- •А.П. Ротштейн Интеллектуальные технологии идентификации
- •Глава 1
- •1.1. Нечеткие множества
- •1.1.1. Основные понятия теории нечетких множеств
- •1.1.2. Свойства нечетких множеств
- •1.1.3. Операции над нечеткими множествами
- •1.1.4. Некоторые дополнительные понятия
- •1.1.5. Нечеткие отношения
- •1.1.7. Нечеткость и вероятность
- •1.1.6. Нечеткие числа
- •1.2. Генетические алгоритмы
- •1.2.1. Принципы построения генетических алгоритмов
- •1.2.2. Основные операции генетических алгоритмов
- •1.2.3. Стратегии поиска
- •1.2.4. Отличие от классического поиска
- •1.2.5. Преимущества генетических алгоритмов
- •1.2.6. Терминология
- •1.2.7. Примеры генетической оптимизации
- •1.3. Нейронные сети
- •1.3.1. Основные понятия
- •1.3.2. Имитация нервных клеток
- •1.3.4. Обучение нейронных сетей
- •1.3.5. Метод обратного распространения ошибки
- •Глава 2
- •2.1. Лингвистические правила в принятии решений
- •2.1.1. Автоматическое управление
- •2.1.2. Ситуационное управление
- •2.1.3. Медицинская диагностика
- •2.1.4. Многокритериальная оценка
- •2.1.5. Многофакторный анализ
- •2.2. Принятие решений и идентификация
- •2.3. Принципы лингвистического моделирования
- •Глава 3
- •3.1. Формализация исходной информации
- •3.1.1. Входы и выходы объекта
- •3.1.2. Лингвистические переменные
- •3.1.3. Нечеткая база знаний
- •3.1.4. Функции принадлежности
- •3.2. Объекты с дискретным выходом
- •3.2.1. Постановка задачи
- •3.2.2. Нечеткие логические уравнения
- •3.2.3. Алгоритм аппроксимации
- •3.3. Объекты с непрерывным выходом
- •3.3.1. Постановка задачи
- •3.3.2. Алгоритм аппроксимации
- •3.4. Применение композиционного правила вывода
- •3.4.1. Постановка задачи
- •3.4.2. Нечеткий логический вывод
- •3.4.3. Интерпретация вывода
- •3.5. Иерархические объекты
- •3.5.1. Обобщенное дерево логического вывода
- •3.5.2. Нечеткие логические уравнения
- •Глава 4
- •4.1. Нечеткое представление неопределенных параметров
- •4.2. Учет влияющих факторов
- •4.3. Нечеткое обобщение аналитических моделей
- •4.3.1. Принцип обобщения Заде
- •4.3.3. Модифицированный принцип обобщения
- •4.4. Методика нечеткого обобщения аналитических моделей
- •Глава 5
- •5.1. Задачи оптимальной настройки
- •5.1.1. Веса правил
- •5.1.2. Объект с непрерывным выходом
- •5.1.3. Объект с дискретным выходом
- •5.1.4. Критерии качества идентификации
- •5.2. Настройка параметрических функций принадлежности
- •5.2.1. Кодирование
- •5.2.2. Скрещивание
- •5.2.3. Мутация
- •5.2.4. Функция соответствия
- •5.2.5. Выбор родителей
- •5.2.6. Генерация популяции
- •5.2.7. Генетический алгоритм
- •5.3. Настройки -уровневых функций принадлежности
- •5.3.1. Аналитические модели функций принадлежности
- •5.3.2. Настройки модели с дискретным выходом
- •5.3.3. Настройки модели с непрерывным выходом
- •5.3.4. Кодирование и скрещивание
- •5.3.5. Мутация
- •5.3.6. Функция соответствия
- •5.3.7. Генерация популяции
- •5.3.8. Генетический алгоритм
- •5.4. Компьютерные эксперименты
- •5.4.1. Методика экспериментов
- •5.4.2. Объекты с непрерывным выходом
- •5.4.3. Объекты с дискретным выходом
- •5.4.4. Исследование -уровневой настройки
- •5.5. Извлечение знаний из экспериментальных данных
- •5.5.1. Постановка задачи
- •5.5.2. Критерий оптимизации
- •5.5.3. Генетический алгоритм оптимизации
- •5.5.4. Пример
- •5.6. Объект "много входов - много выходов"
- •Глава 6
- •6.1. Нейронная идентификация
- •6.1.1. Нейронная сеть как универсальный аппроксиматор
- •6.1.2. Обучение нейронной сети
- •6.1.3. Компьютерные эксперименты
- •6.2.2. Нейро-лингвистический аппроксиматор
- •6.2.1. Лингвистический аппроксиматор
- •6.2.3. Обучение нейро-нечеткой сети
- •6.2.4. Компьютерные эксперименты
- •6.3. Сравнение с нейронной идентификацией
- •Глава 7
- •7.1. Принцип слияния целей и ограничений
- •7.1.1. Нечёткие цели и ограничения
- •7.1.2. Нечёткие решения
- •7.2. Метод построения функции принадлежности
- •7.2.1.Постановка задачи
- •7.2.2. Основные определения и соотношения
- •7.2.3. Алгоритм построения функции принадлежности
- •7.3. Многокритериальный анализ вариантов
- •7.3.1. Общие принципы
- •7.3.2. Критерии как нечеткие множества
- •7.3.3. Равновесные критерии
- •7.3.4. Неравновесные критерии
- •7.4. Пример многокритериального анализа
- •7.4.1.Критерии оценки вариантов
- •Глава 8
- •8.1. Система fuzzy expert
- •8.1.1. Структура системы
- •8.1.2. Экранные формы
- •8.2. Диагностика ишемической болезни сердца
- •8.2.1. Типы диагнозов и параметры состояния больного
- •8.2.2. Нечеткая база знаний
- •8.2.3. Нечеткие логические уравнения
- •8.2.4 Грубые функции принадлежности
- •8.2.5. Алгоритм принятия решения
- •8.2.6. Тонкая настройка нечеткой базы знаний
- •8.3. Прогнозирование количества заболеваний
- •8.3.1. Экспериментальные данные
- •8.3.2. Экспертно-лингвистические закономерности
- •8.3.3. Модель прогнозирования
- •8.3.4. Настройка модели прогнозирования
- •8.4. Идентификация коэффициента сцепления "автомобиль-дорога"
- •8.4.1. Методика идентификации
- •8.4.2. Структурная идентификация
- •8.4.3. Параметрическая идентификация
- •8.4.4. Пример и сравнение с действующей методикой
- •8.5. Многофакторный анализ технологического процесса биоконверсии
- •8.5.1. Этапы и принципы моделирования
- •8.5.2. Дерево вывода
- •8.5.3. Нечеткие матрицы знаний
- •8.5.4. Нечеткий логический вывод и дефаззификация
- •8.5.5. Примеры моделирования
- •8.6. Оценка дипломных проектов
- •8.6.1. Интегральные и частные показатели
- •8.6.2. Уровни качества
- •8.6.3. Оценка частных показателей по принципу термометра
- •8.6.4. Оценка интегрального показателя
- •8.6.5. Возможные обобщения
- •8.7. Оценка кредитоспособности инновационных проектов
- •8.7.1. Типы решений и частные показатели качества
- •8.7.2. Нечеткие базы знаний
- •8.7.3. Функции принадлежности и примеры оценки
- •8.8. Управление динамической системой
- •8.8.1. Объект управления
- •8.8.2. Классическая модель управления
- •8.8.3. Нечеткая модель управления
- •8.8.4. Связь с функциями Ляпунова
7.3.4. Неравновесные критерии
Пусть
'
'
...,
-
коэффициенты относительной важности
(или ранги) критериев
,
,
... ,
такие'
что
.
Для определения коэффициентов
,
необходимо
сформировать матрицу парных сравнений
важности критериев
'
аналогичную (7.15)' и воспользоваться
формулой (7.16).
При наличии коэффициентов важности , формула (7.17) имеет вид:
(7.18)
где
степень
свидетельствует
о концентрации нечеткого множества
в
соответствии с мерой важности критерия
.
7.4. Пример многокритериального анализа
Недавно появилась новая альтернативная форма изображения цифр' которую предложил А.М. Петух. Для сравнения этой новой формы с традиционными семиотическими системами в [44] использовалась изложенная выше методика.
7.4.1.Критерии оценки вариантов
Объектами вариантного анализа являются три семиотические системы' приведённые в табл. 7.3.
Для оценки семиотических систем воспользуемся такими критериями:
- количество разных символов' которые необходимы для обозначения цифр. Из табл.7.3 видно' что
Таблица 7.3.
Изображение цифр
|
|
Системы |
|
Цифры |
Арабская |
Римская |
Альтернативная симметрическая |
|
|
|
|
ноль |
0 |
- |
|
один |
1 |
I |
|
два |
2 |
II |
|
три |
3 |
III |
|
четыре |
4 |
IV |
|
пять |
5 |
V |
|
шесть |
6 |
VI |
|
семь |
7 |
VII |
|
восемь |
8 |
VIII |
|
девять |
9 |
IX |
|
десять |
10 |
X |
|
- максимальное количество знаков' которые используются в системе для изображения цифры. Из табл.7.3 видно' что
Как видим, для отображения цифр до десяти в арабской и альтернативной системах используется один знак, в римской системе наибольшее количество знаков (4) необходимо для отображения цифры VIII. Естественно, лучшей для использования (написания больших чисел, расчётов и т.д.) является цифровая система с минимальным значением критерия .
- сложность написания больших чисел' которая определяется критериями и . С увеличением и уменьшением сложность написания больших чисел уменьшается и наоборот, если значение уменьшается, а значение увеличивается, то сложность написания больших чисел увеличивается;
- необходимое количество сегментов индикатора для отображения десяти первых цифр рабочего алфавита:
- простота изображения' которая определяется количеством нелинейных сегментов. Из табл.7.3 видно' что наиболее простые знаки свойственны альтернативной и римской системам' а сложные - арабской системе;
- прямолинейность основания изображения знаков, которая определяется соотношением прямолинейных и криволинейных контуров изображения элементов. Наиболее прямолинейными есть альтернативные и римские цифры' менее прямолинейными, - арабские цифры;
- полнота использования площади индикатора. Из табл.7.3 видно' что наибольшее значение критерий имеет для альтернативных систем' а для традиционных систем значение значительно меньше;
- константность
изображения знаков,
т. е. относительная стойкость и
инвариантность образа к переменным
условиям восприятия. Этот критерий
определяется количеством использования
знаков' константность которых большая:
квадрат' эллипс' треугольник.
Избранное множество критериев не является замкнутым и может дополняться в зависимости от требований к конкретному средству отображения информации.
7.4.2. Парные сравнения
Сравнение
систем из табл. 7.3 по критериям
приводит
к таким очевидным высказываниям:
7.4.3.Матрицы парных сравнений
Экспертным высказываниям' приведенным выше' соответствуют такие матрицы парных сравнений:
,
,
,
,
'
.
7.4.4. Критерии как нечеткие множества
Пользуясь матрицами парных сравнений и формулой (7.16)' получим:
=
,
=
=
'
=
=
'
=
=
'
=
7.4.5. Случай равновесных критериев
Пользуясь
нечеткими множествами
и
моделью (7.17)' получим:
=
,
что свидетельствует о значительном преимуществе системы над системами и , а также о почти отсутствующем преимуществе системы над системой .
7.4.6. Случай неравновесных критериев
Ранги выбранных критериев можно определить, пользуясь вышеизложенной методикой. При ранжировании критериев следует учитывать интересы как разработчика, так и пользователя устройств отображения, использующих различные семиотические системы. Поэтому критерий (необходимое количество сегментов индикатора для отражения цифр рабочего алфавита), являющийся важным для реализации устройств отображения, и критерий (полнота использования площади индикатора), который важен для пользователя, имеют наибольшие значения рангов. Важными, с точки зрения разработчика и пользователя устройств отображения информации, являются также критерии , , , , ранги которых также имеют высокие экспертные оценки. Учитывая вышеуказанные требования, получены экспертные оценки критериев методом парных сравнений. Следует отметить, что значения рангов критериев пронормированы.
Пользуясь методом парных сравнений' определим ранги критериев :
=0'1
=0'26
=0'24
=0'04
=0'11
=0'08
,
=0'08
=0'09
что означает наибольшую важность минимального количества сегментов индикатора и полноты использования его площади. Тогда' согласно (7.18)' получаем:
=
=
,
=
=
,
=
=
,
=
=
,
=
=
,
=
=
,
=
=
,
=
=
Пересечение этих нечетких множеств с учётом рангов критериев имеет вид:
=
'
что опять свидетельствует о явном преимуществе системы над системами и , а также о наличии преимущества системы над .
Заметим' что полученные результаты анализа могут измениться при использовании других критериев оценки.
Применение предложенной в этом разделе методики многокритериального анализа вариантов для ранжирования студентов, рассмотрено в работе [38].
