ИСПОЛЬЗОВАНИЕ НЕЧЕТКОЙ ЛОГИКИ ДЛЯ ПРИНЯТИЯ РЕШЕНИЯ В ЭКСПЕРТНЫХ СИСТЕМАХ

Marcin GAJZLER
Познанский университет
Институт Технологии и Структурных Разработок
© Издательство Познанского университета Технологии, Poznan 2004 ISSN 1642-9303 No5-2004
Перевел Зенкевич К.А.

Резюме: В статье автор представляет проблему выбора конкретных строительных материалов. Используя выбор с использванием нечеткой логики. Идея статьи состояла в том, чтобы показать возможности нечеткой логики, особенно возможности изменения качества в количества данных.
Ключевые слова: принятие решения, нечеткая логика, методы искусственного интеллекта, восстанавливает системы конкретных построек.

   Использование компьютерных исследований и методов искусственного интеллекта в строительстве уже известно и становится обычным делом. Можно было перечислить информационные системы управления, системы поддержки принятия решений, экспертные системы так же как системы, основанные на искусственных нейронных сетях и генетических алгоритмах. Было бы весьма трудно обойтись без любого из упомянутых элементов. Большое количество информации, достигающей получателя, шум, который может помешать передачи, и наконец потребность выбора определенной информации, обрабатывая данные и принимая решения, основанновываясь на этом - все эти факторы, требует развития систем, которые облегчают и поддерживают трудный вывод и процесс принятия решения. На помощь приходят методы искусственного интеллекта. Феингенбаул описывает искусственный интеллект как "ветвь компьютерных исследований, которая касается способов и методов символического создания заключения через компьютер так же как символического представления знания, используемого в таком рассуждении". Методы искусственного интеллекта используются, чтобы попытаться описать действительность в пути, который подражает человеческому рассуждению. Были различные усилия преодолеть недостатки традиционных компьютерных алгоритмов, которые часто терпят неудачу в ситуациях, легко разрешымых людьми. В AI программах, в отличие от традиционных программ, мы сталкиваемся с символической обработкой, декларативной регистрацией данных и существенным использованием базы данных. К сожалению, есть определенная проблема, связанная с формализацией качественных явлений. Методы искусственного интеллекта не в состоянии справиться с естественной нехваткой точности естественных явлений и объектов. Нечеткая Логика - чрезвычайно хороший инструмент, который позволяет проходить от качественных к нормативным данным. Это также позволяет определять явления, которые характеризованы нехваткой точности определения. Эту нехватку точности обычно называют нечеткостью.

   Неоднократно практически показывалось, что необходимо поддержтвать системы принятия решения. Текущие экономические условия делают, это еще более существенным для лиц, принимающих решение, чтобы выполнять правила рациональности и выполнить действия "хорошо думая". Однако, есть много препятствий и трудностей, которые могут препятствовать процессу разработки системы, которая поддерживает процесс принятия решений. Одно из таких препятствий может быть нехваткой точности в описании окружающей среды и явлений. В этой статье автор представляет возможность использовать нечеткую логику когда дело доходит до оценки различных вариантов, выбирая систему ремонта конкретных построек [4]. На основе выполненного исследования [1] и использование возможностей, нечетких рассуждений и предложений, попытка создать систему, которая помогает принятию решения в строительной промышленности, были сделаны. Ситуации будут рассматриваться от потенциального решения - точка зрения подрядчика - он выбирает материал ремонта среди некоторых доступных. В проанализированном случае автор собирается представить точку зрения клиента. Это весьма существенно как, в зависимости от характера решения-производителя, есть различное предпочтение и ограничения, так же как важность критериев. Чтобы решить проблему, мы будем использовать подход мультикритериев, который состоит в изоляции некоторых существенных признаков. Используя эти признаки, мы оценим проверенные материалы, и затем мы определим относительную привлекательность. Есть также другой полезный инструмент - элемент экспертной системы, такой как основа правила, которая будет служить, чтобы иллюстрировать предпочтение и возможные ограничения лиц, принимающих решение. Первая фаза - идентификация признака, которые используются в использовании оценки системы ремонта. Эти признаки могут быть получены на основе спецификаций опытного, объективного и независимого эксперта. В нашем случае мы можем принять следующие критерии: материальный тип (МП), сгибая длительность (BD), прилипание (A), продолжительность обработки (PT), условия поставки (DC). Следующая переменная являются долговечностью. Длительность - измеримая ценность, и она может быть точно определена. Однако в этом случае класификайии области и оценка было уже сделано, оно служило, чтобы отделить 3 первичных срока, связанные с ценностью переменнойю Внизу длительность, длительность B-среды, длительность C-уровень долговесноти. То же самое было сделано до A. Единственными измененными вещами были диапазоны переменной A, который был отмечен различным шрифтом. Все еще другая переменная, выставленная подразделению, является продолжительностью обработки, что означает время, в течение которого возможно использовать материал. В этом случае, больше ценностей было отделено: "очень" короткий, B-короткий, C-среда, D-долгий, Каждое длинное (Рис. 3).

Рис. 1. Значения переменной МП
Рис. 2. Значения переменной A
Рис. 3. Значения переменного PT

    В случае последней переменной, условия поставки DC, ценности будут более символическими чем цифра в их природе. Переменный DC - качественная переменная, и он описывает способность материального дистрибьютора обслужить лицо, принимающее решение (или потенциальный материальный приемник) потребности и требования. Как область продуманных объектов для нечеткой области резюме ценностей был взят диапазон [0,1]. Переменный DC включает такие компоненты как поставка вовремя, время ожидания, транспортные способности дистрибьютора, и т.д. переменный DC возьмет три ценности: "не" очень привлекательный, B-среднее-число, C- привлекательный (Рис. 4).
    Знание, необходимые, чтобы построить систему, должны быть получены на основе анализа потребностей так же как лица, принимающие решения, - ожидания и предпочтение, имеющее отношение к материалам. В этом случае, мы можем предположить, что следующие информации была получена:

Рис. 1. Значения переменной МП
Рис. 2. Значения переменной A
Рис. 3. Значения переменного PT

    В случае последней переменной, условия поставки DC, ценности будут более символическими чем цифра в их природе. Переменный DC - качественная переменная, и он описывает способность материального дистрибьютора обслужить лицо, принимающее решение (или потенциальный материальный приемник) потребности и требования. Как область продуманных объектов для нечеткой области резюме ценностей был взят диапазон [0,1]. Переменный DC включает такие компоненты как поставка вовремя, время ожидания, транспортные способности дистрибьютора, и т.д. переменный DC возьмет три ценности: "не" очень привлекательный, B-среднее-число, C- привлекательный (Рис. 4).
    Знание, необходимые, чтобы построить систему, должны быть получены на основе анализа потребностей так же как лица, принимающие решения, - ожидания и предпочтение, имеющее отношение к материалам. В этом случае, мы можем предположить, что следующие информации была получена:

1. плохой строительный раствор недопустим, иначе не имеет значения, какой материал используется
2. у идеального раствора должны быть высокая долговечность и высокое прилипание так же как долгая продолжительность обработки
3. если долговечность раствора является средней, она должна быть характеризована по крайней мере средним прилипанием, долгая продолжительность обработки и привлекательные условия поставки, чтобы быть привлекательным для лица, принимающего решение
4. непривлекательные условия поставки, несмотря на высокую длительность, прилипание и очень долгая продолжительность обработки делают материал непривлекательным для лица, принимающего решение
5. низкая длительность или прилипание делают материал непривлекательным для лица, принимающего решение
6. чем дольше продолжительность обработки, тем более привлекательный материал добирается, пока длительность и прилипание являются по крайней мере средними

    Представленные мнения, которые включают предпочтение лиц, принимающих решение и ограничения, субъективны в их природе, в то время как описанные критерии оценки рассматривают как наличие важного характера. Эквивалентность критериев оценки была первоначально принята, и все еще в немного обусловливает важность критериев, может принять в диапазоне <0,1>. Для утверждения 1. в случае раствора важности критерия = 1, в то время как в других случаях (крупнозернистый и мелкозернистый раствор) важности критерия = 0, который фактически означает возможность этого критерия. Однако, на данном этапе, ради ясности, эквивалентность критериев не была предложена. На основе этих утверждений возможно построить несложную основу знания, которая является рядом правил для системы принятия решения в процессе. На основе правил номер 2 и 4 мы можем завершить что:
    На основе этих утверждений возможно построить несложную основу знания, которая является рядом правил для системы принятия решения в процессе. На основе правил номер 2 и 4 мы можем знать что:

ЕСЛИ: ? МП не раствор
BD- высокий
A-высокий
PT-очень длинный
DC-привлекательныq
ТОГДА, материальная привлекательность очень высока.
Это правило описывает лучшую ситуацию с точки зрения лица, принимающего решение. Это достаточно для DC, чтобы быть непривлекательным, и целая материальная привлекательность будет очень низка.

Это можно показать следующим образом:
ЕСЛИ: ? МП не раствор
BD - высокий
A-высокий
PT-очень длинный
DC-не привлекательны
ТОГДА, материальная привлекательность очень низка. Действуя этотим путем мы можем создать образцовую структуру. Следующие правила созданы, заполняя промежутки между базисными точками знания. 5 материальных вариантов были проанализированы и оценены. Они были описаны следующим образом:

    Может быть замечено здесь, ценности входных переменных могут быть даны различными способами, и благодаря использованию нечеткой системы возможно стандартизировать их. Даже BD и ценности, дано число, может быть, справочный в их природе, хотя можно ожидать точные ценности в этом случае. После определения входных данных так же как подразделения переменной области и определения функции членства, возможно двинуться в фазу заключения. В случае нашего примера, который основан на экспертной системе, используя нечеткую логику, активизированы все правила основы знания. Для каждого правила каждый определяет степень подлинности предшественника на основе степени отдельных входов в регулирование условий правила. Если Вы идете далее, на основе корреляции предшественника с последователем найдено размытое множество, которое является результатом операции правила. Результаты наконец объединены в один начальный набор. В нашем случае минимальные операции будут использоваться, чтобы понять соединение удовлетворения условиям в правиле, тогда минимальная корреляция последователя с предшественником и максимальной операцией для интеграции действия правила.

   В этой статье, мы обсудили формирование цепочки в нечетком правиле, базовой системы. В нечетких системах это желательно для всех правил, еффективная ценность лингвистической переменной перед переменной используется в антецеденте другого правила. Правила, как говорят, находятся в нечеткой цепи с другими правилами (выше в цепи), у которых есть нечеткие лингвистические переменные от их последствий, которые соответствуют предшествующим нечетким переменным правила. FuzzyShell [14] делает некоторые сложные модификации к основной сети соответствия образца, чтобы позволить нечеткому формированию цепочки работать как ожидалось. Авторы FuzzyShell отмечают, что никакая другая нечеткая оболочка экспертной системы правильно не обращается с формированием цепочки в нечетких системах основанных на нечетких правилах. Мы показываем три подхода к правильной обработке с формированием цепочки в FuzzyCLIPS. Подходы могут использоваться с FuzzyCLIPS 6.04a и не потребовать никаких модификаций к основному алгоритму соответствующего образца. Далее, механизм, который изменяет алгоритм заказа повестки дня правила, позволяя текущие 7 различных подходов решения конфликта FuzzyCLIPS использоваться Этот подход также решает нечеткую проблему формирования цепочки в FuzzyCLIPS в манере, прозрачной пользователю. Наконец, когда от фактов отрекаются, мы указали на потенциальную ловушку выборов, сделанных в FuzzyShell обращаться с нечетким формированием цепочки. Эта потенциальная ловушка не существует ни в одном из решений FuzzyCLIPS проблемы, которые даны здесь. Подтверждения Это исследование было частично сделано в BISC, в то время как автор был на творческом отпуске. Благодаря Отделению Беркли UC CS и профессора Zadeh для использования их услуг. Благодаря анонимным рецензентам для их полезных комментариев.