Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Nazwa:
Wspomaganie decyzji z wykorzystaniem teorii zbiorów rozmytych i regułowego wnioskowania rozmytego
Tok studiów:
2016/2017
Kod:
ZIE-2-207-s
Wydział:
Zarządzania
Poziom studiów:
Studia II stopnia
Specjalność:
-
Kierunek:
Informatyka i Ekonometria
Semestr:
2
Profil kształcenia:
Ogólnoakademicki (A)
Język wykładowy:
Polski
Forma i tryb studiów:
Stacjonarne
Strona www:
 
Osoba odpowiedzialna:
dr inż. Macioł Andrzej (amaciol@zarz.agh.edu.pl)
Osoby prowadzące:
dr inż. Macioł Andrzej (amaciol@zarz.agh.edu.pl)
dr inż. Rębiasz Bogdan (brebiasz@zarz.agh.edu.pl)
Krótka charakterystyka modułu

Opis efektów kształcenia dla modułu zajęć
Kod EKM Student, który zaliczył moduł zajęć wie/umie/potrafi Powiązania z EKK Sposób weryfikacji efektów kształcenia (forma zaliczeń)
Wiedza
M_W001 Zna i rozumie teorię zbiorów rozmytych i teorię Dempstera-Schefera IE2A_W03, IE2A_W04 Kolokwium
M_W002 Zna wielokryteriowe metody wspomagania decyzji, w szczególności ich rozmyte wersje IE2A_W03, IE2A_W04 Kolokwium
M_W003 Zna i rozumie reguły wnioskowania rozmytego IE2A_W03, IE2A_W04 Kolokwium
Umiejętności
M_U001 Umie wykorzystać teorię zbiorów rozmytych i teorię Dempstera-Schefera w problemach decyzyjnych IE2A_U05, IE2A_U01, IE2A_U08 Wykonanie projektu
M_U002 Umie zastosować wielokryteriowe metody podejmowania decyzji do wspomagania decyzji w przedsiębiorstwie IE2A_U05, IE2A_U01, IE2A_U08 Wykonanie projektu
M_U003 Umie projektować rozmyte systemy regułowe i wykorzystać je do wspomagania decyzji w przedsiębiorstwie IE2A_U05, IE2A_U01, IE2A_U08 Wykonanie projektu
Kompetencje społeczne
M_K001 potrafi pracować w zespole; potrafi rozwiązywać problemy związane z realizacją projektu oraz prezentować wyniki zespołu IE2A_K05, IE2A_K03, IE2A_K02 Wykonanie projektu
Matryca efektów kształcenia w odniesieniu do form zajęć
Kod EKM Student, który zaliczył moduł zajęć wie/umie/potrafi Forma zajęć
Wykład
Ćwicz. aud
Ćwicz. lab
Ćw. proj.
Konw.
Zaj. sem.
Zaj. prakt
Zaj. terenowe
Zaj. warsztatowe
Inne
E-learning
Wiedza
M_W001 Zna i rozumie teorię zbiorów rozmytych i teorię Dempstera-Schefera + + - - - - - - - - -
M_W002 Zna wielokryteriowe metody wspomagania decyzji, w szczególności ich rozmyte wersje + + - - - - - - - - -
M_W003 Zna i rozumie reguły wnioskowania rozmytego + + - - - - - - - - -
Umiejętności
M_U001 Umie wykorzystać teorię zbiorów rozmytych i teorię Dempstera-Schefera w problemach decyzyjnych + + - - - - - - - - -
M_U002 Umie zastosować wielokryteriowe metody podejmowania decyzji do wspomagania decyzji w przedsiębiorstwie + + - - - - - - - - -
M_U003 Umie projektować rozmyte systemy regułowe i wykorzystać je do wspomagania decyzji w przedsiębiorstwie + + - - - - - - - - -
Kompetencje społeczne
M_K001 potrafi pracować w zespole; potrafi rozwiązywać problemy związane z realizacją projektu oraz prezentować wyniki zespołu - + - - - - - - - - -
Treść modułu zajęć (program wykładów i pozostałych zajęć)
Wykład:

1. Podstawy teorii zbiorów rozmytych (definicja zbioru rozmytego i liczby rozmytej, interpretacje funkcji przynależności zbioru rozmytego, operacje na zbiorach rozmytych, porównywanie liczb rozmytych – wybrane metody)
2. Rozkłady możliwości i wiarygodności generowane przez zbiory rozmyte, regresja przedziałowa i rozmyta
3. Symulacje systemów rozmytych
4. Arytmetyka liczb rozmytych
5. Zależne liczby rozmyte, metody przetwarzania zależnych liczb rozmytych (wykorzystanie symulacji systemów rozmytych do realizacji operacji arytmetycznych na zależnych liczbach, wykorzystanie programowania nieliniowego do realizacji operacji arytmetycznych na zależnych liczbach)
6. Teoria Dempster–Shafera (D–S)
7. Rozmyte zmienne losowe
8. Metody przetwarzania danych hybrydowych (danych wyrażonych częściowo w postaci rozkładów prawdopodobieństwa a częściowo w postaci rozkładów możliwości)
9. Wielokryteriowe metody podejmowania decyzji
10. Rozmyte wielokryteriowe metody podejmowania decyzji (rozmyta metoda AHP, rozmyta metoda TOPSIS)
11. Zasady regułowego wnioskowania rozmytego
12. Wnioskowanie rozmyte według Mamdaniego i według modelu Takagi–Sugeno
13. Inne metody wnioskowania rozmytego, pozyskiwanie wiedzy dla rozmytych systemów wnioskowania
14. Przykłady wykorzystania zbiorów rozmytych i rozmytego wnioskowana w wybranych obszarach (projekty inwestycyjne, LCA, szacowanie kosztów produktów)

Ćwiczenia audytoryjne:

1. Podstawy teorii zbiorów rozmytych (definicja zbioru rozmytego i liczby rozmytej, interpretacje funkcji przynależności zbioru rozmytego, operacje na zbiorach rozmytych) ( 2 godz.).
2. Rozkłady możliwości i rozkłady wiarygodności. Teoria Dempstera-Schefera. Rozmyte zmienne losowe (2 godz.).
3. Metody przetwarzania danych hybrydowych (4 godz.).
4. Wykorzystanie zbiorów rozmytych i teorii Dempstera-Schefera w ocenie ryzyka ekonomicznego (4 godz.).
5. Rozwiązywanie problemów decyzyjnych z wykorzystaniem rozmytej metody AHP i rozmytej metoda TOPSIS ( 2 godz)
6. Realizacja indywidualnego projektu związanego z prognozowaniem wyników finansowych przedsiębiorstwa z wykorzystaniem zbiorów rozmytych i teorii Dempstera-Schefera (4 godz.).
7. Realizacja indywidualnego projektu rozwiązującego zadany problem decyzyjny rozmytą metodą AHP lub rozmytą metodą TOPSIS (4 godz.).
8. Modelowanie i rozwiązywanie problemów decyzyjnych metodą Mamdaniego i według modelu Takagi–Sugeno (2 godz.).
9. Realizacja indywidualnego projektu rozwiązującego zadany problem decyzyjny metodą Mamdaniego lub Takagi-Sugeno (4 godz.).

Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 125 godz
Punkty ECTS za moduł 5 ECTS
Udział w wykładach 28 godz
Udział w ćwiczeniach audytoryjnych 28 godz
Wykonanie projektu 25 godz
Przygotowanie do zajęć 27 godz
Samodzielne studiowanie tematyki zajęć 15 godz
Egzamin lub kolokwium zaliczeniowe 2 godz
Pozostałe informacje
Sposób obliczania oceny końcowej:

Ocena końcowa wystawiana jest przez prowadzącego wykład na podstawie oceny z ćwiczeń. Ocena z ćwiczeń wystawiana jest jako średnia ocen uzyskanych z kolokwiów oraz oceny z 3 projektów.
Zaliczenie poprawkowe w przypadku negatywnej oceny kolokwium polega na ponownym zdawaniu w trakcie godzin kontaktowych (maksymalnie dwie próby). Niezaliczony projekt musi być uzupełniony w terminie ustalonym przez władze Uczelni dla danego semestru.
Usprawiedliwiona nieobecność na zajęciach nie zwalnia z konieczności zaliczenia kolokwiów i wykonania projektu.

Wymagania wstępne i dodatkowe:

Nie podano wymagań wstępnych lub dodatkowych.

Zalecana literatura i pomoce naukowe:

1. Rutkowski R., Metody i techniki sztucznej inteligencji, Wydawnictwo Naukowe PWN, Warszawa, 2, 2016
2. Skalna I., Rębiasz B., Gaweł B., Basiura B., Duda J., Opiła J., Pełech-Pilichowski T., Advances in fuzzy decision making: theory and practice, Studies in Fuzziness and Soft Computing, Springer, 2015.
3. Macioł A., Rębiasz B., Advanced Methods in Investment Project Evaluation, Wydawnictwa AGH, Kraków 2016.

Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:

Maciol, A., 2016. Knowledge-based methods for cost estimation of metal casts. Int. J. Adv. Manuf. Technol.
Rębiasz, B., Macioł, A., 2014. Hybrid Data in the Multiobjective Evaluation of Investments. Procedia Comput. Sci. 35, 624–633.
Rębiasz, B., Macioł, A., 2015. Comparison of Classical Multi-Criteria Decision Making Methods with Fuzzy Rule-Based Methods on the Example of Investment Projects Evaluation. In: Neves-Silva, R., Jain, L.C., Howlett, R.J. (Eds.), Intelligent Decision Technologies SE – 47, Smart Innovation, Systems and Technologies. Springer International Publishing, pp. 549–561.

Informacje dodatkowe:

Brak