Нечіткі множини другого роду

Abstract

Сучаснi iнформацiйнi системи широко впроваджуються в сферу управлiння в соцiально-економiчних системах, як правило, використовують експертнi знання, на- копиченi в рiзних сферах людської дiяльностi, що призводить до рiзного роду неви- значеностей. При плануваннi нових проектiв аналiтики стикаються з проблемою не- визначеностi, яка для кожної сфери проявляється по-рiзному. У загальному випадку, невизначенiсть — нестача впевненостi, стан наявностi обмежених знань, де неможливо точно описати майбутнiй результат або наявнiсть великого числа можливих резуль- татiв. Побудова моделей прийняття рiшень для задач iз погано формалiзованою iн- формацiєю можлива за допомогою використання теорiї нечiтких множин та побудови нечiтких логiчних систем. Засобом для вирiшення вище описаних проблем можуть виступити нечiткi множини другого порядку, якi i будуть бiльш детально описанi в цiй статтi, оскiльки введення нечiткостi у функцiю належностi дозволяє наблизити нечiтку модель до людського мислення та сприйняття. Ключовi слова: система управлiння, нечiтка логiка, нечiтка множина, функцiя на- лежностi, слiд невизначеностi.

Modern information systems are widely introduced into the sphere of management in socio-economic systems, as a rule, use expert knowledge accumulated in various spheres of human activity, which leads to various kinds of uncertainties. When planning new projects, analysts are faced with the problem of uncertainty, which manifests itself differently for each area. In general, uncertainty is a lack of confidence, a state of limited knowledge, where it is impossible to accurately describe the future result or the presence of a large number of possible results. Building decision-making models for problems with poorly formalized information is possible through the use of fuzzy set theory and the construction of fuzzy logical systems. The means to solve the problems described above can be fuzzy sets of the second order, which will be described in more detail in this article, since the introduction of fuzziness into the membership function allows us to bring a fuzzy model closer to human thinking and perception. Keywords: management system, fuzzy logic, fuzzy set, membership function, footprint of uncertainty.