PAGE第7頁共7頁智能決策與專家系統課程實驗報告一、實驗描述：備件服務中心，保存備件并修復損壞的備件。客戶拿來一個損壞的零件備件，換走一個相同型號的零件備件，損壞的零件備件被修好后放置在架子上作為零件備件。如果架子上有所需的備件，那么客戶從架子上拿走備件并離開服務中心，若沒有，客戶就須等待，直到拿到需要的備件為止。服務中心的經理應該決定在客戶可以接受范圍內維持平均延遲時間所需要的配件的數目。所以我們的目標是向零件備件服務中心的經理建議使客戶滿意的決策方針。在此，借助模糊邏輯的相關知識，利用Matlab軟件，建立模糊專家系統解決上述決策問題。二、實驗環境硬件環境：CPUIntel(R)Core(TM)2Duo軟件環境：WindowsXP；MatlabR2009a；三、實驗目的利用設計的模糊專家系統，綜合考慮平均延遲、服務員人數和修理利用因子三個指標，為服務中心的經理提供合理的決策，即備件的數目。四、實驗過程：1．指定問題并定義語言變量在上述問題中，可以確定四個主要的語言變量：平均等待時間(平均延遲)m、服務中心的修理利用因子ρ、服務員人數s以及初始零件備件數量n。由于服務中心的決策者是不能容忍客戶等待時間超過Medium的，所以對于平均延遲m,只考慮了三個語言值：VeryShort，Short和Medium。各個變量的語言值，符號表示以及取值范圍由下表給出。表1語言變量及其范圍語言變量：平均延遲，m語言值符號值范圍(標準化)VeryShortVS[0,0.3]ShortS[0.1,0.5]MediumM[0.4,0.7]語言變量：服務員人數，s語言值符號值范圍(標準化)SmallS[0,0.35]MediumM[0.30,0.70]LargeL[0.60,1]語言變量：修理利用因子，ρ語言值符號值范圍(標準化)LowL[0,0.6]MediumM[0.4,0.8]HighH[0.6,1]語言變量：零件備件數，n語言值符號值范圍(標準化)VerySmallVS[0,0.30]SmallS[0,0.40]RatherSmallRS[0.25,0.45]MediumM[0.30,0.70]RatherLargeRL[0.55,0.75]LargeL[0.60,1]VeryLargeVL[0.70,1]2．確定模糊集各個變量語言值的隸屬函數用三角形或四邊形來表示，這兩種形狀既能充分表達專家知識，同時簡化計算過程。3．抽取并建構模糊規則備件服務中心模糊系統用到了課本（《人工智能智能系統指南》）上提供的27條規則。4．對模糊集、模糊規則和流程進行程序編碼以便在專家系統中執行模糊推理主要使用了MATLAB提供的FuzzyLogicToolbox來建立系統。此外，為了提供良好的人機交互界面，使用MATLABGUI設計了展示系統功能的窗口。下面是核心代碼：模糊系統部分核心代碼：b=newfis('backUp');b=addvar(b,'input','mean_delay',[00.7]);b=addmf(b,'input',1,'VS','trapmf',[000.10.3]);b=addmf(b,'input',1,'S','trimf',[0.10.30.5]);b=addmf(b,'input',1,'M','trapmf',[0.40.60.70.7]);b=addvar(b,'input','number_of_servers',[01]);b=addmf(b,'input',2,'S','trapmf',[000.150.35]);b=addmf(b,'input',2,'M','trimf',[0.30.50.7]);b=addmf(b,'input',2,'L','trapmf',[0.60.811]);b=addvar(b,'input','utilisation_factor',[01]);b=addmf(b,'input',3,'L','trapmf',[000.40.6]);b=addmf(b,'input',3,'M','trimf',[0.40.60.8]);b=addmf(b,'input',3,'H','trapmf',[0.60.811]);b=addvar(b,'output','number_of_spares',[01]);b=addmf(b,'output',1,'VS','trapmf',[000.10.3]);b=addmf(b,'output',1,'S','trimf',[00.20.4]);b=addmf(b,'output',1,'RS','trimf',[0.150.350.45]);b=addmf(b,'output',1,'M','trimf',[0.30.50.7]);b=addmf(b,'output',1,'RL','trimf',[0.550.650.75]);b=addmf(b,'output',1,'L','trimf',[0.60.81]);b=addmf(b,'output',1,'VL','trapmf',[0.70.8711]);%添加規則%ruleList=[111111;211111;311111;121111;221111;321111;131211;231211;331111;112211;212111;312111;122311;222211;322111;132411;232311;332211;113711;213611;312411;123411;223411;323211;133511;233411;333311];b=addrule(b,ruleList);b=setfis(b,'DefuzzMethod','centroid');result=evalfis([xxyyzz],b);窗體部分核心代碼:meandelay=get(handles.edit1,'string');xx=str2double(meandelay);numberofservers=get(handles.edit2,'string');yy=str2double(numberofservers);utilisationfaction=get(handles.edit3,'string');zz=str2double(utilisationfaction);result=evalfis([xxyyzz],b);set(handles.text8,'string',result);……五、實驗結果完成后的系統提供了兩個界面，方便決策者使用。圖一是主窗口，對所實現的系統作了簡單的介紹，提供了兩個按鈕：進入Mamdani系統，即進入正式的計算過程；退出系統，則實現與窗口右上角關閉窗口的相同效果。圖1主窗口圖2顯示的是基于Mamdani的模糊推理過程，用戶需要輸入三個變量的值:平均延遲(0-0.7)，服務員人數(0-1)和修理利用因子(0-1),系統會根據用戶的輸入產生一個輸出，即初始備件數目(0-1),找到使用戶滿意的決策方案，幫助決策。圖2Mamdani推理過程在用戶分別輸入：0.36，0.12，0.69后，結果顯示如圖3所示。圖3結果顯示針對可能出現的異常，程序也做了簡單的考慮，在text輸入框的callback函數中處理異常，若用戶輸入的值超出了指定范圍，則會有錯誤提示，提示框顯示見圖4：圖4異常處理六、結果分析與總結模糊理論是以模糊集合(fuzzyset)為基礎，其基本精神是接受模糊性現象存在的事實，而以處理概念模糊不確定的事物為研究目標，并積極的將其嚴密的量化成計算機可以處理的訊息。模糊決策就是應用了模糊理論，是其應用的一個分支，它用軟約束來考慮優化問題。備件服務中心模糊專家系統，實現了基本的模糊決策，能夠輔助服務