Исследование нечеткой устойчивости в модели разделения на торговые зоны
Боковая панель статьи
Основное содержимое статьи
Аннотация
Работа посвящена исследованию свойств нечетких моделей в экономике. Исследуется вопрос зависимости качества работы модели от качества исходной информации. Рассматривается нечеткая модель разделения на торговые зоны. Качество исходной информации оценивается как степень нечеткости соответствующих отношений «товар – потребительское качество» и «товар – фирма». Доказано, что монотонность отклика модели по отношению к степени нечеткости не сохраняется в общем случае. Подробно исследуются частные случаи, когда зависимость решения от качества исходной информации существует. Это выполняется лишь при соблюдении весьма искусственных ограничений. Оказывается также, что применение других операций с исходными отношениями также не приводит к сохранению степени нечеткости. Таким образом, анализируемая модель не позволяет гарантировать качество результата как функцию качества исходных данных, что требует осторожности при ее практическом применении.
Скачивания
Информация о статье
Библиографические ссылки
Рыжов А.П. Элементы теории нечетких множеств и измерения нечеткости. – М.: Диалог-МГУ, 1998.
Рыжов А.П. Степень нечеткости лингвистической шкалы и ее свойства. Нечеткие системы поддержки принятия решений. Под редакцией Аверкина А.Н. и др. – 1998. – C. 82-92.
Рыжов А.П.. Об одном методе оптимального описания объектов и ситуаций в интеллектуальных системах // Создание и применение гибридных экспертных систем: Тезисы докладов Всесоюзной конференции. – Рига, 1990. – 34(1). – C. 62-64.
Леунг Й. Разделение на торговые зоны в нечетких условиях. Теория возможностей и ее применение. – М.: Наука, 1992.
Гунин Г.А. Особенности практического применения искусственных нейронных сетей к прогнозу финансовых временных рядов // Экономическая кибернетика: системный анализ в экономике и управлении. – 2001.
Ведерников В.В. Нечетко-множественное моделирование в анализе и прогнозировании экономических явлений и процессов: исторический аспект // Евразийский международный научноаналитический журнал. – 2006. – 1/2(17/18).
Aliev R.A. Modelling and stability analysis in fuzzy economics // Applied and Computational Mathematics. – 2008. – Vol.7. – №1.
Bojadziev G.. Fuzzy logic for business, finance and management //Advances in Fuzzy Systems. – 1997. –12.
Buckley J. The fuzzy mathematics of finance // Fuzzy Sets and Systems. –1987. – 21.
Buckley J. Solving fuzzy equations in economics and finance // Fuzzy Sets and Systems. –1992. – 48.
Negoita C. V. On the application of the fuzzy sets separation theorem for automatic classification in information retrieval systems. Inf. Sci. – 1973. – Vol. 5. – Pp. 279-286.
Peray K. Investing in mutual funds using fuzzy logic. – St. Lucie Press, USA, 1999.
Pipkin J. S. Fuzzy sets and spatial choice. // Ann. Assoc. Am. Geographers. – 1978. – 68. –Pp. 196-204.
Ponsard C. Fuzzy economic spaces. Document de travail №43. – Institute de Mathematiques Economiques, Universite de Dijon, 1980.
Ponsard C. Produser's spatial equilibrium with a fuzzy constraint. Document de travail №.46. – Institute de Mathematiques Economiques, Universite de Dijon, 1980.
Pred A. Behavior and location. Part I. The Royal University of Lund. – 1967. – Pp. 110-120.
Zadeh L. A. Fuzzy sets. Information and Control. – November 1965. – 8(1). – Pp. 338-353.
Zimmerman H. Fuzzy Sets Theory – and Its Applications. – Kluwer Academic Publishers, 2001.
Zopounidis C. and oth. Fuzzy Sets in Management, Economy and Marketing. – World Scientific Pub Co, ISBN 10247532, 2002.