这份文档是崔俊英、徐舒琪、那旭、潘黎明和吕琳媛合作撰写，发表于《物理学报》2024年第73卷第19期的学术综述文章。文章全面系统地梳理了基于复杂网络理论的供应链研究领域，涵盖了网络构建、结构分析、管理特性以及未来挑战等多个方面。

本文将介绍这篇综述的核心内容，主要分为以下几个部分：供应链网络的构建方法、供应链网络的结构性质研究、供应链网络的管理特性研究、当前研究的问题与挑战，以及未来研究展望。作者来自瑞士弗里堡大学、合肥综合性国家科学中心数据空间研究院、电子科技大学以及中国科学技术大学网络空间安全学院，显示了该研究领域的跨学科合作特性。

供应链网络的构建方法 综述首先系统论述了供应链网络的两种主要构建方式：基于实证数据构建和基于网络模型构建。 * 基于实证数据的构建：这种方法利用真实世界的供应链关系数据，将供应链中的参与主体（如供应商、制造商、分销商等）抽象为网络节点，将主体之间的物流、资金流、信息流等交互关系抽象为连边，从而构建出有向、含权甚至附加属性的网络。文章指出，常用的数据库包括世界银行数据库、联合国商品贸易统计数据库（UN Comtrade）、中国经济金融研究数据库（CSMAR）等。作者列举了多个行业的研究实例，例如Brintrup等人构建的全球汽车行业供应商网络和产品网络，Kim等人对特定汽车部件（中控台）供应链的细分研究，以及史金艳等人基于中国上市公司数据构建的制造业供应链网络。数据收集常采用“滚雪球抽样法”，并以一家核心企业为种子节点展开。此外，研究还涉及整合多源数据（如Bellamy等人对电子行业的研究）和构建多层网络以刻画上下游复杂关系（如Hu等人对全球电动汽车锂离子电池贸易网络的研究）。文章也指出了该方法的挑战，主要在于数据可获取性低、数据处理复杂以及需平衡数据安全隐私与科研需求。 * 基于网络模型的构建：当真实数据不足时，研究者会采用网络模型来模拟和探索供应链网络的结构与演化。最常用的基础模型是BA（Barabási–Albert）模型，因其“增长”和“择优连接”的特性契合了供应链网络中企业数量增加和强强联合的现象。在此基础上，研究者们引入了节点适应度、地理距离、局部优先连接等现实因素进行改进，例如Chen等人构建的四层生鲜冷链网络演化模型，以及Wang等人引入节点局部性偏好和适应度的模型。考虑到供应链的动态性，Tian等人提出了包含成长期、成熟期和衰退期的三阶段演化模型。还有一些研究引入了加权网络（于海生等人）和超网络（Suo等人）等更复杂的模型来刻画交易量、多行业关系等特征。这种方法不依赖于大量实际数据，而是通过设定规则来捕捉供应链网络的核心特征，为理论研究和仿真模拟提供了有力工具。

供应链网络的结构性质研究 这是综述的重点部分，主要从拓扑结构、关键节点识别、社团检测和脆弱性分析四个维度展开。 * 拓扑结构分析：大量研究表明，许多行业的供应链网络（如智能手机、汽车、原油贸易、集装箱运输等）普遍具有“小世界”和“无标度”特征。小世界特征意味着信息或物质流动效率高，无标度特征则意味着网络中存在少数连接极多的核心枢纽节点。此外，供应链网络还呈现出明显的层次结构（如轴辐式结构）和“核心-边缘”结构，例如全球原油、稀土、锑贸易网络中均观察到此现象。研究者也运用网络密度、中心性指标（度、介数、接近中心性等）从个体和全局视角刻画网络的结构特征。 * 关键节点识别：识别供应链网络中对整体稳定性和效率具有关键影响的节点至关重要。综述归纳了复杂网络中常用的四类中心性指标：基于节点近邻的（如度中心性）、基于路径的（如介数中心性）、基于特征向量的（如特征向量中心性、PageRank）以及基于节点移除和收缩的算法。这些指标被广泛应用于评估供应链节点的重要性。例如，Guo等人用特征向量中心性和HITS算法识别“一带一路”天然气贸易网络的关键国家；Zhu等人综合多种中心性和脆弱性指标评估海上丝绸之路港口的重要性。研究还探讨了企业在网络中的结构位置与其绩效（如创新能力、财务绩效、股价风险）之间的关系，但结论并不一致，部分研究显示正相关，部分显示负相关，这取决于企业角色、行业特性等因素。Lou等人则进一步区分企业角色，提出了专门识别多方供应链网络中“瓶颈供应商”的算法。 * 社团检测：社团检测旨在发现供应链网络中联系紧密的节点子集。常用的算法包括Louvain算法、GN算法、谱聚类和Infomap算法等。通过社团划分，可以揭示供应链网络的模块化组织、区域集聚特征和层次结构。例如，Zhang等人发现全球集装箱运输网络的港口社团具有明显的区域集聚性；Kito等人识别了丰田供应链中的企业社团。动态社团演化分析也备受关注，研究者们通过分析不同年份的贸易网络（如锂离子电池、化石燃料、高岭土贸易），观察社团结构的变迁，以理解全球贸易格局的动态演变。 * 脆弱性分析：这部分聚焦于供应链网络面对风险的稳定性和恢复能力，具体分为鲁棒性分析和韧性分析。 * 鲁棒性分析：关注网络遭受攻击时的抵抗力。研究通常模拟两种攻击方式：随机攻击（模拟突发事件）和蓄意攻击（模拟针对性打击，如攻击度最大的核心节点）。常用衡量指标包括最大连通子图相对规模、网络效率、平均路径长度等。研究表明，蓄意攻击，特别是针对高度数或高介数节点的攻击，对无标度供应链网络的破坏性极强。研究也对比了不同拓扑结构（随机、层次、无标度网络）的鲁棒性差异，并探索了影响鲁棒性的关键因素，如区域聚集、平均路径长度等。 * 韧性分析：关注网络遭受打击后的适应和恢复能力。这部分研究通常结合仿真模型，模拟风险（如企业破产、供需关系中断）在供应链网络中的传播过程，并评估不同恢复策略（如寻找替代供应商、增加库存）的效果。例如，Guan等人模拟了新冠疫情下供应链中断风险的传播；Zhao等人研究了企业提升抵御中断风险的策略；Mu等人分析了全球电动汽车锂电池供应链中单个企业破产的风险传染效应。

供应链网络的管理特性研究 除了结构性质，综述还总结了复杂网络理论在供应链管理动态特性研究中的应用，主要包括风险传播和竞争博弈。 * 风险传播：利用复杂网络上的传播动力学模型（如SI, SIS, SIR模型及其变体），可以模拟和量化中断风险、金融风险、需求波动等在供应链网络中的扩散过程。这有助于识别风险的传播路径、关键环节和影响范围，从而制定针对性的风险缓释策略。 * 竞争博弈：将供应链中的企业视为博弈参与者，其决策（如定价、产量、合作）会受到其在网络中所处位置的影响。复杂网络博弈论被用来研究企业如何根据网络结构做出最优决策，分析合作与竞争行为的演化，以及评估不同网络结构对整体供应链绩效的影响。

当前研究的问题与挑战及未来展望 综述在最后部分指出了当前研究存在的一些问题与挑战，并展望了未来的研究方向。 * 问题与挑战：主要包括：1）数据获取与质量：供应链数据往往涉及商业机密，公开、高质量、大规模的数据集稀缺；2）模型简化与现实复杂性：现有模型对供应链动态性、多维属性（如多产品、多层级）、节点异质性等的刻画仍显不足；3）跨学科融合深度：如何将复杂网络理论与供应链管理、运筹学、经济学等领域的知识更深度地结合，仍有待加强；4）实证研究与理论模型的对接：需要更多研究来验证理论模型的预测，并用实证发现反馈修正模型。 * 未来展望：作者提出了若干重要的未来研究方向：1）发展更精细、动态、多层级的供应链网络模型；2）加强人工智能、大数据等新技术在供应链网络数据分析中的应用；3）深化供应链韧性（Resilience）的量化研究与提升策略设计；4）拓展研究边界，关注绿色供应链、循环经济、数字化转型等新兴主题；5）推动研究成果向企业实际管理和国家政策制定转化。

综述的意义与价值 崔俊英等人的这篇综述具有重要的学术价值和实践意义。在学术上，它系统性地梳理和整合了复杂网络理论在供应链研究中的应用脉络、主要方法和核心发现，为相关领域的研究者提供了一份清晰的知识地图和研究指南，论证了复杂网络方法在该领域的有效性和适用性。在实践上，文章回应了国家在提升产业链供应链韧性和安全水平方面的重大战略需求，指出相关研究能够帮助企业和国家识别供应链薄弱环节、评估风险传播、优化网络结构，从而制定更科学的供应链管理策略，增强应对全球不确定性事件的能力。这篇综述不仅总结了已有成果，更通过剖析问题与展望未来，为供应链复杂网络研究领域的持续发展指明了方向。