Статья

Название статьи ИССЛЕДОВАНИЕ ВАРИАНТОВ АДАПТИВНОГО АНАЛИЗА РЕШЕНИЙ ОПТИМИЗАЦИОННЫХ ЗАДАЧ
Автор Ю.О. Чернышев, Н.Н. Венцов, П.А. Панасенко
Рубрика РАЗДЕЛ III. МОДЕЛИРОВАНИЕ И ПРОЕКТИРОВАНИЕ
Месяц, год 02, 2015
Индекс УДК 681.3
DOI
Аннотация Проанализированы варианты формирования обобщенной функции принадлежности расплывчатых оценок решений оптимизационных задач. Проблема заключается в наделении адаптивными свойствами процесса формирования функции принадлежности, объединяющей (обобщающей) требования экспертов, сформулированные в разрешающей и запрещающей форме. Под адаптивностью понимается изменение области допустимых решений, описываемой обобщенной функцией принадлежности, в зависимости от жесткости требований предъявляемых к проектируемому изделию. Адаптация достигается за счет применения различных вариантов вычисления операции импликации в соответствии с логиками Райхенбаха, Рейчер-Геинеса и Лукасевича. Показано, что для четкого разделения на допустимые и запрещенные решения необходимо использовать логику Рейчер-Геинеса, а для расплывчатого – Райхенбаха, и Лукасевича. Адаптирующие воздействия, изменяющие области запрещенных/допустимых решений, можно задавать, используя оператор CON. Даны оценки множествам нечеткого уровня 1, 0,85, 0,5, образованным при помощи вычисления импликаций на основе логик Райхенбаха, Рейчер-Геинеса и Лукасевича.

Скачать в PDF

Ключевые слова Адаптация; нечеткие системы; множество уровня; импликация; интеллектуальные методы.
Библиографический список 1. Литвиненко В.А. Адаптивные алгоритмы проектных операций САПР ЭВА // IS-IT`14: Тр. Междунар. конгр. по интеллект. системам и информ. технологиям, п. Дивноморское, 2-9 сент. – М.: Физматлит, 2014. – Т. 1. – С. 113-119.
2. Лебедев Б.К. Интеллектуальные процедуры синтеза топологии СБИС. – Таганрог: Изд-во ТРТУ, 2003. – 108 с.
3. Charles J. Alpert, Dinesh P. Mehta, Sachin S. Sapatnekar. Handbook of algorithms for physical design automation. CRC Press, New York, USA, 2009.
4. Малышев Н.Г., Берштейн Л.С., Боженюк А.В. Нечеткие модели для экспертных систем в САПР. – М.: Энергоатомиздат, 1991. – 136 с.
5. Dasgupta D., Forrest S. Novelty Detection in Time Series Data using Ideas from Immunology. Fifth International Conference on Intelligent Systems. Reno, Nevada: June, 1996.
6. Calenbuhr V., Bersini Я., Varela F.J., Stewart J. The impact of the structure of the connectivity matrix on the dynamics of a simple model for the immune network // Proc. 1st Copenhagen Symp. on Computer Simulation in Biology, Ecology and Medicine (Ed. E.Mosekilde). 1993. – P. 41-45.
7. Остроух Е.Н., Золотарева Л.И., Бычков А.А., Долгов В.В. Векторная оптимизация перерабатывающих процессов с учетом сырьевого дефицита // Фундаментальные исследования. – 2011. – № 12-1. – С. 224-227.
8. Чернышев Ю.О., Венцов Н.Н., Мухтаров С.А. Применение логик Лукасевича и Заде при реализации метода отрицательного отбора // Известия ЮФУ. Технические науки. – 2013. – № 7 (144). – С. 91-77.
9. Венцов Н.Н. Эволюционный подход к моделированию распределительных процессов // Инженерный вестник Дона. – 2013. – № 4. URL: ivdon.ru/magazine/ archive/n4y2013/1886.
10. Венцов Н.Н. Разработка алгоритма управления процессом адаптации нечетких проектных метаданных // Инженерный вестник Дона. – 2012. – № 1. URL: ivdon.ru/ru/magazine/archive/n1y2012/630.
11. Чернышев Ю.О., Венцов Н.Н., Мухтаров С.А. К вопросу об интеллектуальной поддержке процесса доводки СБИС // Известия ЮФУ. Технические науки. – 2012. – № 7 (132). – С. 63-69.
12. Чернышев Ю.О., Венцов Н.Н., Мухтаров С.А. Разработка алгоритма интеллектуальной поддержки улучшения промежуточных решений оптимизационных задач // Вестник ДГТУ. – 2012. – № 5 (56). – С. 68-76.
13. Берштейн Л.С., Боженюк А.В. Анализ использования оператора импликации в нечетком правиле вывода по аналогии // Известия ТРТУ. – 2004. – № 3 (38). – С. 5-10.
14. Нечеткие множества в моделях управления и искусственного интеллекта / Под ред. Д.А. Поспелова. – М.: Наука. Гл. ред. Физ.-мат. лит., 1986. – 321 с.
15. Борисов А.Н., Алексеев А.В., Крумберг О.А. и др. Модели принятия решений на основе лингвистической переменной. – Рига: Зинатне, 1982. – 256 с.
16. Заде Л.А. Понятие лингвистической переменной и его применение к принятию приближенных решений. – М.: Мир, 1976. – 165 с.
17. Прикладные нечеткие системы: Пер. с япон. К. Асаи, Д. Ватада, С. Иваи и др. Под ред. Т. Тэрано, К. Асаи, М. Сугэно. – М.: Мир, 1993. – 386 с.
18. Курейчик В.М. Особенности построения систем поддержки принятия решений // Известия ЮФУ. Технические науки. – 2012. – № 7 (132). – С. 92-98.
19. Искусственные иммунные системы и их применение / Под ред. Дасгупты Д.: Пер. с англ. / Под ред. Романюхи А.А. – М.: Физматлит, 2006. – 344 с.
20. Кофман А. Введение в теорию нечетких множеств: Пер. с франц.– М.: Радио и связь, 1982. – 432 с.
21. Zade L.A. Fuzzy sets // Information and Control. – 1965. – Vol. 8. – P. 338.
22. Курейчик В.М., Лебедев Б.К., Лебедев О.Б. Поисковая адаптация: теория и практика. – М.: Физматлит, 2006. – 272 c.

Comments are closed.