导读:本文包含了动态群体规模论文开题报告文献综述及选题提纲参考文献，主要关键词:中等收入群体,规模变迁,收入两极分化
动态群体规模论文文献综述
龙莹[1]（2012）在《中国中等收入群体规模动态变迁与收入两极分化:统计描述与测算》一文中研究指出利用中国健康和营养调查(CHNS)微观收入数据,对中等收入群体的比重进行测算,研究其动态变迁,并计算收入两极分化指数,结果表明:1988—2005年,中国中等收入群体比重呈不断下降趋势,与之伴随的是两极分化程度不断提高,收入分配不平等程度加深;长期来看,城镇内部两极分化的增速高于农村内部两极分化的增速;高收入群体和低收入群体内部聚集程度的加深进一步扩大了收入两极分化程度。要缓解收入两极分化,降低收入分配不平等程度,关键是要扩大中等收入群体比重,培育稳定的、规模壮大的中等收入群体。(本文来源于《财贸研究》期刊2012年02期）
王光辉[2]（2008）在《具有动态群体规模的微粒群算法研究》一文中研究指出微粒群算法最早是在1995年由James Kennedy和Russell Eberhart共同提出的,其基本思想是受对鸟群行为进行建模和仿真的研究结果启发。微粒群优化算法是一种基于种群搜索策略的自适应随机算法,是进化计算领域中的一个新的分支。它与其他进化算法一样,对优化的目标函数没有连续、可微等要求,且算法的结果不依赖于初值的选取,具有很强的普遍适用性,此外,它的原理简单清晰、易于编程实现、收敛速度较快、没有很多参数需要调整。作为一种新的进化算法,PSO算法己被证明是一种有效的全局优化方法,已广泛应用于函数优化、神经网络、模糊系统控制等诸多领域。本文在对具有动态群体规模的智能算法进行综述、分析的基础上,针对标准微粒群算法求解高维多峰函数优化问题时,容易出现的早熟收敛和收敛速度慢等问题,提出了一种基于遗传算法思想的具有动态群体规模的混合微粒群算法(a Hybrid PSO with Varying Population Size——VPPSO),给出了算法的基本思想和算法流程,对种群规模动态调整过程中涉及到的各种算子和微粒保留概率的计算方法进行了探讨。并通过对四个典型测试函数的仿真实验,分析了参数对算法性能的影响程度,验证了算法的有效性。然后通过对VPPSO算法存在的缺陷分析,提出了引入培育期的VPPSO算法,以控制种群规模的频繁变化。同时对VPPSO算法的杂交方法进行了改进,以提高种群多样性,从而使算法的收敛速度和全局收敛性能得到提高。最后通过仿真实验,验证了算法的有效性。(本文来源于《太原科技大学》期刊2008-07-01）
王光辉,曾建潮[3]（2008）在《一种具有动态群体规模的微粒群算法》一文中研究指出以标准微粒群算法PSO为基础,提出了一种改进的群体规模可变的微粒群算法—VPPSO。该方法是在标准PSO的进化过程中,当PGBEST(全局最好值)连续多代不发生变化时,利用遗传算法的杂交机制产生子代,并根据一定的规则加入进化群体中,当群体规模超过允许的最大值时,再通过选择机制,将群体规模收缩到初始时的状态。通过对四个多峰测试函数进行仿真,其结果表明:在高维多峰函数的优化中,VPPSO的收敛率以及收敛精度较标准PSO有很大的提高。(本文来源于《计算机工程与应用》期刊2008年11期）
动态群体规模论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
微粒群算法最早是在1995年由James Kennedy和Russell Eberhart共同提出的,其基本思想是受对鸟群行为进行建模和仿真的研究结果启发。微粒群优化算法是一种基于种群搜索策略的自适应随机算法,是进化计算领域中的一个新的分支。它与其他进化算法一样,对优化的目标函数没有连续、可微等要求,且算法的结果不依赖于初值的选取,具有很强的普遍适用性,此外,它的原理简单清晰、易于编程实现、收敛速度较快、没有很多参数需要调整。作为一种新的进化算法,PSO算法己被证明是一种有效的全局优化方法,已广泛应用于函数优化、神经网络、模糊系统控制等诸多领域。本文在对具有动态群体规模的智能算法进行综述、分析的基础上,针对标准微粒群算法求解高维多峰函数优化问题时,容易出现的早熟收敛和收敛速度慢等问题,提出了一种基于遗传算法思想的具有动态群体规模的混合微粒群算法(a Hybrid PSO with Varying Population Size——VPPSO),给出了算法的基本思想和算法流程,对种群规模动态调整过程中涉及到的各种算子和微粒保留概率的计算方法进行了探讨。并通过对四个典型测试函数的仿真实验,分析了参数对算法性能的影响程度,验证了算法的有效性。然后通过对VPPSO算法存在的缺陷分析,提出了引入培育期的VPPSO算法,以控制种群规模的频繁变化。同时对VPPSO算法的杂交方法进行了改进,以提高种群多样性,从而使算法的收敛速度和全局收敛性能得到提高。最后通过仿真实验,验证了算法的有效性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
动态群体规模论文参考文献
[1].龙莹.中国中等收入群体规模动态变迁与收入两极分化:统计描述与测算[J].财贸研究.2012
[2].王光辉.具有动态群体规模的微粒群算法研究[D].太原科技大学.2008
[3].王光辉,曾建潮.一种具有动态群体规模的微粒群算法[J].计算机工程与应用.2008