Contribuţii la achiziţia şi structurarea cunoştinţelor în sisteme inteligente pentru diagnoza defectelor
Abordări aproximative privind alocarea şi încărcarea resurselor pentru SADU
exacte, în acest caz fiind necesară o metodă de defuzzyficare pentru a
extrage valoarea exactă ce reprezintă cel mai bine mulţimea fuzzy
obţinută ca ieşire a sistemului fuzzy.
Un sistem fuzzy cu intrări şi ieşiri exacte realizează o transformare
neliniară a spaţiului de intrare către spaţiul de ieşire. Această
transformare este obţinută ca urmare a aplicării unui număr de reguli
fuzzy „dacă – atunci”, fiecare din aceste reguli descriind comportarea
locală a respectivei transformări. Astfel, premiza unei reguli defineşte o
regiune fuzzy din spaţiul de intrare, în timp ce consecinţa regulii
defineşte o regiune fuzzy din spaţiul de ieşire.
Din cele trei tipuri de sisteme fuzzy care sunt folosite intens în
aplicaţii, noi vom utiliza în cadrul modelului nostru sistemul fuzzy
Mamdani deoarece furnizează mărimea de ieşire utilizând reguli
lingvistice obţinute de la operatorii umani cu experienţă prin prelucrarea
a două mărimi de intrare exacte cu ajutorul unor reguli.
Elementele esenţiale ale unui controler fuzzy sunt:
un protocol de reguli de conducere;
un mecanism de inferenţă;
interfeţele de intrare şi de ieşire.
Figura 3. 2. Diagrama sistemului fuzzy
Diagrama sistemului fuzzy, după cum reiese din figura 3.2, va
prezenta două intrări şi o singură ieşire pentru variabilele lingvistice.
Echilibrarea încărcării este declanşată de către un nod care are
calitatea de Expeditor. Astfel, dacă dorim o echilibrare corectă a
încărcării, baza de cunoştinţe trebuie să cuprindă următoarele reguli:
R1:Dacă Nod este Expeditor atunci selectează un nod compatibil
ca partener de migrare (din tabelul de distribuire) care să
prezinte calitatea de Receptor (IIN mic) la un cost cât mai mic
(conform tabelului de costuri);
R2:Dacă Nod este Expeditor şi nu găseşte Receptor (partener de
migrare) atunci STOP;
78