- •2008 Содержание
- •5.8 Нечеткие высказывания и нечеткие выводы… 112
- •6. Построение нечетких систем в диалоговом режиме с помощью Fuzzy Logic Toolbox ……….130
- •1 Обоснование теории нечетких множеств
- •1.1 Введение
- •1.2 Анализ видов неопределенности информации, характерных для процесса управления сложными системами
- •1.3 Человеко-машинные системы
- •1.4 Нечеткие системы
- •1.5 Возможности применения теории нечетких множеств и интервального анализа для описания различных видов неопределенности
- •2. Теория нечетких множеств
- •2.1. Четкие множества
- •2.2 Операции над четкими множествами
- •2.3 Декартово произведение множеств
- •3. Нечеткие множества
- •3.1 Понятие нечеткого множества
- •3.2 Некоторые характеристики нечетких множеств
- •3.3 Нечеткая и лингвистическая переменные
- •3.4 О методах построения функций принадлежности нечетких множеств
- •3.5 Операции над нечеткими множествами
- •4 Нечеткие числа
- •4.1 Понятие нечеткого числа
- •4.2 Операции над нечеткими числами
- •4.3 Нечеткие отношения
- •4.4 Свойства нечетких отношений
- •5 Основы математической логики
- •5.1 Алгебра высказываний
- •5.2 Булевы функции
- •5.3 Логика предикатов
- •5.4 Равносильные формулы логики предикатов
- •1) И ;
- •2) И ;
- •3) И ;
- •4) И .
- •5.5 Нечеткая логика
- •5.6 Нечеткие логические формулы и их свойства
- •5.7 Нечеткие предикаты и кванторы
- •5.8 Нечеткие высказывания и нечеткие выводы
- •5.9 Промышленные применения
- •6. Построение нечетких систем в
- •Диалоговом режиме с помощью
- •Fuzzy Logic Toolbox
- •1. Алгебра высказываний.
1.4 Нечеткие системы
Научная методология требует логической строгости, но проблемы доказательства предпосылок и гипотез, остаются открытыми. Причины этого, по-видимому, заключаются в том, что предпосылки и гипотезы, так же как и аксиомы в математики сами по себе не логичны. Эти проблемы решаются в настоящее время благодаря опыту и интуиции выдающихся ученых и специалистов.
Наука и техника полностью отвергают субъективизм, но, как правило, новые открытия и изобретения рождаются в результате деятельности правого полушария человека, основанной на субъективных мыслях, а объективизация и логическое обоснования всего лишь вторичные средства для передачи идей другому человеку. Более того, даже в процессе объективизации необычайно полезно проявление субъективности. Например, с точки зрения обработки нечеткостей даже в теории вероятностей, которую часто противопоставляют теории нечетких систем, нельзя получить выдающихся результатов, пока экспериментатор не исследует в полной мере исходные данные, не оценит общую структуру проблемы, не исключит сомнительные данные или не примет других субъективных решений. Не говоря уже о том, что установить гипотезы и предпосылки нельзя иначе, как полагаясь на субъективное мнение.
Вопрос о том, как обрабатывать нечеткости, перекликается с вопросом о том, как ввести субъективизм в науку и технику. И здесь не обойтись без нечетких множеств. Это математический метод, созданный для того, чтобы представлять смысловые неточности слов человека, это уникальный метод с точки зрения представления возможностей математически обрабатывать субъективные данные.
Возможность математически представлять и логически обрабатывать смысл слов означает, что появились новые средства, которые позволяют удовлетворить трем необходимым требованиям реализации человеко-машинных систем. Первое - можно ожидать, что благодаря этим средствам искусственный интеллект сможет понимать нечеткости и глубинный смысл естественного языка и в будущем его общение с человеком будет более естественным. Второе - можно будет представить в виде нечетких тезисов крайне нечеткие макрознания, как здравый смысл, если сузить специальную область. Все это повысит практическую ценность искусственного интеллекта. Третье - представление нечетких мыслей - наиболее трудное для реализации. Мысли, возникающие в правом полушарии человека, нельзя назвать совсем четкими. Однако, если прикладная область ограниченна, они могут пригодиться как качественные логические отношения между макрознаниями, поэтому в какой-то степени возможны логические выводы, присущие человеку.
Выходные данные, получаемые нечеткими системами, разумеется, будут нечеткими. По- видимому, найдутся люди, которые окажутся в тупике из-за нечетких ответов системы, помогающей принятию решений; затруднения вызовут ответы о макрознаниях. Что касается макрознаний, то они по своей сути являются нечеткими, проблемными, поэтому нечеткость ответов о таких знаниях вполне естественна. Нечеткие ответы будут стимулировать работу правого полушария, что повысит эффективность человеко-машинной системы.
Теория нечетких множеств находит применение и в теории принятия решений. Во многих областях возникают сложные проблемы, от правильного решения которых, в итоге, может зависеть благополучие и здоровье людей. Обоснованное решение на возникающие проблемы можно получить при помощи специального раздела прикладной алгебры и математической логики - "Теория принятия решений", в рамках которой рассматриваются различные способы принятия решений. Выбор способа обуславливается условиями конкретной задачи. Прикладная направленность теории обширна, стоит отметить, что в настоящее время особую актуальность приобретают системы, предназначенные для поддержки процесса принятия решения, в частности, советующие и экспертные системы.
Условно можно выделить два класса объектов, с которыми приходится сталкиваться специалистам при принятии решений: простые и сложные. Простые объекты всегда можно представить адекватными математическими моделями, которые рассматриваются в классической математике, построенной на основе четких (обычных) множеств. Однако в большинстве случаев свести нахождения решения к классическим методам не удается.
Сложные объекты имеют следующие отличительные особенности:
- не все цели выбора и условия, влияющие на этот выбор, могут быть выражены в виде количественных отношений;
- отсутствует либо является сложным формализованное описание объекта;
- значительная часть информации, необходимая для математического описания объектов, существует в виде представлений и пожеланий специалистов, работающих в этой области.
В этом случае, при нахождении решений необходимо применять подходы, отличные от классических, и пригодные при оценки фактора нечеткости и неопределенности.