МОСКОВСКИЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ СВЯЗИ И ИНФОРМАТИКИ Кафедра интеллектуальных систем в управлении и автоматизации Лабораторная работа № 2 По дисциплине : Нечеткие методы принятия решений «Базы правил для нечеткой модели» Студент 3 курса Группа БУТ1601 Бугаева Г.М г.Москва 2019 Цель работы: Получение навыков создания полной базы правил для нечеткой модели типа Мамдани (ЕСЛИ (х = А) ТО (у = В)). Задачи работы: 1. Научиться получать полную базу правил для нечеткой модели используя исходную информацию о входных параметрах. 2. Научиться определять количество правил в базе правил, достаточное для обеспечения условия полноты базы правил. 3. Получить опыт обоснования заключений в базе правил для нечеткой модели. 4. Получить навыки анализа результатов базы правил нечеткой модели. Этапы выполнения работы: 1. Исходные данные: количество входных параметров - 2. Количество выходных параметров – 1. Входные параметры модели (х1, х2) заданы лингвистической переменной с тремя термами в каждом (A11, A12, A13) и (A21, A22, A23). Выходной параметр (у) задан лингвистической переменной с количеством термов – 3 (B1, B2, B3) Необходимо задать определения для лингвистических переменных для входных параметров нечеткой модели и определения для термов (нечетких множеств) входных параметров. Необходимо задать определение для лингвистической переменной выходного параметра и определения для термов (нечетких множеств) выходного параметра. 2. Используя известное выражение определить необходимое количество правил для создания полной базы правил для нечеткой модели. 3. Выполнить горизонтальное представление входных параметров, используя функции принадлежности того типа, который на взгляд студента наиболее подходит для определенных им значений лингвистических переменных. 4. Сформировать полную базу правил для нечеткой модели типа модели Мамдани. 5. Проанализировать полученную базу правил нечеткой модели и быть в готовности пояснить отдельные заключения из созданной базы. Выполнение работы: 1. Исходные данные: Количество входных параметров - 2. Количество выходных параметров – 1. Зададим входные параметры: Х1 – Время потраченное на подготовку. А11 – мало А12 – средне А13 – много Х2 – Самочувствие участника. А21 – плохое А22 – нормальное А23 – хорошее Y – Скорость участника. B1 – медленно В2 – средняя скорость В3 – быстро 2. Используя известное выражение определим необходимое количество правил для создания полной базы правил для нечеткой модели. Х𝑖 = 𝜔. z = 3. 𝛾 = 𝑧 𝑤 = 32 = 9 – минимально необходимое количество правил. 3. Выполним горизонтальное представление входных параметров, используя треугольные функции принадлежности. Время потраченное на подготовку: 1,2 1 0,8 0,6 0,4 0,2 0 А11 А12 А13 Самочувствие участника: 1,2 1 0,8 0,6 0,4 0,2 0 А21 А22 А23 Поверхность модели 1 0,8 0,6 0,4 0,2 0 4. Сформируем полную базу правил для нечеткой модели типа модели Мамдани. R1: R2: R3: R4: R5: R6: R7: R8: R9: если (X1 = А11) И (Х2 = А21) то (Y = B1) если (X1 = A11) И (Х2 = A22) то (Y = B1) если (X1 = A11) И (Х2 = A23) то (Y = B2) если (X1 = A12) И (Х2 = А21) то (Y = B1) если (X1 = A12) И (Х2 = А22) то (Y = B2) если (X1 = A12) И (Х2 = А23) то (Y = B3) если (X1 = A13) И (Х2 = А21) то (Y = B2) если (X1 = A13) И (Х2 = А22) то (Y = B3) если (X1 = A13) И (Х2 = А23) то (Y = B3) 5. Проанализируем полученную базу правил нечеткой модели. Вывод: Базы правил нечетких моделей типа Мамдани могут использоваться для формального представления практических знаний в разных областях, в том числе для моделирования скорости участников марафона. Данная база правил связная, не избыточная, непротиворечивая и полная.
