经济系统的合理性探究——以该经济系统为例

本文转载自知乎，本文所引用文章业已转载入B站。这里直接引用，另外这些文章是我原创。这里为了防止歧义，用了公式编辑器的原代码表示，造成不便请谅解！

我过去转发了国外某网站的这篇文章：

【经济学稿件一则-哔哩哔哩】 https://b23.tv/wrwvZAf

这篇文章揭示了这样一个新经济体制，即每个需求方向经济系统提出自己的需求，经济系统集中这些需求并通过执行一个活期计划来制造出所有这些被需要的产品，最后将这些产品分配给各个相应的需求方，并在生产方面通过延迟提供生活必需品来保证生产效率。该经济系统只在通过满足需求和延迟提供的方式即人的趋利避害的特点激发工人的生产积极性完成经济总量的增长。

于是我们考虑，要想使这样的经济系统成立，我们需要解决几个问题：1.如何排除不能生产的需求？2.如何活期地组织所有生产部门的计划性生产？3.如何对需求进行分流使需求方获得其提出的需求？因为如果不排除不能生产的需求，经济系统的生产环节就会因压力过大而崩溃；如果不活期地组织生产，经济系统的生产就会因需求方的需求周期过长而失去生产积极性导致系统崩溃；如果不对需求进行分流，经济系统就会因物流链条就会过度混乱无法配给而崩溃。因此必须解决上述问题这个系统才是合理的。

这里要说明一下，社会科学尤其是经济学的定量分析一般是必须建立在某些主观前提下的，而自然科学的前提一般是客观的，这是社会科学于自然科学最根本的区别。但是这个经济系统不同于立足于交换的经济系统的主观前提，因为这个经济系统是直接分析产品本身，所以它的前提是自然的因而是客观前提，所以这个经济系统的定量分析是十分符合客观实际的。

首先我们看第三个问题，我们认为对产品进行分流需要进行以下流程。首先需求方提出需求，然后分成两路，一路根据它们之间的细致差别分类集中起来，再判断是否已经储备了该需求，如果已储备就直接考虑分配，如果未储备则进入另一路。另一路将每个需求分成其组成部分然后分类集中，再判断是否已经储备了该组成部分，如果已储备就直接组装成产品，如果未储备则推理其原料和设备，然后再判断是否已经储备了该设备，如果以储备就直接生产，如果未储备就将该设备分成其组成部分然后归到前面的组成部分总和中，原料根据已探明的矿物储量或者农业产量更新数据。

由此，第三个问题得到了解决。

其次我们看第一个问题，这篇为主给出的答案是通过衡量实现该需求对于实现所有需求而言失效概率的贡献程度。首先我们应该知道，如果各需求方提出的需求其中大多数都是现在的生产能力无法满足的，那么即使其中某一需求相对于所有需求的贡献程度比较小，生产能力仍然会被击穿，所以还应该考虑每个需求本身是否能够生产即本身的失效概率，而且随着需求数的增加，每个需求的相对失效概率成非线性变化，所以还需要考虑系统承载能力的变化。设该需求本身的失效概率为 P_{i} ,（注：这里的失效概率均可大于等于1）则该需求的贡献程度 P 为且满足：

P=Aexp\left(2\frac{\left(m'+\delta\right)P_{i}}{\sum_{1}^{n'}{\left(m'+\delta\right)P_{i}}}+\sqrt{2}\left(1-lnA\right)P_{i}-1\right)\leq P_{c}

其中： P_{i} ——该需求的绝对贡献程度

\frac{\left(m'+\delta\right)P_{i}}{\sum_{1}^{n'}{\left(m'+\delta\right)P_{i}}} ——该需求的相对贡献程度

P_{c}—— 系数，表示贡献程度的允许最大值

A ——系数，表示系统的承载能力

\delta ——见下文

其中 n' 即所有需求包括之前已经审核通过别人计划的需求和不需要审核的政府的需求和本次进行考虑的需求。

而对于 P_{i} 需要将其分成该需求组成部分进行考虑，因而应该将其看作该需求组成部分的贡献程度的平均值，则 P_{i} 为：

P_{i}=\frac{\left(\sum_{1}^{m'}{\gamma_{0}P_{P_{j}}}+\delta P_{l_{0}}\right)}{\left(m'+\delta\right)ln\left(M+e-1\right)}

其中： M ——需求方人数

e ——自然常数，约等于2.71828

\gamma_{0} ——该需求某一组成部分对于该需求整体的重要性系数

P_{P_{j}} ——该需求某一组成部分的贡献程度

P_{l_{0}} —— P_{l} 的计算值，计算方法与 P_{P_{j}} 相同且需取所有 P_{l} 和 P_{E_{l}} ， P_{l} 见下文

而对于 P_{P_{j}} 则将其当作需求考虑，因而 P_{P_{j}} 为：

P_{P_{j}}=Aexp\left(2\frac{\left(p+c+d\right)^{2}\left(e_{E}+\delta\right)^{2}P_{P_{j}}'}{\sum_{1}^{n'}\sum_{1}^{m'}{\left(p+c+d\right)^{2}\left(e_{E}+\delta\right)^{2}P_{P_{j}}'}}+\sqrt{2}\left(1-lnA\right)P_{P_{j}}'-1\right)

其中： P_{P_{j}}' ——该需求某一组成部分的绝对失效概率

\frac{\left(p+c+d\right)^{2}\left(e_{E}+\delta\right)^{2}P_{P_{j}}'}{\sum_{1}^{n'}\sum_{1}^{m'}{\left(p+c+d\right)^{2}\left(e_{E}+\delta\right)^{2}P_{P_{j}}'}} ——该需求某一组成部分的相对失效概率

而 P_{P_{j}}' 则需要考虑需求方人数，生产设备数，原料探明数，产业工人数，研发设备及人员数等因素，则 P_{P_{j}}' 为：

P_{P_{j}}'=\frac{1}{\left(p+c+d\right)\left(e_{E}+\delta\right)}\left(\frac{\left(\sum_{1}^{p}{\gamma_{1}P_{E}}+\sum_{1}^{c}{\gamma_{2}P_{m}}+\sum_{1}^{d}{\gamma_{3}\gamma_{4}P_{ew}}\right)^{3}}{\left(\sum_{1}^{p}{P_{E}}+\sum_{1}^{c}{P_{m}}+\sum_{1}^{d}{\gamma_{4}P_{ew}}\right)}+\frac{\left(\sum_{1}^{e_{E}}{\gamma_{1}P_{E_{l}}}+\delta P_{l}\right)^{3}}{\left(\sum_{1}^{e_{E}}{P_{E_{l}}}+\delta P_{l}\right)}\right)

P_ {E_{l}}=\frac{\left(\sum_{1}^{h}\gamma_{5}P_{h}ln\left(m+1\right)\left(\sum_{1}^{m}{P_{e}P_{P_{e}}}\right)+\sum_{1}^{k}\gamma_{6}P_{k}ln\left(n+1\right)\left(\sum_{1}^{n}{\gamma_{7}P_{s}P_{P_{s}}}\right)\right)^{2}}{\left(\sum_{1}^{h}ln\left(m+1\right)+\sum_{1}^{k}ln\left(n+1\right)\right)\left(\sum_{1}^{h}P_{h}ln\left(m+1\right)\left(\sum_{1}^{m}{P_{e}P_{P_{e}}}\right)+\sum_{1}^{k}P_{k}ln\left(n+1\right)\left(\sum_{1}^{n}{\gamma_{7}P_{s}P_{P_{s}}}\right)\right)}

\sum_{p=1}^{m}{P_{P_{e}}}=\sum_{q=1}^{n}{P_{P_{s}}}=1

\sum_{a=1}^{p}{P_{E}}=\sum_{b=1}^{a}{P_{E_{a}}}+\sum_{c=1}^{b}{P_{E_{n}}}

P_{E_{n}}=P_{E_{n_{o}}}+P_{E_{n_{p}}}

其中： m ——某一相关学科下研发设备总数

n ——某一相关学科下研发单位总数

\gamma_{1} ——设备失效概率重要性系数

P_{E} ——某一组成部分所需设备的失效概率

P_{E_{a}} ——某一组成部分所需已有设备的失效概率

P_{E_{n}} ——某一组成部分所需未有设备的失效概率

P_{E_{n_{o}}} ——某一组成部分所需未有设备生产该组成部分的失效概率

P_{E_{n_{p}}} ——生产某一组成部分所需未有设备的失效概率

\gamma_{2} ——原材料失效概率重要性系数

P_{m} ——原材料失效概率

\gamma_{3} ——工厂劳动力重要性系数

\gamma_{4} ——工厂劳动力流动性系数

P_{ew} ——工厂劳动力失效概率

P_{E_{l}} ——因缺乏技术而缺乏的设备的失效概率

\delta ——系数，表示该组成部分是否需要研发，若需要则为1，反之则为0

P_{l} ——该组成部分自身研发的失效概率，计算方法与 P_{E_{l}} 相同

\gamma_{5} ——研发设备类别重要性系数

P_{h} ——研发设备类别被选中的概率

P_{e} ——研发设备的失效概率

P_{P_{e}}——研发设备被选中的概率

\gamma_{6} ——类别研发单位研发人员重要性系数

P_{k} ——类别研发单位研发人员被选中的概率

\gamma_{7} ——研发单位研发人员流动性系数

P_{s} ——研发单位研发人员的失效概率

P_{P_{s}} ——研发单位研发人员被选中的概率

其中如果该组成部分已经储备，则其 P_{P_{j}}' 为0。当考虑 P_{E_{n}} 时，其对应 m 和 P_{P_{E}} 和 P_{P_{e}} 值为1； P_{P_{E}} 为生产设备被选中的概率。事实上当考虑 P_{E_{n}} 时这里的 m 也应该是若干个 m 与对应概率的乘积之和的形式。

另外， A 和 P_{c} 的表达式为：

A=\frac{\sum_{1}^{l}{\gamma_{0}\gamma_{1}P_{p}}+\sum_{1}^{u}{\gamma_{0}\gamma_{2}P_{m'}}+\sum_{1}^{v}{\gamma_{0}\gamma_{3}\gamma_{4}P_{ew'}}+\sum_{1}^{H}{\gamma_{0}\gamma_{1}\gamma_{5}P_{h'}}+\sum_{1}^{K}{\gamma_{0}\gamma_{1}\gamma_{6}\gamma_{7}P_{k'}}}{l+u+v+H+K}

P_{c}=\frac{\sum_{1}^{l}{\frac{P_{c_{i}}}{\gamma_{0}\gamma_{1}}}+\sum_{1}^{u}{\frac{P_{c_{m}}}{\gamma_{0}\gamma_{2}}}+\sum_{1}^{v}{\frac{\gamma_{4}P_{c_{ew}}}{\gamma_{0}\gamma_{3}}}+\sum_{1}^{H}{\frac{P_{c_{h}}}{\gamma_{0}\gamma_{1}\gamma_{5}}}+\sum_{1}^{K}{\frac{\gamma_{7}P_{c_{k}}}{\gamma_{0}\gamma_{1}\gamma_{6}}}}{l+u+v+H+K}

H=\sum_{i=1}^{n'}{\sum_{j=1}^{m'+\delta}{\sum_{l=1}^{e_{E}+\delta}{h_{ijl}}}} K=\sum_{i=1}^{n'}{\sum_{j=1}^{m'+\delta}{\sum_{l=1}^{e_{E}+\delta}{k_{ijl}}}}

l=\sum_{i=1}^{n'}{\sum_{j=1}^{m'}{p_{ij}}} u=\sum_{i=1}^{n'}{\sum_{j=1}^{m'}{c_{ij}}} v=\sum_{i=1}^{n'}{\sum_{j=1}^{m'}{d_{ij}}}

P_{p}=\frac{2\sum_{1}^{g}{P_{p_{i}}}}{P_{p_{i}}+\sum_{1}^{g}{P_{p_{i}}}} P_{c_{i}}=\frac{\sum_{1}^{g}{P_{p_{i}}}+P_{p_{i}}}{\sum_{1}^{g}{P_{p_{i}}}}

其中： l ——所有现有设备的数量计算值

g ——同一现有设备在所有产品的所有部分出现的次数

p_{ij} ——某一组成部分所需设备的数量

c_{ij} ——某一组成部分所需原材料的数量

d_{ij} ——某一组成部分所需劳动力工厂的数量

h_{ijl} ——某一需研发设备所需研发设备类别的数量

k_{ijl} ——某一需研发设备所需研发人员所在研发单位的数量

P_{p} ——现有设备的失效概率计算值

P_{m'} ——现有原材料的失效概率计算值，计算方法与 P_{p} 相同

P_{ew'} ——现有工厂劳动力的失效概率计算值，计算方法与 P_{p} 相同

P_{h'} ——待研发设备所需研发设备的失效概率计算值，计算方法与 P_{p} 相同

P_{k'} ——待研发设备所需研发人员的失效概率计算值，计算方法与 P_{p} 相同

P_{c_{i}} ——现有设备贡献程度允许最大值

P_{c_{m}} ——现有原材料贡献程度允许最大值，计算方法与 P_{c_{i}} 相同

P_{c_{ew}} ——现有工厂劳动力贡献程度允许最大值，计算方法与 P_{c_{i}} 相同

P_{c_{h}} ——待研发设备所需研发设备贡献程度允许最大值，计算方法与 P_{c_{i}} 相同

P_{c_{k}} ——待研发设备所需研发人员贡献程度允许最大值，计算方法与 P_{c_{i}} 相同

P_{p_{i}} ——现有设备的失效概率实际值

其中，若涉及的设备还没有被生产出来或者还没有被研发出来，则需将其自身与其所需生产和研发设备并列表示在公式中并带上相应系数，且自身需带入 P_{E_{n}} 来计算。那么其 P_{p} 和 P_{h'} 的计算方法与 A 相同，其 P_{c_{i}} 和 P_{c_{h}} 的计算方法与 P_{c} 相同。对于 P_{l} ，在计算时其重要性系数 \gamma_{1} 和被选中的概率取1。

实际上，系统是不能直接确定地判断生产某一产品会用到哪台设备、哪片矿藏或者农业用地以及哪家工厂的劳动力。实际的做法是先判断用哪一类别，再去计算同类中被选中的概率分布，再分别乘入每一个概率分项中进行综合计算，类似于对待研发设备失效概率的计算。这样的话 P_{p} 和 P_{c_{i}} 分别为：

P_{p}=\frac{2\sum_{1}^{g}P_{g}ln\left(g'+1\right)\left(\sum_{1}^{g'}{P_{p_{i}}P_{P_{p_{i}}}}\right)}{P_{g}ln\left(g'+1\right)\sum_{1}^{g'}P_{p_{i}}P_{P_{p_{i}}}+\sum_{1}^{g}P_{g}ln\left(g'+1\right)\left(\sum_{1}^{g'}{P_{p_{i}}P_{P_{p_{i}}}}\right)}

P_{c_{i}}=\frac{\sum_{1}^{g}P_{g}ln\left(g'+1\right)\left(\sum_{1}^{g'}{P_{p_{i}}P_{P_{p_{i}}}}\right)+P_{g}ln\left(g'+1\right)\sum_{1}^{g'}P_{p_{i}}P_{P_{p_{i}}}}{\sum_{1}^{g}P_{g}ln\left(g'+1\right)\left(\sum_{1}^{g'}{P_{p_{i}}P_{P_{p_{i}}}}\right)}

其中： P_{g} ——现有设备类别被选中的概率

P_{P_{p_{i}}} ——现有设备被选中的概率

而上述的现有设备重要性系数 \gamma_{1} 在这里就是现有设备的类别的重要性系数。

而上述公式中的失效概率则按照相关设计规范来确定，规范中的具体参数和工厂劳动力的失效概率离散函数也可以由神经网络反向传播的最适值和最适预测函数来确定，而上述公式乃至前述公式中的系数则根据神经网络反向传播的最适值来确定。另外我们可以直接根据计算量排除规划极为麻烦的需求，这需要用神经网络确定一个阈值。由此我们可以以此排除不能生产的需求。

由此，第一个问题得到了解决。

在第一个问题解决的情况下，第二个问题的解决就容易了。由于无需担心经济系统被击穿，所以只需要设计这样都程序，将已经生产出来的产品转入分配程序而及时排除出生产程序，同时及时输入新的要实现的需求就可以。这篇文章中政府的需求是不审查的，而且需求顺序的先后也对贡献程度的计算产生影响，但是这些问题不是根本性问题，只要相关方面合理安排，经济系统仍然可以发挥其预定的功能。

由此，第二个问题得到了解决。

至此，该经济系统的三个问题都得到了解决，确定该经济系统具有可行性。