Развитие методов теории нечётких множеств и генетических алгоритмов для задач поддержки принятия решений в условиях неопределённости

Развитие методов теории нечётких множеств и генетических алгоритмов для задач поддержки принятия решений в условиях неопределённости

Автор: Демидова, Лилия Анатольевна

Шифр специальности: 05.13.01

Научная степень: Докторская

Год защиты: 2009

Место защиты: Рязань

Количество страниц: 532 с. ил. Прил. (456 с.: ил.)

Артикул: 4741205

Автор: Демидова, Лилия Анатольевна

Стоимость: 250 руб.

Развитие методов теории нечётких множеств и генетических алгоритмов для задач поддержки принятия решений в условиях неопределённости  Развитие методов теории нечётких множеств и генетических алгоритмов для задач поддержки принятия решений в условиях неопределённости 

Классы неопределенности информации. Г енетические алгоритмы. Принцип ЭджвортаПарето. Принцип анализа иерархий на основе метода парных сравнений. Принцип схемы Веллмана Заде. Упорядочение, классификация и кластеризация объектов. Упорядочение объектов. Кластеризация объектов. Алгоритм четких ссредних. Алгоритмы кластеризации на основе нечетких множеств. Интерпретация процессов. Диагностика процессов. Прогнозирование процессов. Выводы по главе 1. Необходимость анализа больших объемов объективной и субъективной информации, связанных с неформализуемыми и плохо формализуемыми задачами различной физической природы, требует развития новых научных направлений, в том числе прикладной статистики иметодов анализа данных. Применение методов прикладной статистики основано на предположениио вероятностной интерпретации анализируемой информации и получении с помощью этих методов закономерностей, имеющих стохастический характер 6, 2. Методы анализа данных, в том числе кластерный анализ, не используют априорных предположений о вероятностной природе исходной информации и применяют только эвристические соображения о характере и особенностях исследуемой совокупности объектов.


Ситуация значи тельно усложняется, если одному и тому же объекту х может соответствовать не один, а несколько дмерных векторов с различающимися значениями по критериям. Совокупность таких многомерных объектов может иметь в пространстве Р сложную структуру, достаточно трудную для анализа. Трудно ввести в этом пространстве и метрику для измерения расстояний между объектами. Одна из главных причин трудностей множественность и повторяемость факторов, характеризующих объекты, которая обусловлена тем, что один и тот же объект может существовать в нескольких копиях, различающихся между собой значениями признаков. При исследовании структуры и свойств подобного рода объектов необходимо одновременно учитывать большое количество вербальных и числовых данных и обрабатывать эти данные, не прибегая к дополнительным преобразованиям типа усреднения, смешивания, которые могут привести к необоснованным и необратимым искажениям исходных данных. Удобной математической моделью для представления многокритериальных объектов является мультимножество множество с повторяющимися элементами, использование которого позволяет одновременно учесть все комбинации значений количественных и качественных признаков критериев, а также число значений каждого из этих признаков критериев. Кратность элементов существенная особенность мультимножества, позволяющая отличать его от множества и рассматривать мультимножество как качественно новое математическое понятие. При этом вместо прямого произведения с шкал значений признаков критериев Р Р х Р2 х . Р можно использовать обобщенную шкалу критериев множество Р Р,Р2,. Р, состоящее из групп критериев. X,к3 д е7, 1. Х 2 О, 1, 2,. X в мультимножество Л, что обозначается символом . Г1р р,. Метод классификации объектов, представленных мультимножествами, предложенный А. Б. Петровским, позволяет строить обобщенное решающее правило для их отбора, которое аппроксимирует различные правила экспертной сортировки объектов 8. Метод упорядочения объектов, представленных мультимножествами, основан на оценке их близости по отношению к некоторому идеальному антиидеальному объекту в многокритериальном пространстве 8. Эти методы допускают использование различных, в том числе и противоречивых, данных для описания объектов. Типы операций над мультимножествами дают новые возможности для. Наличие разных возможностей для агрегирования многокритериальных объектов требует уточнения понятия класс. Определим класс как совокупность объектов, обладающих общими свойствами. Входящие в один и тот же класс объекты считаются неразличимыми эквивалентными, а каждый класс объектов характеризуется некоторым качеством, отличающим его от других классов. Вес классы вместе должны составлять исходную совокупность объектов. Индивидуальные экспертные решения по классификации сортировке объектов по группе критериев могут быть получены с использованием систем нечеткого вывода. При небольшом числе классифицируемых объектов и признаков, их описывающих, семейство решающих правил обозримо и доступно для анализа. Могут существовать различные причины, обусловливающие неоднозначность классификации, например,, если объекты сортируются разными экспертами. Эксперты могут, относить сильно различающиеся объекты в один и тот же класс, а объекты со сходными значениями признаков в разные классы . Несогласованность, индивидуальных решающих правил может быть, вызвана неоднозначностью понимания экспертами решаемой задачи, ошибками или неточностями, допущенными экспертами при первоначальной классификации объектов, субъективным различием решающих правил, используемых разными экспертами, специфичностью знаний экспертов, йстранзитивностыо отдельных экспертных сужденийи др. В итоге могут появиться решающие правила, среди которых будут одинаковые, различающиеся и противоречивые правила. В этом случае возникает проблема построения. Кластеризация объектов . Кластерный анализ автоматическая классификация, распознавание об 4 . Исходным допущением для выделения таких подмножеств кластеров служит неформальное предположение о том, что объекты, относимые к одному кластеру, должны иметь большее сходство между собой, чем с объектами из других кластеров 2.

Рекомендуемые диссертации данного раздела

28.06.2016

+ 100 бесплатных диссертаций

Дорогие друзья, в раздел "Бесплатные диссертации" добавлено 100 новых диссертаций. Желаем новых научных ...

15.02.2015

Добавлено 41611 диссертаций РГБ

В каталог сайта http://new-disser.ru добавлено новые диссертации РГБ 2013-2014 года. Желаем новых научных ...


Все новости

Время генерации: 0.215, запросов: 244