仿真方法在管理理论研究中的应用，本文主要内容关键词为：理论研究论文,方法论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
0 引言
随着复杂科学的兴起，人们对复杂系统的研究放弃了还原分解的方法，提倡采用一种自下而上的综合集成方法[1]。计算机仿真就成为了研究复杂系统的最有力工具之一。计算机仿真是通过建立仿真模型，在计算机上再现真实系统，并模拟真实系统的运行过程而得到系统解的研究方法[2]。它的基本思路为，选择系统中的个体，对个体属性及其与其他个体的交互规则进行建模，在计算机上模拟他们的互动，考察涌现出来的复杂的宏观行为。
仿真研究在社会科学领域已经取得了长足的发展，其在管理领域的应用也得到了学术界的瞩目。卡内基·梅隆大学的Carley教授开创的计算数理组织理论（Computational & Mathematical Organization Theory）倡导运用计算机仿真、逻辑规则和人工智能来从事组织研究，现已成为组织理论研究的前沿之一[3-4]。Carley及其团队在组织设计、组织学习、组织与信息技术和组织演化等方面取得了众多成果[3-5]。近年来，随着研究的深入，仿真方法在管理理论研究中的地位也得到了学术界的广泛认可。一系列应用仿真技术的论文对管理理论的发展发挥了重大的推动作用（如March在1991年发表的组织学习的论文[6]）。在最近的顶级学术杂志上出现了一系列以复杂系统的视角进行管理研究，并对仿真方法进行系统评述的文章，探讨了仿真方法在理论发展中的地位和重要作用[7-10]。
本文认为，由于其独特的研究思路，仿真研究在对管理过程的建模及对管理机制的把握等方面具有天然的优势，它为我们考察“看不见的手”，打开组织过程黑箱提供了强有力的支持，并且在验证研究假设，推动理论研究发展等方面具有其他研究方法不可比拟的优点。这些特点使得仿真已成为管理理论研究中不可或缺的研究方法及技术工具。
那么仿真方法究竟如何适用于管理研究？都有哪些常见的仿真技术？怎样应用仿真方法开展研究？本文在回顾仿真研究的发展简史之后，对结构化的仿真模型——NK模型进行了介绍，然后通过一个具体的研究实例，试图回答这些问题，并深入探讨仿真技术在管理研究中的应用。
1 仿真方法介绍
1.1 仿真建模思想的转变
对社会经济系统采用计算机仿真的研究方法可追溯到20世纪60年代，这种方法真正得到普及和广泛应用也只是20世纪90年代以来的事情。Gilbert和Troitzsh在其著名的仿真综述一文中将仿真研究的发展归纳为三个时期[11]。本文按照他的划分，简要介绍仿真方法的种类和特点，旨在探究仿真建模思想的转变，并说明如何利用仿真建模思路开展管理研究。
20世纪60年代，用计算机技术来仿真社会经济系统开始兴起。这个时期主要是对系统的整体建模，称为“宏观仿真”（Macro-Simulation）。提出关于系统整体的属性和变量，利用控制和反馈原理，通过微分方程组对系统状态进行建模。宏观仿真方法主要应用于城市交通、世界范围内移民及传染病传播等问题的研究。
仿真研究的第二个阶段发生在20世纪70年代，相比之前的以系统整体为对象的物理建模方法，此时研究者以组成系统的单个个体为研究对象进行建模，采用由底向上的建模策略（Bottom-up），称为“微观分析模拟”（Micro-analytical Simulation），并在政策分析中得到了广泛应用。这种仿真技术建立在一个较大的随机样本的基础上，用数据组（如年龄、收入、财富水平等）代表个体（可以是居民、家庭、公司等），以微分方程和算法为行为规则，模拟每个行为个体随着外部环境（如政策）的变化如何做出决策，随着仿真时钟的推进，这些决策不断地刷新个体的数据组，使系统的整个样本不断地变化演进。最后通过对模型运行后的样本数据进行统计分析，预测总体的演化趋势。这种仿真技术广泛地应用在诸如税收、福利等公共政策的设计对系统的影响等方面，至今在社会经济领域仍被广泛接受（如CGE模型等）。
20世纪80年代兴起并得到了广泛认同的多Agent仿真在管理研究中发挥了重要的作用，本文将重点介绍多Agent。最初多Agent系统作为计算机科学中比较新的一个分支，其作为一种合适的软件范例得到研究者的普遍关注①。尽管多Agent系统在探索大规模分布式开放系统（如Internet）方面提供了可能性，但是多Agent系统的价值远不止于此，多Agent的思想也并不局限在某一个领域。相比于前两种仿真方法，多Agent仿真更能抓住组织的本质特点，其在管理研究中将得到广泛的应用。多Agent建模技术既不是对系统整体进行建模，也不是对组成系统的单个个体建模，而是对个体间的关系和个体的行为模式进行建模，这种建模思路恰恰抓住了组织的特性，使得多Agent建模适合于管理理论研究。由于管理研究的对象——组织和人具有复杂性、适应性和非线性等特点，对组织整体的建模就成为了一个无法完成的任务，我们无法用有限的微分方程组来很好地描述组织，从而无法对其进行宏观整体建模；而微观分析模拟方法和多Agent技术最大的区别在于微观模拟不考虑个体间的交互作用，这就近似简单地把整体现象看作各个组成个体的加和，这当然违背了复杂系统的“涌现”特性，也就无法刻画组织的整体行为。可以说，正是这种基于多Agent的复杂系统建模思想，为仿真方法刻画组织特性，应用于管理理论研究提供了可能。
1.2 仿真方法在管理研究中的地位
仿真方法对管理理论研究的意义引起了很多学者的关注[7-10]。Davis,J P提出仿真方法除了可用于纯粹的描述与探索性研究之外，其最重要的应用在于其处在理论研究中的“甜蜜地带”（如图1所示）。人们在实地研究、文献（案例）研究、演绎推理中可以得到的一些初步结论或者是一些未经证实的想法，此时研究者正处于探索阶段，得出的一些结论可称之为简单理论（Simple Theory）。由于此时概念界定还不是很确切，且其背后的逻辑关系也不是十分清楚，使得这些简单理论还无法用统计方法来验证。尤其是当涉及到纵贯研究、系统成员非线性交互、过程研究的时候，在实证研究无法获得数据的情况下，简单理论到验证阶段将更加困难。因此在方法论上，简单理论和成熟理论之间存在一个“结构洞”，而仿真方法正是处在这个结构洞的位置上。它可以将简单理论中提出的较为粗糙的假设应用在仿真实验中，得到的结论一方面可以作为进一步研究和验证的假设，通过现实数据的采集来进行实证分析并测试其命题的合理性，另一方面也可以作为进一步预测和解释简单理论推演出的假设。
资料来源：根据参考文献[4]的观点画出
图1 仿真方法在理论研究中的地位
Davis,J P的观点与Harrison,J R等人的主张非常相似。Harrison,J R在对仿真方法的评述文章中提出，仿真方法将是归纳与演绎之后的第三种研究方法，并且是二者有益的补充[8]。演绎方法曾在理论研究中发挥了巨大的作用，最著名的例子当属以数学方程式推导为代表的演绎法在物理学上的巨大成功。在主流的经济学研究中，数学方程式推导占据着重要的地位，但由于管理研究面对的组织是有人参与的复杂系统，变量之间的非线性关系、动态性以及反馈都造成了用数学方程式刻画组织行为的困难。无论是对组织行为的刻画还是对组织过程的动态性描述方面，通过数学方程式的推导进行演绎研究面临着巨大的困难。而仿真方法的建模方式比较成功地解决了这些问题。Harrison,J R主张基于正式模型（Formal Model）的仿真实验将有助于发展演绎研究。仿真将比数学方程式更适于建立更贴近组织现实的假设，仿真实验的结果，一方面推动了假设的发展，另一方面得到的大量虚拟数据，将为归纳研究提供不易得到的数据支持。
从仿真方法在管理研究中的地位与应用特点来看，当今的仿真方法在应用上与已往有着巨大的差别，主要体现在建模思想的转变。已往对于复杂系统的仿真研究可称之为“定量仿真”，其根本目的在于“仿真”，要求模型完美地表现建模对象的特性，严格基于现实数据，以便对系统发展进行较为精准的预测或对系统各个时间段的行为进行评估。可以说，预测是仿真的主要目的。而在管理理论的研究中多采用的是“定性仿真”，仿真研究的目的不再以“预测”为主，而是希望利用仿真方法通过发展理论和探索其中的因果关系而获取超越一般的理论洞见。这种从给予便利模式到基于个体模式的重大研究思路的转变，有助于研究者对系统的演化机制有更深入的理解，这对理论研究，尤其是过程理论的发展至关重要。管理研究中的仿真方法已不是“数据驱动”，而是“理论驱动”。因此，在传统的科学研究所依赖的两类研究方法——理论分析及演绎、实证分析与归纳之外，仿真研究作为第三种科学研究的方法已逐步得到学界的认同。
1.3 仿真方法的分类与NK模型介绍
按照Davis,J P的分类，仿真方法可分为结构化仿真方法和随机过程仿真方法。前者具有固定的研究思路，适合于某一特定的研究领域，方法上具有相对固定的研究范式或基本模型。譬如系统动力学仿真、元胞自动机、NK模型、遗传算法等都属于这样的仿真技术。而随机过程仿真方法（主要是基于Agent的仿真方法），则没有固定的研究范式，适用于研究者具体的研究问题，其建模方法非常灵活，给研究者留下了很大的设计空间。这两类研究方法各有利弊：作为较为成熟和通用的仿真技术，结构化方法从假设的提出到模型的构建都有相对固定的可遵循的一整套“操作流程”，研究者在实验设计等方面的工作量相对较小，而且学术界对其在技术和研究结果的信度上较为认可。但由于这类仿真技术仅适合于或受限于一类特定的研究主题，所以后续的研究都是围绕同一类主题的相关研究，可深入挖掘的理论问题就相对较少，而且容易产生拿着模型到处套问题的错误倾向。随机过程仿真方法则适用于结构化方法无法解决的研究问题，可以适用于绝大多数复杂系统的研究。其优点在于建模技术的灵活性和研究问题的广泛性，但也正是由于这种建模方式的灵活，有学者曾藉此批评仿真技术是“Toy Game”，认为作者的主观倾向容易影响到研究结果，模型的信度与效度检验就成为其最大的难点。总之，仿真技术的选择完全取决于研究问题，研究问题与仿真技术的合理结合才能使研究进行的顺利与深入。当前仿真研究领域最著名的结构化模型当属NK组织适应度模型，下面就NK模型的一些基本设置进行介绍。
NK模型起始于Wright1932年提出的适应度景观概念，并将其作为研究生物有机体进化的基本框架[12]。适应度景观是通过将基因型（Genotype）的适应值分配给基因型空间中对应的点而得到的，由于各基因型的适应值是有差异的，因而就形成了类似“山峰状”的崎岖景观（如图2所示）。适应度景观的峰（peak）对应着基因型的高适应度，而适应度景观的谷（Valley）则对应着基因型的低适应度。
图2 适应度景观
Kauffman[13]的研究认为，在人口遗传学中，适应度景观是由一个有机体的各种属性（基因）适应性的相互依赖程度决定的。假设某个物种有N个基因，那么每一个基因的贡献度有赖于K个其它的基因。于是，Kauffman发现了一个能简练地生成适应度景观的NK模型。在这个模型中，N指的是一个物种所包含的基因总数，K表示这些基因间的互动程度，一个基因的贡献度取决于其他K个基因的属性。随后NK被引入组织研究领域，集中在战略、认知、组织设计、创新管理等方面。Levinthal等[14-17]将其应用到组织中，认为一个特定的组织中包含N项决策，每项决策有两个值（0与1），这样，适应度空间中则包涵了2N种可能的组织决策配置形式。在一个特定的组织形式中，每一项决策不是独立的，因此，单一决策对组织整体的贡献度不仅取决于决策本身，同时也取决于K项与其相关的其他决策，K的取值范围为：0≤K≤（N－1）。因此，一个决策的绩效贡献就取决于K＋1个决策（自身与K个其他的决策）的结果。综上，NK模型通过决策项及其之间的互动关系构成了任务（绩效）空间，关注组织通过各种手段（长跳与短跳，管理者认知图景等）对组织适应性的影响。
2 仿真研究实例
2.1 研究背景与问题的提出
当今组织知识管理系统只能对组织中可编码的显性知识进行储存、查询、搜索等，而对存在于组织成员大脑中的隐性知识的管理则显得无能为力；人们在获取知识的过程中更倾向于直接求助于人际网络而不是那些知识管理工具，组织成员间的咨询网络成为组织成员获得知识尤其是隐性知识的重要途径[18-19]。而对咨询网络如何影响组织绩效的研究，还大都遵循了网络范式一贯的结构主义思维逻辑，即将网络结构视为静态的外生变量，忽视了个体的异质性和能动性。这就带来两个根本问题：第一，尽管网络结构对组织绩效有重要的影响，但从观察管理实践就可以知道，仅从网络结构这一个维度来考察对绩效的影响显然是不够的，网络结构分析没有打开成员知识获取过程的黑箱；第二，一个更重要的理论问题是，在社会网络理论现有的理论框架内，忽视了个体的异质性与能动性，咨询网络与成员互动问题无法得到解释，成员间的非线性互动如何影响到组织的整体绩效，这些都有赖于仿真方法为我们提供的解释。
2.2 仿真模型的构建
本文在对学习策略的研究中引入拓展了的Lazer D[20]模型。我们将NK模型作为成员面临的任务空间，即每个成员对任务的解决方案可看做包涵有2N种不同选择的字符串，每一种不同方案中的单项决策对应着不同的决策贡献度。在将组织整体的绩效定义为所有决策贡献度的平均值的情况下，则可得到组织在不同的决策配置状态下的绩效景观。本文将100个Agent随机分散在绩效景观上，在初始状态，每个Agent都有自己的解决方案。Agent相互组成咨询网络进行信息的交互。每个Agent都是主动的寻求知识，通过与周围邻居的互动来提高各自绩效水平。由于有限理性，每个Agent在每个时间步长内选择模仿或自我创新。以往研究中对Agent模仿行为的刻画大都采用了“完全模仿原则”[20-21]，为表现Agent学习策略的不同，我们引入“海明距离”与“海明阈值”的概念。海明距离用于比较两方案中取值不同的决策项的个数来测量两个体间的知识差距。设定“海明阈值”为低绩效Agent的模仿条件，即当两相邻个体相遇者的海明距离与海明阈值，若两者的方案差距——海明距离小于海明阈值，则采用模仿策略，反之采取创新策略。
为突出对比实验，本文选择闭合网络与稀疏网络两种连接方式作为组织的任务咨询网络。闭合网络指的是成员间的全连接状态，每个成员都与组织中的其他任何成员联系（下文用CN代表全联结网络）。特别地，本文采用小世界网络来模拟稀疏状态下的咨询网络（下文用SW代表小世界网络）。小世界网络非常适合于刻画人际网络、科研网络，并广泛地应用在NPD等组织研究与合作网络的研究中[22-23]，采用小世界网络将使我们的研究更贴近现实。至此，我们设计了成员互动的任务空间、成员学习偏好与咨询网络，以考察网络结构与成员学习偏好对组织绩效的共同作用。
2.3 仿真实验与结论
本文选取一个由100人组成的组织，即令100个Agent随机分布在方案空间上，他们通过任务咨询网络寻找最佳方案进行模仿或自我创新。任务环境设计取n＝10，即Agent面临的任务包含了10项决策，则对应的绩效空间有2^10＝1024种方案。每次仿真100次取平均值作为最终结果。
本仿真实验将选取两种网络来考察成员在不同学习策略时对组织绩效的影响。实验将顺次考察如下两个内容：A.网络结构对组织绩效的影响；B.成员学习行为对组织绩效的影响。实验的主要参数如表1所示。
（1）网络结构对绩效的影响。首先，我们考察在成员采用同一种学习行为即采用完全模仿策略时，对比闭合网络与稀疏网络对组织绩效的影响。如图3（a）所示，闭合网络比稀疏网络更快地达到均衡绩效，但均衡绩效比稀疏网络要低。产生这样状况的原因在于，闭合网络导致的组织内部知识的同质化速度要远远大于稀疏网络，如图3（b）所示。说明了闭合网络的组织有利于进行改进型学习，而稀疏网络组织有利于进行探索型学习。这个结果与Lazer D的结论完全吻合，读者可参照文献[20]进行对比。我们注意到，这个结论是在没有考虑到Agent特定学习行为的情况下获得的。下面我们将Lazer D的模型进行扩展，考察Agent在采用不同的学习行为——选择性模仿后，组织知识的分布以及绩效的变化情况。
图3 组织绩效随时间变化图
（2）成员学习行为对绩效的影响。从图4中我们可以看到，在成员采取选择性模仿行为之后，根据设定的海明阈值的不同，组织所达到的均衡绩效都不一样。这就说明了成员学习行为与网络密度对组织绩效的影响效果类似，两者都是通过调整组织内部知识的分布来影响绩效。但在两种网络结构下，成员的学习行为对绩效的影响效果却迥然不同。如图4（a），在全联结网络结构下，当海明阈值偏大或偏小时（H＝0，2，4，8），组织绩效较完全模仿情况下偏低。这是因为，当设定的海明阈值偏小时，意味着成员保持了异质性的知识，每个成员都倾向于自我创新而不关心其他成员的方案，好的方案没有在组织中得到传播，而全联结网络的知识转移能力，使得成员只能在较低绩效水平方案上探索，由此带来组织绩效偏低；当海明阈值很大的时候（H＝8，H＝10），意味着成员倾向于模仿而不是自我创新，在这种情况下，全连接网络迅速地使得组织知识同质化，表现为组织绩效较早地稳定在了均衡水平上。因此，为克服组织中知识的迅速同质化，并保持一定的多样化知识，避免组织中创新过多而模仿不足的情况，在全连接咨询网络结构下，成员的学习策略既不能过高也不能过低，要保持在一个中间偏高的水平上。
图4 在不同成员学习策略下组织绩效随时间变化图
图4（b）中，在小世界网络结构下，组织绩效随阈值的增大而增大。这说明，小世界网络是一种非常理想的咨询结构，在这样的任务咨询结构下，在知识的传播过程中，成员无须做选择性的吸收，只要完全接受组织中最理想的解决方案就可以。小世界网络在保持组织知识多样性方面，不失为一种较为合理的制度安排。
两种网络结构下的成员学习策略对比实验表明，组织成员的学习策略将影响组织绩效。在成员采取选择性模仿策略时，组织中好的方案没有立即扩散到整个组织，这虽然不利于提高组织的短期绩效，但这种行为为组织保留了宝贵的异质知识，有助于组织在长期内探索出更好的解决方案，也就有助于提高组织的长期绩效水平。
2.4 实验结论
在涉及成员间非线性交互研究时，传统的统计研究已无法进行，而计算机仿真为管理研究提供了新的视角。本研究采用了仿真方法，克服了传统的社会网络研究静态的结构主义分析逻辑，打开了个体互动的过程黑箱。我们发现，咨询网络结构与成员的学习策略通过调整群体内的知识分布程度而影响了组织绩效。密度大的网络与成员完全模仿的学习策略导致了组织知识的同质化，这在短期内将有助于提高绩效却会付出长远绩效为代价；密度小的网络与成员的选择性模仿策略有利于保持组织知识的多样性，这有利于组织长期绩效的提高却导致短期绩效偏低。而网络结构在调整成员学习策略对绩效的影响方面，作用非常显著。
3 仿真研究的流程与问题
与所有对复杂系统的建模方式与对人工社会的研究方法类似[24-25]，仿真方法应用的一般步骤如下。
（1）观察现实组织的主要特点，并抽象出一系列的变量刻画系统。设置系统的外部变量。
（2）建立Agent个体模型以及Agent之间的行为规则来刻画交互行为。设计虚拟实验。
（3）通过计算机进行虚拟实验，得到宏观涌现结果。
（4）根据涌现结果得出结论，从而对现实组织现象进行解释或对理论假设进行检验。
（5）修改相关参数或加入新的变量，通过对不同情景下的涌现结果，理解演化机理。
（6）条件允许的情况下，收集实证数据，与仿真实验结果进行交互验证。对模型进行拓展。
前两步是后续工作的基础，它决定了模型的成败和应用范围。Richard在研究计算数理组织理论的有效性问题时提出研究问题、模型和虚拟实验必须要平衡的观点[25]。仿真研究如何与实证研究结合，模型的效度检验是今后研究中不可回避的问题。构建模型、计算机模拟分析和实证研究，三者应有机结合：仿真研究结果可作为实证研究的假设；在实证中得到论证，也可以在仿真实验中推广[26]。作为本文研究实例的伸延，今后可以考虑采集实证数据，譬如长期跟踪某几类科研团队网络[27]，通过实证数据统计网络演化特性，验证仿真实验结果；或者利用专利索引（如DII数据库），利用数据挖掘，获得某一领域企业（多为医药、化学或IT公司）的合作网络[28]数据，考察网络的演化特征与仿真结果对照。理论的研究将是这样一个交互上升的过程，而仿真研究是其中极其重要的一环。
4 结束语
在仿真研究中，仿真工具是关键。目前编程语言和基于Agent的仿真工具可谓五花八门，从早期的C＋＋到现在的VC、Matlab、Swarm、Netlogo等多种编程语言、开发平台都已被应用于建模与仿真研究中来。近年来，随着各式各样满足多种需求的仿真软件及开发平台的普及，已大大降低了编程门槛，这将使仿真方法得到极大的推动。
仿真研究已得到社会科学研究的关注，这不单表现在仿真研究在管理领域中的应用越来越多，而且近年来对研究范式的讨论也涌现出来，这表明仿真研究已经逐渐走向完善并得到了学术界的认可，而国内在组织研究领域还没有给予其足够的重视，随着研究的深入，相信应该有越来越多的学者采用计算机研究方法，这对广大的管理理论研究者来说，将是难得的机遇。
注释：
① 基于Agent建模，有书上说是面向Agent的语言。如同面向对象语言，Agent可类比于对象，可用于表示客观世界的任何实体，是实体的抽象。
标签：系统仿真论文; 组织绩效论文; 建模软件论文; 网络模型论文; 过程管理论文; 数据建模论文; 绩效管理系统论文; 绩效反馈论文; 组织发展论文; 网络结构论文; 系统学习论文; 决策能力论文; 网络行为论文; 仿真技术论文; 学习策略论文;