Khoá luận môn học Phương pháp toán trong tin học
Khoá luận môn học: Phƣơng pháp toán trong tin học
MỤC LỤC
PHẦN 1
1. DẪN NHẬP
2. CÁC KHÁI NIỆM CƠ BẢN
2.1. Tập rõ và hàm thành viên
2.2. Tập mờ và hàm thành viên
2.3. Các dạng của hàm thành viên
2.4. Các phép toán trên tập mờ
3. CÁC HỆ THỐNG MỜ
3.1. Hàm thành viên cho các biến rời rạc
3.2. Hàm thành viên trong không gian các biến liên tục
4. LUẬT MỜ
5. CƠ SỞ TRI THỨC MỜ
6. LOGIC MỜ
6.1. Phép phủ định
6.2. Phép h i t-norm)
6.3. Phép tuyển t-conorm)
6.4. Luật De Morgan
6.5. Phép kéo theo
7. NGUYÊN LÝ XỬ LÝ CÁC BÀI TOÁN MỜ
7.1. Xác định tập mờ cơ sở và hàm thu c
7.2. Tạo các quy tắc hợp thành
7.3. Kết nhập các quy tắc hợp thành
7.4. Giải mờ
8. LỢI ĐIỂM KHI DÙNG LOGIC MỜ
9. GIỚI HẠN CỦA LOGIC MỜ
10.KẾT LUẬN
PHẦN 2
BÀI TOÁN MÁY GIẶT
CHƢƠNG TRÌNH DEMO
Trang 1
Dương Thanh Tịnh - CH0301071
Khoá luận môn học: Phƣơng pháp toán trong tin học
1. DẪN NHẬP
Các mô hình toán học đã giải quyết hiệu quả rất nhiều vấn đề trong tự nhiên. Tuy nhiên, các
mô hình toán học kinh điển khá cứng nhắc với việc áp đặt nhiều giả thiết đòi hỏi tính rõ
ràng, chính xác cao của các tham số. Trong khi thực tế các vấn đề xảy ra lại luôn bao hàm
lượng thông tin không rõ ràng, không đầy đủ và không chắc chắn. Hoạt động tư duy của
con người phần nhiều mang tính chủ quan, định tính, từ những thông tin mơ hồ, thiếu chính
xác nhưng vẫn giải quyết hầu hết các vần đề trong tự nhiên. Lý thuyết tập mờ là một
phương pháp luận linh hoạt, mềm dẻo trong môi trường thông tin phức tạp, dữ kiện không
chắc chắn, thiếu chính xác và biến động kết hợp với sự trợ giúp của các chuyên gia để đưa
ra được kết quả có độ chính xác cao nhất và tốc độ nhanh nhất.
Các chuyên gia sử dụng các lập luận một cách tự nhiên để giải quyết các bài toán. Các tri
thức này thường là các tri thức không rõ ràng và rất khó diễn tả bằng các hệ thống logic
truyền thống.
Từ những năm 1920, Lukasiewicz đã nghiên cứu cách diễn đạt toán học khái niệm mờ.
Năm 1965, Lofti Zadeh đã phát triển lý thuyết khả năng và đề xuất hệ thống logic mờ
(fuzzy logic). Hiện nay, logic mờ đang được ứng dụng rộng rãi trong rất nhiều lĩnh vực, đặc
biệt là các hệ thống điều khiển mờ.
Logic mờ đang trở thành một trong những công nghệ thiết kế và phát triển hệ thống điều
khiển phức tạp thành công nhất hiện nay. Chúng ta thường nghe nhiều đến thuật ngữ như
máy giặt fuzzy, quạt fuzzy, xe máy fuzzy, …
Chương này trình bày các khái niệm cơ bản về logic mờ, lập luận mờ và hệ thống điều
khiển mờ tiêu biểu.
Trang 2
Dương Thanh Tịnh - CH0301071
Khoá luận môn học: Phƣơng pháp toán trong tin học
2. CÁC KHÁI NIỆM CƠ BẢN
Các biến không được định nghĩa một cách chính xác.
Các biến có thể có giá trị thực bất kỳ trong khoảng 0 - 1.
2.1. Tập rõ và hàm thành viên
Tập rõ crisp set) là tập hợp truyền thống theo quan điểm của Cantor (crisp set). Gọi A là
một tập hợp rõ, một phần tử x có thể có x A hoặc x A, Có thể sử dụng hàm để mô tả
khái niệm thuộc về. Nếu x A, (x) = 1, nguợc lại nếu x A, (x) = 0. Hàm được gọi
là hàm đặc trưng của tập hợp A.
2.2. Tập mờ và hàm thành viên
Khác với tập rõ, khái niệm thuộc về được mở rộng nhằm phản ánh mức độ x là phần tử của
tập mờ A. Một tập mờ fuzzy set): A được đặc trưng bằng hàm thành viên và cho x là một
phần tử (x) phản ánh mức độ x thuộc về A.
Ví dụ: Cho tập mờ Young
Lan 16 tuổi, (Lan)=1
Hùng 25 tuổi, (Hùng)=0.5
Trang 3
Dương Thanh Tịnh - CH0301071
Khoá luận môn học: Phƣơng pháp toán trong tin học
2.3. Các dạng của hàm thành viên
Các hàm thành viên của tập mờ có 3 dạng cơ bản là: dạng tăng, dạng giảm và dạng chuông.
a) Dạng S tăng
0 nếu x <=
2(x- )/( - ) nếu < x <=
(x)=S(x, , , ) =
1 -[2(x- )/( - )] nếu < x <
1 nếu x >=
Trang 4
Dương Thanh Tịnh - CH0301071
Khoá luận môn học: Phƣơng pháp toán trong tin học
Hình 2. Hàm S tăng
b) Dạng S giảm
(x)=1- S(x, , , )
c) Dạng hình chuông
S(x; - , - /2; ) if x <=
(x; , )=
S(x; , + /2; + ) if x >
Trang 5
Dương Thanh Tịnh - CH0301071
Khoá luận môn học: Phƣơng pháp toán trong tin học
Hình. Hàm dạng chuông
2.4. Các phép toán trên tập mờ
Các phép toán trên tập mờ được định nghĩa thông qua các hàm thuộc và được xây dựng
tương tự như các phép toán trong lý thuyết tập mờ kinh điển, bao gồm tập con, phép giao,
phép hợp và phép bù
Cho ba tập mờ A, B , C với A(x), B(x), C(x)
a) Phép giao
C=A B: C(x) = min( A(x), B(x))
b) Phép h i
C=A B : C(x) = max( A(x), B(x))
Trang 6
Dương Thanh Tịnh - CH0301071
Khoá luận môn học: Phƣơng pháp toán trong tin học
c) Phép bù
C= A : C(x) = 1- A(x)
3. CÁC HỆ THỐNG MỜ
3.1 Hàm thành viên cho các biến rời rạc
Cho tập vũ trụ E = Tốc độ = 20,50,80,100 đơn vị là Km/g.
a. Xét tập mờ F = Nhanh xác định bởi hàm membership
nhanh: E ---- 0,1
x1 ---- nhanh (X)
Khi ta gán nhanh (20) = 0 nghĩa là tốc độ 20 Km/g được xem như là không nhanh.
Trang 7
Dương Thanh Tịnh - CH0301071
Khoá luận môn học: Phƣơng pháp toán trong tin học
theo nguyên tắc đó tập mờ nhanh = (20,0), (50,0.5), (80,0.6), 100, 1) hay vắn tắt hơn
Nhanh = 0,0.5,0.6,1
Vậy hàm thành viên đánh giá mức độ đúng của các tốc độ trong tập vũ trụ E với khái niệm
nhanh. Hàm này có tính chủ quan và do kinh nghiệm hay do thực nghiệm.
b. Xét tập mờ trung-bình với hàm thành viên xác định như sau:
thì tập Trung Bình = { 0.3,1,0.5,0 }
3.2 Hàm thành viên trong không gian các biến liên tục
Chẳng hạn như các tập mờ Nhanh và Trung bình ở trên có thể định nghĩa như là các hàm
nhanh (x) = (x/100)2
0 if x<=20
(x-20)/30 if 20<=x<=50
trung-bình (x) =
(100-x)/50 if 50<=x<=100 }
Trong phần sau chỉ xét các hàm thành viên có biến liên tục
4. LUẬT MỜ
Có dạng
o IF x is A THEN y is B
o IF x is A AND y is B THEN z is C
o IF x is A OR y is B THEN z is C
Trang 8
Dương Thanh Tịnh - CH0301071
Khoá luận môn học: Phƣơng pháp toán trong tin học
Với x,y,z : biến ngôn ngữ (linguistic variable)
A,B,C : tập mờ (fuzzy set)
Luật mờ:
o Giúp truyền đạt, mô tả rất tự nhiên những quy luật trong cuộc sống.
o Thể hiện được những diễn đạt về chuyên môn hơn
o Hiệu lực đối với phạm vi các biến rộng lớn hơn
o Một Luật mờ có thể thay thế nhiều, thường là rất nhiều, những luật rõ
5. CƠ SỞ TRI THỨC MỜ
Là tập hợp các luật mờ liên quan đến lĩnh vực nào đó.
Ví dụ: cơ sở tri thức mờ áp dụng cho Washing Machine
o if x is Large and y is Greasy then z is VeryLong;
o if x is Medium and y is Greasy then z is Long;
o if x is Small and y is Greasy then z is Long;
6. LOGIC MỜ
Là mở rộng của thuyết tập mờ qua việc dùng các toán tử logic AND, OR, NOT, ...
o Những phát biểu là đề nghị, khẳng định hoặc luật.
o Đề nghị và khẳng định có giá trị mờ liên kết với chúng.
o Logic mờ áp dụng các luật để tạo ra giá trị mới hoặc mức độ đúng tương ứng.
- Đánh giá sự thật. Mức độ đúng giữa đúng và sai. Không phải mọi thứ đều là đúng/sai,
bật/tắt, trắng/đen.
- Đánh giá thành viên: tập những người cao, tập những thành phố xa xôi, tập những vật đắt
tiền.
- Logic sử dụng những thuật ngữ thuộc về ngôn từ. Diễn đạt tri thức chuyên gia một cách tự
nhiên.
Các phép toán trên logic mờ:
6.1. Phép phủ định
Định nghĩa: Hàm n:[0,1][0,1] không tăng thỏa mãn điều kiện n(0)=1, n(1)=0, gọi là hàm
phủ định.
Một vài ví dụ:
-
-
-
Hàm phủ định chuẩn n(x)=1-x
Hàm phủ định n(x)=1-x2
Họ phủ định (Sugeno,1997) N(x)=(1-x)/(1+x) , với >-1
Hàm n là phép phủ định mạnh, nếu n giảm chặt và n(n(x))=x mọi x.
6.2. Phép h i t-norm)
Phép hội (vẫn quen gọi là phép AND) là 1 trong các phép toán logic cơ bản nhất. Nó cũng
là cơ sở để định nghĩa phép giao của 2 tập mờ.
Định nghĩa: Hàm T:[0,1]2 [0,1] là một t-norm nếu thỏa mãn các điều kiện sau:
Trang 9
Dương Thanh Tịnh - CH0301071
Khoá luận môn học: Phƣơng pháp toán trong tin học
a) T(1,x)=x, với mọi 0 x 1 (Tồn tại phần tử đơn vị)
b) T(x,y)=T(y,x), với mọi 0x, y1
(T có tính giao hoán)
c) T(x,y)=T(u,v), với mọi 0xu1, 0yv1
(Không giảm theo từng biến)
(T có tính kết hợp)
d) T(x,T(y,z))=T(T(x,y),z) với mọi 0x,y,z1
Từ những tiêu đề trên chúng ta suy ra ngay T(0,x). Hơn nữa tiên đề d) đảm bảo tính thác
triển duy nhất cho hàm nhiều biến.
6.3. Phép tuyển t-conorm)
Giống như phép hội, phép tuyển (hay tóan tử OR) thông thường cần thỏa mãn các tiên đề
sau:
Định nghĩa: Hàm S:[0,1] gọi là phép tuyển (OR suy rộng) hay là t-conorm nếu thỏa mãn
các tiên đề sau:
a) S(0,x)=x, với mọi 0x1 (Tồn tại phần tử đơn vị)
b) S(x,y)=S(x,y),với mọi 0x,y1 (S có tính giao hoán)
c) S(x,y)S(u,v), với mọi 0xu1, 0yv1 (Không giảm theo từng biến)
d) S(x,S(y,z)) = S(S(x,y),z) với mọi 0x,y,z1 (S có tính kết hợp)
Định lý: Cho n là 1 phép phủ định mạnh, T là một t-norm, khi ấy hàm S xác định trên:
[0,1]2 bằng biều thức S(x,y)=nT(nx,ny) với mọi 0x,y1, là một t-conorm. Chọn phép phủ
định n(x)=1-x chúng ta có quan hệ giữa T và S như trong bảng:
T(x,y)
min(x,y)
xy
S(x,y)
max(x,y)
x+y-xy
max(x+y-1, 0)
min(x+y, 1)
min0(x,y)=min(x,y) nếu x+y>1
=0 nếu max(x,y)1
max1(x,y)=max(x,y) nếu x+y<1
=0 nếu min(x,y)>0
Z(x,y)=min(x,y) nếu max(x,y)=1
Z’(x,y) =max(x,y) nếu min(x,y)=0
=0
nếu max(x,y)<1
=0
nếu min(x,y)>0
6.4. Luật De Morgan
Định nghĩa: cho T là t-norm, S là t-conorm, và n là phép phủ định chặt. Chúng ta nói bộ ba
(T,S,n) là một bộ ba De Morgan nếu n(S(x,y))=T(nx,ny)
Chúng ta nói bộ ba (T,S,n) là liên tục nếu T và S là hai hàm liên tục. Sau đây là hai lớp bộ
ba quan trọng
Trang 10
Dương Thanh Tịnh - CH0301071
Khoá luận môn học: Phƣơng pháp toán trong tin học
Định nghĩa: bộ ba De Morgan (T,S,n) là bộ ba mạnh (strong) khi và chỉ khi có một tự đồng
cấu : [0,1][0,1] sao cho:
a) T(x,y)
b) S(x,y)
c) N(x)
= -1 (max((x) + (y)-1, 0))
= -1 (min((x) + (y), 1))
= -1 (1- (x))
Định nghĩa: bộ ba De Morgan (T,S,n) là bộ ba chặt (strict) khi và chỉ khi có một tự đồng
cấu : [0,1][0,1] sao cho:
a) T(x,y)
b) S(x,y)
c) N(x)
= -1 (((x)(y))
= -1 (((x) + (y) - (x)(y))
= -1 (1- (x))
6.5. Phép kéo theo
Đã có khá nhiều nghiên cứu về phép kéo theo. Điều đó cũng tự nhiên vì đây là công đoạn
mấu chốt của quá trình suy diễn trong mọi lập luận xấp xỉ, bao gồm cả suy luận mờ.
Định nghĩa: Phép kéo theo (implication) là một hàm số I: [0,1][0,1] thỏa mãn các điều
kiện sau:
a) Nếu xz thì I(x,y) I(z,y) với mọi y[0,1]
b) Nếu yu thì I(x,y) I(x,u) với mọi y[0,1]
c) I(0,x)= 1 với mọi x[0,1]
d) I(x,1)= 1 với mọi x[0,1]
e) I(1,0)= 0
Tuy đơn giản nhưng mục e) vẫn cần vì không thể suy ra mục e) từ 4 tiên đề đầu.
Để tính toán được, chúng ta cần những dạng cụ thể của phép kéo theo. Sau đây là một số
dạng hàm kéo theo, xây dựng dựa vào các phép toán logic mờ đã suy rộng trên.
Cho T là t-norm, S là t-conorm, và n là hàm phủ định mạnh
Định nghĩa: Dạng kéo theo thứ nhất. Hàm Is1(x,y) xác định trên [0,1]2 bằng biểu thức
Is1(x,y)= S(n(x),y)
Rõ ràng ẩn ý sau định nghĩa này là công thức logic cổ điển P=>Q= PvQ.
Định lý: Với bất kỳ t-norm T, t-conorm S và phép phủ định mạnh n nào, IS1 là phép kéo
theo thỏa định nghĩa phép kéo theo.
Phép kéo theo thứ hai sau đây lấy từ lôgic trực cảm (intuitionistic logic)
Định nghĩa: Cho T là t-norm, hàm IT(x,y) xác định trên [0,1]2 bằng biểu thức
IT(x,y)= sup{u:T(x,u)y}
Định lý: Với bất kỳ t-norm T nào, IT được định nghĩa như trên là phép kéo theo thỏa định
nghĩa phép kéo theo.
Trang 11
Dương Thanh Tịnh - CH0301071
Khoá luận môn học: Phƣơng pháp toán trong tin học
7. NGUYÊN LÝ XỬ LÝ CÁC BÀI TOÁN MỜ
Hình. Quy trình xây dựng hệ thống suy luận mờ
Giá trị vào E có thể được đưa vào hệ thống điều khiển mờ thông qua bộ phận nhập.
Nó có thể là một modul analog, hoặc có thể là một bộ cảm biến (sensor)... Dữ liệu vào sẽ
được chuyển thành các trị mờ. Quá trình này được gọi là mờ hóa (fuzzification). Hệ thống
điều khiển sẽ thi hành quá trình lập luận mờ (fuzzy processing), nơi bộ xử lý sẽ so sánh dữ
liệu đầu vào với cơ sở dữ liệu chứa giá trị đầu ra. Quá trình lập luận mờ liên quan đến sự
thực hiện các luật có dạng IF … THEN … được định nghĩa trong quá trình thiết kế. Sau khi
bộ điều khiển mờ hoàn thành giai đoạn lập luận mờ và đạt đến kết luận cho giá trị đầu ra nó
chuyển sang giai đoạn giải mờ để cho ra kết luận đầu ra U ở dạng giá trị rõ.
Các hệ thống suy luận mờ (Fuzzy Inference System) thực hiện việc suy luận để tạo
ra các quyết định từ các thông tin mơ hồ, không đầy đủ, thiếu chính xác. Quá trình suy luận
mờ bao gồm 4 bước sau:
- Mờ hoá: xác định các tập mờ cơ sở và hàm thuộc của chúng.
- Tạo luật: Xác định các quy tắc hợp thành từ bản chất của ứng dụng và sử dụng để
kết hợp các tập mờ cơ sở.
- Kết nhập: Kết hợp các quy tắc hợp thành.
- Giải mờ: Giải mờ cho các tập mờ kết quả.
Trang 12
Dương Thanh Tịnh - CH0301071
Khoá luận môn học: Phƣơng pháp toán trong tin học
7.1 Xác định tập mờ cơ sở và hàm thu c:
Đối với một số ứng dụng đơn giản, các tập mờ cơ sở và hàm thuộc có thể xác định được dễ
dàng không cần tham khảo ý kiến chuyên gia hoặc ý kiến của chuyên gia chỉ tạo ra các giá
trị khởi tạo ban đầu. Phương pháp này cần sử dụng các kỹ thuật tính toán mềm hiện đại (ví
dụ như các giải thuật di truyền hoặc mạng nơron).. Đối với các ứng dụng phức tạp, để xác
định các tập mờ cơ sở, các hàm thuộc liên quan thường dựa vào kinh nghiệm của các
chuyên gia và các quyết định chủ quan của họ.
7.2 Tạo các quy tắc hợp thành:
Một hệ thống mờ bao gồm nhiều quy tắc hợp thành. Quy tắc hợp thành được tạo thành từ
mối quan hệ của các thành phần của ứng dụng. Quá trình tạo các quy tắc hợp thành có thể
được thực hiện bằng một chuyên gia hoặc bằng phương pháp tự động dùng kỹ thuật tính
toán mờ. Mỗi quy tắc hợp thành có đầu vào là một số tập mờ cơ bản và tạo ra kết quả một
tập mờ ở đầu ra.
7.3 Kết nhập các quy tắc hợp thành:
Quá trình này tổng hợp kết quả của các quy tắc hợp thành riêng biệt vào một kết quả duy
nhất. Đầu vào của khâu kết nhập là các tập mờ đầu ra của các quy tắc hợp thành. Đầu ra
của nó là một tập mờ cho mỗi biến đầu ra. Quá trình kết nhập được thực hiện như sau: Với
mỗi đối tượng đầu tiên trong đầu vào của luật hợp thành, tìm giá trị nhỏ nhất của hàm thuộc
tại điểm xác định bởi dữ liệu đầu vào. Tiếp tục thực hiện với các đối tượng tiếp theo trong
luật hợp thành. Từ tất cả các luật hợp thành, tạo một tập mờ kết quả bằng phép toán max
của cá giá trị thuộc có được.
7.4 Giải mờ:
Sau quá trình kết nhập các quy tắc hợp thành, chúng ta thu được kết quả đầu ra là một tập
mờ. Quá trình giải mờ sẽ xác định rõ một giá trị đại diện từ hàm thuộc của giá trị mờ đầu
ra. Giá trị được xác định sẽ là đầu ra của toàn bộ hệ thống. Có hai phương pháp giải mờ
chính là phương pháp điểm cực đại và phương pháp điểm trọng tâm. Việc lựa chọn phương
pháp giải mờ tuỳ thuộc vào từng ứng dụng cụ thể. Với các ứng dụng phức tạp thì phương
pháp điểm trọng tâm được sử dụng nhiều nhất.
8. LỢI ÍCH CỦA VIỆC DÙNG LOGIC MỜ
Là một lựa chọn cho phương pháp thiết kế đơn giản hơn và nhanh hơn.
Logic mờ đơn giản hóa sự phức tạp trong thiết kế.
Chịu được dữ liệu không chính xác, xử lý các bài toán phức tạp rất tốt.
Cách tiện lợi để diễn đạt tri thức nhận thức bình thường và tri thức chuyên
gia.
Ứng dụng trong rất nhiều lĩnh vưc như:
Xử lý ảnh, tín hiệu,thiết kế và tổng hợp phần cứng, trí tuệ nhân tạo và hệ chuyên gia/hệ hỗ
trợ ra quyết định, các hệ thống điều khiển ….:
Trang 13
Dương Thanh Tịnh - CH0301071
Khoá luận môn học: Phƣơng pháp toán trong tin học
9. GIỚI HẠN CỦA LOGIC MỜ
Một hạn chế hiển nhiên tới lôgic mờ là nó không phải luôn luôn chính xác. Những kết quả
được lĩnh hội như một phỏng đoán, vì vậy nó có thể hiện không rộng rãi được tin cậy như
một câu trả lời từ lôgic cổ điển.Do vậy nó có những mặt hạn chế như sau:
Không phải là giải pháp cho mọi trường hợp.
Những mô hình chính xác/rõ có thể hiệu quả và tiện lợi hơn trong 1 số trường hợp.
Những tiếp cận khác có thể thẩm định chuẩn hơn.
10. KẾT LUẬN
Logic mờ từ khi được nghiên cứu và phát triển đến nay ngày càng được ứng dụng nhiều.
Hiện nay, Nhật chiếm đến 70% các sản phẩm có ứng dụng logic mờ. Việc nghiên cứu để
ứng dụng tạo ra các sản phẩm ở Việt Nam còn hạn chế, chỉ mang tính nghiên cứu lý thuyết
trong các trường đại học. Do đó, việc nghiên cứu công nghệ tri thức trong đó có logic mờ,
các hệ chuyên gia cần phải được đẩy mạnh, sao cho việc nghiên cứu gắn liền với từng đề
tài, sản phẩm cụ thể.
Trang 14
Dương Thanh Tịnh - CH0301071
Khoá luận môn học: Phƣơng pháp toán trong tin học
PHẦN 2: ỨNG DỤNG LOGIC MỜ VÀO BÀI TOÁN MÁY GIẶT
Ngày nay nhiều trang thiết bị được nhúng trong vào trong nó lôgic mờ để cho việc sử dụng
nó dễ hơn, tiện lợi hơn. Chúng ta có thể tìm thấy lôgic mờ trong những camera, những nồi
cơm điện, những máy hút bụi, …. Như vậy ta có thể có một ý tưởng rằng chúng đã được
làm như thế nào, chúng ta sẽ xem mô hình được đơn giản hóa này của một máy giặt ứng
dụng logic mờ.
Khi sử dụng một máy giặt, việc lựa chọn thời gian giặt dựa vào số lượng quần áo, kiểu và
độ bẩn mà quần áo có. Để tự động hóa quá trình này, chúng ta sử dụng những phần tử
sensors để phát hiện ra những tham số này ( ví dụ: thể tích quần áo, độ và kiểu chất bẩn).
Thời gian giặt được xác định từ dữ liệu này. Không may, không dễ có cách công thức hóa
một mối quan hệ toán học chính xác giữa thể tích quần áo và độ bẩn và thời gian giặt.
Chúng ta giải quyết vấn đề thiết kế này bằng cách sử dụng lôgic mờ.
B điều khiển mờ
Chúng ta xây dựng hệ thống mờ như sau:
Có hai trị nhập vào :
( 1) Một cho độ bẩn trên quần áo
( 2) Một cho loại chất bẩn trên quần áo.
Hai đầu vào này thu được từ phần tử sensors quang học. Độ bẩn được xác định bởi sự trong
suốt của nước. Mặt khác, loại chất bẩn được xác định từ sự bão hòa, thời gian nó dùng để
đạt đến sự bão hòa. Quần áo dầu mỡ chẳng hạn cần lâu hơn cho sự trong suốt nước để đạt
đến sự bão hòa bởi vì mỡ là chất ít hòa tan trong nước hơn những dạng khác của chất bẩn.
Như vậy một hệ thống phần tử sensors khá tốt có thể cung cấp những input cần thiết được
nhập vào cho bộ điều khiển mờ của chúng ta.
Những giá trị cho độ bẩn và loại chất bẩn là đã được chuẩn hóa ( phạm vi từ 0 tới 100)
được cho bởi giá trị phần tử sensors.
Với biến ngôn ngữ Độ bẩn có các tập mờ
Bẩn ít (D.Small)
Bẩn vừa (D.Medium)
Bẩn nhiều (D.Large)
Với biến ngôn ngữ loại chất bẩn có các tập mờ
Mỡ ít (K.NotGreasy)
Mỡ vừa (K.Medium)
Mỡ nhiều (K.Greasy)
Với biến ngôn ngữ kết luận xác định thời gian giặt có các tập mờ
Giặt rất ngắn (T.VeryShort)
Giặt ngắn (T.Short)
Giặt vừa (T.Medium)
Giặt lâu (T.Long)
Giặt rất lâu (T.Very Long)
Trang 15
Dương Thanh Tịnh - CH0301071
Khoá luận môn học: Phƣơng pháp toán trong tin học
Tập luật
Quyết định làm cho khả năng một mờ là bộ điều khiển được lập luật trong một tập hợp
những quy tắc. Nói chung, những quy tắc là trực giác và dễ hiểu,
Một quy tắc trực giác tiêu biểu như sau :
Nếu thời gian bão hòa lâu và sự trong suốt ít thì thời gian giặt cần phải lâu.
Từ những sự kết hợp khác nhau của những luật đó và những điều kiện khác, chúng ta viết
những quy tắc cần thiết để xây dựng bộ điều khiển máy giặt.
Gọi x: chỉ Độ bẩn
y: chỉ Loại chất bẩn (0 <= y <= 100)
z: Thời gian giặt (0 <= z <= 60)
(0 <= x <= 100)
if x is Large and y is Greasy then z is VeryLong;
if x is Medium and y is Greasy then z is Long;
if x is Small and y is Greasy then z is Long;
if x is Large and y is Medium then z is Long;
if x is Medium and y is Medium then z is Medium;
if x is Small and y is Medium then z is Medium;
if x is Large and y is NotGreasy then z is Medium;
if x is Medium and y is NotGreasy then z is Short;
if x is Small and y is NotGreasy then z is VeryShort
D.Small
D.Medium
D.Large
K.NotGreasy
K.Medium
K.Greasy
T.VeryShort
T. Medium
T. Long
T.Short
T. Medium
T. Long
T.Medium
T. Long
T. VeryLong
Hàm thành viên
Hàm thành viên của Độ bẩn:
D.Small(x) = [ 1-x/50 nếu 0 <= x <= 50
0 nếu 50 <= x <= 100]
D.Medium(x) = [ x/50 nếu 0 <= x <= 50
2-x/50 nếu 50 <= x <= 100]
D.Large(x) = [ 0 nếu 0 <= x <= 50
x/50 –1 nếu 50 <= x <= 100]
Hàm thành viên của Loại chất bẩn:
K.NotGreasy(y) = [ 1-y/50 nếu 0 <= y <= 50
0 nếu 50 <= y <= 100]
K.Medium(y) = [ y/50 nếu 0 <= y <= 50
2-y/50 nếu 50 <= y <= 100]
K.Greasy(y) = [ 0 nếu 0 <= y <= 50
y/50 –1 nếu 50 <= y <= 100]
Trang 16
Dương Thanh Tịnh - CH0301071
Khoá luận môn học: Phƣơng pháp toán trong tin học
Hàm thành viên của kết luận cho từng luật:
T.VeryShort(z) = [
1 nếu 0 <= z <= 4
(18-z)/14 nếu 4 <= z <= 18
0 nếu 18 <= z <= 60
]
T. Short(z) = [
0 nếu 0 <= z <= 4
(z-4)/14 nếu 4 <= z <= 18
(32-z)/14 nếu 18 <= z <= 32
0 nếu 32 <= z <= 60
]
T.Medium(z) = [
0 nếu 0 <= z <= 18
(z-18)/14 nếu 18 <= z <= 32
(46-z)/14 nếu 32 <= z <= 46
0 nếu 46 <= z <= 60
]
T.Long(z) = [
0 nếu 0 <= z <= 32
(z-32)/14 nếu 32 <= z <= 46
(60-z)/14 nếu 46 <= z <= 60
]
T.VeryLong(z) = [
0 nếu 0 <= z <= 46
(z-46)/14 nếu 46 <= z <= 60
]
Trang 17
Dương Thanh Tịnh - CH0301071
Khoá luận môn học: Phƣơng pháp toán trong tin học
Trang 18
Dương Thanh Tịnh - CH0301071
Khoá luận môn học: Phƣơng pháp toán trong tin học
Trang 19
Dương Thanh Tịnh - CH0301071
Khoá luận môn học: Phƣơng pháp toán trong tin học
Nếu nhập trị input x0 =40 (Độ bẩn), y0=60 (loại chất bẩn)
µD.Small(x0) = 1/5
µD.Medium(x0) = 4/5
µD.Large(x0) = 0
µK.NotGreasy(y0) = 0
µK.Medium(y0) = 4/5
Trang 20
Dương Thanh Tịnh - CH0301071
Tải về để xem bản đầy đủ
23 trang
29/03/2022
4680
Bạn đang xem 20 trang mẫu của tài liệu "Khoá luận môn học Phương pháp toán trong tin học", để tải tài liệu gốc về máy hãy click vào nút Download ở trên
File đính kèm:
- khoa_luan_mon_hoc_phuong_phap_toan_trong_tin_hoc.pdf
