5.5 Эксперимент 4

Определим количество не проехавших машин на улице СЮ при работе с интеллектуальным светофором, сравним с количеством не проехавших машин на улице СЮ при работе с обычным светофором, построим соответствующий график, а так же определим эффективности.

Пусть время работы светофора равняется одной неделе, т. е. 10080 итерациям цикла. Число машин, поступающих на оба светофора, будет случайным.

Тогда:

Эффективность интеллектуально светофора = 0.0029

Эффективность обычного светофора = 0.1713

Показатель эффективности обычного светофора больше интеллектуального на 100 %. Это говорит о том, что интеллектуальный светофор пропускает большее количество машин, по сравнению с обычным светофором.

Построим график зависимости не проехавших машин на улице СЮ от итерации (рис. 5.5.1).

Заключение

В данной работе была спроектирована модель работы светофора с нечеткой логикой, а так же модель обычного светофора. После этого был проведен ряд экспериментов, в ходе которых наблюдалось поведение обоих светофорах при различных условиях.

После сравнения результатов можно сделать следующие выводы:

• При сравнении эффективностей обоих светофоров, интеллектуальный показал наилучший результат.

• Чем больше время работы интеллектуально светофора, тем коэффициент эффективности стремится к 0, это означает, что светофор с каждой новой итерацией пропускает все больше машин.

• Показатель эффективности зависит от того, сколько машин приехало, сколько проехало, а так же от того, сколько длится время зеленого сигнала. Поэтому каждый раз показатель эффективности разный.

• Эффективность на улице ЗВ зависит от эффективности на улице СЮ.

• В часы «пик» наблюдается наибольший показатель эффективности у обоих светофоров.

Использование нечеткого управления рекомендуется…

• для очень сложных процессов, когда не существует простой математической модели.

• если должна производиться обработка (лингвистически сформулированных) экспертных знаний.

Использование нечеткого управления не рекомендуется, если…

• приемлемый результат может быть получен с помощью общей теории управления.

• уже существует формализованная и адекватная математическая модель.

Список использованных источников

• Заде Л. Понятие лингвистической переменной и его применение к принятию приближенных решений. – М.: Мир, 1976.

• Круглов В.В., Дли М.И. Интеллектуальные информационные системы: компьютерная поддержка систем нечеткой логики и нечеткого вывода. – М.: Физматлит, 2002.

• Леоленков А.В. Нечеткое моделирование в среде MATLAB и fuzzyTECH. – СПб., 2003.

• Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы. – М., 2004.

• Масалович А. Нечеткая логика в бизнесе и финансах. www.tora-centre.ru/library/fuzzy/fuzzy-.htm

• Kosko B. Fuzzy systems as universal approximators // IEEE Transactions on Computers, vol. 43, No. 11, November 1994. – P. 1329-1333.

• Cordon O., Herrera F., A General study on genetic fuzzy systems // Genetic Algorithms in engineering and computer science, 1995. – P. 33-57.

34