1) Dispersal Control Strategy
拥挤疏导控制策略
2) congestion control strategy
拥塞控制策略
1.
An improved binary ant-colony algorithm based on congestion control strategy and multi-population is proposed to over-come these disadvantages.
使用拥塞控制策略改善算法的全局寻优能力,同时引入多种群的思想,提出了带拥塞控制多种群二元蚁群算法。
3) Congestion Control
拥挤控制
1.
Rate-based TCP-friendly Multicast Congestion Control;
基于速率的TCP友好多播拥挤控制
2.
With an efficient congestion control schame,the communication bandwidth of network can be optimally utilized and the stable operation of ATM networks can be guaranteed.
拥挤控制在ＡＴＭ网络中起着重要的作用，有效的拥挤控制算法能够使网络的通信带宽得到最优利用，并能保证ＡＴＭ网络操作的稳定性。
4) traffic congestion management
交通拥挤疏导
1.
After indicating the importance of establishing intelligent decision support system for urban traffic congestion management, the design idea, system framework, function and method for realization of system are proposed.
本文首先分析了当发生交通拥挤时 ,城市道路交通状况的特点 ,表明建立智能化城市交通拥挤疏导决策支持系统的重要性 。
5) grooming scheme
疏导策略
1.
To solve the dynamic traffic grooming problem in WDM mesh networks,we propose a resource efficiency grooming scheme based on the transceiver saving auxiliary graph model.
为了解决波分复用(WDM)网状网络中的动态流量疏导问题,基于收发器节约辅助图模型,提出了一种资源效率疏导策略。
6) congestion pricing strategy
拥挤收费策略
1.
The paper illustrates the negative effect of enterprise-vehicle on implementing congestion pricing strategy with a theoretic analysis and an example.
通过实例论证了公车对实施拥挤收费策略的消极作用,如果要提高系统的效益,就要控制路网系统中公车用户的数量,制订公车改革方案或者其他管理措施,改变它们的出行规律,使它们遵从Wardrop均衡原则。
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