При мягком подходе к принятию решения получены следующие точечные оценки альтернатив:
F(u1) - 0,494;
F(u2) - 0,533;
Р(u3) - 0,530;
Р(u4) - 0,437;
Р(u5) - 0,539.
Полученные результаты можно интерпретировать следующим образом: наиболее предпочтительными кандидатами являются u5, и2 и u3, за ними следует и1, а худшей альтернативой является u4. Таким образом, при мягком подходе лучшие альтернативы становятся слабо различимыми, что выглядит естественно, поскольку все они являются неплохими кандидатами.
При жестком подходе множество точечных оценок альтернатив имеет вид:
F(u1) - 0,555;
F(u2) - 0,828;
Р(u3) - 0,549;
Р(u4)- 0,512;
Р(u5) - 0,558.
Абсолютное предпочтение имеет кандидатура и2, на втором месте с очень близкими оценками находятся кандидаты u5 и и1, на третьем – u3 и на последнем – u4. Нетрудно заметить, что при жесткой оценке ослабляются различия между претендентами, далекими от идеала.
Подход с использованием правил, имеющих одинаковую важность, можно считать усредненным, или рациональным.
Рассмотренный метод принятия решений с использованием правил нечеткого вывода является адаптацией нечеткой логики к процессам принятия решений с исходными данными в виде точечных оценок. В ряде случаев оценивание альтернатив удобнее производить с использованием нечетких чисел, которые являются значениями лингвистических переменных. При этом правила могут применяться не одновременно, а последовательно. Такой подход к компьютерной поддержке процессов принятия решений используется в интеллектуальных системах с нечеткой логикой.
