说明:双击或选中下面任意单词,将显示该词的音标、读音、翻译等;选中中文或多个词,将显示翻译。
您的位置:首页 -> 词典 -> 简化控制策略
1)  simplified control strategy
简化控制策略
2)  simplified strategy
简化策略
3)  Policy Simplifying
策略化简
4)  control strategy optimization
控制策略优化
1.
Study of AGC control strategy optimization and its application;
自动发电控制(AGC)控制策略优化的研究和应用
5)  optimal control strategy
优化控制策略
6)  optimized control strategy
最优化控制策略
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