1) crossover control tactics
交叉控制策略
1.
An improved genetic algorithm with increasing real time traffic information in former combining crossover control tactics and single crossover operator avoids the early convergence and gets the optimal routing and improves the whole routing net efficiency.
针对传统遗传算法在交通诱导系统中求解最优路径问题中存在早熟收敛,易陷入局部极值点以及求得的最优路径缺乏实时性的问题,在模型中加入了实时交通信息,引入了一种新的带染色体交叉控制策略的改进遗传算法,配合单点交叉算子,消除了传统遗传算法中早熟收敛的不足,并使所求最优路径更加贴近实时的交通状态,切实达到诱导目的,提高整体路网的运行效率。
3) crossover strategy
交叉策略
1.
Genetic crossover strategy to obtain optimal solutions quickly;
快速寻优的遗传交叉策略
2.
A new crossover strategy which chooses the outstanding individuals according to competition is used to increase the individual average performance of the population.
提出一种改进的遗传算法,为排序选择压力引入自适应调节机制,确保选择压力随种群性状的改变而动态调整,采用新的竞争择优交叉策略提高种群中个体的平均性能。
3.
Based on several existing Genetic Algorithm(GA),a improved GA is proposed through further facilitating the fitness function,crossover strategy and mutation strategy of GA.
在现有几种遗传算法(GA)的基础上,对GA中的适应度函数、交叉策略和变异策略做了进一步的设计,从而提出了一种新型改进GA。
4) traffic control strategy
交通控制策略
1.
Research on traffic control strategy under equilibrium network;
均衡网络下交通控制策略的研究
5) Switch control strategy
交换控制策略
6) cross-removing strategy
去交叉策略
1.
To improve the artificial fish-school swarm algorithm,the cross operator of the genetic algorithm and the cross-removing strategy are used to solve the traveling salesman problem(TSP).
利用遗传算法的交叉算子,并引入去交叉策略,对人工鱼群算法进行了改进,提出了一种改进型人工鱼群算法,并将该算法用于求解旅行商问题(traveling salesman problem,TSP)这一经典的NP难问题。
补充资料：控制策略
控制策略
control strategy
知识库的知识在一定的推理策略控制下求解当前问题的方法。用于专家系统的推理方法很多，如归纳方法、非单调推理方法等(参见自动推理)，但在专家系统中较常用的是基于规则系统的推理方法。这类方法又可分为正向推理、反向推理和双向推理。 正向推理由原始数据出发向结论方向的推理，即所谓事实驱动方式。其推理过程为:系统根据用户提供的原始信息，在知识库中寻找能与之匹配的规则。若找到，则将该知识块的结论部分作为中间结果，利用这个中间结果继续与知识库中的规则匹配，直到得出最终结论。 单纯的正向推理简单、易实现，但目的性不强，需用启发式知识控制中间结论的选取。另外，由于不能反推，系统的解释功能要受到影响。 反向推理先提出假设，然后由此出发，进一步寻找支持假设的证据，即所谓目标驱动方式。当所需的证据与用户提供的原始信息匹配时，推理成功。 显然，反向推理在选择目标时容易有盲目性。因此，反向推理比较适合结论单一或直接提出结论要求证实的系统。 双向推理又称正反向混合推理。先根据原始数据通过正向推理帮助提出假设，再用反向推理进一步寻找支持假设的证据，反复这个过程，直到获得满意的结论。 双向推理集中了正向和反向推理的优点，但其控制策略较前两者复杂。 搜索策略是专家系统在求解过程中不能明确知道求解的路径，为寻找正确的解，需要对求解空间进行搜索时所采用的方法。用于专家系统的搜索方法很多，如深度优先、广度优先、启发式搜索等方法(参见启发式搜索)。搜索方法选择是十分重要的，它决定了推理的效率。一般搜索方法可根据求解问题的性质来选用。有时求解空间太大，首先可选用解空 间分解、解空间求精等方法，在解空间可分解为若干独立子空间时，通过搜索各个较小子空间来取得最 终的解;在解空间不能分解为独立子空间时，采用抽 取解空间的重要特性来形成一个高度简化的解空 间，然后逐步把高度简化的解空间的每一部分细化 下去，细化到采用常规搜索方法能求出满意的解为 止。 理论上，根据推理的收敛快慢程度，把搜索策略 分为4种类型: (l)完全非聚焦型依靠对全部可能性穷举搜 索，没有启发性知识。(2)相对非聚焦型有一定的启发性知识，推理过程不能完全控制，试探性较强。 (3)相对聚焦型有较强的启发性知识，推理过程能完好地控制，试探性较弱。 (4)完全聚焦型推理路径明确，无任何试探性，一步一步按路径推理。 当前，专家系统采用相对聚焦型推理较多。kongZh一Celue控制策略(con加15如t哪罗)专家系统中推理机所用的推理和搜索策略。它们的选取很大程度上是依赖于知识表示的方法。推理方法是推理机利用
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条