این پروژه با استفاده از نرم افزار MATLAB ( متلب ) انجام شده است. اگرچه سیستم استنتاج فازی به روش ممدانی به طور گسترده مورد استفاده قرار گرفته است اما روش سیستم استنتاج فازی سوگنو تا به امروز به نسبت، کمتر شناخته شده است. استنتاج فازی یک فرآیند نگاشت از متغیرهای ورودی به یک خروجی با استفاده از منطق فازی است. سیستم استنتاج فازی میتواند جنبههای کیفی دانش بشری و فرآیندهای استدلال (به شکل قوانین فازی) را بدون استفاده از تجزیه و تحلیل کمی دقیق پوشش دهد. در مدلسازی فازی نیاز به هیچ پیش فرضی در حل مسئله نیست و لزومی به فرض تابع اولیه از متغیرهای ورودی برای پیشبینی خروجی نمیباشد. در اینجا از روش خوشهبندی کاهشی برای مدلسازی فازی به روش سوگنو استفاده میشود. هر خوشه بدست آمده مربوط به یک قانون فازی است که یک ناحیه از فضای ورودی را به یک ناحیه از فضای خروجی مرتبط میکند. در آغاز روند ساخت مدل، کل دادههای موجود به دو دسته دادههای آموزش و دادههای تست تقسیم میشوند. دادههای آموزش صرفا جهت استخراج قوانین، تعیین پارامترهای توابع عضویت و به عبارتی ساخت مدل اولیه فازی بکار گرفته میشوند و دادههای تست جهت بررسی رفتار مدل در مواجهه با دادههای جدیدی است که مدل قبلا آنها را تجربه نکرده است، مورد استفاده قرار میگیرد. پروسه جداسازی دادهها بنابر اهمیت آن در ساخت مدل فازی تابع شرایطی بوده و تلاش میشود که توزیع داده در هر دو دسته آموزش و تست حتی الامکان یکنواخت و هموار باشد. همچنین امروزه با پیشرفت سریع دانش، بهینهسازی از اهمیت بالایی در علوم مختلف مهندسی برخوردار شده است. بهینهسازی یکی از مفاهیمی است که به خوبی از پل ارتباطی بین تئوری و عملی عبور کرده و دارای کاربرد گستردهای میباشد. مهندسان همگی به دنبال بهینهسازی فرمولها، معادلات و مدلهای مربوط به شاخه تخصصی خود در راستای استفاده هر چه بهتر از زمان و منابع هستند. این امر منجر به نیاز آنها به در اختیار داشتن یک ابزار مناسب و ساده شده است. یکی از ابزارهای مناسب برای بهینهسازی مسائل، الگوریتم ژنتیک است. با استفاده از این الگوریتم میتوان بسیاری از مسایل بهینهسازی را که با الگوریتم استاندارد بهینهسازی حل نمیشود، حل نمود. از جمله این مسایل میتوان به مسائلی که تابع هدف در آنها ناپیوسته، غیرقابل تشخیص، اتفاقی و یا به شدت غیر خطی است اشاره کرد. الگوریتم ژنتیک یک مجموعه از جوابهای بالقوه را ارائه میدهد و انتخاب جواب نهایی بر عهده کاربر است. از آنجا که الگوریتم ژنتیک نیازی به مشتقگیری و حدس اولیه خاصی ندارد و نیز یک فرآیند اتفاقی است، قادر است تمامی فضای حل را با احتمال بیشتری نسبت به دیگر شیوههای معمول برای یافتن جواب کلی جستجو کند. در ضمن الگوریتم ژنتیک نیازی ندارد که تابع هدف خوشرفتار باشد. قدرتمندی، راندمان و انعطافپذیری از خواص این الگوریتم است.
ریاضی | |
حوزه تخصصی 1 | منطق فازی |
حوزه تخصصی 2 | الگوریتم ژنتیک |
مشخصات کلی | |
تعداد صفحات | 122 |
تعداد صفحات محصول | 100-150 |
معرفی متغیر های ورودی نرم افزار | دارد |
نمودارهای خروجی | دارد |
زبان برنامه نویسی | |
زبان برنامه نویسی اول | MATLAB |
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Aliquam iaculis egestas laoreet. Etiam faucibus massa sed risus lacinia in vulputate dolor imperdiet. Curabitur pharetra, purus a commodo dignissim, sapien nulla tempus nisi, et varius nulla urna at arcu.Lorem ipsum dolor sit amet, consectetur adipiscing elit. Aliquam iaculis egestas laoreet. Etiam faucibus massa sed risus lacinia in vulputate dolor imperdiet. Curabitur pharetra, purus a commodo dignissim, sapien nulla tempus nisi, et varius nulla urna at arcuLorem ipsum dolor sit amet, consectetur adipiscing elit. Aliquam iaculis egestas laoreet. Etiam faucibus massa sed risus lacinia in vulputate dolor imperdiet. Curabitur pharetra, purus a commodo dignissim, sapien nulla tempus nisi, et varius nulla urna at arcu.