Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:

2012

.pdf
Скачиваний:
25
Добавлен:
15.03.2016
Размер:
1.79 Mб
Скачать

 

s5, 2

 

W15 (s5, 2 )

Μ(r,i)(25)

x6

s6,1

W 2(x6 )

W16 (s6,1 )

Μ(r,i)1(6)

Предлагаемая модель оценки риска обладает следующим достоинством. Исходя из заданной оценки риска R , можно подобрать веса или степени риска факторовxk , что позволит сбалансировано распределить усилия по модернизации ТС.

Пример программы по Алгоритму 9.2

Шаг 1. Совпадает с действиями Алгоритма 9.1 – Шаг 1 – Шаг 2.

Шаг 2. Получение матрицы корреляций функций риска и значимости

расчетом произведения треугольных нечетких чисел (Шаг 3,

Алгоритм

9.1). Снятие

нечеткости трапецеидальным способом

( nкоординаты оснований и вершин треугольных ФП).

 

 

 

n

i

+ n

i+ 1

+ n

i+ 1

+ n

i+ 2

n

r

+ n

r+ 1

+ n

r+ 1

+ n

r+ 2

 

M

 

:=

 

 

 

 

 

 

 

 

 

 

 

 

 

r, i

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

4

 

 

 

 

 

 

 

 

 

 

4

 

 

 

 

 

 

 

 

 

 

 

− 3

 

 

 

− 3

0.014

0.021

0.028

0.035

 

 

 

 

1.736× 10

 

6.944× 10

 

 

0.04

 

 

 

6.944× 10− 3

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

0.028

 

 

0.056

0.083

0.111

0.139

0.16

 

 

 

 

 

0.014

 

 

0.056

 

 

0.111

0.167

0.222

0.278

0.319

M =

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

0.021

 

 

0.083

 

 

0.167

0.25

0.333

0.417

0.479

 

 

 

 

 

0.028

 

 

0.111

 

 

0.222

0.333

0.444

0.556

0.639

 

 

 

 

 

0.035

 

 

0.139

 

 

0.278

0.417

0.556

0.694

0.799

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

0.04

 

 

 

0.16

 

 

0.319

0.479

0.639

0.799

0.918

Шаг 3. Оценка рисков факторов с использованием весовых коэффи-

циентов характеристик риска и значений из Μ по индексам

пары (r,i)( k ) .

jk

Развернутый демо-пример оценки риска факторов с использова-

нием данных матрицы M и весов W:

P0 := W10, 0 M2 , 5 + W10, 1 M4, 0

P1 := W11, 0 M1, 5 + W11, 1 M4, 6 + W11, 2 M3, 2 + W11, 3 M5, 6

Вектор оценок риска факторов:

0.178

P =

0.448

Процедурная реализация расчета вектора оценок риска:

91

Pf := k ← length (W2) − 1 for i 0.. k

s ← cols(RIi) − 1 Pi ← 0

for j 0.. s

v ← (RIi) j

Pi ← Pi + (W1i, j M v0 , v1)

return P

Проверка аналогичности результата:

 

0.3

 

Pf =

 

 

 

 

0.448

 

Шаг 4. Конечная оценка риска факторов, рассчитанная с исполь-

зованием весовых коэффициентов характеристик риска:

W2T Pf = 0.344

Примечание. Для сравнения смотрим результат Алгоритма 9.1:

Centroid(Mrx, Nr) = 0.343

Практическое задание: получить решение по алгоритму упрощенной оценки риска модернизации сложной технической системы. Использовать сведения теории раздела 9.2 и пример Алгоритма 9.2. Работа выполняется с использованием входного языка программирования пакета MathCad.

Содержание задания: получить от преподавателя вариант исходных данных ТС по табл. 9 – 11. Выполнить расчет риска по полученному частному варианту иерархии фактов модернизации ТС (рис. 21). За основу Шага 1 используйте корректно доработанные по Алгоритму 9.1 Шаги 1 – 2, вводя необходимое количество пар лингвистических оценок риска и значимости по каждому фактору, а также корректируя векторы W1, W2 согласно размерности характеристик и факторов системы.

Результат практики: нечеткая оценка риска модернизируемой системы. Описание основных этапов алгоритма с результатом решения. Сделать вывод по работе о сущности упрощения в сравнении с Алгоритмом 9.1.

Контрольные вопросы

1.Какая система способна принять на входе результат оценки риска?

2.Дать определение детерминированных и стохастических ТС.

3.В чем отличие формулы для формирования матрицы оценок лингвистической зависимости риска и значимости характеристик факторов в базовом и упрощенном алгоритме?

92

Заключение

В пособии были рассмотрены теоретические основы и практические алгоритмы по базовым направлениям развития интеллектуальных технологий. Основные из них — это синтез знаний и содействие принятию решений. Синтез многомерных нечетких принадлежностей индуктивно обобщает числовые факторные пространства в системы правил, что соответствует построению решателя уже в новом пространстве логических следований, а это полноценная формула знаний на импликативной основе. В свою очередь расчет по принятию решений начинается с подготовки дедуктивного уровня познаний в форме нечеткой корреляции противоположных характеристик. Все это примеры продукции логического знания как современной основы искусственного интеллекта. Интересующийся развитием интеллектуальных технологий читатель может в дальнейшей своей практике встретить некоторое множество приемов построения логических конструкций и способы их внедрения в ход решения. Опыт, полученный при помощи данного издания, будет способствовать определению основных базовых элементов фактически в любой по уровню сложности схеме, пониманию ее работы и перспективы развития. Пройденный материал содействует поддержке инициативы создания собственных комбинаторных схем с элементами логического решения или полностью подчиненных формуле представления знаний. Например, навыки синтеза функций принадлежности, их параметризация, а также способы регулирования весовых коэффициентов (подобные в оценке риска) – это очень важная технологическая надстройка нейрологических систем, где логическими посылками базы знаний являются параметрические функции, а актуальность решений по основным направлениям знаний регулируется настройкой весов. Также нужно учитывать еще и перечень технологий, требующий получения знаний в координатных пространствах признаков и состояний способом на основе синтеза без участия учителя. Рассмотренные в связи с этим вопросы удовлетворяют потребностям развития современных технологий управления объектами и принятия решений, включая неинженерные прикладные области профессиональной деятельности.

93

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

Основная литература

1.Бенькович Е. Практическое моделирование систем. – СПб. : 2002. – 464 с.

2.Бочков А.П. Модели и методы управления развитием технических систем : учебное пособие. – СПб. : Союз, 2003. – 288 с.

3.Гущин А.В., Тюмиков Д.К. Системное моделирование в условиях лингвистической неопределенности : лабораторный практикум для студентов по дисциплине «Системы искусственного интеллекта». – Самара : СамГУПС,

2009. – 68 с. ил.

4.Дьяконов В., Круглов В. MATLAB. Анализ, идентификация и моделирование систем: специальный справочник. – СПб. : Питер, 2003. – 448 с.

5.Леоненков А.В. Нечеткое моделирование в среде MATLAB и fuzzyTECH. – СПб. : БХВ – Петербург, 2005. – 736 с. ил.

6.Орлов А.И. Теория принятия решений : учебное пособие. – М. : Март, 2004. – 496 с.

7.Штовба С.Д. Проектирование нечетких систем средствами MATLAB. – М. :

Телеком, 2007. – 228 с. ил.

Дополнительная литература

1.Введение в математическое моделирование : учеб. пособие для вузов / под ред. П.В. Тарасова. – М. : Интермет Инжиниринг, 2000. – 200 с.

2.Дружинина О.Г. Моделирование систем : курс лекций. Ч.2. – Екатеринбург : Издательство УМЦ УПИ, 2003. – 103 с.

3.Рассел С., Норвиг П. Искусственный интеллект. Современный подход : пер. с

англ. – 2-е изд. – М. : Вильямс, 2007. – 1408 с.

4.Советов Б.Я., Яковлев С.А. Моделирование систем : учеб. для вузов. – 3-е изд., перераб. и доп. – М. : Высш. шк., 2001. – 343 с. ил.

5.Тарасик В.П. Математическое моделирование технических систем : учебник для вузов. – М. : Наука, 1997. – 600 с.

94

Приложение 1

ПРОЦЕДУРА НЕЧЕТКОЙ КЛАСТЕРИЗАЦИИ С-СРЕДНИХ

Вход: X - координаты; c – число центров; Iter – число итераций; ε - точноcть приближения к центру; m – экспоненциальный вес.

FCL( X , c , Iter , ε , m) := N ← last (X 0 ) c ← c − 1

for k 0.. N for i 0.. c

Fk , i ← rnd (1) c_it ← 0

while 1

for i 0.. c

 

 

 

 

 

 

 

N

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

(Fk , i)m (XT ) k

 

 

 

 

 

 

 

 

 

 

 

 

 

 

V ←

k = 0

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

i

 

 

 

 

 

 

 

 

 

N

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

(Fk , i)m

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

k = 0

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

for

k 0.. N

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

for

i 0.. c

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

k

T

 

 

 

k

 

 

 

 

 

 

 

 

 

D

 

 

 

 

(XT )

 

 

 

− V

 

(XT )

 

− V

 

 

 

 

 

 

 

 

 

 

k

,

i

 

 

 

 

 

 

 

 

 

 

 

 

i

 

 

 

 

 

 

i

 

 

 

 

 

 

 

 

D2

k , i

(D

k , i

)2

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

for

k 0.. N

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

T )

k

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Dmin

 

 

 

 

 

 

 

(

 

 

 

≠ 0

 

 

 

 

 

 

 

 

 

 

 

 

 

 

k

 

← min

 

D2

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

for

k 0.. N

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

for

i 0.. c

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Fn

 

 

 

 

 

← if

(D2

 

 

 

 

≠ 0) Dmin

 

,

 

 

1

 

 

 

, if(D2

 

 

0, 1, 0)

k ,

i

k

, i

k

 

 

 

 

 

 

 

 

k , i

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

m−1

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

c

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

D2k , i

D2

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

s = 0

( k , s)

 

 

 

 

 

for

i 0.. c

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

δi

 

(

 

 

 

i

 

 

 

i

 

 

)2

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

F

− Fn

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

δ ← δ

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

c_it ← c_it + 1

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

break

 

if

 

δ < ε c_it > Iter

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

F ← Fn

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Fn

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

return

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

V

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Выход: Fn – матрица принадлежностей к кластерам; V – координаты центров.

95

Приложение 2

ПРОЦЕДУРА КЛАСТЕРИЗАЦИИ ПО ГОРНОМУ АЛГОРИТМУ

(параметры функции описаны в п. 5.3)

CentrClaster (X , α , β , proz ) := N ← last (X 0 )

 

 

 

 

 

 

 

 

 

 

s ← 0

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

for i 0.. N

 

 

 

 

 

 

 

 

 

 

 

 

 

 

for j 0.. N

 

 

 

 

 

 

 

 

 

 

 

 

Cs , 0 ← i

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Cs , 1 ← j

 

 

 

 

 

 

 

 

 

 

 

 

 

(

 

 

0 )

 

 

 

 

 

 

 

 

 

 

 

X

 

 

i

 

 

 

 

 

 

 

 

 

c ←

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

(X 1 )

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

j

 

 

 

 

 

 

 

 

 

 

 

 

 

 

N

 

 

 

 

 

 

T ) k

 

 

 

 

 

 

 

 

 

 

 

 

(

 

 

Cs , 2 e− α

c−

X

 

 

 

 

 

 

 

 

 

 

 

 

 

 

k = 0

 

 

 

 

 

 

 

 

 

s ← s + 1

 

 

 

 

 

 

 

 

 

 

(

2 )

 

proz

 

 

 

 

 

 

max C

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

100

 

 

 

 

 

 

 

 

 

 

cr ← 0

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

while 1

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Nc ← last

(

 

0 )

 

 

 

 

 

 

 

C

 

 

 

 

 

 

 

 

 

Cs ← csort (C, 2)

 

 

 

 

 

 

Pmax ←

(

Cs

T ) Nc

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

break if

 

 

Pmax2 <

Nc

 

 

0

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Pmax

 

 

 

 

 

 

retCen cr

 

 

 

0

 

 

 

 

 

 

 

 

Pmax

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1

 

 

 

 

 

 

cr ← cr + 1 C ← 0

C ← submatrix (Cs , 0 , Nc − 1, 0, 2)

Nc ← Nc − 1

Cs ← 0

 

 

( 0 )

 

 

 

 

 

 

 

X Pmax

0

 

 

 

 

c ←

 

 

 

 

 

(X 1 )

 

 

 

 

 

 

 

 

 

 

 

 

 

Pmax1

 

 

 

 

for

i 0.. Nc

 

 

 

 

 

 

 

 

 

 

 

(

0 )

 

 

 

 

 

 

 

 

 

 

 

 

 

X

 

 

 

 

− β

 

(X 1 )

Ci, 2 ← Ci, 2 − Pmax2 e

 

 

 

 

 

 

return

retCen

 

 

 

 

 

Ci , 0 −c

Ci , 1

96

Тут вы можете оставить комментарий к выбранному абзацу или сообщить об ошибке.

Оставленные комментарии видны всем.

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]