Fuzzy rule-based modeling in queuing systems

Abstract

Sistemlerin kontrol uygulamarında bulanık mantığın kullanıldığı tipdekı problemlerde büyük başarı ve beğeni kazanılmıştır. Dolayısıyla, gerçek yaşamlarda, kuyruk sistemlerinin bulanık kavramı ile tasarımı ve kontrolü daha gerçekçi ve uygulanabilir olacaktır. Bu tez çalışmasında, bulanık kuyruk sistemleri için nesnel bilgi sağlamaya yönelik yeni bir sabit kümeleme yöntemi önerilmiştir. Bu yöntemde, yerel doğrusal denetleyicileri ayıklanıp birinci dereceden bulanık kural tabanlı Takagi-Sugeno modeline dönüştürülmektedir. Bu ayıklama işleminde, kuyruk sisteminin çıktı kümelerini elde etmek için farklı yansımalara karşılık gelen varolan girdilerin bulanık altuzayları bölgesi kullanılır. Daha sonra, bu ayrı kümeler ile ilişkili çoklu regresyon fonksiyonları kuyruk sistemlerinin performansını değerlendirmek için kullanılmıştır. Önerilen yöntem ile performanslar ve maliyet analizi hesaplamalarını içine alan bazı uygulamalar sunulmuştur ve sonuçlar tartışılmıştır.

Control applications in systems involve the kinds of problems for which fuzzy logic has had the greatest success and acclaim. Hence, design and control of the queuing systems with fuzzy concept will be more realistic and applicable in real lives. In this thesis, a new hard clustering method is proposed to provide objective knowledge for the fuzzy queuing systems. In this method, locally linear controllers are extracted and translated into the first-order Takagi-Sugeno rule base fuzzy model. In this extraction process, the region of fuzzy subspaces of available inputs corresponding to different implications is used to obtain the clusters of outputs of the queuing system. Then, the multiple regression functions associated with these separate clusters are used to interpret the performance of queuing systems. Some applications of the proposed method including calculations of performances and cost analysis are presented and the results are discussed.