CC BY
77
Салпагарова Анжела Руслановна
Карачаево-Черкесская государственная технологической академия.
E-mail: [email protected].
357100, г. Черкесск, ул. Ставропольская, 36.
Тел.: 8782202387.
Соискатель кафедры математики; ассистент.
Zargarjan Elena Valerevna
Taganrog Institute of Technology - Federal State-Owned Educational Establishment of Higher Vocational Education “Southern Federal University”.
E-mail: [email protected].
44, Nekrasovskiy, Taganrog, 347928, Russia.
Phone: 88634371773.
The Department of Automatic Control Systems; associate professor.
Salpagarova Angela Ruslanovna
Karachai-Cherkess State technological academy.
E-mail: [email protected]
36, Stavropolskaya Street, Cherkessk, 357100.
Phone: 88782202387.
Postgraduate of mathematic chair; assistant.
УДК 681.518
Ю.А. Заргарян, B.B. Затылкин
МНОГОКРИТЕРИАЛЬНОЕ ПРИНЯТИЕ РЕШЕНИЙ ПО ДАННЫМ
ОПРОСА МНЕНИЙ
Рассматривается постановка задачи принятия решения при задании критериев эффективности функционирования объекта и параметров задачи в условиях неопределенности в виде нечетких переменных. Определен вариант многоатрибутного принятия решения.
Мнение; принятие решения.
J.A. Zargarjan, V.V. Zatylkin MULTIPLE-CRITERIA DECISION-MAKING ACCORDING TO INTERROGATION OF OPINIONS
It is considered statements of a problem of decision-making at the task of criteria of efficiency of functioning of object and parametres of a problem in the conditions of uncertainty in the form of indistinct variables. Are defined a variant of multiattribute decision-making.
Opinion; decision-making.
В практике принятия решений относительно сложившейся ситуации при управлении предприятием, в том числе и энергетическим, в условиях неопределенности данных часто применяют методы, направленные на активизацию использования интуиции и опыта специалистов. Каждый из специалистов имеет собственное мнение, которое далеко не всегда может совпадать с преобладающими «усредненными» мнениями коллектива. Адекватное принятие решений в подобных ситуациях относится к задачам ситуационного моделирования [1].
Принятие решений может быть многокритериальным. Задача усложняется, так как необходимо согласовывать решения при нескольких критериях. Добиться одновременной максимизации (минимизации) двух и более критериев (целевых
1G4
функций) практически невозможно, так как стремление к увеличению (уменьшению) одного критерия приводит к уменьшению (увеличению) других критериев. Так как формализация мнений специалистов осуществляется с применением методов теории нечетких множеств [2, 3], то исходные данные рассматриваются, как нечеткие. Также в нечетком виде могут быть заданы и критерии. Таким образом, при многокритериальном принятии решений с учетом мнений многих экспертов необходимо согласование критериев, а также рассматривать методы принятия решений в условиях многокритериальное™.
Принятие решений методами нечеткого линейного программирования. Объект может принадлежать или не принадлежать к классу требования критерия. Параметры класса требований могут быть определены как четкими, так и нечетки.
критерия определяется высказыванием. Таким образом, существует задача, требующая принятия решений в условиях, где нечетко проявляются цели и ограничения. Для принятия решения используется нечеткое линейное программирование, основанное на модели принятия решений Беллмана-Заде [4].
Математическое программирование применимо к решению моделей вида:
шахЕ(х), V О (х) < 0 , (1)
I
где Г(х) - целевая функция; О(х) - заданные ограничения.
Модель линейного программирования задают в следующем виде [5]:
шах¥ = СтХ, АХ < Б, X > 0, (2)
хеХ
где ^ - векторная целевая функция; Б - вектор заданных ограничений; А и С - матрицы параметров задачи.
Согласно модели принятия решений Беллмана-Заде [4], целевая функция и ограничения представляют в виде нечетких множеств. При этом экспертами определены для нечетких ограничений функции принадлежности целей
/,1р(х), 1=ТП, XеX и функции принадлежности ограничений ^(х), 1=Тш, хеX.
, -
, , решение, определяется множеством точек Я, КсХ, определяется функцией принадлежности
ц5 (х) = цр (х)0цо (х), г=1,п, } = 1,ш, х е X , (3)
где О - некоторый оператор.
Для симметричных моделей линейного программирования на основании под-
- , поиском четкого оптимального решения, максимизирующим функцию принадлежности нечеткого решения, и несимметричных моделей, в которых ограничения нечеткие, а целевая функция имеет четкий вид [6]. Для несимметричных моделей следует найти экстремум целевой функции, у которой область определения - не.
Для поиска пространства решений, которое определяется в виде максимизирующего множества М = [х,/ий(х)} (по Заде) определяется его функция принадлежности
Мм (х) =
/ ( х) - М(/) . 8ир( / ) - М(/)
(4)
Определению нечеткого множества М посвящены многие работы, среди которых [7, 8]. Величины целевой функции определяются из вычисления для всех а-уровневых множеств пространства решений и рассматриваются как нечеткое множество «решение» значений целевых функций со степенью принадлежности, равной а-уровню пространства решений, т.е.:
шахЕ(х), а<Мі(х), і = 1,ш, хє X .
хєХ
(5)
Выбор оптимального решения остается за руководителем.
При определении четкого максимизирующего решения МЯ( Е) в нечетком пространстве решений Я вычисляют функцию принадлежности [8] по формуле
ММК(¥)(х "
(6)
0, Е (х) < inf Е,
X (К)
F (х) - М F
_____________X (К)
8ир F - inf F’
х(К) х(К)
1, 8ир F < F (х),
х (К)
где Ж - носитель нечеткого пространства решений Я.
На рис. 1.7 показано определение четкого максимизирующего решения.
Функция принадлежности нечеткого множества решения /иР определена из а- . -
чения функции принадлежности максимизирующего множества ц0р(г) с функцией принадлежности нечеткого множества «решение» /иР позволяет определить четкое максимизирующие решение х0.
Рис. 1.7.0пределение четкого максимизирующего решения х0
В случае нелинейного задания функций принадлежности применяются другие операторы агрегирования [5], например выпуклая комбинация операторов максимума и минимума, и другие агрегаторы [8 - 12] (операторы пересечения, усредне-).
Многокритериальное принятие решений. При решении задач принятия решений с оценкой не одного, а нескольких критериев, одновременный поиск
экстремумов двух и более критериев не приводит к нужному результату. Увеличение одного из критериев вызывает уменьшение каких-либо других критериев. Поэтому разрабатывают методы принятия решений в условиях многокритери-альности: принятие решений при многих целевых функциях и многоатрибутное .
При задании многих целевых функций задача имеет вид [5]:
F(x) = max, x е X, (7)
где F(x) = (f1(x),f2(x),...,fm(x)} - векторная целевая функция; x ={x1,x1,...,xn} -
вектор параметров, x1eX1, x2cX2,..., xneXn,;X=X1^X2^.^Xn.
Известны три подхода для получения многокритериального оптимального :
♦ методы, учитывающие вес (полезность) целевых функций;
♦ методы целевого программирования;
♦ интеракти вные методы.
В методах первого подхода [13] и в методах второго подхода [14] каждой из целевых функций эксперт задает вес, что позволяет найти компромиссное решение с наибольшей суммарной выгодой, которому соответствует комбинация взвешенных индивидуальных целевых функций. В методах третьего подхода [15] применима локальная информация в соответствии с компромиссным решением. Например, в работе [16] решение основано на использовании а-парето оптимума, в работе [17] рассмотрена модель распределения информации с применением нечетких , .
Многоатрибутное принятие решений предполагает [6], что задано конечное множество альтернатив A={a1,a2,.,am} и конечное множество критериев C={c1,c2,.,cn}. Следует определить оптимальную альтернативу x0 с учетом критериев c1,c2,...,cn.
Методы многоатрибутного принятия решений содержат два этапа - агрегирование критериев и ранжирование альтернатив. К основным моделям многоатрибутного принятия решений относятся:
♦ модель, в которой правило выбора наилучшей альтернативы определено, как пересечение нечетких множеств
D = C1 пС2 п... пCm, (1.8)
где С = {^c(a1)/a1,№c(a2)'/a2,...,^c(an)/an}- нечеткое множество «оценка альтернативы ai по критерию С». Оптимальная альтернатива имеет наибольшую сте-
D [18];
♦ модель [19], в которой элементы ai множества альтернатив A={a1,a2,.,am} ранжированы по критериям C={c1,c2,.,cn} так, что заданы
оценки r., i=1,n, i = 1,m с функциями принадлежности U (гн)еЖ.
ii rij У
Относительная важность критерия c2 задана весом w2 с функциями принадлежности JHw (Wj)е Ж. Взвешенная оценка альтернативы at находится из формулы
m
Zw r.
J J
gi (Z) = —m------------------------------------------,, (9)
Hwj
J=1
где Zi=(W1,W2,^,W„, ril,ri2,^,rim }.
ai , -
большую оценку zi.
Существуют и другие методы для решения задач многоатрибутного принятия решений, например в работе [20] применены процедуры нечеткого попарного .
При формализации исходных данных в виде лингвистических и нечетких переменных применяют методы построения функций принадлежности - прямые и косвенные. Функция принадлежности - субъективное понятие (невероятное субъ-
), , .
Степень принадлежности uA(x) элемента x нечеткому множеству A - субъективная мера того, насколько элемент xeX соответствует понятию, смысл которого формализуется нечетким множеством A [21]. Построенные экспертами функции принадлежности аппроксимируют аналитическими выражениями для последующего выполнения с ними математических операций. Существует понятие вида стандартных функций принадлежности. Эксперт может выбрать наиболее подходящую форму функции принадлежности, но нет строгих рекомендаций о выборе вида
.
Нечеткие переменные aj задают тройкой множеств
< ak,Xi,C(а{), J = 1,r, (10)
где aj - наименование НП;
X, - базовое множество; C(а. ) = {< и / J (xi)/ xi >}, xi е Xi - нечеткое
C( ai )
подмножество, заданное на множестве X; и J ,(xi) - функции принадлежности,
C ( ai )
задание которых осуществляется путем опроса мнений экспертов.
Если обозначить через x1 = inf Xt нижнее значение множества X , а через
x1eXi
x2 = sup X верхнее значение множества X, то получим правило упорядочивания
x^X,
элементов в терм-множестве T(a) [22]:
(Уар е T(at))(Var е T^l))[p >r ^ (Зх, е Sp)(е Sri)(xi > yj,
Sp с XI, Sr с XI, yt,xt е XI.
Согласно данному правилу упорядочивания, терм, имеющий носитель, распо-, .
Задание функций принадлежности и, t/xi) должно соответствовать пара-
C( ai )
метрическому представлению в виде пятерки [23] (A,a,B,b,Q). Величина Qg [0,1] опи-
10В
сывает неопределенность описания функций принадлежности /и J (x,) . Условия
C( а, ) 1
задания функций принадлежности формализуются следующим образом:
Q, x < A-a, x > B + b,
1 A < x < B,
(11)
<p1(x), A-a < x < A,
<p2(x), B < x < B + b.
Функция p1(x) является неубывающей функцией при x<4, функция p2(x) является невозрастающей функцией при x<B. Нечеткое множество C(aj ) задается на базовом
множестве X. Интервал [A,B]cXt- является ядром нечеткого множества C(aj ) .
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Поспелов ДА. Ситуационное управление: теория и практика. - М.: Наука. Гл. ред. физ.-мат. лит., 1988. - 288 с.
2. ZadenДФ. Fuxxy sets, Information end Control, 8. - P. 338-353, 1965.
3. Mizumoto M. Fuzzy sets and their operations//Inform. Control. - 1982. - Vol. 50. - P. 160-174.
4. Bellman R.E., Zadeh L.A. Decision-making in a fuzzy environment // Management Science.
- 1970. - Vol. 17. - P. 141-164.
5. Zimmermann H.-J. Application of Fuzzy Sets Theory to Mathematical Programming // Information Sciences. - 1985. - Vol. 36 - P. 29-58.
6. Zimmermann H.-J. Fuzzy Sets Theory and its applications. - Boston/Dordrecht/London: Kluwer Academic Publishers, 1996. - 435 p.
7. Tanaka H., Okuda T., Asai K. On fuzzy mathematical programming // J. Cybern. - 1974. - Vol.3.
- P. 37-46.
8. Werners B. Interaktive Entscheidungsutnertuetzung durch ein Flexibles mathematisches Pro-grammierungssystem, Meunchen, 1984.
9. Zimmermann H.-J., Zysno. Latent connectives in human decision // Fuzzy Sets and Systems.
- 1980/ -Vol. 4. - P. 37-51.
10. Giles R. Lukasiewicz logic and fuzzy theory // Int. J. Man. Mach. Stud. - 1976. - Vol. 8.
- P. 313 - 327.
11. Mizumoto M. Fuzzy sets and their operations // Inform. Control. - 1982. - Vol. 50. - P. 160-174.
12. Ralescu A.L., Ralescu D.A. Extensions of fuzzy aggregation // Fuzzy sets and systems. - 1997.
- Vol. 86. - P. 321-330.
13. ., . : .
- М.: Радио и связь, 1981. - 560 с.
14. Charnes A., Cooper W. W. Management Models and Industrial Applications of Linear Programming. - New York. 1961.
15. Dyer J.S. Interactive goal programming // Management Science. - 1973. - Vol. 19. - P. 62-70.
16. Sakama M., Kato K. Interactive decision making for large-scale multiobjective linear programs with fuzzy numbers // Fuzzy sets and systems. - 1997. - Vol. 88. - P. 161-172.
17. Tanaka H., Ishihashi Y., Asai K. A value of information in FLP problems via sensitivity analysis // Fuzzy sets and Systems. - 1986. - Vol. 18. - P. 119-129.
18. Yager R.R. Fuzzy decision making including unequal objectives // Fuzzy sets and Systems.
- 1978. - Vol. 1. - P. 87-95.
19. Baas M.S., Kwakernaak H. Rating and ranking of multiple-aspect alternatives using fuzzy sets//Automatica. - 1977. - Vol. 13. - P. 47-58.
20. Gogus O., Boucher T.O. A consistency test for rational weights in multi-criterion decision analysis with fuzzy pair wise comparisons // Fuzzy sets and Systems. - 1977. - Vol. 86. - P. 129-138.
21. Нечеткие множества в моделях управления и искусственного интеллекта / А.Н. Аверкин, ИЗ. Батыршин, АЛ. Блиншун, Б.В. Силаев, Б.Н. Тарасов. - М.: Наука, 1986. - 312 с.
22. Мелихов А.Н., Берштейн Л.С., Коровин С.Я. Ситуационные советующие системы с нечеткой логикой. - М.: Наука, 1990. - 272 с.
23. Iancu U. Propagation of uncertainy and imprecision in knowledge-based systems // Fuzzy Sets and Systems, 1998. - №94. - P. 29-43.
Заргаряи Юрий Артурович
Технологический институт федерального государственного образовательного учреждения высшего профессионального образования «Южный федеральный
университет» в г. Таганроге.
E-mail: [email protected].
347928, . , . , 44.
Тел.: 88634371773.
Кафедра систем автоматического управления; аспирант.
Затылкин Вячеслав Владимирович Zargarjan Jury Arturovich
Taganrog Institute of Technology - Federal State-Owned Educational Establishment of Higher Vocational Education “Southern Federal University”.
E-mail: [email protected].
44, Nekrasovskiy, Taganrog, 347928, Russia.
Phone: 88634371773.
The Department of Automatic Control Systems; postgraduate student.
Zatylkin Vyacheslav Vladimirovich
УДК 681.5
ИХ. Коберси, Д.А. Белоглазое
ИНТЕЛЛЕКТУАЛЬНАЯ АДАПТИВНАЯ ГИБРИДНАЯ ОБУЧАЕМАЯ СИСТЕМА УПРАВЛЕНИЯ ТРАНСПОРТНЫМИ СРЕДСТВАМИ
Безопасность транспортных средств ^С) как объекта управления необходимо обеспечить в случае потери ручного управления, слабой ориентации на местности, и др. Подобные объекты входят в область исследования как в машиностроении, так и в системах автома-.
Транспортное средство; управление.
I.S. Kobersi, D.A. Beloglazov
INTELLIGENT ADAPTIVE HYBRID TRAINABLE CONTROL VEHICLE
SYSTEM
Safety of Vehicles (MV) as an object of control should ensure that in case of loss of manual control, poor targeting, terrain, etc. Such obJects are included in the study area as in engineering, as well as in automatic control systems.
Vehicle; control.
В работе Ш. Фэритора [1] описываются некоторые задачи управления автомо-
, . работе рассматривается система управления на основе искусственного интеллекта. Последовательность шагов при решении задачи может быть следующей (рис. 1).
Принимаемые сигналы от внешней среды классифицируются по типу сигналов «принято» (информация о состоянии движении ТС) или о скорости ТС на радиусе « »,
