摘要: 在经济全球化的大背景下，世界经济呈现出区域集群化的发展趋势，全球范围内的有限资源都开始向区域创新能力强、产业集群明显的区域转移和聚集。在创新发展的驱动下，如何利用有限的创新资源和创新要素带动区域创新发展，产生更大的社会和经济效益，... 展开 在经济全球化的大背景下，世界经济呈现出区域集群化的发展趋势，全球范围内的有限资源都开始向区域创新能力强、产业集群明显的区域转移和聚集。在创新发展的驱动下，如何利用有限的创新资源和创新要素带动区域创新发展，产生更大的社会和经济效益，已经成为人们关注的热点。近年来，国内外许多学者对区域创新和产业集群创新这两个理论进行了深入的研究和探讨，但是将两者结合，研究区域集群式创新的研究成果并不多见。同时对产业集群和集群创新的评价方法主要集中在常规算法，比如BP神经网络、主成分分析法、专家打分法等，对数据挖掘和人工智能算法方面涉及的比较少。因此，探索不同的方法对区域集群式创新能力进行评价具有重要的意义。 首先，论文对国内外学者关于区域创新理论和产业集群创新理论进行系统梳理，并对区域集群式创新能力这一内涵进行了界定;其次，将区域集群式创新能力分为创新投入能力、环境支撑能力、自我发展能力和创新产出能力四个方面，并对创新要素构成中的关键要素及其相互关系进行了系统分析;然后构建了区域集群式创新能力的评价指标体系;同时，将聚类分析算法和群智能算法引入到区域创新评价中，结合粒子群算法和k均值聚类算法，通过调整自适应参数和加入适应度方差，优化了粒子群聚类算法;最后，将构建的模型结合安徽省区域集群式创新能力发展的现状，进行了实证分析，并与其他学者的评价结果进行比较，提出了提高安徽省区域集群式创新能力的对策建议。 收起