Bảng 14: Quá trình di chuyển tác tử tìm đường- 123docz.net

Thông tin ban đầu: <Kichban Rong="20" Cao="15" Tactu="0,19">.

Kích thước 20x15. Vị trí ban đầu tác tử 0,19. Số lượng vật cản 60.

Tập mờ TCNN Tập mờ ĐSGT

Vị trí Đánh giá Vị trí Đánh giá

Vitri="0,19"

Dichuyen=

"1,-1"

ô "Nen di" Rule Vitri="0,19"

Dichuyen= "0,-1" Ô "Nen di" Rule 0,-1 PVT |P VF 3 0,-1 PVT 3 1,-1 PVT | VVF 3 1,-1 PVT 3 0 10 20 30 40 50 60 70 80 90 100 15 20 25 30 35 40 45 50 55 60 65

So sánh giữa tập mờ TCNN và ĐSGT trong tác tử tìm đường

Bảng 14: Quá trình di chuyển tác tử tìm đường

Như vậy, chúng ta thấy được rằng kết quả giá trị hàm mục tiêu “Nen di” trong hai trường hợp cho thấy sự khác biệt trong thứ tự của chúng. Rõ ràng nhất tại ô (0,19) thứ tự ba phương án sử dụng dữ liệu trực cảm ngôn ngữ, tuy nhiên trong sử dụng Tập mờ ĐSGT có hai giá trị bằng nhau vì vậy chọn một trong 2 giá tri, tiếc rằng trong trường hợp này đó không phải lựa chọn tối ưu. Tiếp tục như vậy ta có biểu diễn kết quả cuố cùng như hình 4.a và 4.b. Số bước đi của hai phương án lần lượt là 17 và 27

Hình 9: Giao diện software tác tử tìm đường

Các đánh giá trong việc giải quyết bài toán tìm đường cho kết quả tương đối khả quan. Cũng giống như tác tử thông minh một hệ thống tư vấn cũng là một bài toán ra quyết định. Thay vì lựa chọn các phương án là một trong các ô liền kề có thể đi, nhiệm vụ của hệ thống tư vấn là đưa ra lựa chọn hợp lý cho người dùng. Như vậy khi áp dụng tập mờ ngôn ngữ và phương pháp lập luận sấp xỉ bằng ánh xạ ngược chúng tôi tiến hành xây dựng một hệ thông tư vấn thời trang có tên DAfashion.

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 quả trong đánh giá các phương án, tác giả trong bài toán ra quyết định, tác giả đã áp dụng phương pháp cho bài toán trong thực tế đó là baì toán tư vấn. Mục tiêu đặt ra là sử dụng tập mờ trực cảm ngôn ngữ cải thiện hệ thống có sẵn là hệ thống tư vấn thời trang DAFashion được tác giả đề xuất trong tài liệu số [1]. Trong hệ

b. a.

thống đó thông tin đầu vào bao gồm các thông tin về ngoại hình người dùng như dáng người chiều cao… cùng với các thông tin về môi trường(thời tiết, nhiệt độ,…) và trang phục(màu sắc, kiểu dáng,…). Đầu ra là mức độ phù hợp của người dùng với trang phục. Các thông tin được biểu diễn bằng miền giá trị chân lý ngôn ngữ cho ở ví dụ 1.4.

Trong bài toán tồn tại một số không tin mà trong thông tin đó chứa các thành phần không rõ ràng đó là các thông tin về thời tiết cụ thể ở đây là thông tin vê nhiệt độ, độ ẩm và gió… và các thông tin về màu sắc trang phục. Đối với thời tiết, do thời tiết được xây dựng trong bài là thời tiết của một ngày, chính vì vậy các thông số về nhiệt độ, độ ẩm không phải là một số cụ thể là một khoảng giá trị, ví dụ nhiệt độ ngày 26/6/2014 khoảng từ 27-35oC. Vì vậy sự nhập nhằng xuất hiện khi ta xác định nhiệt độ trên 29oC là nóng và dưới 25oC là không nóng… như vậy các khoảng giá trị từ 27- 29 là khoảng nhập nhằng, tương tự cho các thông tin vê độ ẩm, màu sắc, hay các thông tin về độ tuổi của con người. Từ đó để biểu diễn thông tin, tác giả sử dụng tập mờ trực cảm ngôn ngữ cho bài toán.

Ta thấy rằng, biểu diễn tất các thông tin sang tập mờ trực cảm ngôn ngữ là cần thời gian rất và nhân lực để thu thập dữ liệu, xây dựng lại chương trình… Chính vì vậy tác giả quyết định giải quyết từng phần nhỏ đối với dữ liệu. Kết hợp với hệ thống cũ, trong luận văn chỉ giải quyết với một thuộc tính trong đó là thuộc tính về nhiệt độ. Với giá trị về dáng người(Oval, tam giác ngược, hình thang), và thông tin trang phục sáng màu hay tối màu

Hình 11: Giao diện ứng dụng trên Windows apps store

Xác định nhiệt độ t, xác định nhiệt độ môi trường 28 trên 28oC coi là nóng, ta sử dụng công thức : pnong=ttb/56. Ánh xạ EA sang miền giá trị chân lý ngôn ngữ ngôn ngữ. Trong đó độ thuộc được xác định từ thông tin nhiệt độ trung bình, còn giá trị độ không thuộc được xác định từ thông tin nhiệt độ cao nhất: pkhongnong=1-tcaonhất/56;

p 0.3 <= P <0.5 0.7 ≤ 𝑝 ≤ 0.8 P<0.3

EA(p) 𝐹𝑎𝑙𝑠𝑒 𝑣𝑒𝑟𝑦_𝑇𝑟𝑢𝑒 𝑣𝑒𝑟𝑦_𝐹𝑎𝑙𝑠𝑒

P 0.6 < 𝑝 < 0.7 0.5 ≤ 𝑝 ≤ 0.6

EA(p) 𝑇𝑟𝑢𝑒 𝑃𝑜𝑠𝑠𝑖𝑏𝑙𝑒_𝑡𝑟𝑢𝑒

Bảng 15: Ánh xạ chuyển đổi chuyển đổi giá trị mờ sang trị chân lý ngôn ngữ của tập mờ “nóng”

Ví dụ nhiệt độ khoảng từ 25-31oC/(0.5,0.45) . Ta thu được giá trị: nóng25-30=(possible_true,False)

Hình 12: Cây quyết định cho bài toán tư vấn thời trang

Như vậy, tập luật sinh ra cho bài toán tư vấn thời trang với thông tin trực cảm ngôn ngữ

STT Luật

1 IF Dáng người? = Hình thang and Nhiệt độ cao? = F THEN Nên đi = True 2 IF Dáng người? = Hình thang and Nhiệt độ cao? = T THEN Nên đi = False

Dáng người