Принятие решений в условиях нечеткой информации. Павлов А.Н - 4 стр.

UptoLike

Составители:

Рубрика:

интерпретацию. Теория нечетких множеств (Fuzzy Sets, «fuzzy» – озна-

чает «нечеткий, размытый, пушистый») готова предоставить необходи-

мый аппарат, чтобы помочь решению этой трудной задачи.

Идеи Заде и его последователей находят применение при создании

систем, понимающих тексты на естественном языке, при создании пла-

нирующих систем, опирающихся на неполную информацию, при обра-

ботке зрительных сигналов, при распознавании образов, при управле-

нии техническими, социальными и экономическими системами, в

системах искусственного интеллекта и робототехнических системах.

Л. Заде подчеркивает: «По мере возрастания сложности системы наша

способность формулировать точные, содержащие смысл утверждения

о ее поведении уменьшается вплоть до некоторого порога, за которым

точность и смысл становятся взаимоисключающими» [1].

Можно выделить три периода в становлении, развитии и практичес-

ком применении теории нечетких множеств. Первый период, который

обычно связывают с концом 60-х – началом 70-х годов, характеризует-

ся становлением теоретических основ теории нечетких множеств, из-

ложенных в статьях Л. Заде. Второй период приходится на 70–80-е годы,

когда появились первые практические результаты применения создан-

ной теории. Третий период с конца 80-х годов до настоящего времени.

Этот период характеризуется бумом практического применения нечет-

кой теории в различных сферах науки и техники.

Новые подходы позволяют расширить сферу приложения систем

автоматизации за пределы применимости классической теории.