Özet:
Bulanık mantık teorisi klasik küme teorisinin devamı niteliğinde ortaya atılmıştır. Temel noktası klasik küme mantığının aksine bir değerin bir kümenin elemanı olup olmadığına net olarak ?evet? ya da ?hayır? şeklinde değil söz konusu elemanın üyeliğinin 0 ile 1 arasında değerler alabilen sürekli bir üyelik fonksiyonu ile cevap vermesidir. Herhangi bir elemanın üyelik fonksiyonundan aldığı değer üyelik derecesi olarak adlandırılır. Bulanık küme teorisinde üyelik derecesinin 0 ile 1 arasında değerler alması, sözel bilgilerin, problemlerin çözümü sırasında sayısal verilerle birlikte kullanılmasını mümkün kılmaktadır. Sözel ifadelerin bulanık modellere katılması bulanık mantığın diğer yöntemlerden en büyük farklılığıdır. Bulanık sistemler genel olarak, mevcut verilerden seçilen girdi değişkenlerinden çıktı değişkenlerinin elde edilmesini sağlamak amacı ile bulanık küme ilkelerini kullanan sistemlerdir. Bulanık sistemlerin en büyük avantajı insan deneyimlerinin ve sözel verilerin bulanık modele katılması ile çözüme ulaşılmasıdır. Bulanık model, bulanık ?Eğer İse? ya da ?If Then? kuralları adı verilen bulanık kurallara dayanan sistemlerdir. Bulanık mantık günümüzde pekçok mühendislik alanında olduğu gibi, endüstri mühendisliği problemlerinin çözümünde ve karar verme süreçlerinde de kullanılmaktadır. Bulanık mantık yönteminde yaygın olarak kullanılan iki yöntem vardır. Bunlar, Mamdani ve Takagi Sugeno yöntemleridir. Mamdani yöntemi, yaygın olarak kullanım alanı olan, uzman bilgisi gerektiren ve her türlü problemin çözümüne uygulanabilen bir bulanık mantık yöntemidir. Sugeno yöntemi ise değişken sayısının çok fazla olmadığı ya da bu değişkenlerin fazla sayıda alt kümelere ayrılmadığı durumlardaki problemlerin çözümünde kullanılır. Yukarıda ifade edilen kıstaslardan ötürü bu çalışmada Takagi Sugeno yöntemi kullanılmıştır. Amaç, uzman görüşü ve tecrübelerinin anket ve ANFIS uygulama araçları ile derlenerek en fazla fayda sağlayan projenin belirlemesidir. Karar verme sürecinin modellenmesi amacı ile Adaptif Ağ Yapısına Dayalı Bulanık Çıkarım Sisteminden (ANFIS) faydalanılmıştır. Modellemede kullanılan adaptif ağ yapısının eğitilmesinde azaltımlı kümeleme, geri yayılmalı öğrenme ve en küçük kareler tahmini yöntemlerinin kombinasyonundan oluşan ?hibrit öğrenme algoritması? kullanılmıştır. ANFIS yapısı, Takagi Sugeno tipi bulanık sistemlerin, sinirsel öğrenme kabiliyetine sahip bir ağ yapısı olarak temsilidir. Bu ağ, her biri belli bir fonksiyonu gerçekleştirmek üzere, katmanlar halinde yerleştirilmiş düğümlerin birleşiminden oluşmuştur.
