Глава 2. Применение нечеткой логики в процедуре принятия решений

В последнее время нечеткая технология завоевывает все больше сторонников среди разработчиков систем управления. Взяв старт в 1965 году из работ профессора Лотфи Заде[6]. Его работа "Fuzzy Sets", опубликованная в 1965 году в журнале "Information and Control", заложила основы моделирования интеллектуальной деятельности человека и стала начальным толчком к развитию новой математической теории. Он же дал и название для новой области науки - "fuzzy logic" (fuzzy - нечеткий, размытый, мягкий).

       2.1 Н ечеткая логика в задачах управления

За прошедшее время нечеткая логика прошла путь от почти антинаучной теории, практически отвергнутой в Европе и США, до банальной ситуации конца девяностых годов, когда в Японии в широком ассортименте появились «нечеткие» бритвы, пылесосы, фотокамеры [2, 3]. Сам термин «fuzzy» так прочно вошел в жизнь, что на многих языках он даже не переводится. В России в качестве примера можно вспомнить рекламу стиральных машин и микроволновых печей фирмы Samsung, обладающих искусственным интеллектом на основе нечеткой логики. Тем не менее, столь масштабный скачок в развитии нечетких систем управления не случаен. Простота и дешевизна их разработки заставляет проектировщиков все чаще прибегать к этой технологии.После поистине взрывного старта прикладных нечетких систем в Японии многие разработчики США и Европы наконец-то обратили внимание на эту технологию, что показано в [1,4,5,20].

В рамках настоящего курсового проекта модель нечеткого контроллера для оценки кредитоспособности разрабатывается в программной среде MATLAB. MATLAB – это пакет прикладных программ для решения задач технических вычислений и одноимённый язык программирования, используемый в этом пакете. MATLAB используют более 1 000 000 инженерных и научных работников.

Основы  теории нечеткой логики

Нечеткое высказывание

Элементарное нечеткое высказывание - предложение, содержащее мысль, о которой мы можем судить об ее ложности или истинности только с некоторой степенью истинности (уверенности). Степень истинности, как правило, принимает значения из интервала [0,1], причем 0 и 1 являются крайними значениями и соответствуют значениям «ложь» и «истина». Например, высказывания

A1 =«6 значительно больше 3»;

А2 =«100 значительно больше 3»

содержат неопределенности, связанные с наличием нечеткой переменной «значительно больше». Эти высказывания истинны, но в разной степени [18, c.38].

          2.2.2 Системы нечеткого вывода

    Правила нечетких продукций нашли широкое применение в экспертных системах, основанных на правилах. Позволяют адекватно представлять знания экспертов в той или иной проблемной области[18, c. 40].

    Системы нечеткого вывода – частный случай продукционных нечетких систем. Нечеткий вывод занимает центральное место в системах нечеткого управления и является процедурой получения нечетких заключений из нечетких условий. Условия и заключения отдельных нечетких правил формулируются в виде нечетких лингвистических высказываний[18, c.53].

           2.2.3. Основные этапы нечеткого вывода

    Говоря о нечеткой логике, чаще всего имеют в виду именно системы нечеткого вывода, которые широко используются в системах управления техническими устройствами.

Информация на входе системы нечеткого вывода это некоторым образом измеренные входные переменные. Информация, которая формируется на выходе системы нечеткого вывода - выходные переменные, то есть управляющие переменные, которые поступают на исполнительные элементы объекта управления. Системы нечеткого вывода преобразуют входные переменные в выходные на основе использования нечетких правил продукции. Этот процесс включает следующие основные этапы.

1) Формирование базы правил системы нечеткого вывода.

2) Фаззификация входных переменных.

3) Агрегирование подусловий в нечетких правилах.

4) Активизация (композиция) подзаключений.

5) Аккумулирование (аккумуляция) заключений.

6) Дефаззификация выходных переменных.

Рассмотрим подробно каждый из этапов.