Сравнительный анализ эффективности использования треугольной и трапециевидной функций принадлежности в нечетких системах принятия решений
DOI: 10.21293/1818-0442-2024-27-1-49-62
☷
- О ТУСУРе
- Абитуриентам
-
Студентам
- Первокурсникам
- Расписание занятий
- Система дистанционного обучения
- Научно-образовательный портал
- Библиотека
- Групповое проектное обучение
- Журнал посещаемости
- Журнал успеваемости
- Клубы по интересам
- Спорт в ТУСУРе
- Профком студентов
- Содействие трудоустройству
- Облачное хранилище ТУСУРа
- Поддержка студенческих семей
- Поддержка участников СВО и их детей
- Многофункциональный центр
- Аспирантам
-
Сотрудникам
- Телефонный справочник
- Расписание занятий
- Система дистанционного обучения
- Научно-образовательный портал
- Библиотека
- Журнал посещаемости
- Журнал успеваемости
- Генератор рабочих программ
- Генератор ОПОП
- Генератор ИПРП
- Показатели эффективности труда ППС
- Спорт в ТУСУРе
- Профком сотрудников
- Облачное хранилище ТУСУРа
- Выпускникам
- Партнёрам
Аннотация: Дана оценка эффективности использования в нечетких системах треугольных и трапециевидных функций принадлежности. Предложены две метрики: время выполнения алгоритма нечеткого вывода, дисперсия выходной величины. Приведены результаты экспериментов по тестированию трех различных по сложности архитектуры нечетких систем: определение официанту размера чаевых; прогнозирование изменения энергопотребления в производственной системе; помощь водителю на дорогах.
Ключевые слова: нечеткая логика, функции принадлежности, время нечеткого вывода
Сведения о финансировании: Работа выполнена в рамках государственного задания Минобрнауки России; проект FEWM-2023-0013.
Библиография статьи:
Eхлаков Ю. П. Сравнительный анализ эффективности использования треугольной и трапециевидной функций принадлежности в нечетких системах принятия решений / Ю. П. Eхлаков [и др.] // Доклады Томского государственного университета систем управления и радиоэлектроники. – 2024. – Т. 27, № 1. – С. 49–62. DOI: 10.21293/1818-0442-2024-27-1-49-62
Авторы и правообладатели:
- Eхлаков Ю. П.
- Сапрунов С. О. , Национальный исследовательский Томский государственный университет (Томск, Россия)
- Погуда А. А. , Национальный исследовательский Томский государственный университет (Томск, Россия)
- Черкашин Н. С. , Национальный исследовательский Томский государственный университет (Томск, Россия)
- Ехлаков Ю. П. , Томский государственный университет систем управления и радиоэлектроники (Томск, Россия)
- 1. Тарасян В.С. Пакет Fuzzy Logic Toolbox For Matlab: учеб. пособие. – Екатеринбург: Изд-во УрГУПС, 2013. – 112 с.
- 2. Caymaz T. Evaluation of ergonomic conditions using fuzzy logic in a metal processing plant / T. Caymaz, S. Çalişkan, A.R. Botsali // International Journal of Computational and Experimental Science and Engineering. – 2022. – Vol. 8, No. 1. – P. 19–24.
- 3. Optimal design of building environment with hybrid genetic algorithm, artificial neural network, multivariate regression analysis and fuzzy logic controller / T. Zhang, Y. Liu, Y. Rao, X. Li, O. Zhao // Building and Environment. – 2020. – Vol. 175. – P. 106810.
- 4. Ali O.A.M. Comparison between the effects of different types of membership functions on fuzzy logic controller performance / O.A.M. Ali, A.Y. Ali, B.S. Sumait // International Journal. – 2015. – Vol. 76. – P. 76–83.
- 5. Prajapati S. Performance evaluation of membership function on fuzzy logic model for solar PV array / S. Prajapati, E. Fernandez // 2020 IEEE International Conference on Computing, Power and Communication Technologies (GUCON). – 2020. – P. 609–613.
- 6. Generating clustering-based interval fuzzy type-2 triangular and trapezoidal membership func-tions: A structured literature review / S.H. Khairuddin, M.H. Hasan, M.A. Hashmani, M.H. Azam // Symmetry. – 2021. – Vol. 13, No. 2. – P. 239. DOI: 10.3390/sym13020239.
- 7. Talpur N. An investigation of membership functions on performance of ANFIS for solving classification problems / N. Talpur, M.N.M. Salleh, K. Hussain // IOP Conference Series: Materials Science and Engineering. – 2017. – Vol. 226. – P. 012103 [Электронный ресурс]. – Режим доступа: https://www.researchgate.net/publication/319107925, свободный (дата обращения: 20.12.2023).
- 8. Sadollah A. Introductory chapter: which membership function is appropriate in fuzzy system? // Fuzzy logic based in optimization methods and control systems and its applications. – IntechOpen. – 2018 [Электронный ресурс]. – Режим доступа: https://www.researchgate.net/publication/328643706, свободный (дата обращения: 20.12.2023).
- 9. Авдеева В.И. Оценка эффективности системы сохранения здоровья в регионе на основе использования методов нечеткой логики / В.И. Авдеева, И.В. Князева // Экономика: вчера, сегодня, завтра. – 2019. – Т. 9, № 5–1. – С. 395–404.
- 10. Колодников М.И. Построение пользовательских функций принадлежности в пакете MatLab / М.И. Колодников, А.А. Ефремов // Молодежь и современные информационные технологии: сб. тр. XIV Междунар. науч.-практ. конф. студентов, аспирантов и молодых ученых, Томск, 7–11 ноября 2016 г.: в 2 т. – Томск: Изд-во ТПУ, 2016. – Т. 1. – С. 352–353.
- 11. Мешковский Е.О. Нечёткое согласованное управление системой электроприводов четырёхколёсного мобильного робота / Е.О. Мешковский, А.Д. Курмашев, В.Я. Фролов // Доклады ТУСУР. – 2020. – Т. 23, № 3. – С. 61–69.
- 12. Krishnan R.S. Fuzzy logic based smart irrigation system using internet of things / R.S. Krishnan, R. Sekar // Journal of Cleaner Production. – 2020. – Vol. 252. – P. 119902.
- 13. Gallab M. Risk assessment of maintenance activities using fuzzy logic / M. Gallab, H. Bouloiz, Y.L. Alaoui, M. Tkiouat // Procedia computer science. – 2019. – Vol. 148. – P. 226–235.
- 14. Miranda Rios V. de. Detection of reduction-of-quality DDoS attacks using Fuzzy Logic and machine learning algorithms / V. de Miranda Rios, P.R.M. Inácio, D. Magoni, M.M. Freire // Computer Networks. – 2021. – Vol. 186. – P. 107792.
- 15. Lau H.C.W. A fuzzy logic approach to forecast energy consumption change in a manufacturing system / H.C.W. Lau, E.N.M. Cheng, C. Lee, G.T.s. Ho // Expert Systems with Applications. – 2008. – Vol. 34, No. 3. – P. 1813–1824.
- 16. Зубкова Т.М. Автоматизация управления рисками программных проектов на основе нечеткого логического вывода / Т.М. Зубкова, Е.Н. Ишакова // Научно-технический вестник информационных технологий, механики и оптики. – 2015. – Т. 15, № 5. – С. 877–885.
- 17. Yazdi K. A credit rating model in a fuzzy inference system environment / K. Yazdi, A. Hanne, T. Wang, W. Hui // Algorithms. – 2019. – No. 12. – P. 139.
- 18. Ergüzel O.Ş. A Different Approach to Global Supplier Risk: A Finance Based Model / O.Ş. Ergüzel, H. Tunahan, E. Sinan // Alphanumeric Journal. – 2019. – Vol. 7. – P. 11–24.
- 19. Pamucar D. Vehicle route selection with an adaptive neuro fuzzy inference system in uncertainty conditions / D. Pamucar, G. Ćirović // Decision Making: Applications in Management and Engineering. – 2018. – Vol. 1, No. 1. – P. 13–37.
- 20. Sremac S. ANFIS model for determining the economic order quantity / S. Sremac, I. Tanackov, M. Kopić, D. Radović // Decision Making: Applications in Management and Engineering. – 2018. – Vol. 1, No. 2. – P. 81–92.
- 21. Sharma S. Mathematical modelling, analysis and design of fuzzy logic controller for the control of ventilation systems using MATLAB fuzzy logic toolbox / S. Sharma, A.J. Obaid // Journal of Interdisciplinary Mathematics. – 2020. – Vol. 23, No. 4. – P. 843–849.
- 22. Prediction of rainfall using fuzzy logic / R. Janarthanan, R. Balamurali, A. Annapoorani, V. Vimala // Materials Today: Proceedings. – 2021. – Vol. 37. – P. 959–963.
- 23. Ахаев А.В. Алгоритм оценивания функционального наполнения программных продуктов на основе нечеткого логического вывода // Доклады ТУСУР. – 2013. – № 2 (28). – С. 169–174.
- 24. Cost and risk aggregation in multi-objective route planning for hazardous materials transportation – A neuro-fuzzy and artificial bee colony approach / D. Pamučar, S. Ljubojević, D. Kostadinović, B. Đorović // Expert Systems with Applications. – 2016. – Vol. 65. – P. 1–15.
- 25. Performance evaluation of an integrated fuzzy-based driving-support system for real-time risk management in VANETs / K. Bylykbashi, E. Qafzezi, P. Ampririt, M. Ikeda, K. Matsuo, L. Barolli // Sensors. – 2020. – Vol. 20, No. 22. – P. 6537.
- 26. Fuzzy logic based approach for ship-bridge collision alert system / B. Wu, T.L. Yip, X. Yan, C.G. Soares // Ocean Engineering. – 2019. – Vol. 187. – P. 106152.
- 27. Fuzzy logic based dynamic decision-making system for intelligent navigation strategy within inland traffic separation schemes / B. Wu, T. Cheng, T.L. Yip, Y. Wang // Ocean Engineering. – 2020. – Vol. 197. – P. 106909.
- 28. Глушенко С.А. Применение механизма нечеткой логики для оценки риска инвестиционно-строительных проектов // Вестник Ростовского государственного экономического университета (РИНХ). – 2014. – № 3 (47). – С. 58–68.
- 29. Глушенко С.А. Система нечеткого моделирования рисков инвестиционно-строительных проектов / С.А. Глушенко, А.И. Долженко // Бизнес-информатика. – 2015. – № 2 (32). – С. 48–58.
- 30. Castro J.L. Fuzzy logic controllers are universal approximators // IEEE transactions on systems, man, and cybernetics. – 1995. – Vol. 25, No. 4. – P. 629–635.
- 31. Yeh C.T. Trapezoidal and triangular approximations preserving the expected interval // Fuzzy sets and systems. – 2008. – Vol. 159, No. 11. – P. 1345–1353.
- 32. Yeh C.T. Existence of interval, triangular, and trapezoidal approximations of fuzzy numbers under a general condition // Fuzzy Sets and Systems. – 2017. – Vol. 310. – P. 1–13.
- 33. Princy S. Comparison of triangular and trapezoidal fuzzy membership function / S. Princy, S.S. Dhenakaran // J. Comput. Sci. Eng. – 2016. – Vol. 2, No. 8. – P. 46–51.
- 34. Coroianu L. Trapezoidal approximations of fuzzy numbers using quadratic programs // Fuzzy Sets and Systems. – 2021. – Vol. 417. – P. 71–92.
- 35. Estdale J. Applying the ISO/IEC 25010 quality models to software product / J. Estdale, E. Georgiadou // Systems, Software and Ser-vices Process Improvement: 25th European Conference, Eu-roSPI 2018, Bilbao, Spain, September 5–7, 2018, Proceedings 25. – Springer International Publishing, 2018. – P. 492–503.
- 36. Mandal S. Risk analysis using FMEA: Fuzzy similarity value and possibility theory-based approach / S. Mandal, J. Maiti // Expert Systems with Applications. – 2014. – Vol. 41, No. 7. – P. 3527–3537.
- 37. Çakır E. Digitalization on Aviation 4.0: Designing a Scikit-Fuzzy control system for in-flight catering customer satisfaction / E. Çakır, Z. Ulukan // Intelligent and Fuzzy Techniques in Aviation 4.0: Theory and Applications. – Cham: Springer International Publishing, 2021. – P. 123–146.
- 38. Pablo C. JFuzzyLogic: a robust and flexible Fuzzy-Logic inference system language implementation. / C. Pablo, J.A. Fdez // Fuzzy Systems (FUZZ-IEEE), 2012 IEEE International Conference on Fuzzy Systems. – 2012. – P. 1–8. DOI: 10.1109/FUZZ-IEEE.2012.6251215.
- 39. Mamdani E.H. Advances in the linguistic synthesis of fuzzy controllers // International Journal of Man-Machine Studies. – 1976. – Vol. 8, No. 6. – P. 669–678.
-2026-1_%D0%BA%D0%BE%D0%BF%D0%B8%D1%8F.jpg)
Адрес редакции
Подписка на обновления
