Umělá Inteligence II.

1. Umělá Inteligence II.

2. Možnosti manažera • expertní systémy • neuronové sítě • fuzzy systémy • genetický algoritmus • hybridní systémy

3. Fuzzy systémy • Zavádění nejistoty (základní znak komunikace v přirozeném jazyce). • Využití: • Fotoaparát s automatickým vyhledáváním centrálního bodu pro zaostření (Minolta) • ABS, řízení motoru, volnoběhu a klimatizace (Honda, Nissan) • Řízení výtahů (Mitsubishi) • Elektrospotřebiče (pračky) • Fuzzy množiny a Fuzzy logika

4. Základní operace s fuzzy množinami

5. Lingvistické proměnné a operátory • Lingvistická (slovní) proměnná • Malý, střední, velký • Jazykové modifikátory (operátory) • Velmi, více méně, značně, slabě

6. Fuzzy pravidla • Klasická pravidla • Fuzzy pravidla

7. Základní bloky fuzzy řízení • Fuzzifikace: transformace konkrétních hodnot do normalizovaného tvaru a přiřazení stupně příslušnosti do jedné nebo více fuzzy množin • Inference: definování pravidel • Agregace: složení fuzzy množin, výsledkem je jedna fuzzy množina • Defuzzifikace: transformace agregované fuzzy množiny na konkrétní hodnotu.

8. Příklad – nový výrobek Vedení firmy má pro rozšíření výroby vybrat nový výrobek. Jako kandidáti se nabízejí výrobky V1-V5. Zvolit se musí výrobek, který nejlépe splňuje všechny cíle a podmínky. Pro výběr nejvhodnějšího výrobku jsou stanoveny následující cíle, podmínky a přiřazeny váhy: Cíle • Dosažení (spíše) velkého zisku • Nezanedbatelné zvýšení zaměstnanosti • Nízké realizační náklady Podmínky • Krátká doba realizace • Nezatěžování životního prostředí

9. Očekávání

10. Fuzzy množiny

11. Převod na stupeň jistoty

12. Nejlepší varianta

13. Příklad - konkurz

14. Výsledek

15. Inspirace v přírodě Hledáníoptimálníhořešení Klasickémetodyjsoučasověnáročnénebonelzeřešit Genetickýalgoritmus

16. Genetickéalgoritmy Náhodnágenerovánívýchozí populace Inicializace Náhodnávýměnačástichromozónů Výběrnejjedincůpomocíevaluačnífunkce Křížení Selekce Mutace ne Náhodnázměna genu jedince Konec ano Ukončení