遺傳算法中兩種學習機制的混合套用
在遺傳算法中引入個體學習機制能夠提高算法的性能，避免算法收斂過慢或陷入局部最優。常用的個體學習機制有兩種，即拉馬克學習與鮑德溫學習，通過分析比較了兩種學習機制在遺傳算法中的性能差異，指出了它們各自的優勢與不足。為進一步提高算法性能，基於“學習潛能”的新概念及利用鮑德溫學習挖掘個體學習潛能的方法，將兩種學習機制有機結合在一起，使學習的優勢得到充分發揮，使其不足得到有效抑制。 數值試驗結果表明，包含兩種學習機制的新算法取得了很好的效果。
學習機制與遺傳算法的結合
學習是在表現型空間進行的，通過某種具體的學習方法，個體可能在允許的鄰域內搜尋到適應度更高的表現型。 個體在學習之前的適應度為“自然適應度”，學習之後獲得的更高的適應度為“學習適應度”，學習適應度與自然適應度的差值代表通過學習額外獲得的性狀。
個體的表現型由於學習而發生了變化，如果這種變化按照表現型空間與基因型空間的映射關係直接編碼到個體的基因型上，這種學習機制就是拉馬克學習；如果只是表現型發生改變而基因型不變，則學習機制就是鮑德溫學習。可以看出，拉馬克學習相當於對學習成功(通過局部搜尋發現了更好的表現型)的個體進行了替換，而鮑德溫學習相當於改變了適應度曲線的形狀，即改變了個體評價的準則。
兩種學習機制的優缺點
拉馬克學習使得個體能夠在表現型空間進行局部搜尋，且搜尋到的優良個體直接進入群體。對於在小範圍內生成新個體而言，直接在表現型空間進行局部搜尋要好於在基因型空間進行交換和變異操作，所以，拉馬克學習的引入能夠提高算法收斂速度，減少遺傳代次。但是拉馬克學習無法對個體進行有效區分，即所有的個體有相同的幾率進行學習，只要搜尋到了更好的個體就使該個體替代原個體進入群體。這樣，在增大算法尋得全局最優能力的同時，也使得進入局部最優的幾率增加，特別是全局最優較難被發現時更是如此。拉馬克學習對個體“一視同仁”的做法非常容易使算法陷入局部最優，產生“早熟”現象。此外，讓沒有希望學習成功的個體進行局部搜尋，無疑是對搜尋資源的一種浪費。
鮑德溫學習能夠使自然適應度小的個體得到一個大的學習適應度，從而增大該個體在下一代的選擇操作中被選中的機率，這實際上是一種增大群體多樣性的方法。 通過鮑德溫學習搜尋到的優良個體並不直接進入群體，而是要看原個體是否能夠通過遺傳操作轉變為該優良個體，這種轉變特別依賴於學習與變異之間的匹配程度。
只有當學習與變異是匹配的，才能使進行學習之後的個體更容易突變到與之學習適應度真正對應的個體。匹配關係在一定程度上依賴於算法使用的編碼機制，對於二進制編碼系統，基因型空間與表現型空間的差異比較大，這種匹配難以得到保證；但對於十進制編碼的情況，則較容易保證這種匹配關係。
兩種學習機制有各自的優勢與不足，如果能夠使學習機制的優勢得到充分發揮，使其不足得到有效抑制，則算法的性能將會有大幅度的提升。
產業集群學習機制多層解析
在產業集群內部學習流程分析的基礎 上，提出了集群學習機制的三 層次分析框架，並分別對這三層次流程的學習機制進行了具體分析，並結合實證調查，對我國產業集群內部的學習機制從人員流動、技術知識溢出、管理信息溢出、設備轉移四個方面作了深入分析，揭示了我國產業集群學習機制的具體特點。
產業集群學習機制的提出
產業集群是一群位於同一地理區域的相關企業組成的集合體，集群內部各要素之間，通過人際網路關係、價值鏈關係和競爭合作關係構成了特殊的產業生態系統。產業集群生態系統包括內部核心網路和輔助網路，以及由外部支持要素構成的外圍網路等三個子系統。由於核心網路和輔助網路兩個子系統內部各要素之間，以及三個子系統之間的知識互動，構成了產業集群學習系統。根據集群生態系統的結構分析，把集群學習過程概括為三個層次流程。
第一層次流程指集群核心要素成員之間互動學習流程，它包括了集群內部成員之間的學習機制和相互作用模式。第二層次流程是指集群輔助網路向核心網路知識流入的過程，它通過集群公共服務機構、集群代理機構向集群 成員企業提供技術知識和信息支持的方式實現。第三層次流程是指集群外圍網路向核心網路知識流入的過程，當然，外圍網路向核心網路的知識流入也可能通過輔助網路的中間傳遞實現。
根據集群學習過程的三個流程，就可以構築出集群學習機制的分析框架。如果把產業集群看作是一個知識學習網路，那么，該知識網路內部的知識學習過程通過相應的學習機製得以實現。所謂集群學習機制，是指產業集群各個要素之間知識流動的渠道和作用方式。結合集群學習三流程，對應地，可以把集群學習機制概括為如下三類：基於第一層次流程學習機制、基於第二層次流程的學習機制和基於第三層次流程的學習機制。並通過這些不同層次學習機制的相互補充和銜接，構築了集群學習機制體系。
基於第一層次流程的學習機制
所謂基於第一層次流程的學習機制，即指發生在核心層次內部成員企業之間的知識流動通道和過程。該類學 習機制主要包括：人力資源在成員企業間流動、企業間合作互動、企業衍生和人員間正式或非正式溝通四種類型。
第一，人力資源在成員企業間流動。自馬歇爾的產業區位理論開始，勞動力要素的流動一直被集群研究認為是知識溢出的最重要機制。
第二，企業間合作互動。企業間合作互動的方式可以多種多樣，如合作創新、要素互動等。
第三，企業衍生。企業衍生指的是集群創新系統內部的人才和知識流動可以通過企業的本地化衍生行為而加速。
第四，人員之間的非正式溝通。產業集群的地理接近性有利於企業通過正式或非正式渠道分享集群內部知識，即分享智力溢出。
集群學習機制調查和分析框架
集群學習的內在機理是知識在集群內部的溢出，以上集群學習機制討論為分析集群知識溢出提供了總體框架。但這些分析存在兩個問題。第一，它們主要解釋的是集群內部知識學習的存在性，但對知識溢出源與具體學習機制機理則很少有具體分析和實證。第二，對於集群學習更深入的機制，如誰是知識溢出的作用者，什麼是知識溢出源，什麼因素影響知識溢出等問題缺乏分析。為此，在實證調查的基礎上，進一步對我國產業集群學習機制的現狀作分析。實證調查以浙江省的7個產業集群為樣本，這些產業集群可分為四大類：紡織產業、機械產業、化工產業、電力電子產業，其中機械產業又分為三個子集群：水泵產業集群、機車產業集群、風機產業集群。
