[摘要]
基於傳統經濟學代表性個人及完全理性的不可實踐性，本文採取演化經濟學派的觀點將經濟體系視為一個複雜適應性系統(complex adaptive system)。
每一個有限理性(bounded rationality)的異質(heterogeneity)廠商在面對生存壓力下必須透過與其他廠商的互動或本身智庫策略的整合來重新調整自己的決策，以增強自我對環境的適應能力。每一個經濟現象的產生，皆是體系內廠商共演化(coevolution)的結果。為落實上述概念，本文採取演化性計算(evolutionary computation)中的遺傳演算法(genetic algorithm，GA)作為架構代理人基計算經濟(agent-based computational economics，ACE)模型的工具。藉由參數值調整進行不同的實驗，模擬廠商的創新與仿冒行為。
在總體面的分析中，本文針對創新與仿冒文化形成的原因、產業別間研發屬性的差異、創新，獨占與福利間的關係、市場中研發廠商與仿冒廠商家數的穩定性等議題加以探討，以了解不同市場條件設定下所演化出的豐富社會現象及其對經濟動態過程之影響。此外本文也由個體面的角度研究領導廠商的成功因素，並對轉型廠商稟賦及策略加以追踪，討論蛙跳(leapfrogging)的可能性與發生條件。

目次
1 緒論
1.1研究動機................................................1
1.2本文架構................................................2
2 文獻回顧...................................................3
2.1熊彼德的創新觀點........................................4
2.2新古典經濟學與演化經濟學的歧異..........................6
2.2.1均衡的存在性........................................6
2.2.2有限理性............................................7
2.3 Nelson 與Winter研發投資模型............................8
2.4代理人基計算經濟架構下的研發投資模型....................9
2.5傳統經濟模型回顧.......................................11
2.6傳統經濟模型的再思考...................................13
3 分析工具..................................................16
3.1遺傳演算法在代理人基計算經濟模型上的應用................15
3.2遺傳演算法..............................................19
3.3利基....................................................23
3.4社會式學習與個體式學習..................................25
4 模型建構
4.1模型運作
4.1.1 基本概念.........................................27
4.1.2 模型設計.........................................29
4.2 社會式學習............................................39
4.3 個體式學習............................................45
5 實驗設計
5.1市場條件參數設定.......................................48
5.2社會式學習參數設定.....................................49
5.3個體式學習參數設定.....................................50
5.4市場1-8參數說明........................................51
5.5輸出說明...............................................52
6 實驗結果
6.1社會式學習.............................................54
6.2個體式學習..............................................78
6.3議題分析
6.3.1 總體面問題探討...................................98
6.3.2 個體面問題探討..................................111
6.4社會式學習與個體式學習的比較
6.4.1 平均適合度走勢比較................................114
6.4.2 產量、市場占有率、資源分配策略比較................118
6.5演化結果深入探討.......................................122
7結論及未來展望
7.1 結論.................................................124
7.2末來展望..............................................128
參考文獻...................................................129
附錄一 Winter與Nelson模型流程圖............................132

參考文獻－中文部份
[1]姚仁德(1997),「專利保護對技術創新影響之研究－以新竹科學園區股
票上市上櫃公司為例」,碩士論文,中央大學產業經濟研究所。
[2]潘維華(1998),「政府鼓勵研發聯盟之最適政策」,碩士論文, 中正大
學國際經濟研究所。
[3]謝智穎(1998),「學習效果、外溢性及反傾銷分析－以台灣半導體產業
為例」,碩士論文,中山大學經濟學研究所。
[4]廖崇智(1998),「人工股票市的計算經濟建模」,碩士論文, 政治大學
經濟學研究所。
[5]陳玉麟(2000),「R&D的外部性與補貼政策效果」,碩士論文,東華大學
國際經濟研究所。
[6]吳凱琳譯, ClaytonM. Christensen著,《創新的兩難》,商業周刊文化
公司出版,2000。
[7]郭箭(2001),「新古典經濟學與進化經濟學方法論的比較」,《財經研
究》,上海大學出版,24:1, pp.11-16。
[8]戴中擎(2001),「代理人基雙方喊價市場在平行演化下的模擬與分
佈」, 碩士論文，政治大學經濟學研究所。
[9]施建生(2002),「馬克斯、凱因斯與熊彼德」,《經濟前瞻》,80期,
pp.107-111。
參考文獻－西文部份
[1]Mansfield(1981),“How Economists See R&D”, Harvard
Business Review, November-December, pp.98-106.
[2]Nelson and Winter(1982),An Evolutionary Theory of Economic
Change, Belknap Press of Harvard University Press.
[3] Axelord, R. (1987),“The Evolution of Strategies in the
Iterated Prisoner'' s Dilemma” ,in L. D. Davis (ed.),
Genetic Algorithms and Simulated Annealing, Morgan-Kaufman:
Los Altos, pp.32-41.
[4]Marimon, R., E. McGrattan, Sargent, T.(1990),“Money as a
Medium of Exchange in an Economy with Artificially
Intelligent Agents”,Journal of Economic Dynamics and
Control 14,pp329-374.
[5]Elise S. Brezis, Paul R. Krugman, and Daniel Tsiddon(1993),
“Leapfrogging in International Competition: A Theory of
Cycles in National Technological Leadership”,The American
Economic Review, vol. 83, no.5, pp.1211-1219.
[6]Cabral. L. M. B. and M. H. Riordan (1994) “The Learning
Curve, Market Dominance and Predatory
Pricing” ,Econometrica 62, pp.1115-1140.
[7]Arifovic, J. (1994),“Genetic Algorithm Learning and the
Cobweb Model”, Journal of Economic Dynamics and Control 18,
pp.3-28.
[8]Barro, R. J. and Sala-i-Martin, X. (1995), Economic Growth,
McGraw-Hill, Inc.
[9]Aghion, Philippe and Howitt, Peter(1992)“A Model of Growth
Through Creative Destruction.”,Econometrica 60, pp.323-351.
[10]Pepall, Lynne(1997),“Imitative Competition and Product
Innovation in a Duopoly Model”,Economica 64, pp.265-279.
[11]Bullard, J., Duffy J.(1998), “Learning and the Stability
of Cycle”, Macroeconomic Dynamics 2(1),pp.22-48.
[12]Dawid, H., Kopel, M.(1998) “On Economic Applications of
the Genetic Algorithm: Amodel of the Cobweb Type”,Journal
of Evolutionary Economics 8(3), pp.297-315.
[13]Franke, R.(1998)“Coevolution and Stable Adjustments in the
Cobweb Model”,Journal of Evolutionary Economics 8(4),
pp.383-406.
[14] Dawid, H. (1999),“On the Convergence of Genetic Learning
in A Double, Auction Market”, Journal of Economic
Dynamics and Control, vol. 23, pp. 1545-1567.
[15]Gerard Ballot and Erol Taymaz(1999),“Technological
change,learning and macro-economic coordination:An
evolutionary model”，Journal of Artificial Societies and
Social Simulation vol.2, no.2. ,
http://www.soc.surrey.ac.uk/JASSS/2/2/3.html .
[16] Chen, S.-H. and C.-C. Ni (2000), “Simulating the Ecology
of Oligopoly Games with Genetic Algorithms”, Knowledge
and Information Systems, 2000 (2), pp.310-339.
[17]Nicolass J. Vriend（2000），“An illustration of the
essential difference between individual and social
learning,and its consequences for computational
analyses”,Journal of Economic Dynamics and Control vol.24.
pp.1-19.
[18]Murat Yildizoglu（2001）“Connecting adaptive behaviour and
expectations in models of innovation: The Potential Role of
Artificial Neural Networks”，Working Papers of E3i, 2001,
forthcoming in the European Journal of Economics and Social
Sciences (EJESS).
[19]Shu-Heng Chen (2002) “Ｍacroeconomics and
complexity ”,forthcoming in
The Encyclopedia of Life Support Systems(EOLSS),Theme
6.48:Hierarchy,
Complexity, and Agent Models, David Green(Ed.).