В статье рассматривается применение интуиционистских нечётких множеств и агрегирующих операторов для решения задач многокритериального принятия решений. Основное внимание уделено использованию интуиционистского нечёткого интегрального оператора Шоке, который эффективно учитывает взаимосвязи между критериями при агрегировании лингвистических оценок, выраженных интуиционистскими нечёткими значениями.
Рассматривается концепция создания автоматизированной системы управления траекториями нефтяных и газовых скважин с использованием современных информационных технологий. Предложен трёхэтапный алгоритмический подход к принятию управляющих решений на основе прогностической модели движения бурового оборудования. Представлен подход к построению многорежимной прогностической модели траектории скважины, которая составляет математическую основу информационно-аналитической подсистемы, предназначенной для оперативного управления траекториями.
В данном исследовании представлен передовой подход к оптимизации систем нечеткого вывода (СНВ) с использованием генетических алгоритмов (ГА) -мощного эволюционного метода, вдохновленного естественным отбором. Традиционная разработка FIS основана на эвристической настройке базы правил и функций релевантности, что может быть неэффективным. Это исследование позволяет систематически оптимизировать базу правил СНВ, что повышает точность, гибкость и надежность систем принятия решений. Экспериментальные результаты показывают, что сложность базы правил значительно снижается при сохранении производительности системы. В исследовании также подчеркивается важность таких операторов ГА, как отбор, кроссинговср и мутация, для достижения глобальной оптимальности. Такая интеграция помогает разрабатывать интеллектуальные системы, способные адаптироваться к реальным ситуациям, обеспечивая многообещающие результаты для экспертных систем, приложений автоматизации и управления.
Рассматриваются модели управления организацией, даются понятия бизнес модели и операционной модели. Показывается роль и место систем ИИ в принятии решений в операционной деятельности организацией.
В данной исследовательской работе частично описаны элементы базы знаний, которые широко используются в процессах принятия решений в интеллектуальных системах, этапы их формирования, а также последовательности обогащения логических правил предикатами. Кроме того, исследование включает общую архитектуру интеллектуальных систем на основе базы знаний и теоретические сведения о типах и свойствах правил. В то же время статья также включает анализ основной литературы по построению и обогащению правил с использованием концепций и принципов логики первого порядка.
В статье исследована эффективность ансамблевых алгоритмов на основе принципов частичной прсцедентности при классификации стадий рака. Механизм взвешенного принятия решений на основе линейной свертки показал высокие результаты при классификации типов рака (С 16, С17, С18, С44, С50, С00). Разработан метод на основе манхэттенского расстояния и пороговых значений, результаты сравнены с классическими алгоритмами. Предложенный ансамблевый алгоритм повышает точность классификации до 94,7-96,2%, что на 3-10% выше результатов существующих алгоритмов.
