УДК 004.42:338.1
DOI: 10.36871/ek.up.p.r.2025.02.10.002
Авторы
Светлана Глебовна Николаева,
Казанский государственный энергетический университет, Казань, Российская Федерация
Аннотация
В статье рассматриваются методы моделирования нечетких систем для поддержки принятия решений в условиях неопределенности. Обоснована актуальность использования нечеткой логики, позволяющей интегрировать экспертные знания и учитывать лингвистически описанные параметры, что существенно повышает адаптивность и точность систем при обработке неполных или приблизительных данных. Представлены теоретические основы нечеткой логики, включая понятия нечетких множеств, функции принадлежности и операторы агрегации, а также проведён сравнительный анализ моделей Mamdani и Takagi Sugeno. Экспериментальные исследования продемонстрировали, что оптимизация параметров функций принадлежности (например, логистической, гауссовой и треугольной) и выбор соответствующих методов дефаззификации способствуют снижению ошибки прогноза и повышению устойчивости системы. Статья подчёркивает перспективы дальнейшего развития гибридных моделей, объединяющих нечеткую логику с методами машинного обучения и оптимизации, что открывает новые возможности для создания универсальных систем поддержки принятия решений в условиях высокой неопределенности.
Ключевые слова
нечеткие системы, моделирование, принятие решений, неопределенность, нечеткая логика, функции принадлежности
