创新是当今最热门的研究对象之一。欧盟《创新绿皮书》将创新定义为“在经济和社会领域中成功地生产、同化和利用新事物的行为(the successful production，assimilation and exploitation of novelty in the economic and social spheres)”[1]。在对创新的研究中，技术创新是研究最早最成熟的领域。然而笔者发现，有关技术创新的研究中专门涉及“优化”的很少。事实上，创新与优化经常被割裂甚至对立起来。一些学者认为创新与优化有着质的区别，优化只是将已有的技术加以量化的改进，最多只能算作渐进创新(incremental innovation)，而“真正”的根本性创新(radical innovation)则是创建崭新的事物，因此两者有着本质的区别。其结果是创新被“崇高化”和神秘化了，成为少数天才的专利。 技术创新和优化真的是这样泾渭分明吗其实不然。许多学者在研究技术创新的过程中，都有意无意地发现了创新与优化之间的紧密联系。例如，傅家骥等对各种技术创新定义进行梳理之后给出了如下定义：“技术创新是企业家抓住市场的潜在盈利机会，以获得商业利益为目标，重新组织生产条件和要素，建立起效能更强、效率更高和费用更低的生产经营系统，从而推出新的产品、新的生产(工艺)方法、开辟新的市场、获得新的原材料或半成品供给来源或建立企业的新的组织，它是包括科技、组织、商业和金融等一系列活动的综合过程”[2]。这个定义将技术创新的主体确定为以企业家为核心的各类社会组织，指出技术创新的目的是为了获得更大的利益或效率，手段是“重新组织生产条件和要素”。换句话说，技术创新从总体上讲是创新主体利用生产资源来获取更大的利益的活动。彭纪生和刘伯军认为，“现代技术创新所呈现的本质特征是：创新过程各环节、各类创新资源在企业家支配下，以利益追求为目标，创造性的集成与协同，努力扩大协同剩余”[3]。这种看法实际上也揭示了技术创新是一种在有限资源条件下追求利益最大化的活动。另外， Fagerberg在《牛津创新手册》中指出，创新的一个基本特性是：“每一个创新都是对已有的思想、能力、技巧、资源等的一个新的组合(every new innovation consists of a new combination of existing ideas，capabilities，skills，resources，etc.)”[4]。这个观点揭示了创新并不是凭空产生，而是将已有的资源进行新的组合而成的。当然这个组合不是盲目的，而是为了产生更好的性能、产品或服务。上面这些分析表明技术创新与优化存在密切的关系。 另一些学者将最优化方法应用于技术发展和创新的研究。例如，Deb和Srinivasan提出了一种他们命名为“Innovization”(创新优化)的设计方法。他们通过对决策变量和目标函数的拓展来帮助获取新的设计原理，并同时获得对设计问题更深刻的认识。他们认为这种基于创新优化的方法可以适用于其他问题解决任务(problem-solving tasks)[5]。周述琴等从将技术创新的环境看作一个社会生态系统，并用生态学的方法对新兴技术的演化主体、环境和演化动力机制进行了初步探讨，而生态学方法所依赖的进化论就是自然界逐渐自我“优化”的理论基础[7]。Engler尝试用最优化算法中的遗传算法模拟一个简单的技术创新过程[7]。这些研究开启了用优化思想研究技术创新的方向。 尽管从上述研究中我们可以发现技术发展中创新和优化的关系非常密切，但这些研究并没有专门讨论两者之间具体是怎样的关系。本文就是在这个方面的一次初步尝试。笔者认为，认识技术发展中创新与优化的关系的目的主要是为了更好地了解技术创新，让它走下“神坛”，并应用较为成熟的优化理论来更好地解释甚至定量地描述创新，从而更好地管理创新。 1 “优化”概念的溯源和辨析 为了将技术创新与优化之间的关系说清楚，本文首先对优化这一概念做明确的界定。“优化”一词来自“最优化”(optimization)。最优化在经典的运筹学和控制理论等学科中有着明确的数学含义，它概括了从建立模型、搜索最优解直到应用最优解的全过程。最优化理论中有的三个核心概念：决策变量、目标函数和约束条件。决策变量是人们所能控制的、也就是用于改造世界的变量。目标函数是关于决策变量的价值函数，是最优化的目的。决策变量不能随意选取，而是具有一些约束条件。满足所有约束条件的决策变量取值称为可行解。所有可行解中使目标函数达到最大(或者最小)的解或解集称为最优解。最优化模型根据目标函数的数量可分为单目标和多目标模型，根据决策主体可分为单人或多人模型，根据数据的可获取性可分为确定或随机模型等。常见的最优化模型有规划模型、最优控制模型、搜索模型、决策模型和博弈模型等，它们在军事、航天、工程设计、经济理论、企业和社会管理等领域得到了广泛的应用。 近年来，随着现实问题和最优化模型的日益复杂和动态性的增强，找到理论意义上的全局最优解变得越来越困难，很多情况下甚至变得不可能。于是人们从求最优解逐渐转变为寻找次优解或满意解(目标函数达到一定要求的可行解)，或者通过一系列的改进来不断改善解的目标值。人们常说“没有最好，只有更好”，道理就在于此。于是从事管理的研究者和实践者不约而同地开始使用的“优化”一词实际上成为“不断改进”的代名词。
