پاورپوینت تفکر فازی در مدیریت

بخشی از پاورپوینت

اسلاید 1 :

تفکر فازی در مدیریت

اسلاید 3 :

مهندسی سيستم
روشهای هوش مصنوعی برای حل مسائل پيچيده
الگوريتم ژنتيک
شبکه های عصبی
نظريه فازی
آموزش کامپيوتر، روباتها و .
حل مسائل با بهترين گزينه ها تا رسيدن به پاسخ بهينه
حل مسائل پيچيده غير خطی با اطلاعات نادقيق، که سيستمهای مديريتی پيشرفته با آنها مواجه است
استفاده از طبيعت

اسلاید 4 :

تعريف فازی :
فازی (رياضيات نامعين) عبارتست از عمليات روی اطلاعات نادقيق
و تحليل نادقيق اطلاعات

اسلاید 5 :

منطق فازی اولين بار توسط پروفسور لطفی زاده استاد دانشگاه برکلی در مقاله ای تحت عنوان « مجموعه های فازی » در سال 1965 به دنيا عرضه شد، ليکن نزديک به پنج سال طول کشيد تا دانشمندان به کاربردهای آن دست يافتند و منطق فوق در سيستم های کنترلی مورد استفاده قرار گرفت.

اين منطق سالها بعد و در اوائل دهه 90 کاربردهای خويش را در عرصه های علوم ديگر همانند مديريت يافت و راهی تازه برای تحليل و مدلسازی مسائل در فضای عدم قطعيت پيش روی محققان قرار داد.
تاريخچه :

اسلاید 6 :

انواع عدم قطعيت :

۱) عدم قطعيت از نوع احتمالی
۲) عدم قطعيت از نوع کلامی

اسلاید 7 :

مفهوم مجموعه های فازی :
هر مجموعه ای يک مجموعه جهانی دارد و منظور ما از مجموعه ای مانند A اين است که کدام عنصر مجموعه جهانی عضو آن است و کدام عنصر نيست.
مثال :
} U = { a, b, c, d, eمجموعه جهانی
A = { b, d, e }مجموعه A
U مجموعه جهانی کلاسيک (دقيق)
مجموعه A
a € A or a 100% € A
b € A or b 100% € A
or b 0% € A

اسلاید 8 :

به شيوه ای ديگر نيز می توانيم همين موضوع را بگوييم که در فازی بکار می رود :
عضويت a در A صد در صد است.
عضويت b در A صفر در صد است.
U مجموعه جهانی فازی ( نا دقيق )
مجموعه A
در مجموعه فازی A مرز مجموعه به طور دقيق مشخص نبوده و حالت ابهام دارد.
مجموعه فازیA

اسلاید 9 :

حال c عضو A هست يا نه ؟
تفاوت اصلی مجموعه های فازی با مجموعه های کلاسيک در همين است.
در نمايش مجموعه های فازی همانگونه که ديده شد می توان از تابع عضويت استفاده کرد.

اسلاید 10 :

اگر x عضو A است
اگر x عضو A نيست
عضويت عنصر x از مجموعه جهانی در مجموعه A
مثال :
حالت کلاسيک
در ادامه برای نمايش مجموعه ها از الگوی زير استفاده می نماييم :
در مجموعه های کلاسيک ( دقيق ، crisp) :

اسلاید 11 :

در اين مثال عدد ۷ را عدد بزرگ و اعداد ۸ و ۹ را خيلی بزرگ می دانيم و همچنين ۶ و ۵ و ۴ هم به اندازه ۷ بزرگ نيستند. در اينجا چون منظورمان عدد بزرگ است، عضويت عدد ۷ از همه بيشتر است.
در مجموعه های فازی تعلق يا عدم تعلق ۱۰۰٪ نيست. در واقع در اين مجموعه ها عددی است که هميشه بين صفر و يک قرار دارد.
مثال : U را همانند قبل در نظر می گيريم :
به همين ترتيب ۴ نسبتاً کوچک است، ۳و ۲و ۱ کوچک هستند، ۵ متوسط است و مقادير بالاتر يعنی ۶ و ۷ و ۸ و . در اينجا بزرگ هستند.

اسلاید 12 :

مقايسه بين منطق فازی و ارسطويی
فرض کنيم که پاسخ دهنده ای بر مبنای طيف پنج گزينه ای به يکی از سوالات پرسشنامه
بصورت زير پاسخ داده است :
بر اساس تحليل های آماری گزينه چهارم به عنوان پاسخ اين سوال در نظر گرفته می شود.
Likert
رويکرد غير فازی
رويکرد فازی
0.2
0.6
0.6

اسلاید 14 :

مراحل فازی کردن اعداد نادقيق :
کاربرد اعداد فازی :
اعداد فازی برای نشان دادن مقادير نادقيق Uncertain يا مبهم Obscure بکار می رود.
۱- مقادير حداکثر و حداقل مجموعه جهانی را تعريف کنيد.
۲- مقادير کلامی بصورت جملات اتمی را تعريف کنيد.
مثال : دمای محيط
مثال : سرد طاقت فرسا، خيلی سرد، سرد، خنک، مطلوب، گرم، داغ
۳- فضای مجموعه جهانی (بين max و min) را به قسمت های مختلف (خطی و غيرخطی) تقسيم کنيد. (ترجيحاً به تعداد جملات اتمی)
مثال :
غير خطی

اسلاید 15 :

۴- با در نظر گرفتن توابع عضويت مناسب مقادير کلامی را بصورت مجموعه های فازی تعريف کنيد.

مثال :
اخيراً سعی می شود با استفاده از فرمول های خاصی اين مقادير را بدست آورد. دو فرمول منحنی زنگوله ای و منحنی مثلثی معروف هستند.

اسلاید 16 :

اگر اعداد خيلی بهم نزديک باشند می توان مجموعه توابع عضويت را به شکل منحنی نشان داد.
فرمول زنگوله ای :
فرمول مثلثی :

اسلاید 17 :

چون رفتار انسان فازی تر است و گاهی گفتن جملات اتميک سخت است، می توان با ترکيب جملات اتمی و نوعی قيدها جملات کامل تری (فازی تری) ساخت.
مثال : (چند مقدار کلامی)

فرض کنيد A مجموعه ای فازی است :

اسلاید 18 :

تقريباً
بشدت

اسلاید 19 :

مثال :
جوان
نوجوان
بچه
کودک
نمايش فازی سن افراد
ميانسال

اسلاید 20 :

ساخت قوانين فازی
Fuzzy Rule Base