Research properties of solving problems of parametric optimization

  • № 2(92) 2020

Страницы: 

56

 – 

61

Язык: русский

Открыть файл статьи
Открыть страницу статьи в Интернет

Аннотация

Построена модель параметрической оптимизации при нечеткой исходной информации. Определены условия и области применения основных методов теории нечетких множеств в исследованиях параметрической оптимизации. Установлена связь между устойчивостью задач параметрической оптимизации и задач нечеткой оптимизации. Разработан алгоритм решения задач методом параметрического программирования при нечетко заданной исходной информации. Допустимая область задачи параметрического программирования и значение ее целевой функции в каждой точке этой области зависят от параметра t. Описание способа решения задачи параметрического программирования начато с описания приведения нечеткой среды к четкой среде и способа нахождения значения t, для которого существует оптимальное нечеткое решение.

Норавшан дастлабки маълумотларга эга бўлган параметрик оптималлаштириш модели қурилган. Параметрли оптималлаштиришни ўрганишда норавшан тўпламлар назариясининг асосий усулларини қўллаш шартлари ва йўналишлари аниқланди. Параметрли оптималлаштириш муаммоларининг барқарорлиги ва норавшан оптималлаштириш муаммолари ўртасида алоқа ўрнатилди. Норавшан берилган дастлабки маълумотлар учун параметрик дастурлаш усули билан муаммоларни ечиш алгоритми ишлаб чиқилган. Параметрли дастурлаш масаласининг ечим соҳаси ва мақсад функциясининг ҳар бир нуқтасида қиймати t параметрига боғлиқ. Параметрли дастурлаш масаласини ечиш усулининг тавсифи норавшан муҳитни аниқ муҳитга тушириш тавсифи ва оптимал норавшан ечим мавжуд бўлган t қийматини аниқлашдан бошланади

A model of parametric optimization with fuzzy initial information is constructed. The conditions and areas of application of the main methods of the theory of fuzzy sets in studies of parametric optimization are determined. A connection is established between the stability of parametric optimization problems and fuzzy optimization problems. An algorithm for solving problems by the method of parametric programming is developed for fuzzy given initial information. The admissible region of the parametric programming problem and the value of its objective function at each point of this region depend on the parameter t. A description of the method for solving the parametric programming problem begins with a description of the reduction of the fuzzy medium to a clear medium and the method of finding the value of t for which there is an optimal fuzzy solution.

Список использованных источников

  1. Zadeh L. Fuzzy logic, Neural networks, and Soft Computing // Communications of the ACM. Vol. 37, No. 3, March,1994.
  2. Zade L.A. Ponyatie lingvisticheskoy peremennoy i ego primenenie k prinyatiyu priblijenny'h resheniy. - M.: Mir, 1976.-165 s.
  3. Zabrodin, V.YU. O kriteriyah estestvennoy klassifikacii. - NTI, ser.2, 1981, №8.
  4. Vityaev E.E. Klassifikaciya kak vy'delenie grupp ob`ektov, udovletvoryayusch'ih razny'm mnojestvam soglasovanny'h zakonomernostey. // Analiz raznotipny'h danny'h (Vy'chislitel'ny'e sistemy' - 99), Novosibirsk, 1983, –s. 44-50.
  5. SHtovba S.D. "Vvedenie v teoriyu nechetkih mnojestv i nechetkuyu logiku". http//www.matlab.exponenta.ru.
  6. Aliev R.A., Aliev R.A. Teoriya intellektual'ny'h sistem i ee primenenie / Baku: CHashy'ogly', 2001. – 720s.
  7. Rotshteyn A.P. Intellektual'ny'e tehnologii identifikacii: nechetkaya logika, geneticheskie algoritmy', neyronny'e seti.UNIVERSUM-Vinnica. 1999. - 320 s.
  8. Rutkovskaya D., Pilin'skiy M., Rutkovskiy L. Neyronny'e seti, geneticheskie algoritmy' i nechetkie sistemy'; [per. s pol'sk. I.D. Rudinskogo]. M.: Goryachaya liniya - Telekom, 2006.
  9. Katasev A.S., Ahatova CH.F. Neyronechetkaya model' formirovaniya baz znaniy e`kspertny'h sistem s geneticheskim algoritmom obucheniya // Problemy' upravleniya i modelirovaniya v slojny'h sistemah: tr. XII Mejdunar. konf. Samar.nauch. centr RAN, 2010. –S. 615-621.
  10. Bekmuratov Т.F., Мukhamedieva D.Т. Decision-making problem in poorly formalized processes // Proc. of the 5th World conf. on intelligent systems for industrial automation, b - Quadrat Verlag. Tashkent (Uzbekistan), Novemder 25−27, 2008. –pp. 214−218.
  11. Bekmuratov T.F., Mukhamedieva D.T. A training algorithm of fuzzy inference system // International scientific and technical journal “Chemical technology. Control and management., № 3-4” and “Journal of Korea multmedia society”South Korea, Seoul – Uzbekistan, Tashkent. – 2015. – pp.108-114.
  12. Bekmuratov T.F., Muhamediyeva D.T., Primova X.A., Niyozmatova N.A. Assessment of weakly formalized process based on the fuzzy integral. // Proceedings of eighth International Conference on Soft Computing, Computing with Words and Perceptions in system Analysis, Decision ICSCCW-2015, Antalya, Turkey, 2015,  pp.391-397.
  13. Muhamedieva D.T., Primova H.A., Niezmatova N.A. Podhody' k ispol'zovaniyu Z-ocenivaniya neopredelennosti v sistemah nechetkogo vy'voda // Problemy' vy'chislitel'noy i prikladnoy matematiki. – Tashkent. 2015. №2(2). –S. 85-90.
  14. Bekmuratov T.F., Muhamedieva D.T. E`ksperimental'ny'e issledovaniya shodimosti geneticheskih algoritmov k global'nomu optimumu // DAN RUz. – Tashkent, 2015, vy'p.5. –S. 14-18.
  15. Muhamedieva D.T. Reshenie zadach mnogokriterial'noy optimizacii pri nalichii neopredelennosti nestaticheskogo haraktera // Aktual'ny'e problemy' sovremennoy nauki. №2. -Moskva. 2013. -S.237-239.
  16. Muhamedieva D.T. Algoritm klasterizacii pravil sistem nechetkogo vy'voda //Estestvenny'e i tehnicheskie nauki. №2.–Moskva. 2013. –S. 248-252.

Список всех публикаций, цитирующих данную статью