ΠΟΛΥΚΡΙΤΗΡΙΑ ΥΠΟΣΤΗΡΙΞΗ ΑΠΟΦΑΣΕΩΝ. Χάρης Δούκας, Πάνος Ξυδώνας, Ιωάννης Ψαρράς

Σχετικά έγγραφα
ΠΟΛΥΚΡΙΤΗΡΙΑ ΥΠΟΣΤΗΡΙΞΗ ΑΠΟΦΑΣΕΩΝ. Χάρης Δούκας, Πάνος Ξυδώνας, Ιωάννης Ψαρράς

ΔΙΑΧΕΙΡΙΣΗ ΓΛΩΣΣΙΚΩΝ ΜΕΤΑΒΛΗΤΩΝ. Πολυκριτήρια Ανάλυση Αποφάσεων

ΠΟΛΥΚΡΙΤΗΡΙΑ ΥΠΟΣΤΗΡΙΞΗ ΑΠΟΦΑΣΕΩΝ

ΠΟΛΥΚΡΙΤΗΡΙΑ ΥΠΟΣΤΗΡΙΞΗ ΑΠΟΦΑΣΕΩΝ. Χάρης ούκας, Πάνος Ξυδώνας, Ιωάννης Ψαρράς

Μοντέλα και Τεχνικές Αξιολόγησης. Ενεργειακών και Περιβαλλοντικών Πολιτικών

ΧΡΗΣΗ ΓΛΩΣΣΙΚΩΝ ΜΕΤΑΒΛΗΤΩΝ ΣΕ ΣΕ ΠΡΟΒΛΗΜΑΤΑ ΕΝΕΡΓΕΙΑΚΗΣ ΚΑΙ ΠΕΡΙΒΑΛΛΟΝΤΙΚΗΣ ΠΟΛΙΤΙΚΗΣ. Μάθημα: ιαχείριση Ενέργειας και Περιβαλλοντική Πολιτική

Ενεργειακών και Περιβαλλοντικών Πολιτικών

Χάραξης Ενεργειακών και Περιβαλλοντικών Πολιτικών

ΔΙΑΧΕΙΡΙΣΗ ΕΤΕΡΟΓΕΝΩΝ ΜΕΤΑΒΛΗΤΩΝ. Πολυκριτήρια Ανάλυση Αποφάσεων

Πολυκριτήρια Ανάλυση Αποφάσεων

ΔΙΑΧΕΙΡΙΣΗΣ ΕΤΕΡΟΓΕΝΩΝ ΜΕΤΑΒΛΗΤΩΝ ΣΤΗΝ ΠΟΛΥΚΡΙΤΗΡΙΑ ΥΠΟΣΤΗΡΙΞΗ ΑΠΟΦΑΣΕΩΝ

Πολυκριτηριακά Συστήματα Υποστήριξης Αποφάσεων

Τεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή

Ασαφής Λογική (Fuzzy Logic)

ΑΣΑΦΗΣ ΛΟΓΙΚΗ. Οικονόμου Παναγιώτης Δρ. Ε. Παπαγεωργίου 1

Βασικές Έννοιες Ασαφών Συνόλων

ΕΥΦΥΗΣ ΕΛΕΓΧΟΣ. Ενότητα #3: Αρχή της Επέκτασης - Ασαφείς Σχέσεις. Αναστάσιος Ντούνης Τμήμα Μηχανικών Αυτοματισμού Τ.Ε.

ΕΥΦΥΗΣ ΕΛΕΓΧΟΣ. Ενότητα #11: Ασαφής Αριθμητική. Αναστάσιος Ντούνης Τμήμα Μηχανικών Αυτοματισμού Τ.Ε.

Πολυκριτήρια ανάλυση με γλωσσικές μεταβλητές για την υποστήριξη αποφάσεων ενεργειακής πολιτικής: Επισκόπηση μεθοδολογιών και ανάλυση εφαρμογών

ΣΥΣΤHΜΑΤΑ ΑΠΟΦAΣΕΩΝ ΣΤΗΝ ΠΑΡΑΓΩΓH

Πολυκριτηριακά Συστήματα Υποστήριξης Αποφάσεων

Λήψη αποφάσεων υπό αβεβαιότητα

ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΜΑΘΗΜΑ 3 Ο. Σταθερές-Παράμετροι-Μεταβλητές Αριθμητικοί & Λογικοί Τελεστές Δομή ελέγχου-επιλογής Σύνθετοι έλεγχοι

Εισαγωγή στην επιστήμη των υπολογιστών. Υπολογιστές και Δεδομένα Κεφάλαιο 4ο Πράξεις με μπιτ

Σκοπός. Προγραμματίζοντας τον Arduino ΙΙ Εντολή Εκχώρησης & Εντολές. Συλλογή & Επεξεργασία Δεδομένων. Πρόγραμμα. Εντολές Επεξεργασίας Δεδομένων

ΜΕΘΟΔΟΣ NAIADE ΑΞΙΟΛΟΓΗΣΗ ΣΤΟ ΣΧΕΔΙΑΣΜΟ ΤΟΥ ΧΩΡΟΥ ΠΟΛΥΚΡΙΤΗΡΙΑΚΗ ΑΞΙΟΛΟΓΗΣΗ. Υπεύθυνη Μαθήματος Αναστασία Στρατηγέα Αναπλ. Καθηγ. Ε.Μ.Π.

Κεφάλαιο 14. Ασάφεια. Τεχνητή Νοηµοσύνη - Β' Έκδοση. Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου

Βασικοί τύποι δεδομένων (Pascal) ΕΠΑ.Λ Αλίμου Γ Πληροφορική Δομημένος Προγραμματισμός (Ε) Σχολ. Ετος Κων/νος Φλώρος

ΠΡΟΣΔΙΟΡΙΣΜΟΣ ΒΑΡΩΝ SIMOS - ROC. Χάρης Δούκας

Ποσοτικές Μέθοδοι στη Διοίκηση Επιχειρήσεων ΙΙ Σύνολο- Περιεχόμενο Μαθήματος

Γενικά Στοιχεία Ηλεκτρονικού Υπολογιστή

Εισαγωγή στην επιστήμη των υπολογιστών. Υπολογιστές και Δεδομένα Κεφάλαιο 4ο Πράξεις με μπιτ

Εισαγωγή στην επιστήμη των υπολογιστών. Υπολογιστές και Δεδομένα Κεφάλαιο 4ο Πράξεις με μπιτ

Γ ε ν ι κ ό Λ ύ κ ε ι ο Ε λ ε υ θ ε ρ ο ύ π ο λ η ς. Α λ γ ό ρ ι θ μ ο ι

ΣΥΣΤHΜΑΤΑ ΑΠΟΦAΣΕΩΝ ΣΤΗΝ ΠΑΡΑΓΩΓH

Η-Υ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ. Εργαστήριο 2 Εντολές Εισόδου/Εξόδου Τελεστές. Δρ. Γιώργος Λαμπρινίδης 23/10/2015 Η - Υ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ 1

ΕΥΦΥΗΣ ΕΛΕΓΧΟΣ. Ενότητα #8: Βελτιστοποίηση Συστημάτων Ασαφούς Λογικής. Αναστάσιος Ντούνης Τμήμα Μηχανικών Αυτοματισμού Τ.Ε.

Ρητή μετατροπή αριθμητικής τιμής σε άλλο τύπο. Τι θα τυπωθεί στον παρακάτω κώδικα;

Μεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας. Εισηγητής Αναστάσιος Κεσίδης

Εισαγωγή στην επιστήμη των υπολογιστών. Πράξεις με μπιτ

ΚΕΦΑΛΑΙΟ 1. Ασαφή Συστήματα. 1.1 Ασαφή Σύνολα. x A. 1, x

Τι είναι βαθμωτό μέγεθος? Ένα μέγεθος που περιγράφεται μόνο με έναν αριθμό (π.χ. πίεση)

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΕΡΓΑΛΕΙΑ ΙΟΙΚΗΣΗΣ ΜΕΤΑΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ ΩΝ ΜΑΘΗΜΑ: ΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ

«Ο κύριος στόχος δεν είναι να ανακαλύψουµε

Συστήματα αρίθμησης. = α n-1 *b n-1 + a n-2 *b n-2 + +a 1 b 1 + a 0 όπου τα 0 a i b-1

ΚΕΦΑΛΑΙΟ 8 Η ΓΛΩΣΣΑ PASCAL

Τμήμα Οικιακής Οικονομίας και Οικολογίας. Αναπαράσταση Αριθμών


ΣΥΝΑΡΤΗΣΙΑΚΑ ΜΟΝΤΕΛΑ ΑΠΟΦΑΣΕΩΝ

Πρόβλημα 29 / σελίδα 28

ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ

Προγραμματισμός Ι (ΗΥ120)

3.1 Αριθμητικοί και Λογικοί Τελεστές, Μετατροπές Τύπου (Casting)

ΕΥΦΥΗΣ ΕΛΕΓΧΟΣ. Ενότητα #5: Ασαφής Συλλογισμός. Αναστάσιος Ντούνης Τμήμα Μηχανικών Αυτοματισμού Τ.Ε.

Στ Τάξη. Α/Α Μαθηματικό περιεχόμενο Δείκτες Επιτυχίας Ώρες Διδ. 1 ENOTHTA 1

Θεώρηση πολλαπλών κριτηρίων στη ΔΥΠ (3) Επανάληψη Μέθοδος Promethee II

Αριθμητική Ανάλυση & Εφαρμογές

(Γραμμικές) Αναδρομικές Σχέσεις

(Γραμμικές) Αναδρομικές Σχέσεις

Ανάπτυξη Εφαρμογών σε Προγραμματιστικό Περιβάλλον

ΓΛΩΣΣΑ ΑΛΦΑΒΗΤΟ ΤΥΠΟΙ ΔΕΔΟΜΕΝΩΝ ΣΤΑΘΕΡΕΣ ΜΕΤΑΒΛΗΤΕΣ

Φυσική για Επιστήμονες και Μηχανικούς. Εισαγωγή Φυσική και μετρήσεις

Πολυκριτηριακά Συστήματα Υποστήριξης Αποφάσεων

(Γραμμικές) Αναδρομικές Σχέσεις

Τμήμα Μηχανικών Πληροφορικής ΤΕ Δυϊκότητα. Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα. τελευταία ενημέρωση: 1/12/2016

Προγραμματισμός Ι (ΗΥ120)

Εισαγωγή στους Ηλεκτρονικούς Υπολογιστές. 6 ο Μάθημα. Λεωνίδας Αλεξόπουλος Λέκτορας ΕΜΠ. url:

! Εάν ο αριθμός διαθέτει περισσότερα bits, χρησιμοποιούμε μεγαλύτερες δυνάμεις του 2. ! Προσοχή στη θέση του περισσότερο σημαντικού bit!

Προγραμματισμός I (Θ)

Λογικός Σχεδιασµός και Σχεδιασµός Η/Υ. ΗΜΥ-210: Εαρινό Εξάµηνο Σκοπός του µαθήµατος. Ψηφιακά Συστήµατα. Περίληψη. Εύρος Τάσης (Voltage(

Λήψη αποφάσεων υπό αβεβαιότητα

Γεννήτριες Συναρτήσεις

Πράξεις με δυαδικούς αριθμούς

ΠΛΗΡΟΦΟΡΙΚΗ Ι (MATLAB) Ενότητα 2

Προγραμματισμός Ι (HY120)

Ανασκόπηση θεωρίας ελαχίστων τετραγώνων και βέλτιστης εκτίμησης παραμέτρων

Διαχείριση Υδατικών Πόρων Πολυκριτηριακή ανάλυση

Λήψη αποφάσεων υπό αβεβαιότητα. Παίγνια Αποφάσεων 9 ο Εξάμηνο

3 ο Εργαστήριο Μεταβλητές, Τελεστές

Εισαγωγή στους Ηλεκτρονικούς Υπολογιστές

Πολυκριτηριακά Συστήματα Υποστήριξης Αποφάσεων

Σφάλματα (errors) Σε κάθε υπολογισμό μιας πραγματικής ποσότητας υπάρχει σφάλμα

Αριθμητικά Συστήματα

Τάσσος Δήμου. Μεθοδολογίες και λυμένες ασκήσεις. Λυμένα θέματα συναρτήσεων-μέρος Α. Εύρεση μονοτονίας σε απλές συναρτήσεις

Κ15 Ψηφιακή Λογική Σχεδίαση 2: Δυαδικό Σύστημα / Αναπαραστάσεις

Εισαγωγή στην επιστήµη των υπολογιστών. Πράξεις µε µπιτ

Επιχειρησιακή Έρευνα I

ΗΜΥ 100 Εισαγωγή στην Τεχνολογία

ΚΑΤΑΓΡΑΦΗ ΤΟΥ ΙΧΝΟΥΣ ΤΗΣ ΟΠΤΙΚΗΣ ΑΝΑΖΗΤΗΣΗΣ: ΜΙΑ ΜΕΘΟΔΟΣ ΔΙΕΡΕΥΝΗΣΗΣ ΤΗΣ ΕΠΙΛΕΚΤΙΚΟΤΗΤΑΣ ΤΗΣ ΟΠΗΣ ΩΣ ΒΑΣΙΚΟΥ ΧΑΡΑΚΤΗΡΙΣΤΙΚΟΥ ΤΟΥ ΣΧΗΜΑΤΟΣ

Σχεδιασμός επέκτασης του συστήματος ηλεκτροπαραγωγής με τη χρήση Πολυκριτηριακού Γραμμικού Προγραμματισμού

1. ΣΤΑΤΙΚΗ ΑΡΙΣΤΟΠΟΙΗΣΗ

ΒΟΗΘΗΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ ΣΤΑ ΓΕΝΙΚΑ ΜΑΘΗΜΑΤΙΚΑ

1/12/2016. Πλεονεκτήματα. Μειονεκτήματα. (Roy, 1994)

Πρόβλημα είναι μια κατάσταση η οποία χρήζει αντιμετώπισης, απαιτεί λύση, η δε λύση της δεν είναι γνωστή, ούτε προφανής.

Δοκιμασίες πολλαπλών επιλογών

4.1. Πολυώνυμα. Η έννοια του πολυωνύμου

4.γ. μερική επανάληψη, εισαγωγή στη βελτιστοποίηση υδατικών συστημάτων. Δρ Μ.Σπηλιώτης

Διάλεξη 3η: Τύποι Μεταβλητών, Τελεστές, Είσοδος/Έξοδος

Δρ. Βασίλειος Γ. Καμπουρλάζος Δρ. Ανέστης Γ. Χατζημιχαηλίδης

Εισαγωγή στην Επιστήμη των Υπολογιστών

Transcript:

Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Ηλεκτρολόγων Μηχανικών Και Μηχανικών Υπολογιστών ΤΟΜΕΑΣ ΗΛΕΚΤΡΙΚΩΝ ΒΙΟΜΗΧΑΝΙΚΩΝ ΔΙΑΤΑΞΕΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ ΑΠΟΦΑΣΕΩΝ Εργαστήριο Συστημάτων Αποφάσεων και Διοίκησης ΠΟΛΥΚΡΙΤΗΡΙΑ ΥΠΟΣΤΗΡΙΞΗ ΑΠΟΦΑΣΕΩΝ ΣΕ ΣΥΝΘΗΚΕΣ ΑΒΕΒΑΙΟΤΗΤΑΣ Ακαδημαϊκό έτος 2015-2016 Χάρης Δούκας, Πάνος Ξυδώνας, Ιωάννης Ψαρράς Αθήνα, Μάιος 2016

Περιεχόμενα Εισαγωγή Εισερχόμενες Ασάφειες Ασαφής Λογικής Μοντέλα Αναπαράστασης και Επεξεργασίας Προσέγγιση Προέκτασης Προσέγγιση Διπλής Αναπαράστασης

Εισαγωγή Ασάφεια έννοια που σχετίζεται με την ποσοτικοποίηση της πληροφορίας και οφείλεται κυρίως σε μη-ακριβή (imprecise) δεδομένα Το πρόβλημα δεν οφείλεται τόσο στις έννοιες που χρησιμοποιούνται όσο στην αντίληψη που έχει ο καθένας για λεκτικούς προσδιορισμούς ποσοτικών μεγεθών

Παράμετροι Πολυκριτηριακού Προβλήματος (επιδόσεις, βάρη, κατώφλια) Εισερχόμενες Ασάφειες [1/4] Ποιοτική πληροφορία Ελλιπής γνώση σχετικά με τις παραμέτρους του προβλήματος Αδυναμία απόκτησης ακριβούς τιμής για κάποιες παραμέτρους

Εισερχόμενες Ασάφειες [2/4] Προτιμήσεις Εμπειρογνωμόνων Φύση Κριτηρίων Ποσοτική» Ποιο είναι το κόστος της Εναλλακτικής Α; Ποιοτική» Κριτήρια Οπτικής όχλησης» Ποια είναι η συνεισφορά της στην τοπική ανάπτυξη;» Συνεισφορά στην Ανταγωνιστικότητα της οικονομίας

Εισερχόμενες Ασάφειες [3/4] Ενσωμάτωση σε Προβλήματα Απόφασης Πολυκριτηριακά Προβλήματα (Πολλαπλοί Αποφασίζοντες) Ένα σετ από εναλλακτικές επιλογές Ένα σετ από κριτήρια αξιολόγησης Ένα σετ από αποδόσεις Cij όπου A B Cij { 1,..., n a a { b1,..., bl : i, j ( a b ) } }

Κριτήρια Εισερχόμενες Ασάφειες [4/4] Εναλλακτικές Α1 Α2.. Αn B1 C11 C12.. C1n B2 C21 C22.. C2n.......... Bl Cl1 Cl2.. Cln Μοντέλα Αναπαράστασης και Επεξεργασίας

Κλασσική θεωρία της λογικής δύο τιμών Ασαφής Λογική [1/6] Η χαρακτηριστική συνάρτηση συσχέτισης μ Α ορίζει μια ξεκάθαρη διάκριση μεταξύ των μελών και των μη-μελών του Α. Έτσι η μ Α δίνει σε κάθε x μια από δυο τιμές: μ Α(x) =1 εάν και μόνο εάν x<x τ, μ Α(x) =0 εάν και μόνο εάν x>x τ. Άρα, απαιτείται ένα αυστηρό όριο x T για τον προσδιορισμό μιας ξεκάθαρης διάκρισης μεταξύ των αποδεκτών τιμών (x< x T ) και των μηαποδεκτών τιμών (x> x T ). Συχνά, ένα αυστηρό όριο είναι πρακτικά μηρεαλιστικό.

Λογική Πολλαπλών Τιμών Ασαφής Λογική [2/6] μ Α (χ) = μ Α 0 χ τ χ Μια συνάρτηση συσχέτισης ορίζει τη μερική συμμετοχή σε ένα σύνολο. Άρα η μετάβαση από τη μια κατάσταση στην άλλη είναι βαθμιαία και όχι απότομη. Η συνάρτηση συσχέτισης δίνει σε κάθε x μια τιμή από 0 έως 1, υποδηλώνοντας τον βαθμό συσχέτισης. Άρα, σε αυτή την περίπτωση απαιτείται ένα εύκαμπτο όριο για τον προσδιορισμό μιας ενδιάμεσης αποτίμησης μεταξύ των αποδεκτών και των μη-αποδεκτών τιμών

Ασαφής Λογική [3/6] Σύνολα (Κλασσικά) Ένα στοιχείο είναι μέλος ή όχι Αληθές ή ψευδές είναι οι μόνες δυνατότητες Ασαφή Σύνολα Ένα αντικείμενο μπορεί να ανήκει μερικώς σε ένα σύνολο Ο βαθμός συμμετοχής στο σύνολο ονομάζεται συνάρτηση συσχέτισης ή συμμετοχής (membership function f(x)) f(x)=0 το αντικείμενο δεν ανήκει στο σύνολο f(x)=1 είναι σίγουρα μέλος του συνόλου Οι υπόλοιπες τιμές για την f(x) δείχνουν το βαθμό συμμετοχής

Ασαφής Λογική [4/6] Μια πρόταση έχει κάποιο βαθμό αληθείας Δεν είναι απλά αληθής ή ψευδής. Ξεφεύγουμε από το μοντέλο του «0-1», «αληθές-ψευδές».

Παράδειγμα Λογικής Πολλαπλών Τιμών Ασαφής Λογική [5/6] Τρεις γλωσσικές τιμές γλωσσικούς όρους: ~ A 1= «Αποδεκτό», A ~ ~ i ( 1 ~ ~ A, A 2 και A 3 ) ορίζουν την συνεισφορά του x στην ΑΑ σε ~ A 2 = «Αποδεκτό υπό όρους», ~ A 3 = «Μη-αποδεκτό».

Ασαφής Λογική [6/6] Οι Γλωσσικές Μεταβλητές διαφέρουν από τις Αριθμητικές διότι οι τιμές τους δεν είναι αριθμοί αλλά λέξεις ή φράσεις (Zadeh 1975) Ορίζονται ως ένα σύνολο γλωσσικών όρων S { s0, s1,..., sk } Συνάρτηση Συσχέτισης

Τριγωνικός Ασαφής Όρος [1/2] Έστω 2 τριγωνικοί αριθμοί Γεωμετρική Απόσταση

Τριγωνικός Ασαφής Όρος [2/2] Παράδειγμα Ο B είναι κοντινότερος στον Α από τον C

Μοντέλα Αναπαράστασης και Επεξεργασίας [1/4]

Μοντέλα Αναπαράστασης και Επεξεργασίας [2/4] Σύνολο Γλωσσικών Όρων Μορφή: S = {s 0, s 1, s 2,,s n+1 }, n+1 1 Παράδειγμα: S = {s 0 = Καθόλου, s 1 = Πολύ Χαμηλό, s 2 = Χαμηλό, s 3 = Ενδιάμεσο, s 4 = Υψηλό, s 5 = Πολύ Υψηλό, s 6 = Τέλειο} Ιδιότητα: a b x x αν και μόνον αν a b Delgado M et al. (1998)

Μοντέλα Αναπαράστασης και Επεξεργασίας [3/4] Σύνολο Γλωσσικών Όρων Πρόσθετα Χαρακτηριστικά: Να υπάρχει ένας αρνητικός τελεστής π.χ. neg(s i ) = s j. j = T i (T + 1 είναι ο αριθμός των στοιχείων). Τελεστής μεγιστοποίησης: max(s i, s j ) = s i αν s i s j. Τελεστής ελαχιστοποίησης: min(s i, s j ) = s i αν s i s j. Δεν ορίζονται οι συνηθισμένες αλγεβρικές πράξεις της πρόσθεσης, αφαίρεσης, πολλαπλασιασμού και διαίρεσης μεταξύ των όρων της. Ορίζονται μόνο πράξεις που αφορούν τη διάταξη όπως π.χ. η max και η min.

Μοντέλα Αναπαράστασης και Επεξεργασίας [4/4] Σχετιζόμενες Γλωσσικές Προσεγγίσεις Προσέγγιση Προέκτασης: Σχετικές συναρτήσεις συσχέτισης των γλωσσικών όρων. Πολύπλοκες Πράξεις. Χαμηλή «διακριτότητα» εναλλακτικών S n F F ( R ) app 1 (. ) S Προσέγγιση Διπλής Αναπαράστασης: Ικανή προσέγγιση αναπαράστασης και επεξεργασίας της ασαφούς πληροφορίας (, ) s i Herrera F, Martinez L. (2000)

Φιλοσοφία Προσέγγιση Προέκτασης [1/5] Μετατροπή αριθμητικών τιμών σε ασαφή σύνολα Αλγεβρικές πράξεις Απώλεια πληροφορίας Herrera F et al (2009)

Προσέγγιση Προέκτασης [2/5] Παράδειγμα (1/4) Η συνάρτηση συσχέτισης για την αναπαράσταση των γλωσσικών μεταβλητών είναι τριγωνικής μορφής, δηλαδή Si ( ai, bi, ci ), όπου το a είναι το αριστερό όριο, το i c είναι το i δεξιό όριο και το b i η τιμή που η συνάρτηση παίρνει την μέγιστη τιμή δηλαδή το 1.

Προσέγγιση Προέκτασης [3/5] Παράδειγμα (2/4) S= {N, VL, L, M, H, VH, P}, όπου: P = Perfect = (.83, 1, 1) VH = Very_High = (.67,.83, 1) H = High = (.5,.67,.83) M = Medium = (.33,.5,.67) L = Low = (.17,.33,.5) VL = Very_Low = (0,.17,.33) N = None = (0, 0,.17)

Προσέγγιση Προέκτασης [4/5] Παράδειγμα (3/4) x x 1 3 2 x x P 1 VL M M L 4 P 2 M L VL H P 3 H VL M M P 4 H H L L C = (1/ m a,1/ m b,1/ m c ) d j m i1 ij m i1 ij m 2 2 2 ( si, C j ) Q1 ( a1 a j ) Q2 ( b1 b j ) Q3 ( c1 c j ) i1 ij

Προσέγγιση Προέκτασης [5/5] Παράδειγμα (4/4) Εγγύτερος όρος με βάση το app 1 C 2 Το app 1 (.) επιλέγει το s * i (app 1 (C j)= s * i ), έτσι ώστε, d(s * i, C j) d(s i, C j ) s i S

Προσέγγιση Διπλής Αναπαράστασης [1/4] «2-tuple» Έστω S = {s 0,, s g } ένα γλωσσικό σύνολο όρων Έστω β το αποτέλεσμα μιας συμβολικής άθροισης, ενός συνόλου γλωσσικών όρων που έχουν εκφραστεί σε μια γλωσσική κλίμακα S όπου β [ 0, g ] Έστω i=round(β) και a=β i δύο τιμές τέτοιες ώστε i [ 0, g ] και a [ 0. 5, 0. 5 ) Το μοντέλο γλωσσικής αναπαράστασης αναπαριστά τη γλωσσική πληροφορία με ζεύγη διπλών αναπαραστάσεων (s i, a i ) s S και a [ 0. 5, 0. 5 ) i i Το s i αντιπροσωπεύει την γλωσσική προέλευση της πληροφορίας Το α i αποτελεί μια αριθμητική τιμή, η οποία εκφράζει την απόδοση της μετάφρασης από το αρχικό αποτέλεσμα β στο πλησιέστερο όρο i στο σύνολο γλωσσικών στοιχείων (s i ). Herrera F, Martinez L. (2000)

Προσέγγιση Διπλής Αναπαράστασης [2/4] Μετασχηματισμός Συναρτήσεις μετασχηματισμού ανάμεσα στους γλωσσικούς όρους και τη διπλή αναπαράσταση και ανάμεσα στις αριθμητικές τιμές και τη διπλή αναπαράσταση: Δ : [ 0, g ] S [ - 0. 5, 0. 5 ) si, i round ( ) Δ ( β ) = ( s i, a ) με a i, a [ 0.5, 0.5) όπου i=round(β) και a i [ 0. 5, 0. 5 ) Υπάρχει πάντα μια συνάρτηση Δ -1, τέτοια ώστε από τη διπλή αναπαράσταση επιστρέφει την ισοδύναμη αριθμητική τιμή β [ 0, g ] Έτσι, ορίζεται η παρακάτω συνάρτηση: -1 Δ : S [ 0. 5, 0. 5 ) [ 0, g ] Δ -1 ( s, a ) = i + a = β i Herrera F, Martinez L. (2000)

Προσέγγιση Διπλής Αναπαράστασης [3/4] Παραδείγματα β=3.25

Προσέγγιση Διπλής Αναπαράστασης [4/4] Αριθμητικός Μέσος Σταθμισμένος Μέσος