دانلود پایان نامه ارشد با موضوع منطق فازی، مجموعه های فازی، محدودیت ها، مدل سازی

دانلود پایان نامه ارشد

وجود ندارد و حل آن ها مبتنی بر عقلانیت محدود ناشی از عدم قطعیت است، معرفی کرد. در اين مقاله از منطق چند مقداري لوكاسيه ويچ براي مجموعه ها و گروه هاي اشياء استفاده شده بود. لطفي زاده نام فازي را روي اين مجموعه هاي گنگ يا چند ارزشي قرار داد. مجموعه هايي كه اجزايشان به درجات مختلف به آن ها تعلق دارند، نظير مجموعه هايي از كاركنان كه از كار خود ناراضي هستند. اگر عدم اطمینان (فازی بودن) در تصمیم گیری انسان در نظر گرفته نشود، نتایج می تواند گمراه کننده باشد. یک عمومیت در میان عبارات توصیفی مانند “به احتمال زیاد”، “احتمالا چنین است”، “تقریبا” که اغلب در زندگی روزمره با آن ها سروکار داریم ، به این معنا است که همگی توصیفات شامل درجه ای از عدم اطمینان می باشند. تئوری فازی برای حل چنین مشکلاتی و فرموله کردن مقادير غيردقيق به کار می رود و در چهار دهه گذشته در بسیاری از زمینه ها مورد استفاده قرار گرفته است (اسماعيل پور، 1388؛. حق شناس، 1386). رويكرد فازي ابزار بسيار مناسبي جهت برخورد و كنار آمدن با نايقيني ها و عدم اطمينان و مدل سازي متغيرهاي زباني مي باشد. منطق فازي براين تلاش دارد تا بنيادي را جهت استدلال گري تقريبي و مدل كردن گزاره هاي نادقيق با استفاده از تئوري مجموعه هاي فازي فراهم آورد (جعفرنژاد، 1387).
به همین دلیل، تصمیم گیرندگان می توانند احساس اعتماد به نفس بیشتری برای استفاده از قضاوت های ذهنی خود در حل مسائل داشته باشند. بنابراین تئوری مجموعه های فازی در طیف گسترده ای از رشته ها مانند علوم مدیریت، تئوری تصمیم گیری، هوش مصنوعی، علوم کامپیوتر، سیستم های خبره، تئوری کنترل و آمار مورد استفاده قرار گرفته است (Bajpai, 2010; Cho, 2011; Hatami-Marbini, 2011; Lee, 2008; Wang et al., 2010).

2-16) نارسایی های منطق ریاضی در مدل سازی متغیرهای کلامی
عدم قطعیت ناشی از ضعف دانش و ابزار بشری در شناخت پیچیدگی های یک پدیده و نیز عدم صراحت و شفافیت در گفتار و قضاوت های انسانی و استفاده از کلماتی مبهم (نظیر تا حدودی، کم و بیش، نسبتا زیاد، ناکافی، مناسب، کمی بهتر، متوسط به بالا و …) باعث شده است که این موضوع بسیار مهم (تلفیق ایده های نظری و متغیرهای کلامی با متدهای عملی) در ریاضیات کلاسیک نتواند به طور جدی مورد توجه قرار گیرد. چرا که مدل های ریاضی و آماری با وجود جامعیت نسبی و عملکرد قابل قبول، از انعطاف چندانی برخوردار نبوده و در مدل ها برای اندازه گیری پارامترهایی نظیر دانش، تجربیات، قضاوت و داده های مبهم و ناقص، راه حل های قابل قبولی وجود نداشته و این نارسایی ها لزوم بهره گیری از رهیافت های نوین منطق فازی را به ضرورتی غیر قابل انکار مبدل نموده است. به عبارت دیگر اگر مقادیر یک متغیر، کلام انسانی باشد برای فرموله کردن آن نمی توان چهارچوب مشخصی را در ریاضیات کلاسیک تعریف نمود. لذا چهارچوب ترکیب دانش و کلام بشری با اندازه گیری های ریاضی، تنها بر مبنای مفاهیم متغیرهای زبانی شکل گرفته و تنها با منطق فازی امکان پذیر است. زیرا همان طور که گفته شد در منطق کلاسیک برای اندازه گیری کلام آدمی راه حل های قابل قبولی وجود ندارد.
منطق فازی می تواند با ایجاد چهارچوبی برای پردازش اطلاعات مبهم، نا دقیق، نا مطمئن، غیر کافی و ناقص؛ سیستم هایی را که به نحوی با احساسات، قضاوت، تجربیات، دانسته ها و اندیشه انسانی سر و کار دارند؛ مدل سازی نماید. این سیستم ها دانش و تجربه خبرگان یا ترجیحات را به زبان انسانی بررسی می کنند و با استفاده از توابع عضویت، متغیرهای کلامی و کلمات تقریبی و نادقیق را به ارزش های عددی در بازه (1و0) تبدیل نموده و قابل پردازش برای کامپیوتر می نمایند. در این سیستم ها نحوه پردازش اطلاعات تقریبا شبیه به نظام پردارش اطلاعات در مغز انسان است. همچنین منطق فازی به علت توانایی و رقابت با هوشمندی انسانی و رهیافت سیستماتیک خود در بررسی شرایط و موقعیت های مبهم، امکان شبیه سازی پویایی یک سیستم را بدون نیاز به توصیفات ریاضی مفصل و با استفاده از داده های کیفی و کمی پدید آورده و شکاف بین سنجش ها و اندازه گیری علمی و نظام مند را با ملحوظ داشتن هم زمان اهداف اجتماعی برطرف نموده است.
امتیاز بارز به کارگیری منطق فازی در آن است که منطق فازی در تجزیه و تحلیل ها، امکان استفاده از مجموعه گسترده ای از متغیرهای زبانی را فراهم نموده و استدلالی تقریبی و شبیه آنچه در مغز انسان انجام می گیرد را ارائه می کند. نقش برجسته نظریه فازی در این میان خصوصا برای پژوهشگرانی که در خصوص مباحث علوم انسانی تحقیق می کنند، بسیار حائز اهمیت است. زیرا محقق تنها با تشخیص متغیرها و مبانی نظری سروکار داشته و گزاره های منطقی مبتنی بر نظریه فازی را به طور مجزا وارد موتور استنتاج فازی نموده و بدون داشتن دغدغه تناقض آمیز بودن آن ها، نتیجه نهایی را مشاهده می کند (مختاری، 1388).
2-17) منطق فازی
همان طور که بیان شد، یکی از بزرگترین محدودیت های تفكر كلاسيك نیاز به وجود آگاهي عميق و همه جانبه از شرايط موجود برای تصميم گيرنده بود، لیکن با ظهور تفكر فازي اين مشكل تا حد زيادي مرتفع گرديد و تصميم گيرندگان توانستند با به كارگيري فنون ارائه شده در منطق فازي به تصميم گيري در شرايط مبهم و بدون نياز به اطلاعات كامل و اعداد قطعي بپردازند. در حالت قطعي كه به آن شرايط اطمينان كامل نيز مي گويند، ضريب اطمينان داده ها صد درصد است. در شرايط احتمالي ضريب داده ها براساس تابع احتمال تعريف مي شود، اما شرايط ديگري نيز وجود دارد كه به آن فازي گفته مي شود. منطق فازي برای استدلال مفاهیم مبهم كه درك آنها با عبارات توضيحي همراه بوده و حد و مرز آنها مشخص است به کار می رود (پهلواني، 1388؛ رباني و قره بلاغ، 1389). منطق فازی را می توان به عنوان روشی برای انجام محاسبات بر روی کلمات به جای اعداد نگریست. اگر چه کلمات نسبت به اعداد از دقت کمتری برخوردارند، اما به درک بشر از محیط اطراف نزدیکترند. می توان گفت دلایل متعددی نظیر استفاده آسان، انعطاف پذیری، قابلیت مدل سازی توابع غیر خطی پیچیده، و مهمتر از همه استوار بودن منطق فازی بر مبنای زبان طبیعی استفاده از آن را بیش از پیش مورد توجه قرار داده است. يك يا صفراصل فازي بيان مي دارد كه همه چيز نسبي است و حالت فازي نامي رسمي در علوم فازي بودن به معناي چند ارزشي بودن است. حالت چند ارزشي بدان معنا است كه در پاسخ به هر سئوال طيف نامحدودي از انتخاب ها به جاي دو انتخاب نهايي وجود دارد. اين نظريه قادر است بسياري از مفاهيم و متغيرها و سيستم هايي را كه نادقيق و مبهم هستند، صورتبندي رياضي ببخشد و زمينه را براي استدلال، استنتاج، كنترل و تصميم گیري در شرايط عدم اطمينان فراهم آورد. اين قوانين ساده و آشكار، براي توصيف پاسخ دهي مطلوب سيستم از اصطلاحاتي از متغييرهاي زبان شناختي به جاي فرمول هاي رياضي استفاده مي کنند و می توانند در شرايط مبهم و عدم اطمينان كامل که اطلاعات موجود ناقص، مبهم (نامحسوس)، نامطمئن، غیر قطعي و ذهنی هستند، مورد استفاده قرار گیرند (محب رباني، 1389).
تفاوت شرايط فازي با عدم اطمينان كامل در اين است كه در حالت فازي مي توان تابع تعلق براي اندازه گيري مفاهيم يا مجموعه هاي مبهم تعريف كرد؛ در صورتي كه در شرايط عدم اطمينان كامل، تابع احتمال و تابع تعلق براي داده ها قابل تعريف نيست. بر این اساس می توان گفت که بسیاری از مسائل حوزه علوم انسانی، به علت عواملي نظير عدم اطلاعات دقيق و ناقص، ذهنيت و زبان شناسي كه با درجه كم و زياد در زندگي واقعي نقش دارند، در يك محيط فازي صورت می گیرد که در آن اهداف، محدودیت ها و عواقب اقدامات مبهم و نا دقیق بوده و به دست آوردن داده های کمی با توجه به محدودیت های متعدد از جمله وقوع حوادث، ذهنیت افراد و ملاحظات اقتصادی دشوار است. در این شرایط، اعداد کریسپ برای حل مسائل ناکافی بوده و رویکرد واقع بینانه آن است که از ارزیابی های زبانی به جای مقادیر عددی استفاده گردد تا بتوان با هزینه پایین محاسباتی و سهولت به حل مسائل پرداخت (پهلواني، 1388؛ رباني و قره بلاغ، ؛ 1389؛ Chen and Cheng, 2009).

به طور کلی ، مزایای عمده منطق فازی نسبت به روش های دیگررا می توان به شرح زیر خلاصه کرد :
• منطق فازی، به طور پیوسته موارد مبهم و یا استثنائات را به زبان طبیعی در نظر گرفته و تدریجا آنها را وارد مباحث تخصصی می کند. مرزهای مبهم اجازه می دهد تا مکانیزمی برای استفاده از منطق فازی در ترجیحات، محدودیت ها و اهداف ذهنی و مبهم فراهم گردد (Chen and Cheng, 2009; Chou and Chang(b), 2008).
• منطق فازی یک رویکرد شهودی جهت تجزیه و تحلیل مسائل و اخذ تصمیم های ساده و یا پیچیده با استفاده از زبان طبیعی است که نشان دهنده موارد نا دقیق به جای مقادیر دقیق است و می تواند یک پاسخ ساده برای ارزیابی پدیده ها (که خود یک مفهوم مبهم به شمار می رود) فراهم آورد و دانش افراد را در حوزه موضوع بهتر و دقیق تر بیان نماید (Chen et al., 2010; Sohrabi and Jafarzadeh et al., 2010).
• بخش عمده ای از تئوری مجموعه های فازی، مشتمل بر قابلیت های آن در بیان دانش مبهم است که به استفاده کنندگان از آن اجازه می دهد تا داده های کمی و کیفی را برای تصمیم گیری های خود مدل سازی نمایند(Wang et al., 2010) .
• به طور کلی، هر گونه ارتباط بین دو متغیر زبانی را می توان در قالب قواعد فازی به صورت اگر- آنگاه بیان نمود. این قوانین هنگامی که به درستی از خبرگان به دست آمده باشد، تشکیل پایگاه دانش سیستم استنتاج فازی را می دهد.

2-18) اصول منطق فازی
اصول در منطق فازی به دو دسته محموعه های فازی و توابع عضویت تقسیم می گردد:

2-18-1) مجموعه های فازی
یک مجموعه فازی، یک مجموعه با مرزهای نامشخص است که اعضای آن می توانند به صورت جزئی و بر اساس درجه عضویت در آن عضویت داشته باشند. در واقع تئوری مجموعه های فازی با کلاس هایی از اشیا با مرزهای غیر برجسته در ارتباط است که عضویت اشیای هر یک از کلاس ها با مفهومی تحت عنوان درجه عضویت توصیف می شود. این اصل کاملا با ویژگی مجموعه های کلاسیک که در آن یک مجموعه دارای مرزهای مشخصی است، متفاوت می باشد. در اين رهيافت، نظريه كلاسيك عضويت دو رقمي در يك مجموعه به گونه اي اصلاح مي شود كه عضويت هاي بين صفر و يك را نيز در بر بگيرد. در مجموعه های کلاسیک، یک شیء یا متعلق به مجموعه A و یا متعلق به مجموعه not-A می باشد. در حالی که در منظق فازی، هر حکمی دارای درجه ای از درستی است. از نظر عملي، معمولاً از دانستني هاي تجربي براي تعيين هاي هر ورودي، ورودي هاي مربوطه، تعداد قوانين، نوع مدل فازي و … و از داده هاي عددي جهت شناسايي پارامترها و تعيين مقادير پارامترهايي كه بهترين عملكرد را توليد مي كنند، استفاده مي شود.

2-18-2) توابع عضویت
تابع عضویت منحنی است که نحوه نگاشت هر نقطه از فضای ورودی را به یک مقدار عضویت (درجه عضویت) بین “0” و “1 ” تعریف می کند. به طور مثال اگر می توان گفت درجه بلند قدی فردی 0.3 و فرد دیگر 0.9 می باشد (کیا، 1390).
انواع مختلف توابع عضویت (MF) مانند مثلثی، ذوزنقه، گاما و مستطیل شکل را می توان برای تجزیه و تحلیل مورد استفاده قرار داد. با این حال، تابع عضویت مثلثی (TFN) به طور گسترده ای برای محاسبه، تعیین قابلیت اطمینان داده ها و کمی کردن عدم قطعیت در تصمیم گیری مورد استفاده قرار می گیرد. دلیل این امر در سادگی، قابلیت فهم آسان و کارآمدی محاسباتی آن می باشد (Bajpai, 2010; Lee, 2008).
2-19) اعداد فازی و متغیر های زبانی
استفاده از تئوری مجموعه های فازی امکان نمایش جنبه کیفی متغیرها را با استفاده از متغیرهای زبانی فراهم می آورد. یک متغیر زبانی متغیری است که مقادیر آن اعداد نیست، بلکه مقدار آن به وسیله لغات یا جملات زبان طبیعی در قالب لغاتی نظیر ” به احتمال بسیار زیاد”، “احتمالا”، “واضح نیست” و امثالهم

پایان نامه
Previous Entries دانلود پایان نامه ارشد با موضوع منابع سازمان، منطق فازی، سیستم های اطلاعات، حمل و نقل Next Entries دانلود پایان نامه ارشد با موضوع منابع سازمان، سیستم استنتاج فازی، نیازمندی ها، کسب و کار