sisteme inteligente de suport decizional - · pdf filecurs 9 – sisteme inteligente de...
TRANSCRIPT
SISTEME INTELIGENTEDE SUPORT DECIZIONAL
Ș.l.dr.ing. Laura-Nicoleta IVANCIU
Curs 9 – Sisteme inteligente de suportdecizional cu logică fuzzy
2
Cuprins
Probleme rezolvabile cu logică fuzzy Decizie fuzzy – studiu de caz
Curs 9 – SISD cu logică fuzzy
. dr.ing. Laura-Nicoleta IVANCIU, Sisteme inteligente de suport decizionalȘ l.
3
Probleme rezolvabile cu logică fuzzy Care sunt cele mai importante tipuri de aplicații ale logicii fuzzy? Care sunt etapele de rezolvare a unei probleme cu logică fuzzy?
Curs 9 – SISD cu logică fuzzy
. dr.ing. Laura-Nicoleta IVANCIU, Sisteme inteligente de suport decizionalȘ l.
4
Să ne aducem aminte...
Mulțime fuzzy = clasă de obiecte, cu grade de apartenență continue.
Funcție de apartenență – atribuie fiecărui obiect un grad de apartenență, cuprins între 0 (neapartenență) și 1 (apartenență totală).
Curs 9 – SISD cu logică fuzzy Probleme rezolvabile cu logică fuzzy
variabilălingvistică
valoarelingvistică
universul discuției
0.55
grad de apartenență
functie de apartenență
0.3
. dr.ing. Laura-Nicoleta IVANCIU, Sisteme inteligente de suport decizionalȘ l.
5
Să ne aducem aminte...
Structura unui sistem cu logică fuzzy SISO
Curs 9 – SISD cu logică fuzzy Probleme rezolvabile cu logică fuzzy
. dr.ing. Laura-Nicoleta IVANCIU, Sisteme inteligente de suport decizionalȘ l.
6
Aplicații ale logicii fuzzy
sisteme de controlîn locul controlerelor PID, în sisteme complexe
Ex.: metroul din Sendai, Japonia http://sipi.usc.edu/~kosko/Scientific%20American.pdf
controlul pendulului inversathttp://www.youtube.com/watch?v=SVKKPD23eM4
electrocasnicemașini de spălat, aparate de aer condiționat, automate de cafea,
termostate, etchttp://www.fuzzytech.com/e/e_a_esa.html
Ex.: Mașina de spălat cu logică fuzzy – vezi Proiect 5
Curs 9 – SISD cu logică fuzzy Probleme rezolvabile cu logică fuzzy
. dr.ing. Laura-Nicoleta IVANCIU, Sisteme inteligente de suport decizionalȘ l.
7
Aplicații ale logicii fuzzy
automatizări industriale http://www.fuzzytech.com/e/e_a_plc.html
sisteme de animație 2D și 3DEx.: generarea masei de oameni din trilogia Lord of the Rings, folosind MASSIVE (Multiple Agent Simulation System in Virtual Environment)http://www.massivesoftware.com/
prelucrarea imaginilor recunoaștere de obiecte/forme
modelare, prelucrare de semnal, optimizarea traficului de rețea, proiectare de circuite, etc
alternative la metodologiile clasice
Curs 9 – SISD cu logică fuzzy Probleme rezolvabile cu logică fuzzy
. dr.ing. Laura-Nicoleta IVANCIU, Sisteme inteligente de suport decizionalȘ l.
8
Etapele implementării unei aplicații cu logică fuzzy
identificare intrări, ieșiri
stabilire univers discuție, variabile/valori lingvistice, funcții de apartenență
stabilire metode de inferență, defuzzificare
implementare efectivă
testare, evaluare performanțe
revenire la etapele anterioare, dacă este cazul
Curs 9 – SISD cu logică fuzzy Probleme rezolvabile cu logică fuzzy
. dr.ing. Laura-Nicoleta IVANCIU, Sisteme inteligente de suport decizionalȘ l.
9
Exemplu
Să se implementeze un sistem fuzzy care să estimezenumărul de ore de studiu necesare pentru a pregăti unexamen în sesiune.
La curs putem face... identificare intrări, ieșiri stabilire univers discuție, variabile/valori lingvistice, funcții de apartenență
Voi puteți face acasă...
stabilire metode de inferență, defuzzificare implementare efectivă testare, evaluare performanțe revenire la etapele anterioare, dacă este cazul
Curs 9 – SISD cu logică fuzzy Probleme rezolvabile cu logică fuzzy
. dr.ing. Laura-Nicoleta IVANCIU, Sisteme inteligente de suport decizionalȘ l.
10
Decizie fuzzy – studiu de caz
Curs 9 – SISD cu logică fuzzy
Sistem de decizie fuzzy pentru selecțiacandidaților la ocuparea unui post
. dr.ing. Laura-Nicoleta IVANCIU, Sisteme inteligente de suport decizionalȘ l.
11
Sistem de decizie fuzzy pentru selecția candidaților la ocuparea unui postConsiderente de proiectare
calificările, competențele și abilitățile de bază necesare ocupăriiunui post sunt definite imprecis (lingvistic)
Ex.: Să fie familiar cu mediul Matlab
experții (recruiterii) își exprimă opinia în limbaj natural (lingvistic) pentru candidații analizați
Ex.: Candidatul X este potrivit pentru post
Curs 9 – SISD cu logică fuzzy Decizie fuzzy – studiu de caz
. dr.ing. Laura-Nicoleta IVANCIU, Sisteme inteligente de suport decizionalȘ l.
12
Factori de evaluare posibili
calificare (studii) experiență vârstă aspect fizic abilități de comunicare inteligență (IQ) abordarea în rezolvarea problemelor capacitatea de lucru în echipă
Ce alți factori pot fi luați în considerare?
Curs 9 – SISD cu logică fuzzy Decizie fuzzy – studiu de caz
. dr.ing. Laura-Nicoleta IVANCIU, Sisteme inteligente de suport decizionalȘ l.
13
Etapele procesului de selecție
1. se stabiliesc factorii utilizați pentru selecție
2. se definește profilul candidatului ideal (cerințe)
3. se construiește profilul fiecărui candidat (calificări, competențe, abilități) de către experți (recruiteri)
4. se construiește o matrice a distanțelor față de candidatul ideal, pentru fiecare candidat
5. se selectează candidatul pentru ocuparea postului
Curs 9 – SISD cu logică fuzzy Decizie fuzzy – studiu de caz
. dr.ing. Laura-Nicoleta IVANCIU, Sisteme inteligente de suport decizionalȘ l.
14
1. Factori utilizați pentru selecțieCalificareExperiențăRezolvarea problemelor
Curs 9 – SISD cu logică fuzzy Decizie fuzzy – studiu de caz
Calificare
“Licență - L”, “Licența și specializare -LS”, “Master - M”, “Master și specializare -MS”, “Doctorat - D”
Experiență
“Foarte puțină - FP”, “Puțină - P”, “Medie - M”, “ Multă - Mu”, “Foarte multă - FMu”
Rezolvarea problemelor
“Foarte slabă - FS”, “Slabă - S”, “Medie - M”, “ Bună - B”, “Foarte bună - FB”
Valori lingvistice:
. dr.ing. Laura-Nicoleta IVANCIU, Sisteme inteligente de suport decizionalȘ l.
15
2. Profilul candidatului ideal
Curs 9 – SISD cu logică fuzzy Decizie fuzzy – studiu de caz
cerința pentru Calificare: Mastercerința pentru Experiență: Să aibă suficientă
cerința pentru Rezolvarea problemelor: Cât mai bună
Definirea fuzzy a cerințelor:
Pentru fiecare cerință, se defineste o mulțime fuzzy peste un univers discret al discuției, univers alcătuit din valorile lingvistive definite pentru factorul asociat
Selecție:
Se compară profilul fiecărui candidat cu profilul candidatului ideal.
. dr.ing. Laura-Nicoleta IVANCIU, Sisteme inteligente de suport decizionalȘ l.
16
Mulțimile fuzzy pentru cerințe
Curs 9 – SISD cu logică fuzzy Decizie fuzzy – studiu de caz
=
DMSMLSL3.0;8.0;1;5.0;2.0Calificare
Cerința pentru Calificare: Master
=
FMuMuMPFP2.0;8.0;1;7.0;1.0Experienta
Cerința pentru Experiență: Să aibă suficientă
=
FBBMSFS1;1;7.0;3.0;0RezProb
Cerința pentru Rezolvareaproblemelor: Cât mai bună
Cerinta: Calificare
Cerinta: Experienta
Cerinta: Rezolvarea problemelor
. dr.ing. Laura-Nicoleta IVANCIU, Sisteme inteligente de suport decizionalȘ l.
17
Mulțimi fuzzy – factorul Calificare
Curs 9 – SISD cu logică fuzzy Decizie fuzzy – studiu de caz
=
=
=
=
=
DMSMLSL
DMSMLSL
DMSMLSL
DMSMLSL
DMSMLSL
1;75.0;5.0;2.0;0Doctorat
8.0;1;8.0;4.0;1.0MasterSpec
4.0;6.0;1;6.0;4.0Master
3.0;6.0;8.0;1;8.0cLicentaSpe
1.0;3.0;5.0;8.0;1Licenta
. dr.ing. Laura-Nicoleta IVANCIU, Sisteme inteligente de suport decizionalȘ l.
18
Mulțimi fuzzy – factorul Experiență
Curs 9 – SISD cu logică fuzzy Decizie fuzzy – studiu de caz
=
=
=
=
=
FMuMuMPFP
FMuMuMPFP
FMuMuMPFP
FMuMuMPFP
FMuMuMPFP
1;8.0;6.0;3.0;1.0FMulta
8.0;1;8.0;5.0;25.0Multa
6.0;8.0;1;6.0;4.0Medie
1.0;3.0;6.0;1;7.0Putina
0;0;1.0;5.0;1FPutina
. dr.ing. Laura-Nicoleta IVANCIU, Sisteme inteligente de suport decizionalȘ l.
19
Mulțimi fuzzy – factorul Rezolvarea problemelor
Curs 9 – SISD cu logică fuzzy Decizie fuzzy – studiu de caz
=
=
=
=
=
FBBMSFS
FBBMSFS
FBBMSFS
FBBMSFS
FBBMSFS
1;75.0;5.0;2.0;0FBuna
8.0;1;8.0;4.0;1.0Buna
6.0;8.0;1;6.0;4.0Medie
3.0;6.0;8.0;1;8.0Slaba
1.0;3.0;6.0;8.0;1FSlaba
. dr.ing. Laura-Nicoleta IVANCIU, Sisteme inteligente de suport decizionalȘ l.
20
3. Profilul candidaților. Evaluarea lor de către experți.
Curs 9 – SISD cu logică fuzzy Decizie fuzzy – studiu de caz
2 candidați: C1, C23 experți: E1, E2, E3
BMBFB
FBB
MMsiPIntreMMuMuM
LSMLMSLM
Calificare Experiență Rezolvarea problemelorC1 C2 C1 C2 C1 C2
E1
E2
E3
Fiecare expert analizează dosarul fiecărui candidat și apreciază în limbajnatural (printr-un termen lingvistic) performanța fiecărui candidat pentru fiecarefactor de selecție considerat.
Criteriu
Expert
. dr.ing. Laura-Nicoleta IVANCIU, Sisteme inteligente de suport decizionalȘ l.
21
3. Profilul candidaților. Evaluarea lor de către experți.
Curs 9 – SISD cu logică fuzzy Decizie fuzzy – studiu de caz
=
FMuMuMPFP?;?;?;?;?E_Candidat_Experienta
=
DMSMLSL?;?;?;?;?E_Candidat_Calificare
Pentru fiecare candidat trebuie construit profilul, așa cum rezultă din opiniafuzionată a experților.
- câte o mulțime fuzzy pentru fiecare factor de selecție
- pentru fiecare factor de selecție, se determină gradele de apartenență a fiecărei valorilingvistice, conform universului discuției utilizat la definirea candidatului ideal
=
FBBMSFS?;?;?;?;?ndidat_ERezProb_Ca
Se determină câte o distanță față de fiecare cerință a candidatului ideal.. dr.ing. Laura-Nicoleta IVANCIU, Sisteme inteligente de suport decizionalȘ l.
22
3. Profilul candidaților. Evaluarea lor de către experți.
Curs 9 – SISD cu logică fuzzy Decizie fuzzy – studiu de caz
LSMLMSLM
C1 C2
E1
E2
E3
=
=
=
=
=
DMSMLSL
DMSMLSL
DMSMLSL
DMSMLSL
DMSMLSL
1;75.0;5.0;2.0;0Doctorat
8.0;1;8.0;4.0;1.0MasterSpec
4.0;6.0;1;6.0;4.0Master
3.0;6.0;8.0;1;8.0cLicentaSpe
1.0;3.0;5.0;8.0;1Licenta
=
DF
MSF
MF
LSF
LF )5.0,75.0,5.0(;)8.0,1,8.0(;)1,6.0,1(;)8.0,6.0,8.0(;)5.0,3.0,5.0(_C1_ECalificare
=
DMSMLSL5.0;8.0;6.0;6.0;3.0_C1_ECalificare
=
DF
MSF
MF
LSF
LF )2.0,0,0(;)4.0,1.0,1.0(;)6.0,4.0,4.0(;)1,8.0,8.0(;)8.0,1,1(_C2_ECalificare
=
DMSMLSL0;1.0;4.0;8.0;8.0_C2_ECalificare
operator de fuziune (F): min
Calificare
. dr.ing. Laura-Nicoleta IVANCIU, Sisteme inteligente de suport decizionalȘ l.
23
3. Profilul candidaților. Evaluarea lor de către experți.
Curs 9 – SISD cu logică fuzzy Decizie fuzzy – studiu de caz
Calificare – distanță față de candidatul ideal
=
DMSMLSL5.0;8.0;6.0;6.0;3.0_C1_ECalificare
=
DMSMLSL3.0;8.0;1;5.0;2.0Calificare
5.03.08.08.06.016.05.03.02.0)_1_,( −+−+−+−+−=ECCalificareCalificared
8.0)_1_,( =ECCalificareCalificared
=
DMSMLSL0;1.0;4.0;8.0;8.0_C2_ECalificare
03.01.08.04.018.05.08.02.0)_2_,( −+−+−+−+−=ECCalificareCalificared
5.2)_2_,( =ECCalificareCalificared
Se utilizează o distanță Hamming fuzzy între două mulțimi fuzzy discrete.
∑=
−=N
iiBiA xxBAd
1
)()(),( µµ N – cardinalul mulțimii ce definește universul discuțieixi – elementele mulțimii ce definește universul discuției
. dr.ing. Laura-Nicoleta IVANCIU, Sisteme inteligente de suport decizionalȘ l.
24
3. Profilul candidaților. Evaluarea lor de către experți.
Curs 9 – SISD cu logică fuzzy Decizie fuzzy – studiu de caz
C1 C2
E1
E2
E3
Experiență
=
FMuF
MuF
MF
PF
FPF )45.0,8.0,6.0(;)65.0,1,8.0(;)8.0,8.0,1(;)8.0,3.0,6.0(;)3.0,0,1.0(_C1_EExperienta
=
FMuMuMPFP45.0;65.0;8.0;3.0;0_C1_EExperienta
MMsiPIntreMMuMuM
=
=
=
=
=
FMuMuMPFP
FMuMuMPFP
FMuMuMPFP
FMuMuMPFP
FMuMuMPFP
1;8.0;6.0;3.0;1.0FMulta
8.0;1;8.0;5.0;25.0Multa
6.0;8.0;1;6.0;4.0Medie
1.0;3.0;6.0;1;7.0Putina
0;0;1.0;5.0;1FPutina
=
FMuF
MuF
MF
PF
FPF )6.0,6.0,8.0(;)8.0,8.0,1(;)1,1,8.0(;)6.0,6.0,3.0(;)1.0,1.0,0(_C2_EExperienta
=
FMuMuMPFP6.0;8.0;8.0;3.0;0_C2_EExperienta
. dr.ing. Laura-Nicoleta IVANCIU, Sisteme inteligente de suport decizionalȘ l.
25
3. Profilul candidaților. Evaluarea lor de către experți.
Curs 9 – SISD cu logică fuzzy Decizie fuzzy – studiu de caz
Experiență – distanță față de candidatul ideal
45.02.065.08.08.013.07.001.0)_1_,( −+−+−+−+−=ECExperientaExperientad
1.1)_1_,( =ECExperientaExperientad
=
FMuMuMPFP2.0;8.0;1;7.0;1.0Experienta
=
FMuMuMPFP45.0;65.0;8.0;3.0;0_C1_EExperienta
=
FMuMuMPFP6.0;8.0;8.0;3.0;0_C2_EExperienta
6.02.08.08.08.013.07.001.0)_2_,( −+−+−+−+−=ECExperientaExperientad
1.1)_2_,( =ECExperientaExperientad
. dr.ing. Laura-Nicoleta IVANCIU, Sisteme inteligente de suport decizionalȘ l.
26
3. Profilul candidaților. Evaluarea lor de către experți.
Curs 9 – SISD cu logică fuzzy Decizie fuzzy – studiu de caz
C1 C2
E1
E2
E3
Rezolvarea problemelor
=
FBF
BF
MF
SF
FSF )5.0,1.0,7.0(;)8.0,8.0,1(;)1,6.0,8.0(;)8.0,3.0,6.0(;)6.0,1.0,3.0(_ERezProb_C1
=
FBBMSFS1.0;8.0;6.0;3.0;1.0_ERezProb_C1
BMBFB
FBB
=
=
=
=
=
FBBMSFS
FBBMSFS
FBBMSFS
FBBMSFS
FBBMSFS
1;75.0;5.0;2.0;0FBuna
8.0;1;8.0;4.0;1.0Buna
6.0;8.0;1;6.0;4.0Medie
3.0;6.0;8.0;1;8.0Slaba
1.0;3.0;6.0;8.0;1FSlaba
=
FBF
BF
MF
SF
FSF )75.0,75.0,1(;)1,1,8.0(;)8.0,8.0,6.0(;)6.0,6.0,3.0(;)3.0,3.0,1.0(_ERezProb_C2
=
FBBMSFS75080603010 .;.;.;.;._ERezProb_C2
. dr.ing. Laura-Nicoleta IVANCIU, Sisteme inteligente de suport decizionalȘ l.
27
3. Profilul candidaților. Evaluarea lor de către experți.
Curs 9 – SISD cu logică fuzzy Decizie fuzzy – studiu de caz
Rezolvarea problemelor – distanță față de candidatul ideal
1.018.016.07.03.03.01.00)_1_RezProbRezProb,( −+−+−+−+−=ECd
3.1)_1_RezProbRezProb,( =ECd
=
FBBMSFS1;1;7.0;3.0;0RezProb
=
FBBMSFS1.0;8.0;6.0;3.0;1.0_ERezProb_C1
=
FBBMSFS75.0;8.0;6.0;3.0;1.0_ERezProb_C1
75.018.016.07.03.03.01.00)_2_RezProbRezProb,( −+−+−+−+−=ECd
65.0)_2_RezProbRezProb,( =ECd
. dr.ing. Laura-Nicoleta IVANCIU, Sisteme inteligente de suport decizionalȘ l.
28
4. Matricea distanțelor față de candidatul ideal
Curs 9 – SISD cu logică fuzzy Decizie fuzzy – studiu de caz
65.03.11.11.15.28.0
C1 C2Calificare
Experiență
Rezolvarea problemelor
. dr.ing. Laura-Nicoleta IVANCIU, Sisteme inteligente de suport decizionalȘ l.
29
5. Luarea deciziei
Curs 9 – SISD cu logică fuzzy Decizie fuzzy – studiu de caz
Selecție după minimul distanței [ ]65.08.0C1 C2
C2
Selecție după minimul distanței medii [ ]42.107.1 C1
65.03.11.11.15.28.0
C1 C2Calificare
Experiență
Rezolvarea problemelor
Ce alte metode s-ar putea utiliza în luarea deciziei?
. dr.ing. Laura-Nicoleta IVANCIU, Sisteme inteligente de suport decizionalȘ l.
30
Sumar
Probleme rezolvabile cu logică fuzzy Decizie fuzzy – studiu de caz
În episodul următor: Algoritmi genetici
Curs 9 – SISD cu logică fuzzy
. dr.ing. Laura-Nicoleta IVANCIU, Sisteme inteligente de suport decizionalȘ l.