發(fā)過(guò)程中，人工分布式情報(bào)挖掘理念被廣泛運(yùn)用，這種搜索方式將在Web4.0 環(huán)境的大規(guī)模同步智慧網(wǎng)絡(luò)中智慧生成多種情報(bào)搜索策略供情報(bào)人員結(jié)合需求選擇［27］，使信息搜集更快速高效且個(gè)性化。

（2）運(yùn)動(dòng)慣性——搜索慣性。在基于PSO 算法的中小企業(yè)競(jìng)爭(zhēng)情報(bào)粒子搜索模型中，情報(bào)人員在搜索時(shí)對(duì)搜索狀態(tài)的信任類(lèi)比粒子對(duì)運(yùn)動(dòng)狀態(tài)的信任，主要負(fù)責(zé)新信息源的發(fā)現(xiàn)和探索。通過(guò)適當(dāng)?shù)呐嘤?xùn)和氛圍培養(yǎng)，使每個(gè)員工都具有競(jìng)爭(zhēng)情報(bào)嗅覺(jué)，將要搜索的信息源位置向經(jīng)驗(yàn)方向偏移。

（3）個(gè)體最優(yōu)粒子經(jīng)驗(yàn)——個(gè)體最優(yōu)信息源位置。某情報(bào)人員當(dāng)前已發(fā)現(xiàn)的最優(yōu)信息源就是單個(gè)粒子經(jīng)過(guò)的最優(yōu)位置，即對(duì)已搜索信息源預(yù)估情報(bào)量的記憶功能。這會(huì)使情報(bào)人員對(duì)當(dāng)前情報(bào)源類(lèi)型進(jìn)行評(píng)估思考，并為下次迭代時(shí)信息源更新劃定范圍。

（4）群體最優(yōu)粒子經(jīng)驗(yàn)——全局最優(yōu)信息源位置。情報(bào)人員當(dāng)前已經(jīng)發(fā)現(xiàn)的最優(yōu)信息源類(lèi)比當(dāng)前已發(fā)現(xiàn)的最優(yōu)粒子位置，當(dāng)ω減小使系統(tǒng)開(kāi)始收斂時(shí)，情報(bào)人員的搜索方向就開(kāi)始向該領(lǐng)域靠攏，若在搜索過(guò)程中發(fā)現(xiàn)更優(yōu)秀的信息源則將其替代。因此搜索工作迭代越后期，該位置的社會(huì)影響越明顯，越有利于快速將最終搜索目標(biāo)集中在最可能是全局最優(yōu)的信息源。

（5）媒介——通訊機(jī)制。如同粒子群優(yōu)化算法的自然界原理中，鳥(niǎo)群經(jīng)過(guò)一輪搜索后通過(guò)信息交流的方式比較種群找到的最好位置。為保障通訊過(guò)程的安全性、穩(wěn)定性和可靠性，競(jìng)爭(zhēng)情報(bào)搜集系統(tǒng)內(nèi)同樣需要可靠的通訊機(jī)制。因此，在此模型中通訊可以使用企業(yè)內(nèi)部通訊軟件（如騰訊使用釘釘，字節(jié)跳動(dòng)使用飛書(shū)，360 使用藍(lán)信，百度使用百度hi 等），也可以使用短信、郵箱等工具，甚至是舉行會(huì)議面對(duì)面交流。

2.3 保障機(jī)制

PSO 算法本質(zhì)上是一種計(jì)算機(jī)仿生的集群智能優(yōu)化算法，競(jìng)爭(zhēng)情報(bào)搜集系統(tǒng)粒子搜索模型中更多的是人的行為，而無(wú)論是人的哪種行為均需要一定的保障制度，這能確保系統(tǒng)的正常運(yùn)行。

結(jié)合中小企業(yè)特征和內(nèi)外信息環(huán)境，本文認(rèn)為其保障機(jī)制主要有以下幾點(diǎn)：

（1）協(xié)作共享機(jī)制。在情報(bào)人員進(jìn)行信息源搜索的過(guò)程中，相互合作并及時(shí)實(shí)現(xiàn)信息共享是情報(bào)工作在本模型開(kāi)展的重要特征。在當(dāng)今復(fù)雜多變的信息環(huán)境中，生成信息的數(shù)據(jù)每秒都在以PB 級(jí)單位增長(zhǎng)，單純依靠地毯式的信息源搜索已經(jīng)不能適應(yīng)要求。信息共享作為每次搜索工作的關(guān)鍵也在搜索過(guò)程中起到承前啟后的作用，同時(shí)協(xié)作共享機(jī)制可增強(qiáng)全員溝通合作及信息共享效果，更有助于最優(yōu)信息源的確定及其重要度排序。

（2）保密機(jī)制。情報(bào)具有保密性，尤其是有關(guān)于企業(yè)機(jī)密的情報(bào)，一旦外泄對(duì)企業(yè)后期的影響將不可估量。在情報(bào)搜集階段和后續(xù)情報(bào)分析階段，需要建立完備的保密機(jī)制才能保證企業(yè)競(jìng)爭(zhēng)情報(bào)不會(huì)落到競(jìng)爭(zhēng)對(duì)手手中，以免對(duì)企業(yè)造成直接或間接威脅。

（3）激勵(lì)機(jī)制。如粒子群優(yōu)化算法的自然原型鳥(niǎo)群捕食行為，是出于生存的本能。而在企業(yè)中除信息資源和情報(bào)戰(zhàn)略等部門(mén)外，其他員工沒(méi)有義務(wù)進(jìn)行競(jìng)爭(zhēng)情報(bào)搜集，因此建立能調(diào)動(dòng)積極性的激勵(lì)機(jī)制是必要的。

（4）責(zé)任機(jī)制。面對(duì)信息爆炸式增長(zhǎng)的大數(shù)據(jù)時(shí)代，情報(bào)搜集人員需要在泛濫的信息中初步甄別其真實(shí)性、時(shí)效性和可用性，對(duì)公司的情報(bào)、戰(zhàn)略部門(mén)和管理層負(fù)責(zé)。這些部門(mén)的負(fù)責(zé)人要對(duì)情報(bào)搜集過(guò)程跟蹤監(jiān)督并進(jìn)行質(zhì)量把控，以此形成雙向負(fù)責(zé)制。

2.4 模型構(gòu)建

2.4.1 情報(bào)搜集流程

本文將信息源搜索過(guò)程分為初始化、迭代和記錄排序三個(gè)步驟，見(jiàn)圖1。每名情報(bào)搜集人員均執(zhí)行相同的操作。

圖1 情報(bào)搜集流程

2.4.2 單次迭代每名情報(bào)人員搜索情報(bào)源對(duì)應(yīng)位置更新

如圖2 所示，每輪搜索工作中，情報(bào)人員在解空間中進(jìn)行當(dāng)前信息源更新，原信息源受到搜索速度、目前個(gè)人最優(yōu)解和目前全局最優(yōu)解三者共同影響確定更新后的信息源。

圖2 基于PSO 算法的單次信息源對(duì)應(yīng)位置更新示意圖

2.4.3 競(jìng)爭(zhēng)情報(bào)搜集系統(tǒng)粒子搜索模型

如圖3 所示，本文將該模型分為情報(bào)搜索層，控制層和決策分析層。在情報(bào)搜索層中，S1-SN 表示企業(yè)中有N 名情報(bào)人員進(jìn)行信息源搜索工作，矩形邊界表示解空間（即搜索空間），其中包含多種信息源類(lèi)型。不同情報(bào)人員隨機(jī)在解空間中初始化調(diào)查的信息源位置，在迭代中將其依據(jù)圖2 所示進(jìn)行更新（圖3 中僅顯示情報(bào)人員搜索的信息源位置更新情況）并記錄每次更新后信息源的情報(bào)含量作為適應(yīng)值。所有情報(bào)人員搜索的位置在itermax 次迭代后收斂至適應(yīng)值最高的全局最優(yōu)位置，將搜索到的信息源依據(jù)適應(yīng)值從高到低排序后逐級(jí)進(jìn)行情報(bào)搜集。

圖3 基于PSO 算法的競(jìng)爭(zhēng)情報(bào)搜集系統(tǒng)粒子搜索模型

控制層主要起到控制情報(bào)采集的價(jià)值，效率、安全和激勵(lì)的作用。同時(shí)公司應(yīng)該指定明確的情報(bào)價(jià)值判定標(biāo)準(zhǔn)，用于評(píng)測(cè)情報(bào)對(duì)企業(yè)的效用價(jià)值。為達(dá)到搜索效率最大化，應(yīng)結(jié)合管理學(xué)中激勵(lì)、組織、控制理論，適當(dāng)激勵(lì)員工對(duì)其搜索工作提供原動(dòng)力。

分析決策層由企業(yè)高級(jí)管理層或信息戰(zhàn)略部門(mén)充當(dāng)。在員工從各個(gè)領(lǐng)域搜集回海量信息后，該層人員應(yīng)具備挖掘分析可用情報(bào)的能力，并結(jié)合情報(bào)分析做出報(bào)表為企業(yè)戰(zhàn)略決策提供參考和支持。

3 仿真實(shí)驗(yàn)結(jié)果分析

本文的仿真實(shí)驗(yàn)工具為Python 3.8.2，數(shù)據(jù)集來(lái)自某公司某項(xiàng)目調(diào)查信息源及其預(yù)估情報(bào)量。為了驗(yàn)證粒子群優(yōu)化算法對(duì)優(yōu)化情報(bào)搜集過(guò)程的有效性，基于競(jìng)爭(zhēng)情報(bào)搜集系統(tǒng)粒子搜索模型，模擬30 名情報(bào)人員對(duì)374個(gè)信息源映射在二維空間的對(duì)應(yīng)位置，迭代400 次尋找全局最優(yōu)（即預(yù)估情報(bào)量最大）信息源的搜索過(guò)程。

通過(guò)圖4 對(duì)比可得，情報(bào)人員在初始化時(shí)搜索的信息源位置隨機(jī)分布在搜索空間中，在第150 次時(shí)已完成收斂，所有情報(bào)人員集中在（-9,17）對(duì)應(yīng)的信息源位置，該位置對(duì)應(yīng)信息源適應(yīng)度（即預(yù)估情報(bào)量）為74。

圖4 情報(bào)人員搜索信息源位置對(duì)比

如圖5 所示，反映的是模型中粒子群優(yōu)化算法在模擬上述搜索過(guò)程中的粒子迭代進(jìn)化過(guò)程，橫軸和縱軸分布表示搜索工作迭代次數(shù)和相應(yīng)的適應(yīng)度函數(shù)值。從模型算法迭代圖中可以得出：受到慣性權(quán)重ω 線性遞減的影響，算法迭代初期搜索速度快，情報(bào)人員具有較強(qiáng)的尋優(yōu)和拓展搜索空間的能力，能夠較快確定最優(yōu)解位置；當(dāng)算法迭代一定次數(shù)后，搜索速度減慢，適應(yīng)度值隨迭代次數(shù)變化趨于平緩，但情報(bào)人員并未失去仍具有一定的尋優(yōu)能力，能夠使該模型算法有跳出局部最優(yōu)解，最終得到全局最優(yōu)解。結(jié)合圖4 結(jié)論可知，150 次迭代時(shí)已完成尋優(yōu)工作，全局最優(yōu)解為適應(yīng)度值為74 且映射空間位置為（-9,17）的信息源。由此可得，粒子群優(yōu)化算法在求解一定空間內(nèi)信息源尋優(yōu)問(wèn)題時(shí)具有較好的搜索效率，可以快速搜得全局最優(yōu)解對(duì)應(yīng)的信息源并有一定能力跳出使算法早熟的局部最優(yōu)問(wèn)題。

圖5 模型算法迭代

信息源搜索工作結(jié)束后，將各個(gè)信息源按搜索過(guò)程中得到的預(yù)估情報(bào)量從多到少排序，情報(bào)人員后續(xù)可依據(jù)信息源優(yōu)劣排序?qū)η皀 位逐次重點(diǎn)搜集分析。至此，仿真實(shí)驗(yàn)結(jié)束，基于競(jìng)爭(zhēng)情報(bào)搜集系統(tǒng)粒子搜索模型在實(shí)際應(yīng)用中具有較好的尋優(yōu)效果，且一定程度上防止算法陷入局部最優(yōu)解，具有較強(qiáng)實(shí)用價(jià)值。

4 應(yīng)用實(shí)例

廣州科盟電子有限公司是一家民營(yíng)中小型企業(yè)，現(xiàn)有64 名員工，包括中高級(jí)管理人員12 人，主要從事專(zhuān)業(yè)電聲產(chǎn)品研發(fā)、制造、銷(xiāo)售與服務(wù)工作。通過(guò)調(diào)研發(fā)現(xiàn)，為對(duì)標(biāo)國(guó)內(nèi)先進(jìn)市場(chǎng)，該企業(yè)引入國(guó)內(nèi)先進(jìn)生產(chǎn)技術(shù)并先后投入200 萬(wàn)元設(shè)計(jì)制造新型DJG CL 系列音箱，使其產(chǎn)品產(chǎn)量和質(zhì)量均達(dá)到國(guó)內(nèi)行業(yè)先進(jìn)水平。然而，受產(chǎn)品上市時(shí)間較短、缺乏統(tǒng)一的信息源評(píng)估體系和信息共享平臺(tái)、沒(méi)有適應(yīng)本企業(yè)的情報(bào)搜集方法、對(duì)該產(chǎn)品針對(duì)性的市場(chǎng)策略研究不足等因素的影響，該系列音箱銷(xiāo)量一直無(wú)法提高，給新產(chǎn)品的研發(fā)帶來(lái)很大困難。

為提高產(chǎn)品銷(xiāo)量給新產(chǎn)品研發(fā)提供充足資金保障，促進(jìn)公司可持續(xù)性發(fā)展以提高行業(yè)競(jìng)爭(zhēng)力，2021 年2 月1 日，該公司嘗試采用全員參與并建立企業(yè)內(nèi)部競(jìng)爭(zhēng)情報(bào)粒子搜索模型的方式進(jìn)行情報(bào)搜集，以達(dá)到企業(yè)內(nèi)競(jìng)爭(zhēng)情報(bào)服務(wù)“更精、更準(zhǔn)、更快”，情報(bào)質(zhì)量更高成本更低的目標(biāo)，提升情報(bào)價(jià)值。

公司除銷(xiāo)售部，產(chǎn)品研發(fā)設(shè)計(jì)部，市場(chǎng)信息部等7 個(gè)部門(mén)的分析決策層7 人和董事會(huì)5 人外全員參與競(jìng)爭(zhēng)情報(bào)搜集，其主要搜集流程如下：

（1）短期全員信息素養(yǎng)培訓(xùn)，縮小組織內(nèi)信息源選擇質(zhì)量的差異。

（2）搭建企業(yè)內(nèi)部統(tǒng)一的信息共享平臺(tái)，制定統(tǒng)一的信息計(jì)量評(píng)估標(biāo)準(zhǔn)。

（3）總經(jīng)理確立當(dāng)前決策需求，經(jīng)各部門(mén)分析后制定情報(bào)需求。

（4）調(diào)動(dòng)部門(mén)員工從各個(gè)可能產(chǎn)生情報(bào)的維度如政策、年報(bào)、供應(yīng)商來(lái)源和用戶偏好等搜索信息源，通過(guò)信息計(jì)量等方法對(duì)各信息源情報(bào)量進(jìn)行評(píng)估并上傳至信息共享平臺(tái)。

（5）每個(gè)搜集周期結(jié)束時(shí)通過(guò)信息共享平臺(tái)對(duì)當(dāng)前已知的所有信息源價(jià)值進(jìn)行整理反饋。

（6）循環(huán)（4）和（5），并根據(jù)情報(bào)需求緊急程度設(shè)置發(fā)散到保守型思維收集策略的過(guò)渡節(jié)點(diǎn)。

（7）依據(jù)預(yù)估情報(bào)量對(duì)所有已知信息源排序。

（8）選擇前20 個(gè)信息源重點(diǎn)進(jìn)行競(jìng)爭(zhēng)情報(bào)挖掘，匯總上報(bào)最終決策層。

為提高員工情報(bào)搜集參與度和積極性，公司承諾給予價(jià)值情報(bào)每個(gè)獎(jiǎng)勵(lì)500 至1 000 元，高價(jià)值情報(bào)3 000 至5 000 元。

截至2021 年5 月18 日，廣州科盟電子有限公司以3 萬(wàn)余元的現(xiàn)金獎(jiǎng)勵(lì)采集到競(jìng)爭(zhēng)情報(bào)327 條，其中包括箱體設(shè)計(jì)專(zhuān)利技術(shù)、小箱體高靈敏度高保真大聲壓市場(chǎng)需求、高新技術(shù)中小企業(yè)扶持政策等價(jià)值情報(bào)43 條。這些情報(bào)為決策層調(diào)整產(chǎn)品在市場(chǎng)中的策略布局等方面提供了有效的支持，市場(chǎng)拓展、營(yíng)銷(xiāo)投資比例優(yōu)化等策略使DJG CL 系列音箱銷(xiāo)量提升約55%，產(chǎn)品利潤(rùn)得到大幅提升，新產(chǎn)品研發(fā)資金壓力得到有效緩解，公司在促進(jìn)內(nèi)部情報(bào)生態(tài)良性發(fā)展的同時(shí)提升了企業(yè)及產(chǎn)品競(jìng)爭(zhēng)力。

5 競(jìng)爭(zhēng)情報(bào)搜集系統(tǒng)粒子搜索模型的特點(diǎn)

5.1 主觀影響偏重

與傳統(tǒng)情報(bào)搜集不同，該模型強(qiáng)調(diào)個(gè)人認(rèn)知與社會(huì)影響這類(lèi)心理學(xué)理論的結(jié)合。鼓勵(lì)員工在搜索過(guò)程中充分發(fā)揮自身經(jīng)驗(yàn)和搜集習(xí)慣，使得項(xiàng)目與情報(bào)之間的結(jié)點(diǎn)更多、更全面，再與群體經(jīng)驗(yàn)結(jié)合尋找最優(yōu)搜索路徑和信息源類(lèi)型。也就是說(shuō)，員工在搜索路徑?jīng)Q策的過(guò)程中使用兩種重要信息：一是自身經(jīng)驗(yàn)，二是其他人的經(jīng)驗(yàn)。

5.2 情報(bào)質(zhì)量高

在該模型中，偏重經(jīng)驗(yàn)意味著需要更多具有情報(bào)搜索知識(shí)和經(jīng)驗(yàn)的專(zhuān)業(yè)人員，情報(bào)人員不需要進(jìn)行傳統(tǒng)的全局搜索即可得出搜索空間中各類(lèi)信息源的優(yōu)劣程度。通過(guò)運(yùn)用檢索工具和分析思路擇優(yōu)重點(diǎn)進(jìn)行情報(bào)搜集、分析，最大限度地開(kāi)發(fā)和利用情報(bào)，深度挖掘高價(jià)值信息源中符合企業(yè)戰(zhàn)略發(fā)展的高質(zhì)量情報(bào)。

5.3 情報(bào)時(shí)效性強(qiáng)

在信息爆炸時(shí)代，及時(shí)有效的情報(bào)對(duì)企業(yè)保持競(jìng)爭(zhēng)力有極其重要的作用。中小企業(yè)若因決策失誤產(chǎn)生危機(jī)，會(huì)使企業(yè)完全喪失市場(chǎng)競(jìng)爭(zhēng)力，但如果采用模型及時(shí)偵測(cè)相關(guān)情報(bào)并為決策提供支持，就可以迅速采取有效措施應(yīng)對(duì)或規(guī)避危機(jī)。同時(shí)模型在一定程度上減小搜索范圍，提高搜索效率，更利于企業(yè)尋找到強(qiáng)時(shí)效性情報(bào)。

5.4 模型的缺點(diǎn)

金無(wú)足赤，在該模型中也存在諸多問(wèn)題未能有效解決。一是搜索過(guò)程不易控制，缺乏自適應(yīng)調(diào)節(jié)，較易陷入局部最優(yōu)，導(dǎo)致在搜索過(guò)程后期出現(xiàn)收斂精度不高的問(wèn)題。二是該模型對(duì)參數(shù)要求較高，對(duì)不同企業(yè)需要選擇合適的參數(shù)來(lái)達(dá)到最優(yōu)效果，這需要企業(yè)在實(shí)踐中不斷積累經(jīng)驗(yàn)，形成適用于本企業(yè)的模型參數(shù)。三是企業(yè)在較大解空間中搜集情報(bào)時(shí)需要其他員工協(xié)助，而這部分員工缺乏經(jīng)驗(yàn)及專(zhuān)業(yè)素養(yǎng)，需要專(zhuān)業(yè)情報(bào)人員依據(jù)模型流程進(jìn)行前期培訓(xùn)。

6 結(jié)束語(yǔ)

在數(shù)據(jù)信息大發(fā)展和新經(jīng)濟(jì)時(shí)代的大背景下，各行業(yè)企業(yè)間競(jìng)爭(zhēng)增強(qiáng)，信息化在企業(yè)中的地位日益提升。我國(guó)中小企業(yè)數(shù)量龐大，但信息化程度普遍不高，這直接導(dǎo)致了競(jìng)爭(zhēng)情報(bào)意識(shí)不強(qiáng)、獲取和分析的方式和技術(shù)單一落后的現(xiàn)狀。而競(jìng)爭(zhēng)情報(bào)在戰(zhàn)略決策部署、產(chǎn)品策略研究等方面直接影響企業(yè)，對(duì)中小企業(yè)的重要性逐漸增強(qiáng)。至今已有大批情報(bào)學(xué)者為解決這一矛盾進(jìn)行大量研究，探索優(yōu)化方法。

本文將粒子群優(yōu)化算法原理與我國(guó)中小企業(yè)競(jìng)爭(zhēng)情報(bào)搜集過(guò)程的現(xiàn)狀相結(jié)合，構(gòu)建了一個(gè)競(jìng)爭(zhēng)情報(bào)搜集系統(tǒng)，該系統(tǒng)引入全局及個(gè)體“經(jīng)驗(yàn)”和對(duì)搜索狀態(tài)的信任，以期指導(dǎo)我國(guó)中小企業(yè)發(fā)動(dòng)除分析決策層外全員參與情報(bào)搜集和重要性排序，分析決策層的高管及負(fù)責(zé)人進(jìn)行情報(bào)分析及決策制定，最大限度開(kāi)發(fā)高質(zhì)量信息源，獲得與企業(yè)息息相通的競(jìng)爭(zhēng)情報(bào)，以應(yīng)對(duì)我國(guó)中小企業(yè)情報(bào)獲取效率不高、資金和人才匱乏的現(xiàn)狀，建立高效率、易管理且行業(yè)適用范圍較廣的中小企業(yè)個(gè)性化競(jìng)爭(zhēng)情報(bào)搜集系統(tǒng)。