Нечеткая логика и ее применение в системах искусственного интеллекта

Размещено на http://www.allbest.ru/

Нечеткая логика и ее применение в системах искусственного интеллекта

1. Понятие нечеткой логики и нечетких систем

нечеткий логика алгебра

Системы искусственного интеллекта, основанные на использовании математического аппарата нечеткой логики (Л. Заде, 1981), являются наиболее простыми представителями систем искусственного интеллекта. Данные системы принято называть также термином «нечеткие» системы. Обычно они используются для выработки (автоматической) командных или управляющих воздействий на управляемые объекты, не относящиеся к категории объектов ответственного назначения. Характерной (отличительной) особенностью нечетких систем (по сравнению с другими классами интеллектуальных систем) является использование правил логического вывода, «заложенных» в них человеком. Данные правила относятся к простейшим продукционным правилам, используемых в экспертных системах (еще более продвинутый класс интеллектуальных систем) и имеют вид: ЕСЛИ (словесная запись условия), ТО (словесная запись действия).

Так нечеткие интеллектуальные системы можно использовать:

а) в объектах бытовой техники: стиральных машинах, микроволновых печах, холодильниках и т.д.

б) в промышленных и хозяйственных объектах: системах управления паровыми и водяными котлами, строительными кранами, устройствами транспортировки грузов и т.д.

в) в компьютерных играх для формирования интеллекта компьютера и др.

Нечеткие системы используются тогда, когда

а) неопределенность наших знаний о рассматриваемом объекте носит сравнительно простой (по аналогии с вероятностной неопределенностью - «хороший») и преимущественно количественный характер и может быть описана с помощью т.н. функции принадлежности (аналогов функции распределения в теории вероятности)

б) возможно применение для формирования управляющих воздействий (команд) математически строго определенных правил нечеткого вывода (аналогичными известным правилам логического вывода в булевой алгебре)

в) используется словесная или лингвистическая форма (достаточно простая) представления управляющих воздействий (команд) ограниченного потока слов и предложений словесного языка, типа ЕСЛИ (имя условия), ТО (имя действия).

Нечеткие системы предназначены для управления объектами в условиях особого вида неточности (не путать с неполнотой) наших знаний об объекте. Данную неточность иногда называют неточностью лингвистических знаний (или лингвистической неопределенностью). Лингвистическая неопределенность (неточность лингвистических знаний) складывается из

а) неточность отнесения измеренного значения количественной переменной объекта (скорость, путь, время пути) к одному из понятий (высокое, большой, малое), представляемых в виде слов (термов). Отметим, что данные слова (термы) называются лингвистическими переменными (ошибка фаззификации)

б) ошибка дефаззификации, появляющаяся вследствие неточности обратной процедуры перевода значения лингвистической переменной в числовое значение непрерывной количественной переменной;

в) неточность лингвистических процедур нечеткого вывода (логического вывода с помощью математического аппарата нечеткой логики), не позволяющих охватить все смысловое возможных формулировок на естественном языке управляющих воздействий (команд).

Рассмотрим в качестве объекта управления водяной котел (бойлер), предназначенный для нагрева воды с целью отопления помещений). Топливо (газ, мазут) поступает в камеру сгорания (печь), которая нагревает воду в котле. В качестве входной величины (управляющего воздействия) данного объекта выступает расход топлива x в камеру сгорания, в качестве выходной величины (управляемой переменной) выступает температура воды y [] (рис. 1).

Рис.1.

При обычном подходе к описанию процесса нагрева воды в котле уравнений (линейных, нелинейных, дифференциальных), величины x и y принимают бесконечное множество значений из интервалов

, .

Например, , .

При описании процесса нагрева воды с помощью аппарата булевой алгебры, температура воды описывается логической переменной a, принимающей два значения, отображаемые кодами или словами: 0 (низкая температура воды) и 1 (высокая температура воды):

(1)

Аналогично можно ввести логическую переменную b , описывающую расход топлива в камеру сгорания. Переменная b также принимает два значения 0 (низкий расход топлива) и 1 (высокий расход топлива).

.

где - номинальный (штатный) расход топлива.

На рис. 2. приведены графики, иллюстрирующий преобразование переменных x и y в логические переменные a и b.

а)

б)

Рис.2.

При использовании аппарата алгебры - логики (четкой логики), граница между множествами значений переменных, соответствующим различным смысловым понятиям (высокая и низкая температура, высокий и низкий расход топлива), является вполне четкой и определенной (выражения 1 и 2).

Однако в реальности в большинстве случаев четкую границу между данными понятиями провести трудно. Например, часть людей могут считать высокой температуру воды (в кранах, батареях) начиная со значения 70^оС и выше, другая часть - 75^оС и т.д. То же касается и расхода топлива в камере сгорания: высокий расход топлива различными операторами (работниками бойлера) может считаться начиная со значения 4кг/сек и выше, 4.5 кг/сек и выше, 5 кг/сек и выше.

В этом случае графики функций принадлежности числовых переменных x и y к одному из двух классов (значений логических переменных а и b), будут иметь следующий вид (рис. 3):

а)

б)

Рис. 3.

Как видно в данном случае на графиках имеются т.н. зоны неопределенности: это интервалы и . Если переменные x и y находятся в данных интервалах, то они могут одновременно принадлежать как первому классу значений логической переменной (a=0, b=0), так и второму классу значений (a=1, b=1). Иными словами, в этом случае граница между множествами значений переменных x и y, соответствующим различным смысловым классам размывается и является нечеткой. Отметим, что подобная нечеткость при описании реальных объектов и систем возникает вследствие недостаточности располагаемых знаний (информации) о его свойствах.

Для описания подобных систем Л. Заде в 1965 г. Разработал теорию размытых (нечетких) множеств (теорию нечеткой логики), которая в настоящее время лежит в основе построения особого класса интеллектуальных систем, получивших название нечетких систем. Нечеткие системы реализуют т.н. нечеткие (лингвистические) алгоритмы управления реальными (физическими) объектами. Обобщенная структурная схема нечеткой системы представлена на рис. 4.

Рис. 4.

На рис. 4. x,y - непрерывные переменные представляющие собой управляющее воздействие объекта (расход топлива в камеру сгорания) и управляющую переменную (температура воды); а и b - нечеткие логические переменные, принимающие значения а=(низкая температура, высокая температура), b=(низкий расход топлива, высокий расход топлива); Ф - устройство преобразования переменной x (температура воды) в логическую переменную а, данная процедура называется фазификацией, ДФ - устройство преобразования логической переменной b в непрерывную переменную y (расход топлива), данная процедура называется дефаззификацией.

С целью формализации процедур логического вывода в нечетких системах (получения значений логических или точнее лингвистических искомых переменных, например, управляющих воздействий на объект, результата рассуждений о выборе наилучшего хода при игре в шахматы и т.п.), американским ученым Заде был разработан математический аппарат нечеткой логики.

2.Нечеткие множества и лингвистические переменные

Термин «нечеткое множество» был впервые введен американским ученым Л. Заде. Прежде чем дать строгое толкование этого понятия, обратимся к следующему примеру. Допустим, что объектом нашего исследования является множество «взрослых людей», к которому формально можно отнести всех людей, достигших совершеннолетия (18 лет). Если обозначить через переменную х - «возраст человека», а функцию задать следующим образом

то множество «взрослых людей» А может быть задано с помощью выражения

где Х - множество всех возможных значений х. Другими словами, множество А образуют такие «объекты» (элементы), для которых указанная функция , называемая функцией принадлежности, принимает значение 1. Напротив, те значения , для которых , не принадлежат множеству А

Очевидно, что двухзначная логика типа «да-нет», определяемая функцией принадлежности

,

Не учитывает возможного разброса мнений различных субъектов относительно границ исследуемого множества А (влияний чисто биологических факторов, национальных особенностей и др.). Поэтому, более естественным является задание функции принадлежности в виде некоторой непрерывной или гладкой (плавной) зависимости (кривая 2 на рис. 5), определяющая плавный переход из одного крайнего состояния в другое (т.е. от принадлежности элемента множеству А до принадлежности ему). В данном случае функция принадлежности ставит в соответствие каждому элементу число из интервала [0,1], описывающее степень принадлежности х множеству А. Заданное таким образом множество пар

(1)

называется нечетким (или размытым) множеством.

Перечислим основные свойства нечетких множеств. Будем называть носителем А множество тех его элементов х, для которых положительна:

Носитель

(А) =(2)

Точка перехода А - это элемент х множества А, для которого =0.5.

- срез нечеткого множества - множество элементов х, для которых функция принадлежности принимает значения не меньше заданного числа ()

(3)

Высота нечеткого множества А находится как точная верхняя грань (максимум) его функции принадлежности:

Высота (А)=(4)

Если высота нечеткого множества равна 1, то такое множество называется нормализованным. В том случае, когда высота нечеткого множества А меньше 1, такое множество называется субнормальным. От субнормального множества к нормализованному можно перейти путем деления его функции принадлежности на высоту .

Если носитель нечеткого множества А состоит из единственной точки х (рис. 5., кривая 1), то такое множество называется одноточечным. Данное одноточечное множество обычно записывают в виде

(деление!!!!)

Где - степень принадлежности х множеству А. если носитель А состоит из конечного числа элементов, то для записи такого дискретного множества используется выражение

(6)

или

где числа - степени принадлежности элементов к множеству А.

Заметим, что знак «+» в (6) обозначает объединение (!) а не арифметическое суммирование. Обычное (четкое) дискретное множество при такой форме записи можно представить в виде

(7)

или

Возможен и табличный способ задания нечеткого множества А. Например, таблица обозначает, что носитель А состоит из 5 элементов х1=14, х1=16, х1=18, х1=20, х1=22, степени принадлежности которых множеству А равны соответственно: 0.1, 0.3, 0.5, 0.8, 1.0.

Если носитель нечеткого множества А состоит из бесконечного числа точек, например, представляет собой некоторый интервал (а, в) на числовой оси х, то функция принадлежности обычно задается графически или в виде аналитической зависимости.

Пример.

Допустим, что для косвенного измерения скорости вращения вала нагруженного электропривода используется выходное напряжения генератора постоянного тока. Известно значение этого напряжения х=5В. Кроме того известно, что ошибка такого измерения составляет 1В. Тогда переход от четкого значения х=5 к нечеткому множеству «х = приблизительно 5» осуществляется следующим образом (рис. 6).

а) б)

в)

Рис. 6.

Представленный на рис. 6. (а - в) процесс перехода от «четкого» (т.е. измеренного) значения х=5 к его «нечеткой» интерпретации х=«приблизительно 5» называется фаззификацией.

Вопрос о том, как выбирается или задается в каждом конкретном случае функция принадлежности и какой она имеет смысл, остается в значительной мере спорным и мало изученным. Наиболее распространенным является мнение, что может рассматриваться как коэффициент уверенности эксперта в том, что элемент х принадлежит множеству А.

Одним из ключевых понятий нечеткой логики является понятие лингвистической переменной. Суть данного понятия состоит в том что конкретные значения числовой переменной х обычно подвергающиеся субъективной оценке человеком, причем результат такой оценки выражается на естественном языке. Так, переменная «рост (высота) человека» может характеризоваться одним из следующих описаний: «маленький», «невысокий», «среднего роста», «высокий». Другая переменная «скорость движения автомобиля» может быть «малой», «средней», «большой» и т.д. Каждый из приведенных здесь термов может рассматриваться как символ некоторого нечеткого подмножества в составе полного множества значений х. Переменные, значениями которых являются термы (слова, фразы, предложения), выраженные на естественном языке называют лингвистическими переменными. Задать нечеткое подмножество Аi, соответствующее определенному (i-тому) терму (значению) лингвистической переменной - это значит задать область определения числовой переменной х и функцию принадлежности элемента х подмножеству Аi.

Пример.

Рассмотрим лингвистическую переменную «яркость». Будем полагать, что различные значения физической переменной х (яркость, в кд/м2) могут быть охарактеризованы набором из 5 нечетких подмножеств (значений лингвистической переменной): «очень темно», «темно», «средне», «светло», «очень светло». На рис. 7. показаны функции принадлежности для которого из этих подмножеств.

Рис. 7.

Допустим, что фактическое значение яркости равно х=5.5. тогда в соответствии с рис. 7., это значение относится одновременно к двум термам (подмножествам) - «средне» и «светло» со степенями принадлежности и соответственно. «светло».

Размещено на Allbest.ru