Библиографическое описание:Реализация базы правил системы нечеткой логики самоконфигурируемым генетическим программированием при решении задачи классификации : научное издание / М. А. Кошин, Е. С. Семенкин. - Текст : непосредственный // Сибирский аэрокосмический журнал. - 2026. - Т. 27, № 1. - С. 33-46. - Исследование осуществлено при поддержке РНФ и ККФН, в рамках проекта «Автоматизированное проектирование модельного и алгоритмического обеспечения при разработке цифровых двойников технологических процессов коксования для производства продукции с заданными свойствами» № 25-19-20154. - ISSN 2712-8970, DOI 10.31772/2712-8970-2026-27-1-33-46.
Аннотация:Fuzzy logic systems are widely used in classification problems due to their ability to handle uncertainty, imprecision, and subjectivity in data. Unlike traditional “crisp” methods, fuzzy logic allows input features and output classes to be described in terms of linguistic variables - such as “high”, “medium”, and “low” - making models more interpretable and aligned with human reasoning. A key limitation of this approach is the need to construct a rule base using expert knowledge, as well as the ambiguity in selecting appropriate membership function shapes. To address these challenges, various optimization algorithms have been developed. One such method is genetic programming, which purpose is to evolve a rule base capable of accurately capturing underlying patterns for correct classification while preserving interpretability through structural adaptation. This article explores the theoretical framework of self-configuring genetic programming combined with differential evolution for constructing fuzzy logic rule bases. It also presents their practical implementation and application to classification tasks.
Системы нечеткой логики широко используются в задачах классификации благодаря их способности работать с неопределенностью, неточностью и субъективностью в данных. В отличие от традиционных «четких» методов, нечеткая логика позволяет описывать входные характеристики и выходные классы с помощью лингвистических переменных, таких как «высокий», «средний» и «низкий», что делает модели более интерпретируемыми и согласованными с человеческой логикой. Ключевым ограничением данного подхода является необходимость построения базы правил с привлечением экспертных знаний, а также неоднозначность в выборе подходящих форм функций принадлежности. Для решения этих проблем используются различные алгоритмы оптимизации. Один из таких алгоритмов - генетическое программирование, целью которого является эволюция базы правил, способной точно улавливать лежащие в основе закономерности для правильной классификации, сохраняя при этом интерпретируемость за счет структурной адаптации. В данной статье рассматривается подход применения самонастраивающегося генетического программирования в сочетании с дифференциальной эволюцией для построения баз правил нечеткой логики. Также представлены их практическая реализация и применение к задачам классификации.
