فهرست مطالب
نشریه سیستم های فازی و کاربردها
سال چهارم شماره 1 (پیاپی 7، بهار و تابستان 1400)
- تاریخ انتشار: 1400/08/30
- تعداد عناوین: 12
-
-
صفحات 1-46
طراحی شبکه توزیع از جمله اقدامات مهمی است که باید توسط مدیریت زنجیره تامین اتخاذ شود. تصمیمات مرتبط با طراحی شبکه توزیع همواره در شرایط وقوع ریسک های مختلف و به ویژه عدم قطعیت اتخاذ می شوند، از این رو نیاز است که روشی نظام مند به منظور مقابله با چنین ریسک هایی به کار گرفته شود. در این پژوهش یک شبکه توزیع رو به جلو و پنج سطحی با هدف حداقل کردن هزینه های کل، مجموع اثرات زیست محیطی و برقراری عدالت اجتماعی از طریق حداقل کردن حداکثر کمبود محصولات در مناطق مشتری در نظر گرفته شده است. همچنین مساله تحت شرایط عدم قطعیت فازی مدلسازی شده است که نتایج خروجی حاصل از حل هر دو مدل قطعی و غیرقطعی مقایسه شده اند. لازم به ذکر است که روش برنامه ریزی استوار امکانی به منظور مقابله با عدم قطعیت به کار گرفته شده است. در مدل استوار ارایه شده پارامترها به صورت اعداد فازی در نظر گرفته شده اند و همچنین سطوح اطمینان بهینه نیز به کمک روش بهینه سازی استوار تعیین شده اند. از سوی دیگر به منظور کسب اطمینان از عملکرد و اعتبار مدل ارایه شده، یک مطالعه موردی بر مبنای دنیای واقعی به مدل ریاضی اعمال شده است و نتایج با خروجی های حاصل از شبیه سازی مساله مقایسه شدند. نتایج حاکی از این است که در نظر گرفتن عدم قطعیت در شبکه توزیع در کوتاه مدت منجر به افزایش هزینه ها می گردد اما در طولانی مدت سبب افزایش آمادگی شبکه توزیع در برابر ریسک ها و کاهش هزینه ها به خصوص هزینه های مواجهه با ریسک، فروش از دست رفته و نگهداری از موجودی می شود.
کلیدواژگان: طراحی شبکه زنجیره تامین، برنامه ریزی فازی، عدم قطعیت فازی، بهینه سازی استوار، شبیه سازی فازی -
صفحات 47-78الگوریتم های مختلف طبقه بندی و مدل های پیش بینی در بسیاری از علوم و تکنولوژی بطور گسترده استفاده می شوند. در میان روش های مختلف آن ها، روش های داده-محور مشهور شامل مدل های شبکه های عصبی مصنوعی و فازی عصبی بدلیل ویژگی هایشان مورد توجه بسیاری از محققین قرار گرفته است. به منظور توسعه و غلبه بر معایب این مدل ها، از مفاهیم سیستم های بیولوژیکی مغز انسان استفاده می شود. بر این اساس از سیستم لیمبیک مغز هیجانی جهت توسعه این مدل های استفاده می شود. یادگیر هیجانی مغز یک شبکه عصبی مصنوعی هیجانی مبتنی بر تعامل مولفه های تالاموس، کورتکس، آمیگدلا و اوربیتوفرانتال است.. این ماشین یادگیر معماری و الگوریتمهای یادگیری متفاوتی دارد.در این مقاله از ماشین یادگیر محدود فازی آنلاین به عنوان اجزای تشکیل دهنده آمیگدلا و اوربیتوفرانتال در ماشین یادگیر هیجانی مغز استفاده می شود. به منظور تعامل میان اجزای اصلی ماشین یادگیر هیجانی مغز، از ماشین یادگیر محدود فازی آنلاین حافظه دار بازگشتی با عمق حافظه مختلف با قابلیت انتقال یادگیری استفاده می شود. ماشین طراحی شده نهایی، ماشین یادگیر هیجانی مبتنی بر ماشین یادگیر محدود فازی حافظه دار بازگشتی آنلاین نامیده می شود. ماشین شناختی ارایه شده بر اساس یادگیری داده های آموزش به صورت الگو- الگو یا دسته-دسته (با طول ثابت و متغیر) طراحی شده است و می تواند داده های آموزشی را که قبلا آموزش دیده اند را کنار بگذارد. مقایسه کارآیی روش پیشنهادی با روش های یادگیری مشابه بر روی مسایل سری های زمانی آشوبی انجام می شود. نتایج تجزیه و تحلیل و شبیه سازی نشان می دهد که کارایی و دقت روش پیشنهادی بیشتر از سایر روش ها است.کلیدواژگان: ماشین یادگیر هیجانی مغز، ماشین یادگیر محدود آنلاین، شبکه های حافظه دار بازگشتی، شبکه های نرو فازی تاکاگی سوگنو
-
صفحات 79-110بازآرایی و نصب منابع تولید پراکنده از جمله روش هایی است که برای کاهش تلفات، بهبود پایداری ولتاژ و افزایش قابلیت اطمینان درشبکه های توزیع برق بکار می روند. یافتن کلید هایی که به طور قطع باید در برنامه بازآرایی شرکت داشته باشند وتعیین وضعیت آنها در هر مرحله از باز آرایی از مهم ترین اهداف در بهره برداری بهینه شبکه است. این مقاله به بررسی جایابی بهینه کلیدهای شبکه توزیع ومنابع تولید پراکنده به منظور بهبود قابلیت اطمینان، کاهش تلفات و بهبود پایداری ولتاژ ودرنتیجه افزایش بارپذیری شبکه می پردازد. دراین مقاله جهت بهبود پایداری ولتاژ، درمقایسه با شاخص بارگزاری حداکثر معروف به (λmax)، شاخص دیگری بنام مقادیر منفرد ماتریس ژاکوبین نیزمعرفی وکارآرایی این دو باهم مقایسه می شود. همچنین جهت کاهش محاسبات سنگین مربوط به قابلیت اطمینان که درروش مونت کارلومشاهده می شود ازروش حداقل مجموعه انقطاع (کات ست) و از مدل احتمالاتی به منظور مدل سازی المان های سیستم توزیع در نقاط بار استفاده شده است. منابع تولید پراکنده باماهیت تصادفی و متغیر و بارهای سیستم بصورت ساعتی و با ماهیت سه گانه مسکونی، تجاری وصنعتی درنظرگرفته شده ودرنتیجه نتایج بازآرایی شبکه بصورت ساعتی بیان شده اند. باتوجه به توابع هدف متعدد آلگوریتم بهینه سازی چندهدفه NSGA2 جهت بهینه سازی توابع هدف بکارگرفته شده و از روش عضویت توابع فازی جهت تعیین جواب بهینه استفاده شده است. نتایج شبیه سازی برروی شبکه توزیع 33 باسه IEEE انجام وکارایی، دقت ونقاط ضعف احتمالی روش پیشنهادی نشان داده شده است.کلیدواژگان: قابلیت اطمینان، پایداری ولتاژ، کلید های توزیع، تولید پراکنده، بهینه سازی چندهدفه
-
صفحات 111-123یکی از مهم ترین گسترش ها در نظریه ی فازی، مجموعه های فازی مردد می باشند. در این توسیع، علاوه بر امکان در نظر گرفتن اعداد به صورت فازی می توان نظرات تصمیم گیرندگان مختلف را برای پیشگیری از ناسازگاری و تعارض بین دیدگاه های آنها و البته به منظور انطباق بیشتر داده ها با واقعیت حاکم بر مسایل، لحاظ نمود. در این پژوهش، قصد داریم با دقت در ویژگیهایی که مجموعه های فازی مردد دارند روشی نوین و با عملکری شفاف جهت مقایسه این نوع اعداد مطرح نماییم. برای این منظور، ضمن توجه به فازی بودن نظر هر یک از کارشناسان مختلف، به اشتراک بین دیدگاه های آنها و مواردی همچون خوشبینانه یا بدبینانه بودن نگرش ها دقت کافی می شود. مسئله تعیین درخت پوشا با حداقل وزن، یکی از مسایل اصلی و پرکاربرد در شاخه های مختلف علوم و مهندسی است. با توجه به کاربرد گسترده ی این مسئله در شبکه های جریان و بحث عدم قطعیت موجود در مسایل کاربردی ناشی از دنیای واقعی، در ادامه مقاله فرآیند کارایی برای یافتن درخت فراگیر کمینه با داده های فازی مردد ارایه می شود که در آن از روش جدید رتبه بندی مطرح شده در این نوشته، استفاده می شود. سپس مثالی عددی برای راستی آزمایی عملکرد فرآیند حل می کنیم. در انتها نیز نتیجه گیری پژوهش و پیشنهاداتی برای ادامه تحقیق آورده می شود. کلیدواژگان: مجموعه های فازی مردد، رتبه بندی مجموعه های فازی مردد، درخت فراگیر کمینه، نظریه ی گراف
-
صفحات 125-143در دهه های اخیر موضوع تقاضای انرژی و عوامل موثر بر آن به موضوع بسیار بحث برانگیزی تبدیل شده است. بررسی مصرف انرژی در کسب و کارهای کشاورزی ایران نشان می دهد که طی سال های گذشته همراه با افزایش تولید و افزایش ضریب مکانیزاسیون، مصرف انواع حامل های انرژی از جمله برق افزایش یافته است. در مطالعات متعددی با استفاده از روش های اقتصاد سنجی عوامل موثر بر مصرف برق در بخش کشاورزی مورد بررسی قرار گرفته است. اما با توجه به محدودیت های روش های رگرسیون کلاسیک، در این مطالعه از روش فازی برای بررسی اثر شاخص تنوع صادراتی و توسعه مالی بر مصرف برق کسب و کارهای کشاورزی طی دوره 1398-1349 استفاده شده است. کاربرد رگرسیون فازی به دلیل انعطاف پذیری این مدل و عدم وجود فروض محدود کننده روش های رگرسیون کلاسیک می باشد. نتایج پژوهش نشان دهنده آن است که متغیر تولید بخش کشاورزی بیشترین تاثیر بر مصرف برق را در این بخش داشته است. همچنین متغیرهای شاخص تنوع صادراتی و توسعه مالی در کران بالا و پایین تاثیر مثبت و معنادار بر افزایش مصرف برق در بخش کشاورزی داشتند. بنابراین شناسایی متغیرهای موثر بر تقاضای برق کشاورزی و بررسی میزان تاثیر آ ن ها بر مصرف برق، می تواند در جهت اتخاذ تصمیمات و سیاست های مناسب بهینه سازی مصرف انرژی با هدف توسعه اقتصادی و رشد تولید کسب و کارهای کشاورزی مورد استفاده قرار گیرد.کلیدواژگان: رگرسیون فازی، انرژی برق، کسب و کارهای کشاورزی، ایران
-
صفحات 145-169امروزه مفاهیم فازی به طور گسترده ای در بسیاری از برنامه های کاربردی مهندسی مانند مدل های جمعیتی، سیستم های کنترل بی نظمی، اقتصاد و امور مالی، هوش مصنوعی، علوم کامپیوتر، سیستم های خبره، علوم مدیریت، شناسایی الگو، رباتیک و سایر موارد استفاده می شود.به دلیل وجود پارامترهای فازی و عملیاتی که بر روی مقادیر فازی انجام می شود طبیعتا نتایج حاصل شده فازی هستند. این نتایج به سادگی قابل فهم و تفسیر نیستند و همچنین محاسبات مفاهیم فازی با پیچیدگی و دشواری توام است. از این رو برای سادگی و فهم نتایج حاصل از محاسبات فازی می بایست اعداد فازی به اعداد قطعی (غیر فازی) تبدیل شوند. فرایند تبدیل اعداد فازی به اعداد قطعی را نافازی سازی می گویند. بدیهی است که در بیشتر موارد با تبدیل مجموعه فازی به مجموعه قطعی اطلاعات بسیارمهم و ارزشمندی از دست می رود. به هر حال برای بهره بردن از نافازی سازی باید معیارهایی تعریف شود و برای آن چارچوب مشخصی وجود داشته باشد. هدف ما در این مقاله یافتن نزدیک ترین عدد فازی ذوزنقه ای به یک عدد فازی است که ترکیب محدب بازه های پشتیبان و هسته عدد فازی را حفظ می کند. این امکان به تصمیم گیرنده این اجازه را می دهد تا تقریب دلخواه یک عدد فازی را از یک دسته تقریب های ذوزنقه ای انتخاب کند.کلیدواژگان: اعداد فازی، تقریب های ذوزنقه ای، پشتیبان و هسته پایا، ترکیب محدب پشتیبان و هسته
-
صفحات 171-188در این مقاله، مراحل طراحی یک کنترل کننده تطبیقی افق پیش رونده چند مدلی برای یک سیستم دینامیکی غیرخطی مورد بررسی قرار گرفته است. برای پیاده سازی این ساختار کنترلی از سیستم استنتاج فازی تاکاگی-سوگنو-کنگ (TSK) برای پیش بینی کردن رفتار سیستم دینامیکی روی یک افق پیش رونده استفاده شده است. در کنترل کننده پیشنهادی، بخش خطی مدل فازی TSK به عنوان یک مدل خطی برای پیاده سازی کنترل کننده افق پیش رونده چند مرحله ای برای محاسبه دنباله ورودی کنترلی بهینه مورد استفاده قرار می گیرد. تخمین پارامترهای این بخش از TSK برعهده یک قانون تطبیق بازگشتی برخط بوده و پارامترهای بخش تالی مدل TSK به صورت برون خط تعیین می گردند. برای تولید مدل فازی، فضای ورودی-خروجی به کمک خوشه بندی فازی تقسیم بندی می شود. هر خوشه یک ناحیه عملکردی از سیستم دینامیکی پیچیده را در فضای ورودی-خروجی نمایش می دهد. در استراتژی کنترلی پیشنهادی، فرض بر این است که متغیرهای استفاده شده در بخش تالی قواعد همان متغیرهای مورد استفاده در بخش پیرو قواعد هستند. برای کنترل مناسب سیستم غیرخطی از یک مدل چندگانه روی افق پیش رونده استفاده می شود. به منظور ارزیابی استراتژی کنترلی پیشنهادی، ساختار کنترلی پیشنهادی برای کنترل توان یک راکتور هسته ای در مسئله تعقیب بار مورد استفاده قرار گرفته است. نتایج شبیه سازی نشان دهنده عملکرد خوب ساختار کنترلی پیشنهادی است.کلیدواژگان: کنترل افق پیش رونده، سیستم استنتاج فازی تاکاگی-سوگنو-کنگ، قانون تطبیق، سیستم دینامیکی غیرخطی
-
صفحات 189-199
تحقیق حاضر با هدف ارزیابی و بهبود عملکرد منابع انسانی با رویکرد تلفیقی تحلیل سلسله مراتبی فازی و تاپسیس در مدل تعالی سازمانی در صنایع مس شهید باهنر کرمان پرداخته است. به منظور اولویت بندی هریک از معیارهای مدل تعالی سازمانی در راستای بهبود عملکرد منابع انسانی از دیدگاه کارشناسان و کارکنان از تکنیک تحلیل سلسله مراتبی فازی استفاده شد که از بین معیارهای نه گانه مدل تعالی سازمانی از دیدگاه افراد مشارکت کننده در پژوهش معیار شرکت ها و منابع در رتبه اول، معیاررهبری با امتیاز نهایی در رتبه دوم، نتایج کسب و کار (فرایند) با امتیاز نهایی در رتبه سوم قرار گرفته اند. در این پژوهش همچنین به منظور اولویت بندی زیر معیارهای هریک از معیارهای پژوهش از مدل تاپسیس استفاده شد که نتایج منتج از زیر معیارهای رهبری با استفاده از تاپسیس نشان دهنده آن است که از بین زیر معیارهای مورد نظر برای معیار رهبری، زیر معیار تعامل فعال با ذی نفعان بیرونی در رتبه اول و زیر معیار دستاورد پروژه های بهبود رهبری در رتبه آخر قرار گرفته است. با توجه به نتایج منتج از اولویت بندی معیارهای بدست آمده مشخص شد که به منظور دستیابی به عملکرد منابع انسانی مطلوب با استفاده از تعالی سازمانی نیازمند آن است که شرکت مورد مطالعه، استراتژی و اصولی صحیح در راستای اجرای موثر فرایندهای حاکم بر شرکت مدیریت نماید.
کلیدواژگان: تحلیل سلسله مراتبی فازی، تاپسیس، مدل تعالی سازمانی، صنایع مس شهید باهنر کرمان -
صفحات 201-222امروزه روش های مبتنی بر انتخاب ویژگی با توجه به افزایش داده های حجیم مورد توجه قرار گرفته اند. علاوه بر این با تولید مداوم داده های مختلف و نیز ابعاد بالای این داده ها، روش های موثر در کاهش ابعاد به ویژه انتخاب ویژگی مورد نیاز هستند. بسیاری از داده ها را می توان در گروه داده های چندبرچسبی قرار داد. به این معنا که هر نمونه در مجموعه داده می تواند متعلق به بیش از یک کلاس داده باشد. در این مقاله، یک روش انتخاب ویژگی مبتنی بر مجموعه های فازی مردد برای کاهش ایعاد داده های چندبرچسبی مبتنی بر مفهوم مجموعه های فازی مردد ارایه شده است. در این روش ما از ترکیب سه معیار مختلف در اندازه گیری همبستگی بین ویژگی ها وبرچسب ها و همچنین سه معیار شباهت برای اندازه گیری شباهت بین ویژگی ها استفاده کرده ایم. در واقع هر کدام از این روش ها را به عنوان یک خبره برای تصمیم گیری در انتخاب ویژگی درنظر گرفته ایم. ترکیب روش های همبستگی و شباهت بر اساس مفهوم انرژی اطلاعات در مجموعه های فازی مردد انجام گرفته است. برای اثبات موثر بودن روش پیشنهادی، مقایساتی با روش های جدید در حوزه انتخاب ویژگی چندبرچسبی صورت گرفته است. این مقایسات براساس معیار های دقت، زیان همینگ و زمان اجرای الگوریتم انجام شده اند.کلیدواژگان: مجموعه های فازی مردد، انتخاب ویژگی، داده های چندبرچسبی، داده های حجیم، انرژی اطلاعات
-
صفحات 223-245
در سال های اخیر، استفاده از ربات ها برای کارهای خدماتی و انجام عملیات در محیط های پرخطر مورد استقبال گسترده قرار گرفته است. یکی از کارهای پیچیده در این عملیات، اجتناب ربات از برخورد با موانع غیرقابل پیش بینی در هنگام حرکت از مبدا به مقصد است. این پژوهش، یک الگوریتم مسیریابی دو هدفه مبتنی بر منطق فازی برای ربات های متحرک در محیط های پویای ناشناخته را ارایه می دهد. اهداف این الگوریتم کمینه سازی زمان رسیدن از مبدا به مقصد و همچنین کمینه سازی مسافت طی شده است. نتایج شبیه سازی در نرم افزار Matlab نشان می دهد که هنگامی که محیط حرکت خلوت باشد، الگوریتم پیشنهادی از کارآیی بالایی برخوردار است.در سال های اخیر، استفاده از ربات ها برای کارهای خدماتی و انجام عملیات در محیط های پرخطر مورد استقبال گسترده قرار گرفته است. یکی از کارهای پیچیده در این عملیات، اجتناب ربات از برخورد با موانع غیرقابل پیش بینی در هنگام حرکت از مبدا به مقصد است. این پژوهش، یک الگوریتم مسیریابی دو هدفه مبتنی بر منطق فازی برای ربات های متحرک در محیط های پویای ناشناخته را ارایه می دهد. اهداف این الگوریتم کمینه سازی زمان رسیدن از مبدا به مقصد و همچنین کمینه سازی مسافت طی شده است. نتایج شبیه سازی در نرم افزار Matlab نشان می دهد که هنگامی که محیط حرکت خلوت باشد، الگوریتم پیشنهادی از کارآیی بالایی برخوردار است.
کلیدواژگان: کنترل کننده فازی، برنامه ریزی حرکت ربات، مسیریابی چندهدفه، محیط پویای ناشناخته خلوت -
صفحات 247-267امروزه مدل های متنوعی با روش های برآوردیابی مختلف در مدلسازی داده ها، معرفی و بکار برده می شوند. تناسب هر یک از روش های برآوردیابی مدل های آماری در برازش مجموعه ای از داده ها مبتنی بر یک معیار نیکویی برازش خاص (یا تابع هدفی خاص) است. همچنین، شاخص نیکویی برازش هر مدل آماری (از جمله مدل های رگرسیونی کلاسیک و یا فازی) متناسب با منطق طراحی آن مدل تعریف و فرمول بندی می شود. لذا استفاده و بکارگیری صرفا یک معیار جهت مقایسه نیکویی برازش مجموعه متنوعی از مدل های آماری باعث تصمیم گیری های اریب و جهت دار می شود. در واقع چنین فرآیندی منتج به اولویت بخشی به مدل یا مدل هایی می شود که یا توابع هدفی یکسان با معیار ارزیابی دارند و یا توابع هدف آنها از لحاظ ساختاری متناسب با همان معیار ارزیابی است. لذا رویکرد تک معیاره برای ارزیابی نیکویی برازش مدل ها، امکان مقایسه مطلوب و منصفانه آنها که بسیار چالش برانگیز است را سلب می کند. هدف اصلی ما در این مقاله، ارایه و پیشنهاد چارچوبی مناسب در قالب رهیافت تصمیم گیری های چند معیاره به منظور حل و فصل این چالش است. در این رهیافت به روش های متنوعی امکان انبوهش مجموعه ای گسترده از معیارهای ارزیابی به منظور تولید یک معیار ارزیابی تعمیم یافته جهت تشخیص مدل بهینه فراهم می شود.در انتها رویکرد پیشنهادی به منظور رتبه بندی ارزیابی نیکویی برازش 22 مدل رگرسیون فازی مختلف بکار برده شده است.کلیدواژگان: مدل های آماری، تصمیم گیری های چند معیاره، انبوهش، مدل های رگرسیون فازی، نیکویی برازش
-
صفحات 269-310در کنترل کیفیت آماری، دو بحث مهم شامل کارت های کنترل و شاخص های کارایی وجود دارد. کارت های کنترل برای بررسی پایدار بودن فرایند مورد استفاده قرار می گیرند و پس از تعیین پایداری، بر اساس داده های موجود، پارامترهای اصلی فرایند براورد می شوند. شاخص های کارایی فرایند معیارھای عددی هستند که میزان مطابقت محصولاتتولیدی یک فرآیند با مشخصات در نظر گرفته شده توسط مشتریان یا تولیدکنندگان را نشانمی دهند. اگر کیفیت محصولات فقط به یک متغیر بستگی داشته باشد، شاخص های یک متغیره مورد استفاده قرار می گیرند و در فرایندهایی که کیفیت به دو یا چند متغیر وابسته مربوط باشد، شاخص های چندمتغیره به کار گرفته می شوند. در دنیای واقعی، بسیاری از اندازه گیری ها نادقیق هستند که به دلیل وجود ابهام است. بنابراین، از منطق فازی برای توصیف آن ها استفاده می شود. در این جا مواردی مورد بررسی قرار می گیرد که حدود مشخصات متغیر/متغیرهای مورد بررسی فازی هستند. بنابراین برای اندازه گیری کارایی فرایند، از شاخص های فازی باید استفاده شود. در مقاله حاضر، برای فرایندهای یک متغیره، دو شاخص کارایی فازی یک متغیره معرفی می کنیم. به علاوه، برای فرایندهای چندمتغیره، یک شاخص کارایی چند متغیره فازی و یک بردار کارایی چند متغیره فازی ارایه می کنیم. برای نشان دادن طریقه استفاده از شاخص های پیشنهاد شده، از مثال های کاربردی استفاده می کنیم.کلیدواژگان: شاخص کارایی، اعداد فازی، بازه تلورانس، توزیع نرمال چندمتغیره
-
Pages 1-46
The design of the distribution network of all livestock units is similar to that provided by the management.The woman was taken to safety. The design of the meter is designed to be evenly distributedDifferent types of snails, especially those suffering from malnutrition, are taken from thisIt is clear from the method that this method can be used in such a way that it can not be seen in any way.He was arrested. In this research, a group of people will be invited to study and study.The goal is to maximize the total cost, environmental impact and competitiveness of the market.Social justice can be achieved by limiting the production of goods in the region.The customer is under consideration.
-
Pages 47-78Prediction models and classification algorithms are widely used in many science and technology. Among their various methods, Well-known data-driven methods such as neural networks and neuro-fuzzy models because of their characteristics have been considered by many researchers. To develop and overcome the weak points of these models, the concepts of the human brain biological systems are used. Therefore, the brain's emotional limbic system is used to develop these models. Brain Emotional Learning (BEL) is an emotional artificial neural network based on the interaction of the thalamus, cortex, amygdala, and orbitofrontal components. This learning machine has different architectures and learning algorithms. In this paper, the online fuzzy extreme learning machine is used as the amygdala and orbitofrontal component in the brain emotional learning machine. To interact between the main components of the brain emotional learning machine, online recurrent memory sequential fuzzy extreme learning machine with different memory depth and transfer learning ability is used. The final design machine is called Brain Emotional Learning based on Online Recurrent Memory Sequential Fuzzy Extreme Learning Machine (BEL-ORMS-FELM). The proposed cognitive machine is designed based on learning the training data one-by-one but also chunk-by-chunk (with fixed or varying length) and it can discard training data that has already been trained. Performance comparison of the proposed method is done with other similar learning methods on the benchmark problems of chaotic time series. The results of analysis and simulations show that the performance and accuracy of the proposed method are higher than other methods.Keywords: Brain Emotional Learning, Online Sequential Extreme Learning Machine, Recurrent Memory Networks, Takagi Sugeno Kang Neurofuzzy Networks
-
Pages 79-110Reconfiguration and installation of distributed generation sources are some of the methods used to reduce losses, improve voltage stability and increase reliability in power distribution networks. Finding the switches that should definitely participate in the reconfiguration program and determining their status at each stage of the reconfiguration is one of the most important goals in the optimal operation of the network. This paper examines the optimal placement of distribution network switches and distributed generation sources in order to improve reliability, reduce losses and improve voltage stability and thus increase network load. In this paper, in order to improve the voltage stability, in comparison with the maximum load index known as (λmax), another index called singular values of Jacobin matrix is introduced and the efficiency of the two is compared. Also, in order to reduce the heavy reliability calculations observed in the Monte Carlo method, the minimum cut set method and the probabilistic model have been used to model the elements of the distribution system at load points. Distributed generation sources with random and variable nature and system loads hourly and with the triple nature of residential, commercial and industrial are considered. Due to the multiple objective functions, the NSGA2 multi-objective optimization algorithm is used to optimize the objective functions and the fuzzy function membership method is used to determine the optimal answer. The simulation results are performed on the 33-bus IEEE distribution network and the efficiency, accuracy and possible weaknesses of the proposed method are shown.Keywords: Reliability, Voltage stability, Distribution Switches, distributed generation, Multi objective Optimization
-
Pages 111-123One of the most important developments in fuzzy theory is hesitant fuzzy sets. In this expansion, in addition to the possibility of considering numbers fuzzy, the opinions of different decision-makers can be considered to prevent inconsistencies and conflicts between their views and, of course, to make the data more consistent with the prevailing reality of the issues. In this research, we intend to carefully present a new method with comparative fuzzy sets to compare these types of numbers with the characteristics that hesitant fuzzy sets have. For this purpose, while paying attention to the fuzzy nature of the opinion of each of the different experts, the commonality between their views and issues such as optimistic or pessimistic attitudes is sufficiently careful. The issue of determining the tree with minimum weight is one of the main and widely used issues in various branches of science and engineering. Given the widespread use of this problem in streaming networks and the discussion of uncertainties in real-world application problems, the following paper presents the efficiency process for finding the minimum peripheral tree with hesitant fuzzy data, in which a new ranking method is proposed. Used in this post. We then solve a numerical example to verify process performance. At the end, the conclusion of the research and suggestions for further research are given.Keywords: Hesitant fuzzy sets, Ranking of Hesitant Fuzzy Sets, Minimal spanningTree, Graph theory
-
Pages 125-143In recent decades, the issue of energy demand and the factors affecting it has become a very controversial. A Survey of energy consumption in Iranian agricultural businesses shows that in recent years, along with increasing production and increasing the mechanization coefficient, the consumption of various energy carriers, including electricity, has increased. In several studies the factors affecting electricity consumption in the agricultural sector have been studied, using econometric methods. However, due to the limitations of classical regression methods, in this study the fuzzy method has been used to investigate the effect of export diversity index and financial development on electricity consumption of agricultural businesses during the period 1970-2019. The application of fuzzy regression has been due to the flexibility of this model and the lack of assumptions limiting classical regression methods. The results show that the variable of agricultural production has the greatest impact on electricity consumption in this sector. Also, the variables of export diversity index and financial development in the upper and lower bounds had a positive and significant effect on increasing electricity consumption in the agricultural sector. Therefore, identifying the variables affecting agricultural electricity demand and examining the extent of their impact on electricity consumption, it can be used to make appropriate decisions and policies to optimize energy consumption with the aim of economic development and production growth of agricultural businesses.Keywords: Fuzzy Regression, electricity, Agricultural businesses, Iran
-
Pages 145-169In this paper, the aim is to find the nearest trapezoidal fuzzy numberto a given fuzzy number which preserves the convex combinationof support and core intervals of that fuzzy number. This allows the decisionmaker to select the preferred approximation of a fuzzy numberfrom a class of trapezoidal approximations.Nowadays, the fuzzy concepts are widely used in many real-world engineeringapplications, such as population models, control chaotic systems, economicsand finance, artificial intelligence, computer science, expert systems, managementscience, operations research, pattern recognition, robotics and others.Because of the existence of fuzzy parameters, computational complexity isthe cost of fuzzy system and this matter has captured the attention of researchersfor introducing methods and decreasing this cost. In general, mostof the fuzzy-based algorithms use a defuzzification process that maps a fuzzyparameter into a crisp one. Obviously, in most cases, too much importantinformation is lost by converting fuzzy sets into a set of real numbers. Itseems that we should accept some criteria and apply a framework for constructinga defuzzyfication process. Van Leekwijck et al. in [21] presenteda set of criteria for defuzzification strategies and classified the most widelyused defuzzification techniques into different groups and they examined theprototypes of each group with respect to the defuzzification criteria.Keywords: Fuzzy Numbers, Trapezoidal, approximation, Support, core invariance
-
Pages 171-188In this paper, the design steps of a multi-model adaptive receding horizon controller for a nonlinear dynamic system are investigated. To implement this control structure, the Takagi-Sugno-Kong (TSK) fuzzy inference system (TSK) has been used to predict the behavior of the dynamic system on a receding horizon. In the proposed controller, the linear part of the TSK fuzzy model is used as a linear model to implement a multi-stage receding horizon controller to calculate the optimal control input sequence. A standard least square algorithm is used to identify the rules consequent parameters of the TSK model. A clustering method is used for partitioning the input-output space in order to generate TSK fuzzy model. Each cluster represents a functional area of the complex dynamic system in the input-output space. In the proposed control strategy, it is assumed that the variables which are used in the premise of the rules are also those which are used in linear models that describe the consequents of the rules. For proper control of the nonlinear system, multiple models are used on the receding horizon. In order to evaluate the proposed control strategy, the proposed control structure has been used to control the power of a nuclear reactor in the charge pursuit problem. The simulation results show the good performance of the proposed control structure.Keywords: Receding Horizon Control, TSK fuzzy interference system, adaption law, Nonlinear dynamic system
-
Pages 189-199
The present study aims to evaluate and improve the performance of human resources with an integrated approach of fuzzy hierarchical analysis and TOPSIS in the model of organizational excellence in Shahid Bahonar Copper Industries in Kerman. In order to prioritize each of the criteria of the organizational excellence model in order to improve the performance of human resources from the perspective of experts and employees, the fuzzy hierarchical analysis technique was used. First place, leadership criteria with the final score in the second place, business results (process) with the final score in the third place. In this study, in order to prioritize the sub-criteria of each of the research criteria, the TOPSIS model was used. External stakeholders are ranked first and below the achievement criteria of leadership improvement projects are ranked last. According to the results of prioritizing the obtained criteria, it was found that in order to achieve the desired performance of human resources using organizational excellence, the company needs to manage the correct strategy and principles in order to effectively implement the processes governing the company.
Keywords: Fuzzy hierarchical analysis, TOPSIS, Organizational Excellence Model, Shahid Bahonar Copper Industries, Kerman -
Pages 201-222Nowadays, feature selection is an essential step in machine learning due to the increase in high-dimensional data. In addition, with the continuous production of various data and the high dimensions of these data, practical methods in reducing the dimensions, mainly feature selection, are needed. Many data can be grouped into multi-label data. This means that each instance in a data set can belong to more than one class label. This paper proposes a feature selection method based on hesitant fuzzy sets to reduce the dimensions of multi-label data. In this method, we have used a combination of three different criteria in measuring the correlation between features and labels, as well as three similarity criteria to measure the similarity between features. We have considered these methods as the experts in feature evaluation. Correlation and similarity combinations have been performed based on the concept of information energy in hesitant fuzzy sets. To demonstrate the effectiveness of the proposed method, comparisons have been made with new methods in the field of multi-label feature selection. These comparisons are based on the classification accuracy, Hemming loss, and execution time of the algorithm.Keywords: Hesitant fuzzy sets, Feature selection, Multi-label data, Big Data, Information energy
-
Pages 223-245
A fuzzy logic based bi-objective path planning algorithm for multiple mobile robots in unknown dynamic environment
-
Pages 247-267Today, various models with different estimation methods are introduced and used in data modeling. The appropriateness of each method of estimating statistical models in the fit of a dataset is based on a specific goodness-of-fit criterion (or a specific objective function). Also, the goodness-of-fit index of any statistical model (including classical or fuzzy regression models) is defined and formulated according to the structure of that model. Therefore, using and applying only one criterion to compare the goodness-of-fit of a diverse set of statistical models leads to oblique/biased and directional decisions. In fact, such a process leads to prioritization of the models that their objective functions are the same as the evaluation criterion and/or their objective functions are structurally proportional to the evaluation criteria. Therefore, considering only one-criterion to evaluate the goodness-of-fit of the models deprives them of the possibility of a fair and equitable comparison, which is very challenging. Our main goal in this paper is to provide and propose an appropriate framework in the context of multi-criteria decision making to overcome the challenge. In this method, it is possible to aggregate a wide range of evaluation criteria from different point of views to generate a generalized evaluation criterion in order to identify the optimal model.Finally, the proposed approach is employed to rank the fit of 22 different fuzzy regression models.Keywords: Statistical models, multi criteria decision making (MCDM), Aggregate, Fuzzy Regression, goodness-of-fit
-
Pages 269-310In statistical quality control, there are two important issues including control cards and performance indicators. Control cards are used to check the stability of the process and after determining the stability, the main parameters of the process are estimated based on the available data. Process performance indicators are numerical criteria that measure the degree of product complianceProduction represents a process with specifications considered by customers or manufacturersthey give. If the quality of products depends on only one variable, one-variable indices are used, and in processes where the quality is related to two or more dependent variables, multivariate indices are used.In the real world, many measurements are inaccurate because of the ambiguity. Therefore, fuzzy logic is used to describe them. Here are the cases where the specifications of the variable / variables under study are fuzzy. Therefore, fuzzy indicators should be used to measure process efficiency.In this paper, for univariate processes, we introduce two univariate fuzzy efficiency indices. In addition, for multivariate processes, we provide a fuzzy multivariate efficiency index and a fuzzy multivariate efficiency vector. We use practical examples to show how to use the proposed indicators.
©2000-2024 magiran.com All Rights Reserved.