Нечеткая логика (Fuzzy Logic) в исследовании операций: принятие решений при лингвистической неопределенности

В основе нечеткой логики лежит отказ от категоричного утверждения о принадлежности элемента множеству. В классической теории элемент либо принадлежит множеству, либо нет (функция принадлежности принимает значения строго 0 или 1). В теории нечетких множеств Лотфи Заде функция принадлежности (Membership Function) может принимать любое непрерывное значение в интервале от 0 до 1. Это число отражает степень, с которой данный элемент обладает свойствами этого множества. Например, зарплата в 3000 долларов может принадлежать нечеткому множеству «высокий доход» со степенью 0.6, а множеству «средний доход» со степенью 0.3. Функции принадлежности часто задаются в виде треугольников, трапеций или гауссовых кривых, форму которых определяют эксперты отрасли, оцифровывая свой субъективный опыт.Для того чтобы компьютеры могли обрабатывать эти лингвистические термины, нечеткая логика переопределяет классические булевы операции (И, ИЛИ, НЕ) на язык непрерывной математики. Операция логического пересечения (И) в нечеткой логике заменяется поиском минимума (min) между степенями принадлежности (или их произведением). Логическое объединение (ИЛИ) вычисляется как максимум (max) из степеней принадлежности. Отрицание (НЕ) вычисляется как вычитание степени принадлежности из единицы. Этот алгебраический аппарат, известный как Т-нормы и Т-конормы, позволяет строить сложные экспертные базы правил вида ЕСЛИ — ТО. Например: ЕСЛИ надежность поставщика «высокая» И цена «приемлемая», ТО объем заказа «большой».В исследовании операций применение нечеткой логики породило целое направление — нечеткое линейное программирование (Fuzzy Linear Programming, FLP). В традиционном линейном программировании ограничения на ресурсы абсолютно жестки: если есть 100 кг стали, алгоритм остановится ровно на этой цифре. В реальности менеджер может сказать: желательно уложиться в 100 кг, но при крайней необходимости можно использовать до 110 кг, хотя это и снизит уровень удовлетворенности. Нечеткое программирование заменяет жесткие ограничения нечеткими неравенствами с функциями принадлежности (удовлетворенности). Модель оптимизируется путем максимизации минимального уровня удовлетворенности по всем ограничениям и целевой функции. В результате получается гибкое, устойчивое (робастное) решение, которое не разрушается при малейших отклонениях исходных данных.Финальным этапом принятия решений в нечеткой системе является процесс дефаззификации (Defuzzification). После того как нечеткий алгоритм вывода (например, алгоритм Мамдани или Сугено) сложил воедино все сработавшие правила, на выходе получается новое нечеткое множество (геометрическая фигура сложной формы), описывающее искомый результат. Так как в реальном мире станку или менеджеру нужно передать конкретное, четкое число (например, закупить ровно 45 деталей или установить ставку рефинансирования на 4.2 процента), алгоритм вычисляет центр тяжести (центроид) этой итоговой фигуры. Этот метод интегрального усреднения гарантирует максимально плавное и логически обоснованное управление. Сегодня нечеткая логика встроена во все сферы исследований: от управления светофорными сетями мегаполисов, адаптивно меняющими фазы в зависимости от размытого понятия «плотность трафика», до многокритериального выбора поставщиков в глобальных цепях поставок.