Нечеткая модель управления вывозкой Текст научной статьи по специальности «Компьютерные и информационные науки»

НЕЧЕТКАЯ МОДЕЛЬ УПРАВЛЕНИЯ ВЫВОЗКОЙ

Н.К. КЛИМУШЕВ, доц. каф. технологии и машин лесозаготовок Ухт.ГТУ, канд. техн. наук

Лесозаготовительные предприятия в составе вертикально-интегрированных структур (холдингов) создают запасы товарных лесоматериалов для поставки на перерабатывающие предприятия. В условиях централизованной вывозки лесоматериалов с ряда лесозаготовительных предприятий возникает задача рационального управления процессом. Основными факторами, определяющими рациональный уровень вывозки, являются текущий уровень запасов лесоматериалов и темпы его пополнения.

Для текущей оценки уровня запасов лесоматериалов применяются, как правило, качественные, недостаточно четко определенные показатели. В таких условиях для управления процессом целесообразно применение экспертных советующих систем, в основу которых положена нейро-нечеткая модель.

Цель создания экспертных систем заключается в разработке программ, которые при использовании знаний, полученных от специалистов в данной предметной области, решают те же проблемы, экспертами в которых являются эти специалисты.

Экспертные системы отличаются от систем обработки данных тем, что в них в основном используется символьный, а не

числовой способ представления, символьный вывод и эвристический поиск.

Суждения, свойственные качественной оценке процессов человеком, обозначают явления как подмножества в координатах: уровень достоверности - интервал достоверности. Основной особенностью применения нечетких множеств является однозначность факта принадлежности (непринадлежности) множеству. Теория нечетких множеств позволяет избежать искусственного снижения неопределенности. Поэтому нечеткие высказывания обретают смысл точных чисел - это эффективное математическое моделирование процессов управления экономическими объектами.

Теория нечетких множеств позволяет описывать качественные неточные понятия и знания об окружающем мире, а также оперировать этими понятиями с целью получения новой информации. Основанные на этой теории методы построения информационных моделей существенно расширяют традиционные области применения компьютеров и образуют самостоятельное направление научно-прикладных исследований, которое получило специальное название - нечеткое моделирование.

102

ЛЕСНОЙ ВЕСТНИК 6/2005

В последнее время нечеткое моделирование является одним из наиболее активных и перспективных направлений прикладных исследований в области управления и принятия решений. Нечеткое моделирование оказывается особенно полезным тогда, когда в описании технических систем и бизнес-процессов присутствует неопределенность, которая затрудняет или даже исключает применение точных количественных методов и подходов.

В области управления техническими системами нечеткое моделирование позволяет получать более адекватные результаты по сравнению с результатами, которые основываются на использовании традиционных аналитических методов и моделей.

Для конструктивного решения подобных задач разработан специальный математический аппарат - нейронные сети. Достоинством моделей, построенных на основе нейронных сетей, является возможность получения новой информации о проблемной области в форме некоторого прогноза. При этом построение и настройка нейронных сетей осуществляются посредством их обучения на основе имеющейся и доступной информации.

Недостатком нейронных сетей является представление знаний о проблемной области в специальном виде.

Нечеткие нейронные или гибридные сети призваны объединить в себе достоинства нейронных систем и систем нечеткого вывода. С одной стороны, они позволяют разрабатывать и представлять модели систем в форме правил нечетких продукций, которые обладают наглядностью и простотой содержательной информации. С другой стороны, для построения правил нечетких продукций используются методы нейронных сетей, что является более удобным и менее трудоемким процессом. В последнее время аппарат гибридных сетей повсеместно признается специалистами как один из наиболее перспективных для решения слабо или плохо структурированных задач прикладного системного анализа [1].

Рассмотрим нечеткую модель управления вывозкой лесоматериалов одновре-

менно из нескольких лесозаготовительных предприятий. Центральное место в нечетком моделировании занимает база правил нечетких продукций.

В качестве входных параметров системы нечеткого вывода будем рассматривать две нечеткие лингвистические переменные: «темпы заготовки лесоматериалов» и «наличие запасов лесоматериалов на погрузочном пункте» (или сокращенно - «наличие запасов»), а в качестве выходных параметров - нечеткую лингвистическую переменную - «интенсивность вывозки».

В качестве терм-множества первой лингвистической переменной «темпы заготовки лесоматериалов» будем использовать множество Т1 = {«низкие», «средние», «высокие»}, а в качестве терм-множества второй лингвистической переменной «наличие запасов лесоматериалов на погрузочном пункте» будем использовать множество Т2 = {«недостаточные», «достаточные», «избыточные»}. В качестве терм-множества выходной лингвистической переменной «интенсивность вывозки» будем использовать множество Т3 = {«малая», «средняя», «большая»}.

При этом каждый из термов первой и второй входной переменной будем оценивать по 10-балльной порядковой шкале, при которой цифре 0 соответствует наименьшая оценка, а цифре 10 - наивысшая оценка. Что касается термов выходной переменной, то будем предполагать, что малая интенсивность составляет около 10 % имеющихся запасов лесоматериалов, средняя - около 20 %, а высокая - около 30 %.

Сформулируем правила нечетких продукций следующего вида (система нечеткого вывода типа Мамдани):

ПРАВИЛО 1: ЕСЛИ «темпы заготовки лесоматериалов низкие» И «запасы лесоматериалов на погрузочном пункте недостаточные», ТО «интенсивность вывозки малая».

ПРАВИЛО 2: ЕСЛИ «темпы заготовки лесоматериалов низкие» И «запасы лесоматериалов на погрузочном пункте достаточные», ТО «интенсивность вывозки средняя».

Рис. 1. Поверхность нечеткого вывода управления вывозкой

ПРАВИЛО 3: ЕСЛИ «темпы заготовки лесоматериалов низкие» И «запасы лесоматериалов на погрузочном пункте избыточные», ТО «интенсивность вывозки средняя».

ПРАВИЛО 4: ЕСЛИ «темпы заготовки лесоматериалов средние» И «запасы лесоматериалов на погрузочном пункте недостаточные», ТО «интенсивность вывозки малая».

ПРАВИЛО 5: ЕСЛИ «темпы заготовки лесоматериалов средние» И «запасы лесоматериалов на погрузочном пункте достаточные», ТО «интенсивность вывозки средняя».

ПРАВИЛО 6: ЕСЛИ «темпы заготовки лесоматериалов средние» И «запасы лесоматериалов на погрузочном пункте избыточные», ТО «интенсивность вывозки большая».

ПРАВИЛО 7: ЕСЛИ «темпы заготовки лесоматериалов высокие» И «запасы лесоматериалов на погрузочном пункте недостаточные», ТО «интенсивность вывозки средняя».

ПРАВИЛО 8: ЕСЛИ «темпы заготовки лесоматериалов высокие» И «запасы лесоматериалов на погрузочном пункте достаточные», ТО «интенсивность вывозки большая».

ПРАВИЛО 9: ЕСЛИ «темпы заготовки лесоматериалов высокие» И «запасы лесоматериалов на погрузочном пункте избыточные», ТО «интенсивность вывозки большая».

Поверхность нечеткого вывода управления вывозкой, полученная на основе разработанной модели, представлена на рисунке.

Нейро-нечеткое моделирование допускает широкое варьирование и дифференциацию терм-множеств лингвистических переменных, а также применение различных функций принадлежности, что расширяет возможности использования модели.

Библиографический список

1. Леоненков А. Нечеткое моделирование в среде Matlab и fuzzy TECH.- СПб.: БХВ-Петербург, 2003.