Improved Method for "Aggregation Based on Situation Assessment"

"상황 평가에 기반을 둔 병합"을 위한 개선 방법

  • Published : 2001.01.01

Abstract

In order to reflect the aggregation situation in the aggregation process, aggregation based on situation assessment (ASA) method was proposed in [1]. It consists of the situation assessment model (SAM) and the ASA algorithm. In the SAM, the value of parameter, p, is transformed into the nearest integer value [1]. The integer-typed output of SAM is used as input for an aggregation. The integer-typed output of SAM indicates the current degree of aggregation situation. The ASA algorithm produces at most finite several aggregation results between min and max. In the sequel, the ASA method can not properly handle the applications with the more sophisticated aggregation results between min and max. In order to solve this problem, we propose two improved ASA (I-ASA) methods. In these I-ASA methods, we allow the value of parameter of SAM to be a real number, and suggest two improved ASA algorithms to make continuous aggregation results between min and max. These I-ASA methods can handle both a precise aggregation and an approximate aggregation. Therefore, when compared to the ASA method [1], the proposed I-ASA methods have advantages in that they can handle the applications with the more sophisticated aggregation results and can be used in the more general applications for aggregations.

병합 과정에 병합 상황을 반영하기 위해 상황 평가에 기반을 둔 병합(ASA) 방법이 제안되었다.[1]. 상황 평가 모델의 정수화된 출력은 병합을 위한 입력으로 사용된다. 상황 평가 모델의 정수화된 출력은 현재의 병합 상황 정도를 나타낸다. ASA 알고리즘은 최소값과 최대값 사이에서 기껏해야 몇 개의 병합 결과를 만들어 낸다. 결과적으로 ASA 방법은 최소값과 최대값 사이에서 보다 더 정교한 병합 결과를 갖는 응용 분야를 적절히 다룰 수 없다. 이러한 문제를 해결하기 위해 두 가지의 개선된 ASA (I-ASA) 방법을 제안한다. 이들 I-ASA 방법에서는 상황 평가 모델의 매개변수의 값이 실수 값이 되는 것이 허용되고, 최소값과 최대값 사이에서 연속된 병합 결과를 만들 수 있게 하기 위해 두 가지의 개선된 ASA 알고리즘을 제시한다. 이들 I-ASA 방법들은 정밀 병합과 근사 병합을 다룰 수 있다. 결과적으로, ASA 방법[1]과 비교할 때 제안된 I-ASA 방법들이 보다 더 정교한 병합 결과를 갖는 응용 분야를 적절히 다룰 수 있고, 또한 보다 범용적인 병합 분야에 사용될 수 있다는 관점에서 장점이 있다.

Keywords

References

  1. 최대영, '상황 평가에 기반을 둔 병합', 정보처리논문지, Vol.5, No.10, pp.2584-2590, 1998
  2. D. -Y. Choi and K. W. Oh, 'ASA and its application to multi-criteria decision making,' Fuzzy Sets and Systems, Vol.114, pp.89-102, 2000 https://doi.org/10.1016/S0165-0114(98)00419-9
  3. R. E. Bellman & L. A. Zadeh, 'Decision-Making in a Fuzzy Environment,' Management Science, Vol.17, No.4, pp.B141-B164, Dec., 1970
  4. R. R. Yager, 'Connectives and Quantifiers in Fuzzy Sets,' Fuzzy Sets and Systems, Vol.40, pp.39-75, 1991 https://doi.org/10.1016/0165-0114(91)90046-S
  5. G. J. Klir & T. A. Folger, Fuzzy Sets, Uncertainty and Information, Prentice Hall, 1988
  6. R. R. Yager, 'On a General Class of Fuzzy Connectives,' Fuzzy Sets and Systems, Vol.4, pp.235-242, 1980 https://doi.org/10.1016/0165-0114(80)90013-5
  7. H.J. Zimmermann, Fuzzy Sets Theory and Its Applications, Kluwer Nijhoff Publishing, 1986
  8. M. Schneider, M. Friedman and A. Kandel, 'On Fuzzy Reasoning in Expert Systems,' FSU-SCRl-87-09, March, 1987
  9. M. Friedman, M. Schneider and A. Kandel, 'The Use of Weighted Fuzzy Expected Value(WFEV) in Fuzzy Expert Systems,' Fuzzy Sets and Systems, Vol.32, pp.37-45, 1989 https://doi.org/10.1016/0165-0114(89)90065-1
  10. L. A. Zadeh, 'A theory of approximate reasoning,' in J. E. Hayes et al (Eds.), Machine Intelligence, pp.149-194, 1979