Информационно-аналитическое обеспечение стратегии развития услуг телекоммуникационной компании (1142389), страница 18
Текст из файла (страница 18)
Таким образом, инструментарий нечеткой логики позволяетсоздавать эффективные модели экономических объектов, адекватные реальности,чторассматривается,например,в[64, 80, 86, 131, 132, 148, 166, 181].Формирование модели изучаемых объектов или процессов осуществляетсясогласно разработанной методике, алгоритм и этапы которой определяется наосновании выбранного метода анализа. Методики применения инструментариянечеткой логики для целей разработки и контроля реализации стратегии развитияуслуг являются недостаточно изученным в профессиональной литературе.Концепциянечеткихмножеств,введеннаявсередине1960-хгг.проф.
Лотфи Заде из Калифорнийского университета в Беркли, вызваланеоднозначную реакцию в ученом сообществе. Ситуация изменилась с середины1980-х гг., решающую роль в этом процессе сыграло появление устройств,основанных на использовании нечеткой логики, применявшихся для решениязадач управления поездами метрополитена, подъемными кранами, лифтами и т.д.Они были первыми примерами успешного применения инструментария нечеткойлогики, основы которого заложили такие исследователи, как Э. Мамдани,М. Сугено, Х. Такаги [58, с.
9] и др. Применительно к финансовым показателямрезультативность нечеткой логики была продемонстрирована на примерепрограммы, которую используют финансисты и банкиры для решения задачпрогнозирования финансовых индикаторов.Большинство работ о нечеткой логике опубликовано зарубежных изданиях[55, 58], и не так давно (конец 90-х гг.) отечественное научное сообществопроявляет интерес к исследованиям, построенным на принципах нечеткихмножеств [18, 76, 75, 166, 170].Перспективностьпримененияметодовнечеткойлогикидляцелейразработки и контроля реализации стратегии развития услуг объясняетсяспецификой экономических систем, значительное влияние на которые оказываетнеопределенность. Неопределенность можно разделить на два вида – вероятность,вызванную воздействием на систему событий внешней среды, которые могутпроизойти, и нечеткость, объясняющуюся присутствием в системе человека.
Под95вероятностью понимается численная мера правдоподобия появления некоторогособытия, которое имеет конкретное описание, т.е. имеется однозначноесоответствие или несоответствие объекта некоторому множеству. Нечеткостьвозникает из способа познания объектов человеком, так как сознание формируетпредставление об объекте через процесс «идеализации» его свойств, чтообусловлено процессом объединения в группу объектов, имеющих одно и то жесвойство. Малые отличия между объектами не могут вести к резкому различию отом, обладает ли объект анализируемым свойством или нет, поэтому переход отналичия у объекта данного свойства к его отсутствию является гладким, но приэтом могут существовать граничные элементы, для которых невозможнооднозначно определить имеют ли они указанное свойство [48, с. 15-18].
Различиямежду теорией вероятности и нечетких множеств представлены в таблице 2.3.1.Таблица 2.3.1 - Сравнение теорий неопределенностиХарактеристикаПонятийнаяосноваСпособ описанияисходных данныхКоличествообъектовЧеловеческийфакторСпособформированияоперацийСумма значенийКруг задачОсобенности теориивероятностейнечетких множествНеопределенность в наступленииНеопределенность в качественныхнедетерминированных событийхарактеристиках объектовВ виде закона распределенияслучайной величиныВ виде функции принадлежностиБольшое количество однородныхобъектов (или данных наблюдения заодним объектом)Любое число объектовРазногласия в трактовке результатов Функция принадлежности можетполученных распределенийбыть задана субъективноОперации определены длявероятностейСумма вероятностей по всемвозможным значениям случайнойвеличины всегда равна 1Задачи, связанные состатистическими даннымиОперации определены надфункциями принадлежностиСумма значений функциипринадлежности может бытьлюбым неотрицательным числомЗадачи, связанные скачественными оценкамиИсточник: Ярушкина, Н.Г.
Основы теории нечетких и гибридных систем: учебноепособие / Н.Г. Ярушкина. – М.: Финансы и статистика, 2004, С. 24-25.Таким образом, теория нечетких систем включает построение моделей сприменением нечетких понятий, используемых человеком. Нечетким множествомА, определенным на некоторой числовой предметной области Х, называетсямножество пар (2.3.1)96A {( *A ( x), x}, x X ,(2.3.1)где для каждого элемента x X степень *A его принадлежности множеству Азадается с помощью функции принадлежности A (x) , при этом A ( x) [0,1] .Функция принадлежности (2.3.2) ставит в соответствие каждому значению xзаданной переменной некоторое число из отрезка [0,1]: A ( х) : X [0,1], x X .(2.3.2)Это число, называемое степенью принадлежности, характеризует степень, скоторой элемент х принадлежит нечеткому множеству А, она может приниматьлюбые значения в интервале [0, 1], а не только значения 0 либо 1.
Чем выше A (х) , тем выше оценивается степень принадлежности элемента х нечеткомумножеству А Функция принадлежности может быть задана в виде графика,аналитического выражения или таблицы. В нечеткой логике существует свышедесяткатиповыхформопределяющихсясигмоидальныеихикривыхформой:длязаданиямногоугольные,полиномиальныефункции.функцийпринадлежности,гауссовские,Наиболееинтуитивные,распространенноеприменение имеют многоугольные и гауссовские функции принадлежности.Преимуществомиспользованиямногоугольныхфункцийпринадлежностиявляется их простота и небольшой объем данных для их определения, основнойих недостаток – это то, что они не являются непрерывно дифференцируемыми,что усложняет процесс построения модели.
Преимуществом использованиягауссовскихфункцийпринадлежностиявляетсяихбесконечнаядифференцируемость, что дает возможность проведения теоретического анализанечетких систем, при этом можно выделить их недостаток – усложнениенастройки нечеткой модели [58].Представим функцию принадлежности на примере определения ожидаемогоуровня продаж за день. Управляющий магазином обладает информацией околичестве продаж. Минимальное число продаж в организации оценивается в 3,максимальное - в 11, наиболее часто продается от 5 до 8 товаров в день.
Функцияпринадлежности продаж при этом будет иметь трапециевидную форму, что97объясняется небольшим количеством наблюдений об исследуемом объекте,Функцияпринадлежностипредставленную на рисунке 2.3.1.Количество продаж, товарыИсточник: составлено автором.Рисунок 2.3.1 - Функция принадлежности ожидаемого уровня продаж за деньВ нечеткой логике также существует понятие лингвистической переменной,т.е. переменной с лингвистическими значениями, выражающими качественныеоценки. Лингвистическая переменная задается совокупностью x, T ,U , G, M , где х имя переменной; Т - терм-множество, каждый элемент которого (терм)представляется как нечеткое множество на универсальном множестве U; G синтаксические правила, часто в виде грамматики, порождающие названиетермов; M - семантические правила, задающие функции принадлежностинечетких термов, порожденных синтаксическими правилами G.
Примеромлингвистической переменной может служить показатель удовлетворенностьперсонала, синтаксическое правило G которого определяется как «уровень»,поэтому полное терм-множество имеет значения: «низкий уровень», «среднийуровень» и «высокий уровень», функция принадлежности с использованием, дляпримера, трапециевидных функций представлена на рисунке 2.3.2.Функцияпринадлежности98Удовлетворенность персонала, баллыИсточник: составлено автором.Рисунок 2.3.2 - Функция принадлежности удовлетворенности персоналаМетодика построения нечеткой модели, методика формирования нечеткоймодели рассмотрена на примере оценки показателя лояльности абонентовмобильной связи в параграфе 3.2, включающей лингвистические переменные,состоит из следующих этапов:а) определение цели и задач, которые должны быть решены в результатепроведения анализа, основанного на построении нечеткой модели;б) сбор наблюдений о состоянии анализируемого объекта или процесса ипроведение детального анализа внешних и внутренних элементов, оказывающихна него влияние, т.е.
на данном этапе формируется вербальное описаниеэкспертом всех знаний об анализируемом объекте или процессе. Создание моделиможет быть полностью основано на знаниях эксперта об анализируемом объектеили процессе, но это возможно только в том случае, если эксперт обладаетзнаниями о моделируемой системе в полном объеме, в том числе ментальными,содержащими неявную и неосознанную часть знаний эксперта о системе. Приэтом на модель, построенную полностью на экспертных знаниях, оказываетсущественное влияние субъективное мнение эксперта, а также его способностьпредставления вербальных знаниях в ментальные;в) представление анализируемого объекта или процесса в форме модели, т.е.определение структуры моделей и отбор показателей, входящих в модель, а такжеих атрибутирование.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
