Streszczenie: Działanie systemu logistycznego, rozumianego jako zespół powiązanych ze sobą węzłów decyzyjnych i wykonawczych, zależy od wielu, wzajemnie na siebie wpływających parametrów o charakterze zarówno ilościowym, jak i jakościowym [12]. Efektywne zarządzanie takim systemem, sprowadzające się w zasadzie do zapewnienia równomiernej dystrybucji zasobów, musi uwzględniać elementy predykcji, a więc opierać się de facto na pewnym modelu matematycznym, który będzie w stanie z wystarczającą dokładnością odwzorować działanie całego systemu. Model taki powinien uwzględniać wzajemne relacje pomiędzy poszczególnymi centrami oraz dynamikę przepływów, wynikającą ze sprzężeń zwrotnych, a jednocześnie brać pod uwagę pewien stopień niepewności informacji co do możliwych własności poszczególnych elementów. Cechy takie posiada rozmyta relacyjna mapa kognitywna. Pracę poświęcono wykorzystaniu rozmytej relacyjnej mapy kognitywnej do predykcyjnego monitorowania logistycznego systemu dystrybucyjnego.
Abstract: Operation of the logistics system, understood as a set of interrelated decision-making and executive nodes, depends on many, mutually influencing parameters, which can be quantitative and qualitative as well [12]. Effective management of such a system, which generally reduces to secure an even distribution of resources must take into account elements of the prediction, and therefore is de facto based on a mathematical model that is capable of sufficient accuracy to reproduce the work of the system. This kind a model should take into account the relationship between centers and the dynamics of flows resulting from the closed-loop feedbacks, while taking into account a certain degree of uncertainty of the information on the possible properties of individual elements. Such properties are owned by relational cognitive map. The paper is devoted to the use of fuzzy relational cognitive map for predictive monitoring the logistic distribution system.
B I B L I O G R A F I A[1] Borisow W. W., Krugłow W. W., Fiedułow A. C.: Rozmyte modele i sieci. Wydawnictwo "Telekom", Moskwa 2004. (w języku rosyjskim).
[2] Hengjie S., Chunyan M., Roel W., Catthoor F.: Implementation of Fuzzy Cognitive Maps based on Fuzzy Neural Networks and Application in Numerical prediction of Time Series. IEEE Trans. Fuzzy Systems, vol. 18, pp. 233-250, 2010.
[3] Jastriebow A., Gad S., Słoń G.: Mapy kognitywne w monitorowaniu decyzyjnym systemów. Studia i Materiały Polskiego Stowarzyszenia Zarządzania Wiedzą, nr 47, Warszawa 2011, str.: 64-77.
[4] Jastriebow A., Słoń G.: Accuracy of the intelligent dynamic models of relational fuzzy cognitive maps. In: Nawrowski R. (ed.) Computer Applications in Electrical Engineering, vol. 8, Poznan University of Technology, Poznań 2010, str.: 150-160.
[5] Jastriebow A., Słoń G.: Relacyjne mapy kognitywne w inteligentnym modelowaniu układów nieprecyzyjnych. Logistyka nr 6/2011, str.: 1441-1450.
[6] Kacprzyk J.: Wieloetapowe sterowanie rozmyte. WNT, Warszawa, 2001.
[7] Kosiński W., Prokopowicz P.: Algebra liczb rozmytych. Matematyka Stosowana. Matematyka dla Społeczeństwa, 5 (46), 2004, str. 37-63.
[8] Kosiński W., Prokopowicz P., Ślęzak D.: Ordered fuzzy numbers. Bull. Polish Acad. Sci. Math. 51 (2003), 327-338.
[9] Rutkowska D., Piliński M., Rutkowski L.: Sieci neuronowe, algorytmy genetyczne i systemy rozmyte. PWN, Warszawa 1997.
[10] Słoń G.: Analiza wybranych algorytmów adaptacji relacji w rozmytych mapach kognitywnych. Pomiary, Automatyka, Kontrola vol. 56 nr 12/2010, str.: 1445-1448.
[11] Słoń G., Jastriebow A.: Optimization and Adaptation of Dynamic Models of Fuzzy Relational Cognitive Maps. Kuznetsov S.O. et al. (Eds.): RSFDGrC 2011, Lecture Notes in Artificial Intelligence 6743, 2011, Springer-Verlag Berlin Heidelberg 2011, str.: 95-102.
[12] Słowiński B.: Wprowadzenie do logistyki. Koszalin, Wyd. Politechniki Koszalińskiej 2008.
[13] Zadeh L.A.: The role of fuzzy logic in the management of uncertainty in expert systems. Fuzzy Sets and Systems 11 (1983), 199-227. 
YADDA/CEON