基于遗传算法投影寻踪模型的智能制造能力评价—以中国31个省市区数据为例
作者：陈钢 薛莉 张彬 2021-09-15 14:37 新传播 【字号：大 中 小】
采用实码的加速遗传算法投影寻踪（RAGA-PP）模型，实现线性投影降维，构建了智能制造能力评价指标体系。本文选取2018年我国31个省级行政区的多指标截面数据，根据线性投影值进行层次聚类，在此基础上分区域对我国省域智能制造能力进行分析，提出了推动我设各指标值的样本集为
综合得分的大小反映了省域间智能制造能力的相对高低，得分越高，说明智能制造能力越强。依据表3的综合得分和排名，可以对我国各省级行政区的智能制造能力做如下判断：从全国得分的均值来看，我国智能制造能力总体较弱。从整体来看，全国省域智能制造能力平均得分为44.06分，在31个省级行政区中，智能制造能力得分大于44.06的只有13个，其中综合得分大于80分的仅有广东和江苏，大部分省域的得分较低。从综合得分的高低来看，智能制造能力水平存在明显地域差异。投影寻踪的结果客观地反映出了各省域智能制造能力的水平，在全国31个省级行政区中，排在前五位的省域是广东、江苏、山东、浙江和北京，全部集中在东部地区，这与现实中东部地区制造业转型发展较快的现实相符。从总体来看，东部地区的智能制造能力水平占有绝对优势地位，中部地区居中，东北地区次之，而西部地区则处于弱势地位，总体呈现出智能制造能力东强西弱的格局。这种情况与当地科技企业的扶持力度、制造企业的规模水平和交通基础设施的投入有关。
（三）智能制造系统聚类结果与分析
依据各省域智能制造能力综合得分及其系统层得分，运用层次聚类分析法，分四个等级对各省域进行归类，结果如表4所示，从表中可进一步分析各省域智能制造能力差异的来源及其改进方向。
c4d032d1-1359-488d-9493-075c1cede8f9.jpg)