Decision making and/or Decision Sup

Decision making and/or Decision Support
Systems (DSS) using intelligent techniques like Genetic
Algorithm and fuzzy logic is becoming popular in many new
applications. Combining these techniques provides an
enhanced capability of any decision support systems (DSS.
This paper discusses a modular approach toward
implementing Genetic Fuzzy system termed as “Genetic
Fuzzimetric Technique” (GFT). The technique utilizes input
importance factor to combine the modular structure into final
decision process. The objective of this combination provides
the ability of the system to interact and “take decision” in an
environment in the same manner as the human decision maker
would do. This proposed system is ideal in cases where
mathematical modeling either does not exist or insufficient for
appropriate decision making under uncertainty. Most of real
life decision making processes are of that type of uncertainty.
One such problem is to decide on the predicted GPA level for
students during the admission process to the university. This is
mainly dependent on High School (HS) performance,
Sophomore Exam (SE) results and English exam (EEE)
performance. Looking at the historical data of students, fuzzy
logic can be used to develop rules based on these data. Genetic
Algorithm would be used to optimize the performance of the
system.

ผลลัพธ์ (ไทย) 1:

การตัดสินใจหรือสนับสนุนการตัดสินใจระบบ (DSS) โดยใช้เทคนิคอัจฉริยะเช่นพันธุกรรมอัลกอริทึมและตรรกศาสตร์คลุมเครือเป็นที่นิยมในหลายใหม่การใช้งาน รวมเทคนิคเหล่านี้ช่วยให้การเพิ่มความสามารถของระบบสนับสนุนการตัดสินใจ (DSSเอกสารนี้อธิบายวิธีการแยกส่วนไปใช้ระบบ Fuzzy พันธุกรรมเรียกว่าเป็น "พันธุกรรมFuzzimetric เทคนิค" (GFT) เทคนิคใช้ป้อนข้อมูลปัจจัยสำคัญการรวมโครงสร้างแยกชิ้นสุดท้ายกระบวนการตัดสินใจ วัตถุประสงค์ของชุดนี้ให้ความสามารถของระบบการโต้ตอบ และ "ใช้การตัดสินใจ" ในการสภาพแวดล้อมในลักษณะเดียวกันเป็นผู้ตัดสินใจมนุษย์จะทำอย่างไร นี้นำเสนอระบบเหมาะในกรณีที่สร้างโมเดลทางคณิตศาสตร์อย่างใดอย่างหนึ่งไม่มีอยู่ หรือไม่เพียงพอสำหรับการตัดสินใจที่เหมาะสมภายใต้ความไม่แน่นอน ส่วนใหญ่ของจริงกระบวนการการตัดสินชีวิตของชนิดของความไม่แน่นอนได้ปัญหาหนึ่งปัญหาดังกล่าวคือการ ตัดสินใจในระดับ GPA คาดการณ์สำหรับนักเรียนตอนไปมหาวิทยาลัย นี้เป็นส่วนใหญ่ขึ้นอยู่กับประสิทธิภาพของโรงเรียน (HS)ผลสอบ (SE) sophomore และสอบภาษาอังกฤษ (EEE)ประสิทธิภาพการทำงาน กำลังดูข้อมูลประวัติของนักเรียน พร่าเลือนสามารถใช้ตรรกะการพัฒนากฎทำ ทางพันธุกรรมอัลกอริทึมที่จะใช้เพื่อเพิ่มประสิทธิภาพของการระบบ

ผลลัพธ์ (ไทย) 2:

การตัดสินใจและ / หรือสนับสนุนการตัดสินใจ
ระบบ (DSS) โดยใช้เทคนิคที่ชาญฉลาดเช่นพันธุกรรม
ขั้นตอนวิธีการและตรรกศาสตร์กำลังเป็นที่นิยมในใหม่ ๆ
การใช้งาน รวมเทคนิคเหล่านี้ยังมี
ความสามารถที่เพิ่มขึ้นของใด ๆ ระบบสนับสนุนการตัดสินใจ (DSS.
บทความนี้กล่าวถึงวิธีการแบบแยกส่วนที่มีต่อ
การใช้ระบบฟัซซี่ทางพันธุกรรมที่เรียกว่า "ทางพันธุกรรม
Fuzzimetric เทคนิค" (GFT). เทคนิคที่ใช้ป้อนข้อมูล
ปัจจัยสำคัญที่จะรวมโครงสร้างของโมดูลเข้าสู่รอบสุดท้าย
กระบวนการตัดสินใจ. วัตถุประสงค์ของการรวมกันนี้จะให้
ความสามารถของระบบในการโต้ตอบและ "ใช้เวลาตัดสินใจ" ใน
สภาพแวดล้อมในลักษณะเช่นเดียวกับการตัดสินใจของมนุษย์
จะทำ. ระบบที่นำเสนอนี้เหมาะอย่างยิ่งในกรณีที่มี
การสร้างแบบจำลองทางคณิตศาสตร์อย่างใดอย่างหนึ่งไม่ได้อยู่ หรือไม่เพียงพอสำหรับการ
ตัดสินใจที่เหมาะสมภายใต้ความไม่แน่นอน. ส่วนใหญ่จริง
การตัดสินใจในชีวิตทำให้กระบวนการของประเภทของความไม่แน่นอนที่.
หนึ่งปัญหาดังกล่าวคือการตัดสินใจในระดับเกรดเฉลี่ยคาดการณ์ไว้สำหรับ
นักเรียนในระหว่างขั้นตอนการรับสมัครที่มหาวิทยาลัย. นี้เป็น
ส่วนใหญ่ขึ้นอยู่บนที่สูง โรงเรียน (HS) ประสิทธิภาพ
การสอบปี (SE) และผลการสอบภาษาอังกฤษ (EEE)
ประสิทธิภาพ. มองไปที่ข้อมูลทางประวัติศาสตร์ของนักเรียนเลือน
ตรรกะสามารถใช้ในการพัฒนากฎระเบียบอยู่บนพื้นฐานของข้อมูลเหล่านี้ พันธุกรรม
ขั้นตอนวิธีการจะนำมาใช้เพื่อเพิ่มประสิทธิภาพการทำงานของ
ระบบ