luận mờ sử dụng ĐSGT
Với những kết quả đạt được qua các giải pháp trên cho ta thấy triển vọng sử dụng mạng nơron RBF để nội suy trong phương pháp và sử dụng giải thuật di truyền để xác định các tham số của ĐSGT. Trên cơ sở đó luận văn xây dựng thuật toán sử dụng công nghệ tính toán mềm (mạng RBF và GA) cho phương pháp lập luận mờ dựa trên ĐSGT. Theo đó thuật toán thực hiện phương pháp như sau:
Input: Mô hình mờ bao gồm các luật trong đó mỗi biến ngôn ngữ tương ứng với một ĐSGT.
Output: Giá trị đầu ra tương ứng với giá trị đầu vàọ
Action:
Step 1. Xây dựng các ĐSGT AXj cho các biến ngôn ngữ Xj và ĐSGT AY
cho biến ngôn ngữ Y.
Giả thiết ĐSGT AXj và Aịj (i = 1,..n; j = 1,..m) là các giá trị ngôn ngữ của biến ngôn ngữ Xj, tập giá trị định lượng ngữ nghĩa của Xj là (vXj(Aịj), vx(A2j),...,
vjAj); ĐSGT AY và Bi (i = 1,...,n) là các giá trị ngôn ngữ của biến ngôn ngữ Y, tập giá trị định lượng ngữ nghĩa của Y là (vY(Bi), vY(B2),…, vY(Bi)).
Step 2. Sử dụng các ánh xạ định lượng ngữ nghĩa xác định mô hình SAM
gồm các tham số ((vXj(Aj), vj(Bj)) của các biến ngôn ngữ Xj và Y.
Step 3. Xây dựng một phép nội suy trên cơ sở các mốc nội suy là các điểm của mô hình SAM(PAR) có các tham số định lượng ngữ nghĩạ
Step 4. Ứng với giá trị đầu vào thực hoặc mờ, xác định đầu ra tương ứng nhờ phép nội suy (sử dụng mạng Nơron RBF đã được đề cập ở trên ) được xây dựng ở bước 3.
Để tiện theo dõi ký hiệu phương pháp lập luận xấp xỉ mờ dựa trên ĐSGT sử dụng công nghệ tính toán mềm là RBF_GA_HAR
Với triển vọng sử dụng kỹ thuật hàm cơ sở bán kính (Radial Basic Function - RBF) trong mạng nơron để giải quyết bài toán nội suy và xấp xỉ hàm nhiều biến trên siêu mặt và sử dụng giải thuật di truyền để xác định các tham số trong phương pháp lập luận mờ sử dụng ĐSGT. Do vậy, phương pháp lập luận RBF GA HAR sử dụng công cụ tính toán mạng nơron RBF và giải thuật di truyền để tối ưu các tham số của các ĐSGT, cụ thể là:
- Sử dụng mạng nơron RBF để nội suy trực tiếp từ mô hình SAM. - Sử dụng giải thuật di truyền để xác định bộ tham số của các ĐSGT.
Sử dụng mạng nơron RBF cho phương pháp RBF_GA_HAR:
Như đã đề cập trên với giải pháp sử dụng mạng nơron RBF, ta quan niệm mô hình SAM cho ta n mốc nội suy và n giá trị đo tương ứng. Mạng nơron RBF được xây dựng với nhiệm vụ học các mốc cơ sở cho bởi mô hình SAM(PAR)
và khi có các giá trị đầu vào ta sẽ nội suy được giá trị đo tương ứng nhờ mạng, cụ thể mô hình huấn luyện mạng như sau:
Việc thiết kế mạng nơron RBF và các bước xác định các trọng số trong pha 2 của quá trình huấn luyện mạng đã được đề cập trong Mục 1.1.2. Như vậy mạng nơron RBF được dùng để nội suy trực tiếp trên siêu mặt thay cho việc nội suy dựa trên đường cong ngữ nghĩa định lượng trong phương pháp lập luận HAR.
Giải pháp sử dụng giải thuật di truyền cho phương pháp RBF_GA_HAR:
Giả sử tồn tại một mô hình sai số của phương pháp lập luận cho bởi hàm
h(g,OPHA(PAR,f)) ≥ 0, trong đó g là mô hình thực mong muốn và
OPHA(PAR, f) là mô hình xác định bộ tham số (PAR) của các ĐSGT. Khi đó bài toán xác định bộ tham số của các ĐSGT được phát biểu như sau: Tìm các tham số PAR sao cho h(g,OPHA(PAR,f)) min.
Đây là một bài toán tối ưu gồm nhiều biến có ràng buộc, do vậy sử dụng khả năng cực tiểu hóa hàm nhiều biến của giải thuật di truyền để xác định các tham số của các ĐSGT.