Комплексный анализ методов теории нечетких множеств (стр. 4 из 5)

S = УДОВЛЕТВОРЯЮЩИЙ определено как mS(х) = х, х Î J;

MS = БОЛЕЕ ЧЕМ УДОВЛЕТВОРЯЮЩИЙ — как mMS(x)=Öx; xÎJ;

VS = ОЧЕНЬ УДОВЛЕТВОРЯЮЩИЙ — как mVS(x) = х2, xÎJ,

US = НЕУДОВЛЕТВОРЯЮЩИЙ — как mVS(x) = 1 - х, х Î J.

Выбор производится из пяти кандидатов на множестве U = {u1, и2, u3, u4, u5}.

В рассматриваемой задаче оценки кандидатов заданы следующими нечеткими множествами:

ПОДХОДЯЩАЯ (квалификация) А = {0,8/u1, 0,61u2, 0,5/u3, 0,1/u4, 0,3/u5};

ВЫСШЕЕ (образование) В = {0,5/u1,1/u2, 0/u3, 0,5/u4, 1/u5};

ДОСТАТОЧНЫЙ (опыт) С = {0,6/u1, 0,9/и2, 1/u3, 0,7/u4, 1/u5};

СПОСОБЕН (работать с ПО) D = {1/u1, 0,3/и2, 1/u3, 0/u4, 0/u5}',

ОБЛАДАЕТ (юридическими знаниями) Е = {0/u1, 0,5/u2, 1/u3, 0,8/u4, 1/u5}.

С учетом введенных обозначений правила d1, ...,d6 принимают вид:

d1 : “Если Х= А и В, и С, то Y =S”;

d2: "Если Х= А и В, и С, и D, то Y = MS":

d3: “Если X= А и В, и С, и D, и E, то Y = P”;

d4: “Если X = А и B, и С, и Е, то Y = VS”;

d5: “Если X = A, и не В, и С, и E, то Y = S”;

d6: “Если Х = не A и не С, то Y = US”.

Вычислим функции принадлежности

для левых частей приведенных правил:

Теперь правила можно записать в виде:

Используя для преобразования правил вида "Если Х = М, то Y = Q" импликацию Лукасевича mD(u, j) = min(l, 1-mM /(u) + mY (j)), для каждой пары (u, j) Î U х J получаем следующие нечеткие отношения на U ´ J:

В результате пересечения отношений D1, ..., D6 получаем общее функциональное решение:

Для вычисления удовлетворительности каждой из альтернатив применим правило композиционного вывода в нечеткой среде:

Ek = Gk°D, где Еk — степень удовлетворения альтернативы k;

Gk — отображение альтернативы k в виде нечеткого подмножества на U, D — общее функциональное решение. Тогда

Кроме того, в этом случае

(u) = 0; u¹uk,

(u) = 1; u = uk. Отсюда

(i) =

(uk, i) Другими словами, Еk есть k-я строка в матрице D. Теперь применим описанную выше процедуру для сравнения нечетких подмножеств в единичном интервале для получения наилучшего решения на основе точечных оценок.

Для первой альтернативы

E1 ={0,5/0; 0,6/0,1; 0,7/0,2; 0,8/0,3; 0,9/0,4; 1/0,5; 1/0,6; 1/0,7; 1/0,8; 0,9/0,9; 0,8/1}.

Вычисляем уровневые множества Eja и мощность такого множества М(Еa) по формуле

Аналогично находим точечные оценки для других альтернатив:

для второй альтернативы F(E2) = 0,656;

для третьей — F(E3) = 0,575;

для четвертой — F(E4) = 0,483;

для пятой — F(E5) = 0,562.

В качестве лучшей выбираем альтернативу, имеющую наибольшую точечную оценку. В нашем примере это альтернатива и2, следовательно, она и будет наилучшей. Второе место занимает альтернатива u3; третье – u5, четвертое – и1, а самой худшей из альтернатив является u4.

Формализация знаний с помощью правил позволяет учитывать различную важность критериев и самих правил. Предположим, что в рассмотренной задаче ЛПР считает крайне важным умение кандидата на должность бухгалтера работать с программным обеспечением. Тогда в правилах d2 и d3 значением критерия Х4 будет понятие ОЧЕНЬ СПОСОБЕН, описываемое нечетким множеством D1 следующего вида:

Правило d4 исключим из рассмотрения, так как теперь кандидат, не владеющий умением работать с ПО, не является ОЧЕНЬ УДОВЛЕТВОРЯЮЩИМ. Тогда соответствующие левым частям правил нечеткие множества Мi, i = 1, .... 6, i¹ 4, будут иметь вид:

F(u1)—0,560; F(u2)— 0,600; F(u3)—0,575; F(u4)— 0,475; F(u5)— 0,530.

Сравнение полученных результатов показывает, что с повышением значимости критерия Х4 ранжировка альтернатив несколько изменилась: и1 и u5 поменялись местами. Этот факт согласуется с исходными данными, так как кандидат и1 имеет максимальное значение по критерию Х4, а u5 - минимальное.

Для учета различной важности правил будем использовать нормированные весовые коэффициенты, которые можно получить либо путем попарных сравнений, либо путем экспертного назначения весов.

В рассматриваемой задаче возможны различные подходы к выбору кандидата на должность: мягкий, жесткий, рациональный и т. д. Мягкий подход обычно имеет место в условиях дефицита времени и квалифицированных кадров, основную директиву этого подхода можно сформулировать так: "лишь бы умел что-нибудь делать". При мягком подходе самый большой вес будет иметь правило d6 а все остальные будут одинаково значимыми. Значения весовых коэффициентов правил приведены в табл. 4.5.

Жесткий подход к выбору кандидата на должность возможен в случае избытка квалифицированных кадров и ресурса времени, отводимого для выбора. Целью такого подхода является поиск кандидата, наиболее соответствующего идеалу. Назначенные ЛПР экспертные оценки важности правил с использованием 10-балльной шкалы и соответствующие весовые коэффициенты приведены в табл. 4.5.

Таблица 2.5

Оценки важности правил

Правило	d1	d2	d3	d4	d5	d6
Мягкая экспертная оценка	2	2	2	2	2	10
Коэффициент	0,6	0,6	0,6	0,6	0,6	3
Жесткая экспертная оценка	2	3	10	3	2	0
Коэффициент	0,6	0,9	3	0,9	0,6	0

Нечеткие отношения D1, ..., D6, возводятся в степени, соответствующие весовым коэффициентам правил, после чего выполняется их пересечение и получается общее решение D.

В табл. 4.7. приведены результирующие лингвистические оценки альтернатив, полученные методом нечеткого вывода, и соответствующие им значения мер сходства.

Таблица 2.7

Результаты работы системы нечеткого вывода

Лингвистическая оценка	Альтернатива
Лингвистическая оценка	u1	u2	u3	u4	u5
СПЕЦИАЛИСТ(Неуд.)	0,08	0,0	0,30	0,21	0,10
СПЕЦИАЛИСТ (Удовлетворяющий)	0,85	0,95	0,32	0,69	0,97
КАНДИДАТ (Хороший)	0,81	0,0	0,30	0,0	0,0
КАНДИДАТ (Очень хороший)	0,0	0,74	0,28	0,57	0,91
КАНДИДАТ (Безупречный)	0,0	0,0	0,22	0,0	0,0

Полученные результаты позволяют увидеть, что кандидаты u1, u2, u4, u5 являются удовлетворяющими специалистами (мера сходства больше 0,5), а кандидат u3 почти с одинаковым значением меры сходства принадлежит ко всем возможным категориям. При этом значения меры сходства находятся в интервале (0,22 - 0,32), что свидетельствует о весьма слабом сходстве с соответствующими понятиями. Такие результаты скорее следует интерпретировать как неспособность данного объекта вписаться в рамки имеющихся градаций при сформулированном наборе правил, чем как свойство быть похожим на все категории одновременно. Альтернатива u1 хорошо согласуется с понятием хорошего кандидата, а u2 и u5 — с понятием очень хорошего кандидата. Альтернатива u4 также претендует на роль очень хорошего кандидата, однако сходство с соответствующим нечетким прототипом имеет весьма невысокое.

4. Сравнительный анализ различных методов принятия решений

Теория нечетких множеств, предложенная Л. Заде в 1961 г., к настоящему времени приобрела широкую популярность и получила практическое применение во многих отраслях знаний. В сфере принятия решений на базе этой теории разработан широкий спектр разнообразных методов, только небольшая часть из которых рассмотрена в настоящей книге. Нелегкой проблемой сегодняшнего дня является выбор подходящего метода или программного обеспечения для поддержки процессов принятия решений. Поэтому особую актуальность приобретают проведение сравнительного анализа различных методов и разработка рекомендаций по их применению.

Рассмотрим подходы к решению одной задачи многокритериального выбора в условиях неопределенности с использованием различных методов. При этом будем использовать исходную информацию, полученную от одного и того же высококвалифицированного эксперта. Ранее были рассмотрены задачи в условиях одинаковой и различной важности критериев. Последняя ситуация является более общей, поэтому будем решать задачу в условиях неодинаковой значимости критериев.

Анализ и оценка инвестиционных проектов — одна из самых сложных задач в сфере экономики, производства и управления. Ее сложность обусловлена, с одной стороны, значительной неопределенностью, так как при решении вопроса об инвестициях всегда нужно предвидеть будущее, и с другой стороны — наличием множества заведомо противоречивых критериев. Человеку (ЛПР) свойственно желать получения максимальной прибыли при минимальных затратах, чего, как известно, никому не удавалось достигнуть, поскольку минимальные затраты равны нулю. При решении подобных задач в условиях определенности целевая функция строится на основе независимых, а следовательно, и непротиворечивых критериев. Однако в условиях неопределенности анализ решений производится на основе вербальной экспертной информации, элементы которой могут противоречить друг другу. При этом результаты анализа решений, полученные любыми методами, теряют свою ценность, так как точность и достоверность результата вычислений никогда не могут превзойти точности и достоверности исходных данных.