Buscar

Lógica Fuzzy na Tomada de Decisões

Faça como milhares de estudantes: teste grátis o Passei Direto

Esse e outros conteúdos desbloqueados

16 milhões de materiais de várias disciplinas

Impressão de materiais

Agora você pode testar o

Passei Direto grátis

Você também pode ser Premium ajudando estudantes

Faça como milhares de estudantes: teste grátis o Passei Direto

Esse e outros conteúdos desbloqueados

16 milhões de materiais de várias disciplinas

Impressão de materiais

Agora você pode testar o

Passei Direto grátis

Você também pode ser Premium ajudando estudantes

Prévia do material em texto

16/10/2020 Estácio: Alunos
https://simulado.estacio.br/alunos/?user_cod=1509569&matr_integracao=201608225461 1/2
 
O processo de tomada de decisão demanda cuidados específicos, por ser de extrema importância. Fazer escolhas acertadas
é a essência de qualquer processo de decisão que possuem naturalmente algum nível de incerteza.
Baseando-se na afirmação acima, analise as alternativas abaixo e assinale qual delas apresenta uma situação em que o
processo decisório foi auxiliado pela lógica fuzzy.
As informações que devem ser analisadas ao tomar essa decisão podem ser pouco ou muito sofisticadas. Qualquer que seja
a fonte de informação, ela estará associada a algum grau de incerteza.
Assinale a alternativa qeu NÃO apresenta um exemplo de emprego de lógica fuzzy para o auxílio da tomada de decisões.
MODELAGEM E SIMULAÇÃO DE SISTEMAS
Lupa Calc.
 
 
CCE1326_A10_201608225461_V1 
 
Aluno: IZA CAROLINY MATOS BONELA Matr.: 201608225461
Disc.: MOD.E SIM. SISTEMAS 2020.2 - F (GT) / EX
 
Prezado (a) Aluno(a),
 
Você fará agora seu TESTE DE CONHECIMENTO! Lembre-se que este exercício é opcional, mas não valerá ponto para sua
avaliação. O mesmo será composto de questões de múltipla escolha.
Após responde cada questão, você terá acesso ao gabarito comentado e/ou à explicação da mesma. Aproveite para se
familiarizar com este modelo de questões que será usado na sua AV e AVS.
 
1.
Seleção binária de possibilidades.
Algoritmos com respostas 0 e 1.
Identificação de afirmativas falsas.
Processos booleanos definidos.
Sistemas com funções de pertinência.
 
 
 
Explicação:
A lógica fuzzy usa conjuntos com intervalos 0 (Falso) e 1 (Verdadeiro) para descrever certas interações de diversas variáveis
de processos que seriam difíceis de elaborar em lógica tradicional para algoritmos. Funções chamadas de pertinência são
ajustadas com regras de decisões elaboradas por especialistas. A lógica fuzzy é aplicada sobre regras baseadas em tomadas
de decisão automáticas.
 
 
 
 
2.
Investir na bolsa analisando inflação e dólar.
Saúde do trabalhador analisando a temperatura do ambiente e o nível de ruído.
Qualidade do sono analisando quantas vezes se acorda por noite.
Notas de uma prova de redação analisando criatividade e gramática.
Sair de casa com guarda-chuva analisando a umidade do ar e a temperatura ambiente.
 
javascript:voltar();
javascript:voltar();
javascript:diminui();
javascript:aumenta();
javascript:calculadora_on();
16/10/2020 Estácio: Alunos
https://simulado.estacio.br/alunos/?user_cod=1509569&matr_integracao=201608225461 2/2
As decisões podem ser de natureza binária, mas certamente não deve haver restrições à utilidade da informação difusa no
processo de tomada de decisão.
Assinale a alternativa que apresenta etapas envolvidas na utilização da lógica fuzzy no processo de tomada de decisões.
 
 
Explicação:
O processo de tomada de decisão é um empreendimento científico, social e econômico de extrema importância. A habilidade
de fazer escolhas consistentes e acertadas é a essência de qualquer processo de decisão que possuem naturalmente algum
nível de incerteza.
Ao analisar apenas uma variável discreta, a fuzzificação não é aplicada, pois na alternativa "Qualidade so sono", não há
tomada de decisão, apenas uma informação numérica.
 
 
 
 
3.
Valores discretos como resultado fuzzificado.
Aplicação de pesos às variáveis pelas funções de pertinência.
Remoção dos graus de pertinência na fuzzificação.
Interpretação do valor discreto fuzzificado.
Adição da influência nula de funções de pertiência.
 
 
 
Explicação:
Os valores numéricos (discretos) são obtidos na fonte, os quais serão processados e analisados de acordo com funções de
pertinência adequados.
A fuzzificação desses valores dará a cada um deles pesos em cada uma das funções de pertinência, que são os graus de
pertinência.
Em seguida a influência de cada um desses graus é reconvertida em valores numéricos para serem lidos e analisados para
que se tenham dados robustos o suficiente para uma boa tomada de decisões.
 
 
 
 
 
 
 
 Não Respondida Não Gravada Gravada
 
 
Exercício inciado em 16/10/2020 14:37:42. 
 
 
 
 
javascript:abre_colabore('37060','210160596','4218335511');

Continue navegando