دانلود پاورپوینت کاربرد نظریه فازی در انتخاب تأمین کننده مواد اولیه - 63 اسلاید

اختصاصی از اینو دیدی دانلود پاورپوینت کاربرد نظریه فازی در انتخاب تأمین کننده مواد اولیه - 63 اسلاید دانلود با لینک مستقیم و پر سرعت .

مباحث موجود در پاورپوینت:

اهمیت انتخاب فروشنده مناسب

مهمترین عوامل شناسائی تأمین کنندگان

روشهای مورداستفاده برای انتخاب فروشنده

روش استدلال مبتنی بر مورد(CBR)

چرخۀ روش استدلال بر مبنای مورد(CBR)

روش استدلال مبتنی بر مورد(CBR)

تابع Sim

تئوری مجموعه های فازی و کاربرد آن درCBR

تعاریف پایۀ

کاربردنظریه فازی در CBR

معرفی مدل طراحی شده

معیارهای انتخاب فروشنده

کمی نمودن متغیرهای کلامی

مخزن خریدها

برپائی روش بازیابی

سنجش مشابهت معیارهای قطعی

سنجش مشابهت معیارهای فازی

اٍعمال روش بازیابی بر روی کلیه موارد خرید

اولویت بندی فروشندگان

تطبیق خرید

اضافه نمودن اطلاعات خرید جدید در مخزن خریدها

نحوۀ اجرای روش پیشنهادی

مثال

نتیجه گیری

مراجع

دانلود تحقیق ارائه روشی فازی برای شناسایی الگو های عددی فارسی

اختصاصی از اینو دیدی دانلود تحقیق ارائه روشی فازی برای شناسایی الگو های عددی فارسی دانلود با لینک مستقیم و پر سرعت .

تعریف پروژه

تشخیص دست نوشته ها موضوعی است که در سه دهه اخیر مورد مطالعه و بررسی گسترده ای قرار گرفته است و با انفجار تکنولوژی اطلاعات پیشرفت های چشم گیری در این زمینه از تحقیقات اتفاق افتاده است .
دو روش کلی ومتفاوت  برای شناسایی دست نوشته وجود دارد :on_line و off_line .در سیستم های on_line با استفاده از یک قلم مخصوص بر روی سطحی الکترونیکی روند نوشتن انجام میشود و تشخیص به صورت on_line انجام می گیرد ٬ کاریرد این نوع سیستم ها  در حوزه های امنیتی از جمله امضای دیجیتال می باشد .در سیستم های off_line دست نوشته ها قبلا جمع آوری شده اند و شناسایی بر روی آنها انجام می گیرد٬ کاربرد این نوع سیستم ها در خواندن اتوماتیک چک های بانکی ٬آدرس های پستی [1]٬ خواندن نامه های تجاری و...می باشد[2].
یکی از کاربرد های موفق از تشخیص دست نوشته ٬ باز شناسی نویسه های نوری    است که جندین سال است که موضوع تحقیقات قرار گرفته است ٬ برای اولین بار فقط کاراکتر های مجزا توسط این سیستم ها مورد شناسایی قرار می گرفتند ودر نتیجه روند تکامل٬ تمام کلمات مورد شناسایی توسط سیستم های ocr قرار گرفتند[3]  اسناد دست نوشته برای شناسایی از طریق این گونه سیستم ها باید کاملا تمیز و با کیفیت بالا باشند.

در این پروژه می خواهم با استفاده از ویژگی های روش فازی روشی برای شناسایی ارقام دست نویس فارسی ارائه دهم  .
برای شناسایی الگو های اعداد با قلم ها و اندازه های مختلف ، نرمالیزه کردن الگو ها امری اجتناب نا پذیر است ، بدین منظور از پنجره ای با اندازه ثابت استفاده کرده و اعداد را با مقیاس مناسبی در داخل این پنجره قرار می دهیم .


مهمترین عامل در شناسایی اعداد و حروف توسط چشم انسان ویژگی های مربوط به هر نویسه است ،چشم به طور طبیعی  در مقایسه ویژگی های حروف و اعداد به صورت فازی عمل می کند روش های مختلفی را می توان برای استخراج ویژگی ها مورد استفاده قرار داد مثلا می توان یک نویسه را به قطعات کوچکتری شامل : خطوط افقی ،عمودی ، مایل و همچنین منحنی های بسته و کمان های محدب ومقعر تجزیه کرد و نحوه اتصال قطعات را مورد بررسی قرار داد . در این پروژه برای استخراج ویژگی از روش چهار خانه استفاده می شود [14,15]
در این روش یک تصویر با ابعاد64*64 به جدولی با ابعاد 8*8 نگاشته می شود ،بنابر این جدولی شامل 64 خانه خواهد بود که ابعاد هر یک از خا نه های جدول 8*8 است.
برای هر خانه جدول یک ویژگی استخراج کرده ، ویژگی بر اساس فاصله برداری نرمالیزه در[14]  انتخاب می شود  ،مجموعه داده ای  به عنوان مجموعه مرجع در نظر گرفته می شود و میانگین ، واریانس ، تابع عضویت هر ویژگی و سپس متوسط تابع عضویت برای نمونه های مرجع را به دست می آوریم واز این به بعد هر عددی که به سیستم داده شود ویژگی هایش را استخراج می کنیم و تابع عضویت هر ویژگی را به دست آورده و با نمونه های مراجع مقایسه می شود و شناسایی بر اساس یک روش فازی صورت می گیرد.
در این پروژه دو تابع فازیگر را معرفی کرده ، در قسمت  های بعدی به چگونگی و جزییات مراحل کار می پردازم .

مروری بر کار های انجام شده

همان طور که گفته شد یکی از کاربرد های موفق از تشخیص دست نوشته ٬ باز شناسی نویسه های نوری    است که چندین سا ل است که موضوع تحقیقات قرار گرفته است ٬ برای اولین بار فقط کاراکتر های مجزا توسط این سیستم ها مورد شناسایی قرار می گرفتند ودر نتیجه روند تکامل٬ تمام کلمات مورد شناسایی توسط سیستم های ocr قرار گرفتند[3]  اسناد دست نوشته برای شناسایی از طریق این گونه سیستم ها باید کاملا تمیز و با کیفیت بالا باشند.
در نتیجه تحقیقات و تلاش های موثر ٬ سیستم هایی برای زبان انگلیسی[4 ]٬ زبان عربی    [5] ٬زبان فارسی٬ [1]زبان چینی[6]و دست نوشته های عددی [7] فراهم است.
اولین گام برای تبدیل تصویر به اطلاعات قابل فهم برای کامپیوتر ٬ پارامتریک کردن عملیات است . لذا اولین عملیاتی که بر روی تصویر انجام می دهیم عملیات پیش پردازش تصویر است که می خواهیم بعضی از متغیر های ناخواسته را که باعث پیچیدگی پروسه تشخیص می شوند را کاهش دهیم ٬ عملیاتی مانند اصلاح کجی ها ٬ هموار سازی ٬ نرمالیزه کردن٬ بخش بندی  و.. یر روی تصاویر اعمال می کنیم. [8]
بعد از این مرحله باید ویژگی ها را استخراج کنیم٬در[9] برای انتخاب ویژگی ها ٬ روشhmm دو بعدی را انتخاب کرده است و سپس یک روش دسته بندی را برای شناسایی انتخاب کرده٬ روش های دسته بندی کننده نیز بسیار مختلف است٬   از جمله دسته بندی کننده
های svm ,neural networks, ,knn. .[10,11]
 روش های زیادی برای استخراج ویژگی ها وجود دارد اما مسئله اصلی که در این رابطه وجود دارد پیدا کردن روش های استخراج ویژگی نیست بلکه به دنبا ل پیدا کردن بهترین روش برای استخراج ویژگی ها هستیم [12]
در [7] روشی جدید برای استخراج ویژگی ها در نظر گرفته شده است ،ویژگی های استخراج شده توالی توزیع ،barr-feature ،different projecrtion ،different profile می باشد و برای شناسایی شبکه عصبی را انتخاب کر ده است .

در [14],[15] با استفاده از ویژگی های روش فازی در مدلسازی نحوه استدلال مغز برای برخورد با پدیده مبهم ،روشی برای شناسایی الگو های عددی دست نویس و تایپ شده با  قلم ها و اندازه های مختلف ارائه می شود.و روش چهار خانه  را برای استخراج ویژگی انتخاب کرده اند .

تحلیل موضوع
من برای تشخیص ارقام دست نویس یک سیستم off-line را پیشنهاد کردم که این سیستم به سه مرحله تقسیم می شود[7]
    پیش پردازش
    استخراج ویژگی ها
    شناسایی

پیش پردازش  

   هدف عملیات پیش پردازش در پردازش تصویر٬ آماده کردن و تمیز کردن تصویر برای مراحل دیگر سیستم ocr می باشد. مجموعه عملیاتی که در این مرحله انجام می دهیم متفاوت است
موارد زیر عملیات پیش پردازش را تحت پوشش قرار می دهد: [8]
طرح صفحه ورودی، scaning، سایز بندی و حذف کردن لکه ها و تیرگی های موجود در تصویرو....
در این پروژه عملیاتی را که من به عنوان پیش پردازش انجام میدهم به شرح زیر است:
    فیلترینگ تصاویر:
تصاویری که ما از اعداد در اختیار داریم ممکن است به دلایل  مختلفی از جمله شرایط bad writing ٬ شرایط بد فراگیری٬  وضعیت نویسنده و... آغشته باشد که باید در این مرحله پس از شناسایی نویز تصویر ٬ فیلترینگ مناسب را برای حذف نویز انتخاب کنیم  مثلا ممکن است تصاویر آغشته به نویز نمک وفلفل باشند که با چشم نیز دیده می شود که برای حذف آن می توانیم فیلتر میانه را اعمال کرده و به راحتی نویز را از تصویر حذف کنیم .
    نرمالیزه کردن تصویر
همان طور که می دانیم تصاویر دودویی سایز های متغیری دارند که باید قبل از شناسایی و ادامه مراحل کاری سایز تمام تصاویر را به اندازه یکسانی تبدیل نمود که در اینجا سایز تمام تصاویر را به سایز 64*64   پیکسل تبدیل می کنیم.
نمونه ای از تصاویراعداد که به عنوان مرجع انتخاب کرده ایم را ملاحظه می کنید.

                         
                         


استخراج ویژ گی ها
در این مقاله برای استخراج ویژگی ها از  روش چهار خانه استفاده شده است، به این ترتیب که تصاویری از اعداد را که در اختیار داریم به ابعاد 64*64 پیکسل ،به جدولی به ابعاد 8*8 نگاشته می شود .بنابر این جدول شامل 64 خانه خواهد بود که ابعاد هر یک از خانه های جدول 8*8 است.
گوشه سمت چپ پایین ترین خانه جدول را به عنوان نقطه مرجع در نظر گرفته ام و فاصله متوسط برداری هر یک ازخانه ها را نسبت به نقطه مرجع به دست آورده ام .
فاصله اقلیدسی هر نقطه با مختصات (I,j) از رابطه زیر به دست می آید
D(I,j)=√i2,j2                                                                                                         
و برای به دست آوردن متوسط فاصله برداری برای هر خانه از رابطه زیر استفاده می شود
Dav(b)=1/nb∑db(ik,jk)
 
که nb تعداد پیکسل های سیا ه در خانهb  ام جدول است و db بیانگر فاصله نقاط سیاه در خانه شماره b نسبت به مبدا است .
هر یک از این فواصل برداری به عنوان یک ویژگی در نظر گرفته می شود و در مجموع برای هر عدد 64 ویژگی استخراج می کنیم .
برای خانه های خالی جدول (خانه هایی که در آن پیکسل سیاه وجود ندارد ) مقدار متوسط را  صفر در نظر می گیریم .

فهرست  

-    تعریف پروژه

-    مروری بر کار های انجام شده

-    تحلیل موضوع

          -- پیش پردازش
          -- استخراج ویژگی ها
          -- شناسایی

      - مجموعه فازی و انتخاب تابع عضویت

-    تحلیل کد های استفاده شده در شبیه سازی

-    شبیه سازی و ارائه نتایج تجربی

-    بررسی مزایا و معایب روش موجود

-    پیوست

-    مراجع

شامل 25 صفحه word

سیستم خبره انتخاب هتل مناسب برای گردشگران با استفاده از منطق فازی به زبان کلیپس

اختصاصی از اینو دیدی سیستم خبره انتخاب هتل مناسب برای گردشگران با استفاده از منطق فازی به زبان کلیپس دانلود با لینک مستقیم و پر سرعت .

این سیستم خبره با استفاده از کلیپس فازی نوشته شده و خروجی آن به صورت نمودار است.

برنامه به کاربر کمک میکند که با استنتاج فازی هتل مناسب را برای گردشگران انتخاب نماید

دانلود تحقیق کامل درمورد منطق فازی

اختصاصی از اینو دیدی دانلود تحقیق کامل درمورد منطق فازی دانلود با لینک مستقیم و پر سرعت .

لینک پرداخت و دانلود *پایین مطلب*
فرمت فایل:Word (قابل ویرایش و آماده پرینت)
تعداد صفحه: 68
فهرست و توضیحات:

چکیده

مقدمه ( چرا سیستم های فازی؟)

تاریخچة مختصری از نظریه و کاربردهای فازی

زندگینامة پروفسور لطفی‌زاده

منطق فازی

5- متغیرهای زبانی

6-  سیستم های فازی چگونه سیستم هایی هستند ؟

     6-1) سیستم های فازی خالص

     6-2) سیستم فازی TSK

     6-3) سیستم فازی ساز و غیرفازی ساز

7- سیستم های فازی کجا و چگونه استفاده می شوند ؟

8- تئوری مجموعه های فازی

9- مفاهیم مشترک منطق فازی و کلاسیک

10- روابط فازی

11- ساخت قوانین فازی

11-1) ویژگی های مجموعه فازی

12- موتور استنتاج

    12-1) ستنتاج مبتنی بر ترکیب قواعد

    12-2) استنتاج مبتنی بر قواعد جداگانه

13- فازی ساز ها

14- غیرفازی سازی

15-یک مثال کلی

منابع

مقدمه

بشر به مدد تعقل و اندیشه است که توانسته طبیعت چموش را رام خود کند، و فرهنگ و تمدن را رنگ و جلا ببخشد. مگر نه اینکه فرهنگ از انگیختگی و پویایی ارتباط دوره به دوره ی انسان و طبیعت، انسان و انسان، انسان و ابزار، انسان و جامعه و زبان معنا یافته است؟ به مدد همین اندیشه است که آدمی مخلوق توانسته اثر انگشت خودش را بر طبیعت و زمانه ی خود حک کند، و حتی تا مقام خالق، خودش را بالا کشد. هیچ فکر کرده اید که علم و صنعت با سرعت نور، چنان در خدمت بشر قرار گرفته که به جای او محاسبه و اندیشه می کند؟ هیچ فکر کرده اید که همه لوازم پیرامون مان که آسایش را برایمان معنا می کنند و تکنیک اتومات را در خود دارد خالق ومبتکری به نام پروفسور "لطفی زاده" دارد؟

در اولین نگاه به اطراف خود به سادگی می توانید مجموعه ای از این دستگاه ها و لوازم را در خانه و محل کار خود بیابید. بله، مخترع منطق نوین علمی که جهان صنعت را دگرگون کرد و در کنار منطق دیجیتالی در ساختمان دستگاه های الکترونیکی، "منطق فازی" را به دنیا عرضه نمود، کسی نیست جز پروفسور لطفی زاده.
منطق فازی تعمیمی از منطق دو ارزشی متداول است و درحالیکه در منطق دودویی جایی برای واژه هایی همچون "کم"، "زیاد"،"اندکی"،"بسیار" و... که پایه های اندیشه واستدلالهای معمولی انسان را تشکیل می دهند وجود ندارد، واژه فازی در فرهنگ لغت آکسفورد بصورت مبهم ،گنگ،نا دقیق،گیج،مغشوش،در هم ونامشخص تعریف شده است. روش پروفسورلطفی زاده برمبنای بکارگیری همین عبارات زبانی است امروزه هیچ دستگاه الکترونیکی، از جمله وسایل خانگی، بدون کاربرد این منطق در ساختار فنی خود ساخته نمی شود. با منطق فازی پروفسور لطفی زاده این دستگاه ها هوشمند می شوند. امروزه اروپایی ها، ژاپنی ها و آمریکایی ها و همه و همه ی کشورهای پیشرو در علم و صنعت، پروفسور لطفی زاده را می شناسند و از اهمیت کار او در دانش مدرن بشری آگاهند.
بر خلاف آموزش سنتی در ریاضی، پروفسور "زاده" منطق انسانی و زبان طبیعت را وارد ریاضی کرد. شاید بتوان با دو رنگ سیاه و سفید مثال بهتری ارائه داد. اگر در ریاضی، دو رنگ سیاه و سفید را صفر و یک تصور کنیم، منطق ریاضی، طیفی به جز این دو رنگ سفید و سیاه نمی بیند و نمی شناسد. ولی در مجموعه های نامعین منطق فازی، بین سیاه و سفید مجموعه ای از طیف های خاکستری هم لحاظ می شود و به این طریق فصل مشترک ساده ای بین انسان و کامپیوتر بوجود می آید.
بسط و گسترش منطق فازی و تئوری مجموعه های فازی بدلیل ابهام و عدم قطعیتی بوده که در مسائل پیرامون ما وجود دارد و به همین جهت در منطق فازی (علی رغم منطق دو ارزشی) گستره ای از ارزشها تعریف شده است تا ما قادر باشیم احساسات و تفکرانسان را بدون ابهام به مخاطبان خود انتقال دهیم .بدون اغراق زندگی روزمره ما آمیخته با مفهوم فازی است ، یعنی بطور ناخودآگاه از عباراتی استفاده می کنیم که برای مخاطب دقیقا مشخص نیست. . بعبارت ساده تر، مفهوم کلمه یا عبارت به تنهایی ممکن است واضح و روشن باشد ، اما زمانیکه از آن بعنوان معیاری در تعیین اعضای یک مجموعه ریاضی استفاده می شود ، شاید نتوان بطور قاطع شیء را به آن نسبت داد و بالعکس.

دکتر لطفی زاده در سال 1921 در شهر باکو در جمهوری آذربایجان به دنیا آمد. پدرش یک ژورنالیست ایرانی بود که در آن زمان به دلایل شغلی در باکو بسر می برد و مادرش یک پزشک روس بود.
وی ده ساله بود که در اثر قحطی و گرسنگی سراسری پدید آمده در سال 1931، به اتفاق خانواده به وطن پدری اش ایران بازگشت. لطفی زاده در دبیرستان البرز تهران، تحصیلات متوسطه را به پایان رساند و در امتحانات کنکور سراسری، مقام دوم را کسب نمود. در سال 1942 رشته الکترونیک دانشگاه تهران را با موفقیت به پایان رساند و در طی جنگ دوم جهانی برای ادامه تحصیلات به آمریکا رفت.
او در سال 1946 موفق به اخذ مدرک لیسانس از دانشگاه ماساچوست شد. در سال 1949 به دریافت مدرک دکترا از دانشگاه کلمبیا نائل شد و در همین دانشگاه با تدریس در زمینه "تئوری سیستم ها" کارش را آغاز کرد. او در سال 1959 به برکلی رفت تا به تدریس الکتروتکنیک بپردازد و در سال 1963 ابتدا در رشته الکتروتکنیک و پس از آن در رشته علوم کامپیوتر کرسی استادی گرفت.
لطفی زاده به طور رسمی از سال 1991 بازنشسته شده است، وی مقیم سانفرانسیسکو است و در آنجا به پروفسور "زاده" مشهور است. لطفی زاده به هنگام فراغت به سرگرمی محبوبش عکاسی می پردازد. او عاشق عکاسی است و تاکنون شخصیت های معروفی همچون روسای جمهور آمریکا، ترومن و نیکسون، رو به دوربین وی لبخند زده اند.
پروفسور لطفی زاده دارای بیست و سه دکترای افتخاری از دانشگاه های معتبر دنیاست، بیش از دویست مقاله علمی را به تنهایی در کارنامه علمی خود دارد.

فصل 1 : تفکر فازی

بر اساس مبانی و اصول علم، همه چیز تنها مشمول یک قاعده ثابت می شود که به موجب آن یا آن چیز درست یا غلط است. دانشمندان نیز در گذشته بر اساس همین منطق محیط خود را تحلیل می کردند. در علم منطق و ریاضیات نیز همین استدلال حاکم بوده است.
اشتباه علم در چنین تحلیلی بیانگر این است که آنچه را که تنها برای موارد خاصی مصداق دارد به تمام پدیده ها تعمیم داده است. در حالیکه در عالم واقعی همه چیز کاملا درست یا غلط نیست. اما تحت این شرایط، افزایش تغییر ابهام و عدم اطمینان در محیط، تصمیم گیران را با مشکلات عدیده ای مواجه کرده است. اگر مبنای تصمیم گیری، منطق کلاسیک باشد، انحراف از واقعیت افزایش خواهد یافت. در شرایطی که انحرافات اپسیلونی موجب خروج سازمان ها از صحنه رقابت می شود، استفاده از این منطق علمی صحیح به نظر نمی رسد. لذا برای توانمند سازی مدیران، که وظیفه اصلی آن ها تصمیم گیری است، در مواجهه با شرایط نامطمئن لازم است که آن ها را به علوم و فنون خاص این محیط ها مجهز کرد. واضح است که در تمامی محیط های سازمان شرایط تصمیم گیری نادقیق و مبهم است و عمدتا داده های مورد استفاده ناقص، مبهم، سربسته و نادقیق می باشند. تحلیل چنین داده هایی نیازمند منطق و دستگاه تحلیل یویژه ای است که امروزه تحت عنوان تئوری مجموعه های فازی یا منطق فازی (Fuzzy logic) به دنیا معرفی شده است.
در محیط فازی، استدلالهای انسانی عامل اصلی تصمیم گیری است. شواهد نشان می دهد که بهره وری تصمیم گیرانی که منطق فازی را به کار می گیرند، ممکن است از 3000 درصد افزایش یابد. رویکرد فازی به تصمیم گیری، می تواند امکان استنباط شهودی، ابتکارات و تجربه های انسان را فراهم کند
در مقابل منطق کلاسیک، در سال 1965 منطق فازی توسط پروفسور لطفی زاده، استاد ایران الاصل دانشگاه برکلی کالیفرنیا، طی مقاله ای تحت عنوان مجموعه های فازی (Fuzzy sets) ارائه شد. گرچه تا حدود یک دهه پیش بحث فازی با مخالفت شدید دانشمندان، ریاضیدانان و مهندسین رو به رو بود، اما به دلیل ارائه نتایج خارق العاده در مسائل عملی و بهبود قابل توجه در پدیده های کاربردی این مخالفت ها به تشویق و تحسین بدل شد. کاربرد اصلی این منطق در شرایط عدم اطمینان است. طبق این منطق، براحتی می توان بسیاری از مفاهیم و تفسیرها را که در قالب اعداد کمی نمی گنجند و به نوعی متغیر زبانی به حساب می آیند، را صورتبندی ریاضی کرد و از آن ها در جهت تصمیم گیری و استدلال استفاده کرد. بر اساس منطق فازی، این متغیرهای مبهم و نادقیق عوامل مهمی در هوشمندی انسان به شمار می آیند. بنابراین می توان گفت که در محیط فازی، استدلالهای انسانی عامل اصلی تصمیم گیری است. شواهد نشان می دهد که بهره وری تصمیم گیرانی که منطق فازی را به کار می گیرند، ممکن است از 3000 درصد افزایش یابد. رویکرد فازی به تصمیم گیری، می تواند امکان استنباط شهودی، ابتکارات و تجربه های انسان را فراهم کند.
رویکرد ستنی غربی به دنیای مدیریت بر مبنای منطق دودویی متکی بود. این نوع تحلیل در عصر اطلاعات که رایانه های دیجیتالی همه شرایط را کنترل می کنند غیر ممکن است. به طور خلاصه، مدیریت اثربخش وابسته به اخذ تصمیمات مناسب و تجزیه و تحلیل صحیح داده ها است. لذا استفاده از منطق کلاسیک موجب انحراف مدیران خواهد شد و مدیران ملزم به بررسی فاصله بین دو گزینه و به صورت یک پیوستار هستند. منطق فازی رویکردی نوین برای پاسخ به ابهامات موجود در تصمیمات بر مبنای منطق کلاسیک است. سیستم های مدیریت فازی با بهره گیری از منطق فازی، همانند حافظه انسان داده ها را پردازش کرد و اطلاعات مورد نیاز مدیران را جهت تصمیم گیری فراهم می کند. علاوه بر این، این سیستم با ترکیب شدن با شبکه های عصبی و به کارگیری توابع یادگیرنده براحتی قادر است که تجربه های مدیران را در نظر گرفته و به طور خودکار خود را به روز کند.
سیستم های مدیریت فازی با بهره گیری از منطق فازی، همانند حافظه انسان داده ها را پردازش کرد و اطلاعات مورد نیاز مدیران را جهت تصمیم گیری فراهم می کند
با به کارگیری نظریه سیستم های فازی، مدیریت قادر خواهد بود در برابر موقعیت های پویای اقتصادی و اجتماعی به طور انعطاف پذیری پاسخگو باشد. علم مدیریت فازی قادر است مدل هایی ایجاد کند که تقریبا همانند انسان، اطلاعات کیفی را به صورت هوشمند پردازش نماید. بدین ترتیب سیستم های مدیریت، انعطاف بیشتری پیدا می کنند و اداره سازمان پیچیده و بزرگ در محیط هایی با تغییرات متناوب امکان پذیر می شود.

این فقط قسمتی از متن مقاله است . جهت دریافت کل متن مقاله ، لطفا آن را خریداری نمایید

تحقیق در مورد نظریه احتمال و مجموعه های فازی

اختصاصی از اینو دیدی تحقیق در مورد نظریه احتمال و مجموعه های فازی دانلود با لینک مستقیم و پر سرعت .

لینک پرداخت و دانلود *پایین مطلب*

فرمت فایل:Word (قابل ویرایش و آماده پرینت)

 تعداد صفحه22

بخشی از فهرست مطالب

نظریه احتمال و مجموعه های فازی

1_ مقدمه ....................................   1

2- اندازه های فازی .......................... 2

3- نرم ها و هم نرم های مثلثی................. 4

4- مکمل سازی................................. 9

5- دسته های فازی............................. 12

6- اندازه های پیشامدهای فازی ................ 15

7- فهرست منابع .............................. 21 

1ـ مقدمه

زمینه نظریه احتمال کلاسیک مبتنی بر اصل مدل کلموگروف است بطوریکه پیشامدها به صورت زیر مجموعه‌ی معمولی از یک  مجموعه مرجع X  می‌باشند. این پیشامد ها یک  ـ جبر  A را تشکیل می‌دهند. احتمال P به عنوان یک تابع حقیقی روی A تعریف می‌شود و شرایط مرزی  و P(X)=1 در مورد آن صدق می‌‌کند و برای هر ترتیب از پیشامدهای دوبدو ناسازگار   دارای خاصیت _  جمعی می‌باشد و اگر شرط مرزی P(X)=1 را تغییر دهیم آن‌گاه به فهوم اندازه دست می‌یابیم. یک شاخه مهم از نظریه‌ی  فازی با استنباط ها از احتمال P ( و احیاناً  ـ جبر A  ) تا زمانی که مفهوم زیر مجموعه های معمولی باقی بماند و تغییر نکند در ارتباط است. این عنوان موضوع اصلی این مقاله نیست به هر حال به بعضی از این استنباط ها در فصل 2 اشاره  می‌شود.

مجموعه‌های فازی  توسط زاده ( Zadeh) در سال 1965 به عنوان تعمیم مجموعه‌های معمولی معرفی شدند. ( توسط تابع مشخصه‌های آن ها ارائه داده شدند.) که بصورت تابعی از مجموعه مرجع X به بازه واحد [0,1]  هستند. ما تعمیم‌ها و استنباط‌های ممکن دیگر را حذف خواهیم کرد. ( برای مرور عمیق تر بر نظریه مجموعه فازی و کاربرد آن‌ها به مقاله ] 27[ توجه کنید.) تعمیم کاربرد اشتراک، اجتماع و مکمل‌سازی در نظریه  مجموعه های معمولی به مجموعه‌های فازی معمولاً بصورت نقطه به نقطة‌ صورت می‌گیرد.

دو تابع دو متغیره

و یک تابع یک متغیره  و تعمیم آن ها از طریق معمولی است:

اگر A و B دو زیر مجموعه‌ی فازی از X  باشند آن‌گاه برای هر   داریم:

در تحت بعضی‌ از شرایط طبیعی T به یک نرم مثلثی Sklar و Schweizer
] 30[ تغییر پیدا می کند. بطور مشابه S نیز یک هم نرم مثلثی است. T و S در بخش 3 مورد بحث قرار خواهند گرفت. تابع مکمل C و روابط  بین S , T  در بخش 4 بحث خواهند شد. توجه کنید که اشتراک و اجتماع‌هائی که وابسته عنصری هستند توسط Klement ] 12 [ موردمطالعه و طبقه بندی قرار گرفتند. بطور مشابه lowen ] 16 [ مکمل‌هایی را که وابسته عنصری هستند مورد  مطالعه قرار داد. بطور کلی مادراین مقاله با تعریف نقطه به نقطه رابطه های فازی سروکار داریم.

یک زوج (X,A ) که A یک  ـ جبر از زیر مجموعه ی معمولی مجموعه‌ی مرجع X است، یک فضای کلاسیک قابل اندازه‌گیری را تشکیل می‌دهد. در بخش 5 بعضی از تعمیم های فازی از فضاهای اندازه پذیر مثل جبر های فازی تولید شده ( دسته ها)،   ـ جبرهای فازی، T ـ دسته ها، g-T – دسته ها بحث خواهد شد. بعد از مرور کوتاه بر این موضوع، ما بعضی از آخرین نتایج و مسائل باز را ارائه می‌دهیم. در بخش 6 به اندازه‌های پیشامدهای فازی( اندازه‌های احتمال فازی، T ـ اندازه‌ها، اندازه‌های تجزیه پذیر   و غیره ) خواهیم پرداخت. سپس این بخش نیز شامل سیر تاریخی مطلب، بعضی از آخرین نتایج و مسائل باز می‌باشد.

2ـ اندازه‌‌‌های فازی

اندازه های فازی اولین بار توسط Sugeno ] 35[ در سال 1974 در پایان‌نامه‌ی دکترای او معرفی شد. یک اندازه فازی یک تابع مجموعه ای است که روی سیستم D از زیر مجموعه های معمولی مجموعه‌ی مرجع

 X  تعریف می‌شود. ( برای X متناهی، D  معمولاً  بصورت مجموعه‌ی توان از مجموعه X  گرفته می‌شود،   ). تنها شرط لازم برای D   این است که مجموعه‌ی  را شامل شود و  . اغلب D  به عنوان  ـ جبر فرض می‌شود. یک اندازه فازی  ( R مجموعه‌ی اعداد حقیقی) در شرایط زیر صدق می کند:

• برای هرترتیب یکنواخت پیشامدهای

مستلزم است.

شرط (3) نسبتاً قوی است. بطور مثال بسیاری از اندازه های احتمال با پیوستگی از بالا هماهنگ نیستند، به همین دلیل است که در صفحات بعدی شرط پیوستگی حذف می‌شود. به مقاله های ] 24 و 23 و 21 [ توجه کنید. از این رو اندازه  فازی یک تابع مجموعه یکنوا روی D است که در مجموعه تهی برابر صفر می‌شود. بدین معنی که اندازه  فازی شرط (1) ، (2) را محقق می‌سازد. اگر علاوه بر این دو شرط، شرط (3) نیز صادق شود m اندازه فازی پیوسته نامیده می‌شود.