
- •1.Сис анализ в совр исследований
- •2. Сис описание задачи оптимизации
- •3.Сис анализ транспортных моделей. М. Потенциалов
- •4. Алгоритм решения транспортной задачи при получении максзначц.Ф
- •5. Решение транспортных задач методом Фогеля
- •6. Оптимизация назначений максимальное и минимальное значение функции
- •7. Динамическое программирование принцип оптимальности Беллмана
- •8. Постановка задачи распределения инвестиций и алгоритм ее решения методом динамического программирования
- •9. Постановка задачи о бинарном рюкзаке и алгоритм ее решения методом динамического программирования.
- •10. Постановка задачи о рюкзаке с неограниченным количеством элементов и алгоритм ее решения методом динамического программирования.
- •11. Постановка задачи о замене оборудования и алгоритм ее решения методом динамического программирования.
- •12. Принятие решений на основе расчета функции полезности.
- •13. Экспертные методы в процессе прогнозирования и разработки управленческих решений.
- •14. Метод ранжирования мнений экспертов.
- •15.Методы определения согласованности и экспертов
- •16. Метод Паттерн
- •17Методы групповой экспертной оценки:
- •18.Метод "Дельфи"
- •19.Принятие решении в условиях неопределенности
- •20. Охарактеризуйте критериев пессимизма - оптимизма(гурвица) и критериев минимального риска (севиджа).
- •21. Методы выбора альтернатив в условиях риска( дерево решений)
- •22 Пассивный метод поиска минимума функции одной переменной
- •23 Метод дихотомии(половинного деления) как метод оптимизации унимодальной функции
- •24 Численный метод оптимизации функции одной переменной -метод Фибоначчи
- •25. Численный метод оптимизации функции одной переменной – метод «золотого сечения»
- •26. Градиентный метод оптимизации – метод с дроблением шага
- •27.Градиентный метод оптимизации – метод наискорейшего спуска.
- •28. Градиентный метод оптимизации – метод Ньютона
- •29.Понятие нечеткого множества и операции над ними.
- •30.Функции принадлежности элементов нечеткого множества их назначение и виды
- •31 Нечеткие отношения. Понятия и принципы композиции нечетких отношений
- •32Понятие лингвистической переменной. Метод Мамдани
- •32 Метод оптимизации – метод штрафных функций
- •33 Модель черного ящика
- •34 Структуризация конечной цели в виде дерева целей
- •35 Проектирование систем с исследованием системных принципов
- •36 Выбор рациональной стратегии с использованием многих критериев
- •37 Метод функционально стоимостного анализа
- •38 Современные тенденции в области системного анализа
29.Понятие нечеткого множества и операции над ними.
Нечетким
мн-м С в Х наз-ся сов-ть пар вида (x,,
где
функция
принадлежности ,определенная на
отрезке[0,1]
Справедливо
утверждение: «нечеткое множество вполне
описывается своей функцией принадлежности».
Обычные(четкие) мн-ва составляют подкласс
нечетких мн-в. Для обычного мн-ва функция
принадлежности
. Обычное мн-во определяется сов-тью пар
(х,
)
Операции над нечеткими множествами:
1.Объединением
нечетких множеств А и В в Х называется
нечеткое мн-во А
c
функцией принадлежности вида
2.пересечением
нечетких мн-в А и В в Х называется нечеткое
мн-во
с функцией принадлежности вида
3.
дополнением нечеткого мн-ва А в Х
называется нечеткое мн-во
с функцией принадлежности вида
4.Разность
нечетких мн-в А и В в Х определяется как
нечеткое мн-во А-В с функцией принадлежности
вида
Декартово произведение А1*А2*….*Аn нечетких мн-в А1 в Х1 определяется как нечеткое мн-во А в декартовом произведении Х=Х1*Х2*….*Хn с функцией принадлежности вида
30.Функции принадлежности элементов нечеткого множества их назначение и виды
1-Треугольная
функция
где a,b,c
- некоторые числовые параметры,
упорядоченные отношением a≤b≤cи
принимающие произвольные действительные
значения. Функция принадлежности
порождает нормальное выпуклое унимодальное
нечеткое множество с носителем (a,c),
границами (a,c)/,
ядром
и модой b.
2- Функция принадлежности Гаусса
3- Сигмовидная функция
В зависимости от знака параметра a рассматриваемая ФП будет открыта или справа или слева, что позволит применять её при описании таких нечетких понятий, как «очень большой», «крайне отрицательно» и др.
31 Нечеткие отношения. Понятия и принципы композиции нечетких отношений
Нечеткие отношения
Если элемент u под номером i находится в отношении R с элементом vс номерjм j, то записывают rij(ui,vj). Отношения можно представить в виде матрицы.
Ui/Vj |
1 |
2 |
3 |
4 |
1 |
r11 |
r12 |
r13 |
r14 |
2 |
r21 |
r22 |
r23 |
r24 |
3 |
r31 |
r32 |
r33 |
r34 |
4 |
r41 |
r42 |
r43 |
r44 |
Таблицу
можно расписать иначе, в виде «суммы»,
где знак «+» будет означать лишь факт
принадлежности элемента к подмножеству
:
(первая строка)
(вторая
строка)
Композиция отношений
В логике нечетких отношений произведение нечетких множеств моделирует знание-правило «если U, то V», т.е. моделирует отношение-продукцию U→V.
R = U * Vвыполняет операцию U→V,S = V * W1
Композиция множеств позволяет дать ответ на вопрос: «Как определить отношение вида?»
U * V→V * W1
В левой части имеем:rij = μR(ui,vj) В правой части имеем:sij = μS(vi,ϕj)
Сущность операции свертки представляет собой классический алгоритм произведения матриц
R→S
P = R ° S
P11=max
P32=max
32Понятие лингвистической переменной. Метод Мамдани
При формировании базы нечетких правил используются лингвистические переменные, с помощью которых может быть построена система правил след.типа:
ЕСЛИ b1это А1 Иb2 это А2 ТО b3 это А3 или ЕСЛИ b1это А1 ИЛИb2 это А2 ТО b3 это А3
Где bi – лингвистические переменные;Aj – нечеткие множества, соответствующие базовым или модифицированным с помощью процедур G значениям лингвистической переменной.
В данной записи переменные b1иb2 относящиеся к условиям правил, называются входными переменными, а b3из заключения – выходной лингвистической переменной.
Алгоритм нечеткого вывода по Мамдани.
ЕСЛИ b1это А1 Иb2 это А2 ТО b3 это А3 ЕСЛИ b1это В1 Иb2 это В2 ТО b3 это В3
Этап
1.
Фазификация входных переменных: по
фактическим точным значениям входных
переменных
,
(
где
– базовые пространства входных переменных
b1и b2
соответственно) определяются степени
истинности для предпосылок каждого
правила:
μА1(
),
μА1(
),
μB1(
),
μB1(
).
Этап2. Нечеткий вывод состоит из двух действий – агрегирования предпосылок и активизации заключений правил. Сначала находятся степени истинности правил, в данном случае с использованием операции min, т.к. употребляются логические связки «И»:
a1=min[μA1(),
μA1(
)]
a2=min[μB1(),
μB1(
)]
Затем определяются «усеченные» функции принадлежности для заключений правил:
μ’A1(y)=min[a1,μA1()]
μ’B1(y)=min[a2,μB1()]
где
yY,
а Y является областью
определения, базовым пространством
выходной лингвистической переменной
b3.
Этап 3. Аккумуляция заключений нечетких правил. Найденные «усеченные» функции объединяются, в результате чего получается итоговое нечеткое множество для входной переменной с функцией принадлежности:
μ(y)=max[μ’A1(y), μ’B1(y)]
Этап 4. Дефазификация для нахождения, если это требуется, точного y0.