Professional Documents
Culture Documents
Fuzzy
Fuzzy
Fuzzy logika
Postoje situacije u kojima nije mogue znanje o sistemu reprezentovati na apsolutno precizan nain. ak je vie situacija u kojima moramo da koristimo neprecizne konstatacije. Na primer, Marko je visok ovek., Onaj automobil se pribliava jako velikom brzinom. su neprecizne reenice a ipak ih svakodnevno koristimo. Da bismo bili u stanju reprezentovati znanje o ovakvim sistemima (a ima ih jako puno) moramo da se odreknemo klasine (binarne) logike u kojoj je neto ili tano ili netano (crno ili belo) i da koristimo fuzzy logiku (sve je nijansa sive boje). Jedna od osobina fuzzy logike je da se bazira na prirodnom jeziku, na osnovama ljudskog sporazumevanja. Obini, govorni jezik, predstavlja trijumf efikasnosti komunikacije. Ne primeujemo vanost ovoga, jer se jezikom sluimo svakodnevno. Kako je fuzzy logika izgraena od struktura koje se oslanjaju upravo na kvalitativnim opisima kojima se sluimo svakodnevno, u prirodnom jeziku, jednostavnost upotrebe fuzzy logike se sama namee. Ulazi i izlazi mogu imati razliite lingvistike nazive. Uobiajeno se promenjive nazivaju opisnim imenima, poput: nivo vode, priliv vode, ljudi srednjeg rasta, velike zarade, brzi automobili, mala rastojanja itd. Transformaciju ovakvih izraza u oblik matematike predstave omoguava nam teorija fuzzy skupova. Lingvistike promenjive bi trebalo da imaju i lingvistike vrednosti. To mogu biti: negativno veliko, negativno srednje, negativno malo, blisko nuli, pozitivno veliko, dobro, otvori brzo i sl. Ovim vrednostima moemo da dodelimo i numeriku predstavu u cilju lakeg i kraeg obeleavanja. Ako hoemo da govorimo o toploti vode, moramo da ustanovimo opseg u kom se oekuje da temperatura varira kao i to ta mislimo pod terminom vrua. Odnosno kojih sve temperatura moe da bude voda ako je nazovemo vruom. Koju vrednost zapravo imaju lingvistike vrednosti? Ovde na scenu stupaju funkcije pripadanja. Ovo ustvari ilustruje prirodu lingvistikih vrednosti. Ako kaemo da je vreme danas vrue, ta to ustvari podrazumeva? Svakako ne podrazumeva tano odreenu temperaturu spoljnjeg vazduha, ve izvesni intuitivni opseg temperature. Funkcija pripadanja predstavlja kontinualno merilo sigurnosti da li je naa promenjiva klasifikovana kao ta lingvistika vrednost. Ova funkcija odreuje stepen pripadanja nekog objekta datom fuzzy skupu. Uzmimo kao primer odreivanje pripadnosti skupu visokih ljudi. Kod konvencijalnog skupa granica pripadnosti bi bila otro odreena jednom prekidnom funkcijom (slika ispod). Usvojena je granica do koje se neka osoba smatra visokom. Dve osobe bi bile razliito klasifikovane iako im se visina razlikuje u samo par santimetara.
Ovaj pristup bi imao smisla da govorimo o nekoj apstraktnoj predstavi kao to su, recimo brojevi. Moemo rei da su svi brojevi vei od nekog broja veliki a manji od njega mali. Meutim, kad priamo o neem to je uslovljeno subjektivnim, starosnim i drutvenim odlikama, kao to je procena da li je neka osoba visoka, postavljati ovakvu otru granicu je bez smisla. Zato uvodimo kontinualnu funkciju pripadanja koja odreuje da li i u kojem stepenu je neka osoba visoka (slika ispod). Ova funkcija moe uzeti u obzir na koga se odnosi, da li na osobe enskog roda, da li na decu do 12 godina ili na sve punoletne osobe. Jedino to funkcija pripadanja mora da ispuni jeste da bude skalirana i da uzima vrednosti od 0 do 1, kao valjane reprezente stepena pripadanja promenjive toj funkciji.
Proces korienja Fuzzy sistema obuhvata sledee faze Fazifikacija naprosto modifikuje signale ulaza tako da mogu biti pravilno protumaeni i uporeeni sa pravilima u bazi pravila. Crisp signal pretvaramo u adekvatan fuzzy oblik. Zakljuivanje na osnovu pravila je mehanizam za procenjivanje koja kontrolna pravila su relevantna za trenutno stanje sistema i odluuje logikim sklopom kakav e biti upravljaki signal, tj. ulaz u proces. Defazifikacija transformie fuzzy oblik u crisp oblik signala, koji je razumljiv procesu
min{ 1, 2}
max{ 1, 2}
Na kraju na osnovu naeg znanja definiemo skup uzrono posledinih pravila: Potronja Mala Mala Srednja Srednja Velika Velika Pouzdanost Niska Visoka Niska Visoka Niska visoka Vrednost Srednja Velika Srednja Srednja Mala srednja
1. 2. 3. 4. 5. 6.
Time smo kreirali Fuzzy model za odreivanje vrednosti vozila. Napomena: Svako od pravila se takoe moe predstaviti i u obliku ako-onda pravila. Tako se drugo pravilo moe interpretirati kao: AKO Potronja je Mala i Pouzdanost je Visoka ONDA Vrednost je Velika
b) Kada imamo definisane funkcije pripadnosti za ulazne i izlazne promenljive, i skup uzrono posledinih pravila koja povezuju te promenljive moemo da odredimo vrednost izlazne promenljive za novo pojavljivanje.Znamo da automobil kome odreujemo vrednost troi 9l na 100 km i da ima 8 kvarova na 100000 km. Sada uz pomo pravila proporcije odreujemo vrednost funkcije pripadnosti za obe promenljive. Potronja: Velika: 0 Srednja: (9-7)/(10-7) = 0.67 Mala : (10-9)/(10-3) =0.14
Zatim prelazimo na proces zakljuivanja na osnovu definisanih pravila. Prvo, tabeli uoavamo koja se pravila odnose na nae novo pojavljivanje (aktivirana pravila): Pravilo 1. 2. 3. 4. 5. 6. Potronja Mala Mala Srednja Srednja Velika Velika Pouzdanost Niska Visoka Niska Visoka Niska visoka Vrednost Srednja Velika Srednja Srednja Mala srednja
Na osnovu pravila i vrednosti funkcija pripadnosti za ulazne promenljive, raunamo vrednosti funkcije pripadnosti za sve doputene vrednosti izlazne promenljive. Iste se raunaju kao ukupan nivo zadovoljenja pojedinanih uslova pravila: Pravilo 2: Velika vrednost: 0.14 /\ 0.4 = 0.14 Pravilo 4: Srednja vrednost: 0.67 /\ 0.4 = 0.4 Konano, dolazimo do faze defazifikacije gde lingvistike vrednosti promenljive Vrednost (velika i srednja) prevodimo u jednu preciznu (matematiku) vrednost koja zapravo predstavlja konanu ocenu vrednosti novog pojavljivanja (u naem sluaju automobila).
DFV
DFV Defazifikovana fazi vrednost MVi Koeficijent pripadnosti i-tom zakljuku MFVi Reprezentativna vrednost i-tog zakljuka (fuzzy skupa). Za S i Z oblike funkcije se uzima vrednost na granici sa potpunom pripadnou skupu (=1), dok se za T oblik uzima sredinja vrednost od svih sa potpunom pripadnou skupu. N broj fuzzy zakljuaka VREDNOST = (0.4*20+0.14*40)/(0.4+0.14)=124.74
Budet
Data je i sledea tabela pravila: Trite 1. malo 2. malo 3. malo 4. malo 5. srednje 6. srednje 7. srednje 8. srednje 9. veliko 10. veliko 11. veliko 12 veliko Konkurencija niska niska visoka visoka niska niska visoka visoka niska niska visoka visoka Zatienost trita mala velika mala velika mala velika mala velika mala velika mala velika Budet mali mali srednji mali srednji mali veliki srednji veliki srednji veliki veliki
a) Odrediti nivo budeta koji e se uloiti u marketing ukoliko znamo da je: Veliina trita 110 kupaca Konkurencija 9 supstituta Zatienost trita 18% b) Odrediti nivo budeta koji e se uloiti u marketing ukoliko znamo da je: Veliina trita 45 kupaca Konkurencija 11 supstituta Zatienost trita 7% a) Reenje: Odreujemo vrednosti funkcija pripadnosti: Veliina trita [0 (malo) ; 0.8 (srednje) ; 0.2 (veliko)] Konkurencija [0.2 (niska) ; 0.57 (visoka)] Zatienost trita [0 (mala) ; 0.8 (velika)]
Na osnovu tabele pravila odreujemo vrednosti pripadnosti za promenljivu budet: Trite 1. malo 2. malo 3. malo 4. malo 5. srednje 6. srednje 7. srednje 8. srednje 9. veliko 10. veliko 11. veliko 12 veliko Konkurencija niska niska visoka visoka niska niska visoka visoka niska niska visoka visoka Zatienost trita mala velika mala velika mala velika mala velika mala velika mala velika Budet mali mali srednji mali srednji mali veliki srednji veliki srednji veliki veliki
Pravilo 6: mali budet: 0.8 /\ 0.2 /\ 0.8 = 0.2 Pravilo 8: srednji budet: 0.8 /\ 0.57 /\ 0.8 = 0.57 Pravilo 10: srednji budet: 0.2 /\ 0.52 /\ 0.8 = 0.2 Pravilo 12: veliki budet: 0.2 /\ 0.52 /\ 0.8 = 0.2 Poto imamo dva pravila koja nam daju pripadnost za vrednost srednji budet, moramo da odredimo koju emo vrednost koristiti: srednji budet: 0.57 \/ 0.2 = 0.57 Konano dobili smo pripadnost za sve tri vrednosti promenljive budet: mali budet: 0.2 srednji budet: 0.57 veliki budet: 0.2 Na kraju odreujemo koliko emo tano sredstava uloiti u marketing, uz pomo procesa defazifikacije:
b) Reenje: Odreujemo vrednosti funkcija pripadnosti: Veliina trita [0.125;0.5;0] Konkurencija [0.2;0.43] Zatienost trita [0.8;0] Na osnovu tabele pravila odreujemo vrednosti pripadnosti za promenljivu budet: Trite malo malo malo malo srednje srednje srednje srednje veliko veliko veliko veliko Konkurencija niska niska visoka visoka niska niska visoka visoka niska niska visoka visoka Zatienost trita mala velika mala velika mala velika mala velika mala velika mala velika Budet mali mali srednji mali srednji mali veliki srednji veliki srednji veliki veliki
1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12
Pripadnost za sve tri vrednosti promenljive budet: mali budet: 0.125 srednji budet: 0.2 veliki budet: 0.43