Xử lý các thông tin trực cảm trong bài toán ra quyết định

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI NGUYỄN ĐỨC ANH XỬ LÝ CÁC THÔNG TIN TRỰC CẢM TRONG BÀI TOÁN RA QUYẾT ĐỊNH Chuyên ngành : Công nghệ thông tin LUẬN VĂN THẠC SĨ KHOA HỌC CÔNG NGHỆ THÔNG TIN NGƯỜI HƯỚNG DẪN KHOA HỌC : PGS.TS Trần Đình Khang Hà Nội – 2015 LỜI CAM ĐOAN Tôi xin cam đoan công trình nghiên cứu riêng tơi Các kết công bố với tác giả khác đồng ý đồng tác giả trước đưa vào luận văn Các kết luận văn trung thực chưa công bố cơng trình khác Tác giả Ngũn Đức Anh LỜI CẢM ƠN Luận văn hoàn thành Viện Công nghệ thông tin Truyền thông, trường Đại học Bách khoa Hà Nội Để hoàn thành luận văn này, tác giả nhận bảo tận tình, động viên khích lệ, yêu cầu nghiêm khắc PGS TS Trần Đình Khang, người truyền đạt nhiều kiến thức quí báu kinh nghiệm nghiên cứu khoa học suốt thời gian tác giả theo học Lời đầu tiên, tác giả xin bày tỏ lịng kính trọng biết ơn sâu sắc tới Thầy Tác giả xin chân thành gửi lời cảm ơn đến Ban lãnh đạo Viện Công nghệ thông tin Truyền thông, Viện Đào tạo Sau đại học Bộ môn Hệ thống thông tin thuộc trường Đại học Bách khoa Hà Nội tạo điều kiện thuận lợi suốt q trình học tập, nghiên cứu hồn thành luận văn Cảm ơn Thầy giáo, Cô giáo Bộ môn Hệ thống thông tin - Viện Công nghệ thông tin Truyền thông, trường Đại học Bách khoa Hà Nội động viên, trao đổi kinh nghiệm tạo điều kiện thuận lợi để tác giả hoàn thành luận văn Luận văn này, quà tinh thần, xin đáp lại niềm quan tâm, mong mỏi thành viên gia đình, động để tác giả nỗ lực học tập, nghiên cứu Cuối cùng, tác giả xin biểu thị biết ơn tới người thân bạn bè ưu ái, giúp đỡ, động viên, khích lệ để tác giả hồn thành luận văn DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT Tên gia tử thường gặp A Approximately V Very M More Mol More or less P Possibly Ký hiệu phần tử nguyên thủy T True F False Tên tính chất cấu trúc ĐSGT Đại số gia tử TCNN Trực cảm ngôn ngữ DANH MỤC CÁC BẢNG Bảng 1: Giá trị ngôn ngữ biến ngôn ngữ HEATH AGE 13 Bảng 2: Ánh xạ ngược V-, M-, P- 28 Bảng 3: Ánh xạ chuyển đổi từ giá trị mờ sang giá trị ngôn ngữ 46 Bảng 4: Ánh xạ chuyển đổi mức độ tín nhiệm từ giá trị mờ sang trị chân lý ngôn ngữ 50 Bảng 5: Bảng định ví dụ bổ nhiệm nhân viên 52 Bảng 6: Một số phép kéo theo mờ phổ biến 55 Bảng 7: Các thuộc tính đầu vào cho tốn tìm đường 63 Bảng 8: Ánh xạ chuyển đổi thông tin số lượng vật cản từ giá trị mờ sang trị chân lý ngôn ngữ 64 Bảng 9: Thông tin định cảm nhận từ môi trường tác tử tìm đường 64 Bảng 10: Một ánh xạ chuyển đổi từ giá trị mờ sang trị chân lý ngôn ngữ tập “nên đi” 65 Bảng 11: Bảng định cho tốn tìm đường 67 Bảng 12: Các luật định tốn tìm đường 70 Bảng 13: So sánh kết tập mờ trực cảm tập mờ ĐSGT thường 72 Bảng 14: Quá trình di chuyển tác tử tìm đường 74 Bảng 15: Ánh xạ chuyển đổi chuyển đổi giá trị mờ sang trị chân lý ngơn ngữ tập mờ “nóng” 78 Bảng 16: Tập luật cho toán tư vấn thời trang 80 DANH MỤC CÁC HÌNH VẼ Hình 1: Tập mờ tập rõ 11 Hình 2: Các bước định người 43 Hình 3: Biểu diễn định 48 Hình 4: Cây định cho bảng liệu người chơi tenis 53 Hình 5: Bài tốn tác tử tìm đường 62 Hình 6: Quá trình định tác tử 65 Hình 7: Một phần định cho tốn tìm đường 68 Hình 8: Đánh giá hiệu tập mờ trực cảm ngôn ngữ tốn tìm đường 73 Hình 9: Giao diện software tác tử tìm đường 75 Hình 10: Một kết chaỵ chương trình với 70 vật cản (hình c), hình a Lập luận với tập mờ trực cảm NN, hình b Lập luận với tập mờ ĐSGT thường 76 Hình 11: Giao diện ứng dụng Windows apps store 78 Hình 12: Cây định cho tốn tư vấn thời trang 79 MỤC LỤC MỤC LỤC MỞ ĐẦU Chương – CƠ SỞ LÝ THUYẾT 10 1.1 Tập mờ trực cảm 10 1.1.1 Tập mờ biến ngôn ngữ 10 1.1.2 Tập mờ trực cảm 14 1.2 Đại số gia tử 16 1.2.1 Đại số gia tử đơn điệu 20 1.2.2 Ánh xạ ngược gia tử 26 1.2.3 Suy diễn với ánh xạ ngược gia tử 30 Chương – XỬ LÝ THÔNG TIN TRỰC CẢM TRONG BÀI TOÁN RA QUYẾT ĐỊNH 32 2.1 Tập mờ trực cảm ngôn ngữ 32 2.2 Các phép toán với tập mờ trực cảm ngôn ngữ 33 2.3 Xử lý thông tin với tập mờ trực cảm ngôn ngữ toán định 42 2.3.1 Biểu diễn thông tin bằng tập mờ trực cảm 44 2.3.2 Cây định 47 2.3.3 Lập luận xấp xỉ với thông tin trực cảm ngôn ngữ 56 Chương – ỨNG DỤNG TẬP MỜ TRỰC CẢM NGÔN NGỮ TRONG CÁC BÀI TOÁN RA QUYẾT ĐỊNH 62 3.1 Bài tốn tìm đường 62 3.2 Hệ thống tư vấn thời trang DaFashtion 76 KẾT LUẬN CHUNG 82 TÀI LIỆU THAM KHẢO 83 MỞ ĐẦU Tập mờ hay tập hợp mờ (Fuzzy set) mở rộng lý thuyết tập hợp cổ điển dùng lôgic mờ Trong lý thuyết tập hợp cổ điển, quan hệ thành viên phần tử tập hợp đánh giá theo kiểu nhị phân theo điều kiện rõ ràng - phần tử thuộc không thuộc tập hợp Ngược lại, lý thuyết tập mờ cho phép mô tả quan hệ giữa phần tử và tập hàm thuộc (membership function) μ→[0,1] Trong lý thuyết tập mờ, phần tử x có giá trị độ thuộc μ(x) thì mức độ không thuộc phần đó có giá trị mặc định là 1-μ(x) Một hướng nghiên cứu mở rộng từ khái niệm tập mờ là tập mờ trực cảm Trong tập mờ trực cảm phần tử x có độ thuộc μ(x) giá trị độ không thuộc không chỉ đơn là 1-μ(x) mà nó biểu diễn hàm gọi là hàm không thuộc (nonmembership funtion), kí hiệu là ν Khi đó, phần tử biểu diễn hàm thuộc (membership function) μ→[0,1] và hàm không thuộc ν→[0,1] Đây là sở giúp chúng ta cải thiện, giải nhiều bài toán tin học cũng thực tế Một hướng mở rộng khác logic mờ là Đại số gia tử Đại số gia tử (ĐSGT) xem là cấu trúc toán học cho miền giá trị chân lý ngôn ngữ làm tảng cho logic ngôn ngữ Trên tảng lý thuyết đó tác giả đề xuất việc biểu diễn giá trị hàm thuộc và không thuộc giá trị ngôn ngữ, từ đó xây dựng khái niệm tập mờ trực cảm ngôn ngữ Một những ứng dụng phổ biến logic mờ là xử lý bài toán định Ra định chọn giải pháp khả thi giải pháp mà theo người đưa định phù hợp Trong nhiều trường hợp thơng tin bài tốn định cần chuyển đổi các giá trị trực cảm để tính tốn, chí dùng giá trị trực cảm ngôn ngữ Cây định là những phương pháp biểu diễn xử lý thông tin, bài toán định có thể biểu diễn dưới dạng định Mô hình định có thể chuyển đổi qua lại với mô hình dạng luật “NẾU… THÌ” tương ứng Quá trình định là trình lan truyền thông tin từ nút gốc định, trình này tương đương với trình lập luận xấp xỉ tập luật tương ứng với định đó Trong trường hợp thông tin đầu vào là thông tin trực cảm ngôn ngữ, để xử lý thông tin này trình lập luận xấp xỉ với, tác giả thấy chúng ta có thể sử dụng giải cách sử dụng phương pháp suy diễn dựa ánh xạ ngược gia tử, từ đó tác giả mở rộng phương pháp lên tập mờ trực cảm ngôn ngữ Và cuối cùng hiệu quả và tính thực tiễn, phương pháp thử nghiệm hai ứng dụng là bài toán tìm đường và hệ thống tư vấn thời trang DaFashion Trong luận văn này, mục tiêu nghiên cứu đặt cụ thể sau: 1) Nghiên cứu tập mờ trực cảm ngơn ngữ, phép tốn, quan hệ với tập mờ trực cảm, từ mở rộng cho tập mờ trực cảm ngôn ngữ 2) Nghiên cứu lớp đại số gia tử đơn điệu hữu hạn cho miền giá trị chân lý ngôn ngữ, nghiên cứu tính chất ánh xạ ngược gia tử xây dựng phương pháp suy diễn với thông tin trực tin trực cảm ngôn ngữ 3) Ứng dụng cho toán định Về bố cục luận văn, phần mở đầu phần kết luận, nội dung kết cấu thành ba chương: Chương – Cơ sở lý thuyết Chương – Xử lý thông tin trực cảm toán định Chương – Ứng dụng Cụ thể chương trình bày sau: Chương – Trình bày khái niệm phục vụ cho việc nghiên cứu chương Đầu tiên khái niệm tập mờ, tập mờ trực cảm, phép toán tập mờ tập mờ trực cảm tiếp đến khái niệm biến ngơn ngữ Tiếp theo khái niệm đại số gia tử, phép toán ánh xạ ngược phương pháp suy diễn dựa ánh xạ ngược đại số gia tử Chương – Dựa lý thuyết ĐSGT tập mờ trực cảm, tác giả đề xuất đưa khái niệm tập mờ trực cảm ngôn ngữ với giá trị hàm thuộc hàm khơng thuộc biểu dìễn bằng giá trị ngơn ngữ Tiếp theo phương pháp biểu diễn thông tin bằng tập mờ trực cảm, xử lý thông tin trực cảm toán định bằng cách mở rộng phương pháp suy diễn sử dụng ánh xạ ngược gia tử cho thông tin trực cảm ngôn ngữ Chương – Xây dựng ứng dụng toán định sử dụng tập mờ trực cảm ngôn ngữ, chương tác giả trình bày hai ứng dụng, tác tử tìm đường hệ thống tư vấn thời trang DAFashion Trong đó, tác giả xây dựng kịch so sánh tập mờ trực cảm ngôn ngữ tập mờ trị ngôn ngữ thông thường, trình bày q trình định với thơng tin trực cảm ngôn ngữ Quyetdinh(0,19)   (0,-1)  very very True | very very False       (-1,-1)    very very True | very very very False   (1,0)     False | True  Quyetdinh(1,18)   (-1,-1) (-1,0)  very very True | very very False  very possible True | very possible False      (-1,1)     possible possible possible True | possible False    (0,-1)     very very True | possible very very very very False    (0,1) (1,-1)     False | True very very True | very very possible very very very very False    (1,0) (1,1)     very very True | possible very very very False very possible True | very possible False  MAX (Quyetdinh(0,19) )  (-1,-1) very very True | very very very False Vậy lựa chọn di chuyển (-1,-1) từ vị trị (0,19) đến vị trí (1,18) MAX (Quyetdinh(1,18) )  (1,-1) very very True | very very possible very very very very False Vậy lựa chọn di chuyển (1,-1) từ vị trị (1,18) đến vị trí (2,17) … Kết Để kiểm tra tính hiệu việc sử dụng tập mờ trực cảm ngôn ngữ, tác giả xây dựng chương trình cho phép thực hiện xử lý với hai kiểu liệu: Dữ liệu thứ liệu ngôn ngữ thông thường với tập phần tử sinh gồm C={True,False} tập gia tử H{possible,very}, Dữ liệu thứ hai liệu trực cảm ngôn ngữ Thí nghiệm tiến hành cùng tập luật, kích thước sân = 20x15 Lần lượt thay đổi giá trị số lượng vật cản từ 15 vật cản đến 65 vật cản ta thu kết so sánh 1300 liệu Mỗi liệu có vị trí vật cản sinh ngẫu nhiên loại trừ giá trị trùng vị trí với vị 71 trí tác tử đích, loại trừ giá trí mà tác tử hay đích bị “vây kín”, tức khơng tồn đường từ tác tử tới đích Bảng 13: So sánh kết quả tập mờ trực cảm và tập mờ ĐSGT thường Số Số lượng lượng vật liệu cản Số nước trung bình số lượng thí nghiệm có số nước Tập mờ Tập mờ giá Tập mờ Bằng Tập mờ trực cảm tri trực cảm NN thường NN NN thông NN thường 15 124 11.10483871 16.33870968 120 20 123 11.45528455 15.69918699 113 25 130 11.84615385 16.46153846 124 30 124 11.34677419 15.18548387 111 11 35 144 12.02777778 15.01388889 122 15 40 131 12.48091603 16.09160305 118 10 45 104 12.22115385 15.17307692 89 12 50 118 13.31355932 15.43220339 86 17 15 55 85 13.74117647 16.22352941 71 11 60 102 15.60784314 16.54901961 79 10 13 65 115 14.49565217 15.76521739 70 20 25 Từ bảng số liệu có biểu đồ đánh giá ưu hai liệu chương trình: Trong đường màu xanh biểu diễn thí nghiệm mà ta sử dụng giá trị trực cảm ngôn ngữ cho kết ưu (ít số nước đi), đường màu xám thí nghiệm mà tập mờ trực cảm ngôn ngữ thông thường chiếm ưu Còn lại đường màu đỏ thí nghiệm có kế cân bằng hai liệu 72 So sánh giữa tập mờ TCNN và ĐSGT tác tử tìm đường 100 90 80 70 60 50 40 30 20 10 15 20 25 30 35 40 Trực cảm NN 45 50 Cân bằng 55 60 65 ĐSGT Hình 8: Đánh giá hiệu tập mờ trực cảm ngôn ngữ bài toán tìm đường Dễ thấy giải tốn bằng tập mờ trực cảm ngơn ngữ có hiệu tốt so với sử dụng tập mờ đại số gia tử thường sử dụng cùng tập luật Nguyên nhân kết kết trình suy diễn sử dụng tập mờ trực cảm ngơn ngữ có thêm thành phần trực cảm từ giúp xác định thứ tự lựa chọn cách rõ ràng so với việc tập mờ giá trị ngơn ngữ thơng thường, từ chọn phương án tốt lựa chọn Để sáng tỏ vấn đề cùng quan sát vết suy diễn hai q trình lập luận ví dụ bảng 14 hình 10 Thơng tin ban đầu: Kích thước 20x15 Vị trí ban đầu tác tử 0,19 Số lượng vật cản 60 Tập mờ TCNN Vị trí Vitri="0,19" Dichuyen= Tập mờ ĐSGT Đánh giá 0,-1 "1,-1" 1,-1 "Nen di" Vị trí Rule PVT |P VF PVT | VVF 73 Vitri="0,19" Dichuyen= Đánh giá Ô "Nen di" Rule 0,-1 PVT 1,-1 PVT "0,-1" 1,0 F|T Vitri="1,18" -1,- VT|VF Dichuyen= "1,-1" -1,0 PT|PF -1,1 PT|PF 0,-1 VT|VF 0,1 F|PT 1,-1 VT|VVF 1,0 PVT|PVF 1,1 … 1,0 F 0,-1 VT 0,1 PT 1,-1 VT 3 1,0 VT VPF | PT 1,1 F … … … … … Vitri="0,18" Dichuyen= "0,-1" … Bảng 14: Quá trình di chuyển tác tử tìm đường Như vậy, thấy rằng kết giá trị hàm mục tiêu “Nen di” hai trường hợp cho thấy khác biệt thứ tự chúng Rõ ràng ô (0,19) thứ tự ba phương án sử dụng liệu trực cảm ngôn ngữ, nhiên sử dụng Tập mờ ĐSGT có hai giá trị bằng chọn giá tri, tiếc rằng trường hợp khơng phải lựa chọn tối ưu Tiếp tục ta có biểu diễn kết cuố cùng hình 4.a 4.b Số bước hai phương án 17 27 74 Hình 9: Giao diện software tác tử tìm đường Các đánh giá việc giải toán tìm đường cho kết tương đối khả quan Cũng giống tác tử thông minh hệ thống tư vấn toán định Thay lựa chọn phương án ô liền kề đi, nhiệm vụ hệ thống tư vấn đưa lựa chọn hợp lý cho người dùng Như áp dụng tập mờ ngôn ngữ phương pháp lập luận sấp xỉ bằng ánh xạ ngược tiến hành xây dựng hệ thơng tư vấn thời trang có tên DAfashion 75 a c b Hình 10: Một kết quả chaỵ chương trình với 70 vật cản (hình c), hình a Lập luận với tập mờ trực cảm NN, hình b Lập luận với tập mờ ĐSGT thường 3.2 Hệ thống tư vấn thời trang DaFashtion Nhận thấy tính hiệu đánh giá phương án, tác giả toán định, tác giả áp dụng phương pháp cho tốn thực tế b tốn tư vấn Mục tiêu đặt sử dụng tập mờ trực cảm ngơn ngữ cải thiện hệ thống có sẵn hệ thống tư vấn thời trang DAFashion tác giả đề xuất tài liệu số [1] Trong hệ 76 thống thơng tin đầu vào bao gồm thơng tin ngoại hình người dùng dáng người chiều cao… cùng với thông tin môi trường(thời tiết, nhiệt độ,…) trang phục(màu sắc, kiểu dáng,…) Đầu mức độ phù hợp người dùng với trang phục Các thông tin biểu diễn bằng miền giá trị chân lý ngơn ngữ cho ví dụ 1.4 Trong tốn tồn số khơng tin mà thơng tin chứa thành phần khơng rõ ràng thơng tin thời tiết cụ thể thông tin vê nhiệt độ, độ ẩm gió… thơng tin màu sắc trang phục Đối với thời tiết, thời tiết xây dựng thời tiết ngày, thơng số nhiệt độ, độ ẩm số cụ thể khoảng giá trị, ví dụ nhiệt độ ngày 26/6/2014 khoảng từ 27-35oC Vì nhập nhằng xuất hiện ta xác định nhiệt độ 29oC nóng 25oC khơng nóng… khoảng giá trị từ 27- 29 khoảng nhập nhằng, tương tự cho thông tin vê độ ẩm, màu sắc, hay thông tin độ tuổi người Từ để biểu diễn thơng tin, tác giả sử dụng tập mờ trực cảm ngôn ngữ cho tốn Ta thấy rằng, biểu diễn tất thơng tin sang tập mờ trực cảm ngôn ngữ cần thời gian nhân lực để thu thập liệu, xây dựng lại chương trình… Chính tác giả định giải phần nhỏ liệu Kết hợp với hệ thống cũ, luận văn giải với thuộc tính thuộc tính nhiệt độ Với giá trị dáng người(Oval, tam giác ngược, hình thang), thơng tin trang phục sáng màu hay tối màu 77 Hình 11: Giao diện ứng dụng Windows apps store Xác định nhiệt độ t, xác định nhiệt độ môi trường 28 28oC coi nóng, ta sử dụng cơng thức : pnong=ttb/56 Ánh xạ EA sang miền giá trị chân lý ngơn ngữ ngơn ngữ Trong độ thuộc xác định từ thơng tin nhiệt độ trung bình, còn giá trị độ không thuộc xác định từ thông tin nhiệt độ cao nhất: pkhongnong=1-tcaonhất/56; p 0.3