ПРИМЕР ВЫЧИСЛЕНИЯ СТЕПЕНИ СООТВЕТСТВИЯ ЛИЧНОСТНЫХ КАЧЕСТВ МОРЯКА ПВК НА ДОЛЖНОСТЬ «КАПИТАН СУДНА»

DEVELOPMENT OF MATHEMATICAL MODEL OF SELECTING A CANDIDATE FO THE POSITION “CAPTAIN OF THE SHIP”

Yana Ganina

undergraduate of Astrakhan State Technical University,

Russia, Astrakhan

Valery Laptev

candidate of Technical Sciences, associate Professor of the Department “Automated Systems of Information Processing and Management” of Astrakhan State Technical University,

Russia, Astrakhan

АННОТАЦИЯ

В работе рассматривается пример вычисления соответствия личностных качеств испытуемого испытуемого профессионально важным качествам должности «капитан судна».

ABSTRACT

The paper deals with an example of calculating compliance with the personal qualities of the test subject's professional qualities the position of “master of the vessel”

.

Ключевые слова: профессионально важные качества, моряк, нечеткий вывод, нечеткие множества, лингвистические переменные.

Keywords: professional qualities, sailor, fuzzy inference, fuzzy sets, linguistic variables.

Для каждой профессии определены профессионально важные качества, которыми должен обладать человек, чтобы успешно справляться с должностными обязанностями. Для моряков дальнего плавания также выделяют такие качества. Более того, соответствие личностных качеств ПВК важно в данной профессии, т. к. подавляющее большинство аварий происходит из-за отсутствия готовности к экстремальным ситуациям. В данной работе рассматривается пример для должности «капитан судна».

Для оценки личностных качеств предлагается использовать тестирование по Кеттелу с последующим применением нечеткого вывода по Мамдани.

Рассмотрим пример применения нечеткого вывода для двух лингвистических переменных A₁ (фактор A — «замкнутость / общительность») и A₂ (фактор B — «интеллект»). Опишем их (см. таблицу 1).

Таблица 1.

Описание лингвистических переменных

Диапазон от 1 до 10 составляет множество возможных значений x_i и является универсальным множеством U.

Значение выходной переменной B может принимать от 0 до 1.

Сформируем базу правил:

L₁: Если A₁ = «замкнутый» и A₂ = «низкий интеллект», то B₁ = «не соответствует»;

L₂: Если A₁ = «замкнутый» и A₂ = «интеллектуально развит», то B₂ = «частично соответствует»;

L₃: Если A₁ = «общительный» и A₂ = «интеллектуально развит», то B₃ = «частично соответствует»;

L₄: Если A₁ = «замкнутый» и A₂ = «высоко интеллектуально развит», то B₄ = «частично соответствует»;

L₅: Если A₁ = «недостаточно общительный» и A₂ = «низкий интеллект», то B₅ = «не соответствует»;

L₆: Если A₁ = «недостаточно общительный» и A₂ = «интеллектуально развит», то B₆ = «частично соответствует»;

L₇: Если A₁ = «недостаточно общительный» и A₂ = «высоко интеллектуально развит», то B₇ = «частично соответствует»;

L₈: Если A₁ = «общительный» и A₂ = «низкий интеллект», то B₈ = «не соответствует»;

L₉: Если A₁ = «общительный» и A₂ = «высоко интеллектуально развит», то B₉ = «соответствует»;

База правил содержит правила с одинаковыми значениями выходной переменной, это можно исправить объединением таких правил в одно, но это объединение не является обязательным.

Таким образом, получим три правила:

L₁: Если A₁ = «замкнутый» и A₂ = «низкий интеллект» или A₁ = «недостаточно общительный» и A₂ = «низкий интеллект» или A₁ = «общительный» и A₂ = «низкий интеллект», то B₁ = «не соответствует»;

L₂: Если A₁ = «замкнутый» и A₂ = «интеллектуально развит» или A₁ = «общительный» и A₂ = «интеллектуально развит» или A₁ = «замкнутый» и A₂ = «высоко интеллектуально развит» или A₁ = «недостаточно общительный» и A₂ = «интеллектуально развит» или A₁ = «недостаточно общительный» и A₂ = «высоко интеллектуально развит», то B₂ = «частично соответствует»;

L₅: Если A₁ = «недостаточно общительный» и A₂ = «низкий интеллект», то B₅ = «не соответствует».

Рассмотрим случай, когда тестируемый набрал следующее количество стен после прохождения опросника Кеттела: A₁ = 5 стен, A₂ = 8 стен.

На основе данных результатов, проведем этап фаззификации.

Вычислим функции принадлежности для каждого терма лингвистической переменной (см. таблицу 2).

Таблица 2.

Функции принадлежности для каждого терма

Далее вычислим степени истинности левой части каждого правила сначала применив операцию min, а потом к полученным значениям применив операцию max, кроме правила L₃, для этого правила применяем только операцию min (см. таблицу 3).

Выполняя этапы аккумуляции, дефаззификации получим значение, соответствующее терму «частично соответствует».

Таблица 3.

Степень истинности подзаключений

Таким образом, применение нечеткого вывода позволяет отображать результаты тестирования на языке, понятном человеку без специальных знаний в психологии. Выбранный тип функции принадлежности подлежит тестированию на статистических данных, что в будущем позволит сделать вывод о точности применимости для данной задачи.

Список литературы:

1. Аверкин А.Н. и др. Нечеткие множества в моделях управления и искусственного интеллекта [Текст]. – М.: Наука. Гл. ред. физ-мат. лит., 1986. 312 с.
2. Кофман А. Введение в теорию нечетких множеств. – М.: Радио и связь, 1982. – 432 с.
3. Никитина Н.Ш., Бурмистрова Е.В. Методика отбора персонала на вакансию на основе нечетких показателей, Университетское управление – 2004. – № 3 (31).
4. Пегат А. Нечеткое моделирование и управление. – М.: БИНОМ. Лаборатория знаний, 2011. – 655 с.
5. Энциклопедия психологических тестов. Личность, мотивация, потребность. – М.: Издательство АСТ, 1997. – 300 с.