Informații parțiale Linear ( LPI ) este o metodă de modelare liniară pentru deciziile practice pe baza informațiilor neclare anterior .
Edward Kofler , un matematician elvețian , și-a dezvoltat teoria informației parțiale liniare (LPI) în 1970 la Zurich (Elveția).
Informațiile liniare parțiale (LPI) sunt o metodă de luare a deciziilor bazate pe informații insuficiente sau neclare. LPI a fost introdus în 1970 de matematicianul Edward Kofler ( 1911 - 2007 ) pentru a simplifica procesele decizionale. Comparativ cu alte metode, teoria LPI este algoritmic simplă și mai ales în luarea deciziilor, făcând-o mai orientată spre practică.
În loc de o funcție caracteristică , factorul de decizie liniază orice imprecizie stabilindu-se restricții liniare asupra distribuției probabilităților fuzzy. Acest lucru este posibil prin stabilirea relațiilor LPI stocastice și non-stocastice. Un amestec de stochastici și non-stochastici fuzzy este, de altfel, cel mai adesea o bază pentru procedura LPI. Folosind metode LPI, orice date fuzzy în orice situație de decizie pot fi luate în considerare pe baza unei logici fuzzy liniare.
Orice calcul stocastic parțial (informații parțiale stochastice sau SIP (p) ), care poate fi considerat o soluție a unui sistem de inegalitate liniară, se numește Informații parțiale liniare ( LPI (p) ) referitoare la o probabilitate p . Poate fi considerat ca un LPI de incertitudine al probabilității p , corespunzător conceptelor de logică fuzzy liniară.
În situațiile de luare a deciziilor, distribuția scenariilor posibile este la fel de imprevizibilă ca rezultatele finite ( rezultatele ).
Fiecare acțiune se bazează pe decizii care, într-o lume de imprecizie și incertitudine a datelor, impun crearea de concepte și legi care să le încadreze. Incertitudinile ( neclaritatea ) din lume sunt o regulă și nu o excepție. Caracterul optim al deciziilor obținute cu ajutorul metodelor clasice trebuie, în astfel de condiții, să fie pus în discuție. Astfel, cu cât complexitatea sistemelor este considerată mai mare, cu atât gradul de inexactitate a datelor este cu atât mai ușor și trebuie modelat Lotfi Zadeh . Modelul incert are trei caracteristici importante:
Bertrand Russell afirmă că "... logica tradițională vorbește despre noțiuni precise. Din păcate, în mediul nostru , acestea nu sunt aplicabile. În cel mai bun caz, acestea ar fi într-o realitate de imaginație minunată". În condițiile noastre, nu există deci altă opțiune decât să reușim să modelăm datele ținând seama de circumstanțe neclare. În acest sens, vor fi luate în considerare probabilitatea apariției modelelor și posibilitățile de adaptare la alte informații.
Albert Einstein a proclamat că „afirmațiile slinging despre realitatea noastră nu sunt corecte, sau invers, doar ideile despre realitatea noastră nu duc la revendicări puternice”. Aceasta reprezintă de fapt formularea lui Russell sub orice altă formă. Un alt argument este faptul că realitatea luării deciziilor cu privire la elementele analoage cu cea a stării de repaus sunt exprimate în mecanică.