Никакие расчеты производить не нужно, так как это только моделирующий алгоритм. То есть нужно разработать блок-схему алгоритма функционирования СМО для своих исходных данных. Но нужно предусмотреть такое количество реализаций процесса моделирования, чтобы искомые данные вычислялись с точностью e = 0,001 * n + 0,001 = 0,001 * 7 + 0,001 = 0,008 ≈ 0,01. То есть необходимо задать такое количество реализаций процесса имитации функционирования СМО, чтобы результаты вычислялись с точностью до сотых (см. § 2.7 на с. 63-70 [1]).
Задача 10. Задача посвящена закреплению теоретического материала, относящегося к разделу нечеткого моделирования ([7], с. 7…221; [10], c.9…56; [11], c. 80…110).
В качестве примера можно рассмотреть задачу «Чаевые в ресторане» [7,10]. Анализируется ситуация в ресторане, при которой, согласно принятым в некоторых странах традициям, после окончания обслуживания принято оставлять официанту чаевые. Основываясь на устоявшихся обычаях и интуитивных представлениях посетителей ресторанов, величина суммы чаевых не является постоянной и зависит, например, от качества обслуживания и приготовления заказанных блюд.
Задача состоит в том, чтобы разработать некоторую систему, которая была бы реализована в виде системы нечеткого вывода и позволяла бы определять величину чаевых на основе субъективных оценок посетителя качества обслуживания и приготовления блюд.
Знания о рассматриваемой проблемной области могут быть представлены в форме следующих эвристических правил продукций:
1. Если обслуживание плохое или ужин подгоревший, то чаевые - малые.
2. Если обслуживание хорошее, то чаевые - средние.
3. Если обслуживание отличное или ужин превосходный, то чаевые - щедрые.
Приведенные правила субъективны и не свободны от критики. В частности, для многих посетителей наших ресторанов может показаться странным правило 1, согласно которому следует оставлять чаевые в случае плохого обслуживания или подгоревшего ужина, и правило 2, согласно которому следует оставлять средние чаевые даже в случае подгоревшего ужина. Возможно, некоторые пердпочтут вообще не оставлять чаевых в подобных ситуациях и будут по-своему правы. Тем не менее, данный пример широко используется в литературе.
В качестве входных параметров системы нечеткого вывода рассматриваются два нечеткие лингвистические переменные: «качество обслуживания» и «качество приготовления заказанных блюд» (или сокращенно - «качество ужина»), а в качестве выходных параметров - нечеткая лингвистическая переменная «величина чаевых».
В качестве терм - множества первой лингвистической переменной «качество обслуживания» используется множество Т1 = {«плохое», «хорошее», «отличное»}, а в качестве терм – множества второй лингвистической переменной «качество ужина» используется множество Т2 = {«подгоревший», «превосходный»}. В качестве терм – множества выходной лингвистической переменной «величина чаевых» используется множество Т3 = {«малые», «средние», «щедрые»}.
С учетом этих уточнений, рассматриваемая субъективная информация о величине чаевых может быть представлена в форме трёх правил нечетких продукций следующего вида:
ПРАВИЛО 1: ЕСЛИ «качество обслуживания плохое» ИЛИ «ужин подгоревший», ТО «величина чаевых малая».
ПРАВИЛО 2: ЕСЛИ «качество обслуживания хорошее», ТО «величина чаевых средняя».
ПРАВИЛО 3: ЕСЛИ «качество обслуживания отличное» ИЛИ «ужин превосходный», ТО «величина чаевых щедрая».
Процесс разработки системы нечеткого вывода в рамках решения задачи 10 контрольной работы на этом завершается. Продолжением будет выполнение лабораторной работы 3 на тему «Нечеткое моделирование». Работа реализуется на системе MATLAB в интерактивном режиме.