Размытое ранжирование

Действительно, такой подход часто субъективно воспринимался как цель (т.е. цель заключалась в оптимизации системы по заданному критерию). Но в реальных сложных системах таких целей, как правило, оказывается несколько. Система как бы преследовала несколько целей, часто противоречивых. При проектировании сложных систем возникали большие трудности из-за невозможности определить одну цель или даже установить жесткую иерархию целей. Поэтому постепенно наряду с "жесткой" моделью стала появляться "мягкая", основная идея которой заключалась в "компромиссе" между различными целями, в нахождении решений, которые в какой-то мере удовлетворяли бы всем выдвинутым критериям (а значит, полностью не удовлетворяли бы ни одному из них). Этот подход возник от понимания того, что во многих случаях у нас не хватает информации для линейного ранжирования возникших решений и мы можем осуществить только групповое ранжирование. Соответственно расширялся и математический аппарат оптимизации. Наряду с вариационным исчислением, решением дифференциальных уравнений, линейным программированием и т.п. использовались методы многокритериальной оптимизации, размытые множества и т.д. [c.37]

Сложность операций над размытыми числами привела к тому, что их применяют достаточно редко. Более того, ранжирование размытых чисел само по себе представляет достаточно сложную проблему [3.13]. Это еще одна причина, почему стараются работать не с размытыми числами, а с размытыми множествами. [c.152]

Расчет этой формулы во многих случаях достаточно сложен, и разработано много методов обхода возникших трудностей. Для нас здесь важен переход от функции полезности, определяемой действительными или целыми числами к функции полезности или предпочтения, заданной размытыми множествами. Перейдем к рассмотрению методов ранжирования возможных альтернатив решения, определяемых размытыми множествами. [c.153]

Отношение ранжирования альтернатив Ак А определим следующим образом хотя ни одна из альтернатив к и 1 не доминирует одна над другой математически строго, эксперт (ЛПР) берет на себя риск считать, что Ак почти точно лучше, чем А [3.14]. Слова почти точно , берет на себя риск считать говорят о возможности использовать методы размытых множеств для ранжирования альтернатив решений. [c.153]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...