Описание структуры нечеткого генетического алгоритма и модификации основных генетических операторов, используемых для нахождения решения. Формирование управляющего воздействия нечеткого логического контроллера. Значения вероятностей кроссинговера.
При низкой оригинальности работы "Нечеткий генетический алгоритм решения многокритериальной задачи о назначениях", Вы можете повысить уникальность этой работы до 80-100%
Каждый из работников может выполнять только одну работу. Необходимо распределить работников по видам работ таким образом, чтобы суммарная эффективность выполнения всех видов работ была максимальной. На практике часто приходится решать более сложную задачу, когда необходимо не просто распределить работников по работам, а сформировать некие группы (команды) работников, эффективность работы которых непосредственно зависит от сочетаемости работников, входящих в ту или иную группу (членов команды). В соответствии с некоторым критерием (который формируется либо на основе экспертных оценок, либо предпочтений лица, принимающего решение и т.д.) сформировать область допустимых решений и найти в этой области эффективное решение задачи с максимально возможным числом наилучших, с точки зрения принятого критерия, назначений. На основании приведенных выше соображений можно использовать следующий комплексный критерий оценки эффективности работы i-й команды [Hongboetal., 2000]: Ei = (ai bi ci di …) ?pi1?pi2?pi3?pi4?pi5? … (1.1) гдеаі, bi, ci, di, … - эффективность работы членов i-той команды;При решении практических задач управления и оптимизации приходится сталкиваться с тем, что необходимо оперировать нечеткими или вероятностными величинами, кроме того необходимо учитывать также проблему неполноты, противоречивости или отсутствия достоверной информации.
Вы можете ЗАГРУЗИТЬ и ПОВЫСИТЬ уникальность своей работы
