Master's thesis deals with the evaluation of costemers of selected company using fuzzy logic. Designed fuzzy system allows firm to evaluate individual costemers and serves as a support for decision-making.

[pt] Esta dissertação investiga a utilização de um sistema Neuro-Fuzzy Hierárquico para previsão de séries e a extração de regras fuzzy em aplicações de Mineração de Dados. O objetivo do trabalho foi estender o modelo Neuro- Fuzzy Hierárquico BSP para a classificação de registros e a previsão de séries temporais. O processo de classificação de registros no contexto de Mineração de Dados consiste na extração de regras de associação que melhor caracterizem, através de sua acurácia e abrangência, um determinado grupo de registros de um banco de dados (BD). A previsão de séries temporais, outra tarefa comum em Mineração de Dados tem como objetivo prever o comportamento de uma série temporal no instante t+k (k ? 1).O trabalho consistiu de 5 etapas principais: elaborar um survey dos principais sistemas e modelos mais utilizados nas aplicações de Mineração de Dados; avaliar o desempenho do sistema NFHB original em aplicações de Mineração de Dados; desenvolver uma extensão do modelo NFHB dedicado à classificação de registros em uma BD; desenvolver um novo modelo híbrido Neuro-Fuzzy Genético para o ajuste automático dos parâmetros do sistema dedicado a previsão de séries temporais; e o estudo dos casos. O estudo da área resultou num survey sobre os principais modelos para Mineração de Dados. São apresentados os modelos mais utilizados em tarefas de classificação e extração de regras tais como: redes neurais, árvores de decisão crisp e fuzzy, algoritmos genéticos, estatística e sistemas neuro-fuzzy. Na etapa de avaliação do modelo NFHB original, foi verificado que além do tradicional aprendizado dos parâmetros, comuns às redes neurais e aos sistemas neuro-fuzzy, o modelo possui as seguintes aracterísticas: aprendizado da estrutura, a partir do uso de particionamentos recursivos; número maior de entradas que o habitualmente encontrado nos sistemas neuro-fuzzy; e regras com hierarquia, características adequadas para as aplicações de Mineração de Dados. Entretanto, o processo de extração de regras e a seleção de atributos não são adequados para este tipo de aplicação, assim como a excessiva complexidade da parametrização do modelo para aplicações de previsão de séries temporais. Uma extensão ao modelo NFHB original foi então proposta para aplicações de classificação de registros no contexto da Mineração de Dados onde se têm como objetivo principal a extração de informação em forma de regras interpretáveis. Foi necessário modificar a seleção de atributos e o processo original de extração de regras. O sistema fuzzy do tipo Takagi-Sugeno do modelo NFHB original fornece regras inadequadas do ponto de vista da Mineração de Dados. O novo modelo NFHB, dotado das modificações necessárias, mostrou um ótimo desempenho na extração de regras fuzzy válidas que descrevem a informação contida no banco de dados. As medidas de avaliação normalmente usadas para analisar regras crisp (Se x1 é <14.3 e...), como abrangência e acurácia, foram modificadas para poderem ser aplicadas ao caso de avaliação das regras fuzzy (Se x1 é Baixo e..) extraídas pelo sistema NFHB após da fase de aprendizado. A quantidade e a qualidade das regras extraídas é um ponto fundamental dos sistemas voltados para aplicações de Mineração de Dados, que buscam sempre obter o menor número de regras e da maior qualidade possível. Nesse sentido, o processo de seleção das características de entrada foi alterado para evitar particionamentos excessivos, ou seja regras desnecessárias. Foram implementadas duas estratégias de seleção (Fixa e Adaptativa) em função de diferentes medidas de avaliação como a Entropia e o método de Jang. Um novo modelo híbrido neuro-fuzzy genético para previsão de séries temporais foi criado para resolver o problema da excessiva complexidade de parametrização do sistema, o qual conta com mais de 15 parâmetros.Foi proposto um novo modelo híbrido neuro-fuzzy genético capaz de evoluir e obter um conjunto de parâmetros adequado par / [en] This dissertation investigates the use of a Neuro-Fuzzy Hierarchical system for time series forecasting and fuzzy rule extraction for Data Mining applications. The objective of this work was to extend the Neuro-Fuzzy BSP Hierarchical model for the classification of registers and time series forecasting. The process of classification of registers in the Data Mining context consists of extracting association rules that best characterise, through its accuracy and coverage measures, a certain group of registers of database (DB). The time series forecasting other common task in Data Mining, has a main objective to foresee the behavior of a time series in the instant t+k (k>=1). The work consisted of 5 main stages: to elaborate a survey of the main systems and the most common models in Data Mining applications; to evaluate the performance of the original NFHB system in Data Mining applicatons; to develop an extension of the NFHB model dedicated to the classification of registers in a DB; to develop a new Neuro-Fuzzy Genetic hybrid model for the automatic adjustment of the parameters of the system for time series forecasting applicatons; and the case estudies. The study of the area resulted in a survey of the main Data Mining models. The most common methods used in Data Mining application are presented such as: neural nets, crisp and fuzzy decision trees, genetic algorithms, statistics and neuro-fuzzy systems. In the stage of evaluation of the original NFHB model, it verified that besides the traditional learning of the parameters, common to the neural nets and the neuro-fuzzy systems, the model possesses the following characteristics: learning of the structure; recursive partitioning; larger number of inputs than usually found on the neuro-fuzzy systems; rule with hierarchy; which are characteristics adapted for Data Mining applications. However the rule extraction process and attributes selection are not appropriate for this type of applications, as well as the excessive complexity of the tuning of the model for time series forecasting applicatons. An extension of the original NFHB model was then proposed for applicatons of classification of registers in the Data Mining context, where the main objective in the extraction of information in form of interpratable rules. It was necessary to modify the attributes selection and the original rule extraction process. The Takagi-Sugeno fuzzy system of the original NFHB model supplies inadequate rules, from the Data Mining point of view. The new NFHB models, endowed with necessary modifications, showed good performance in extracting valid fuzzy rules that describe the information contained in the database. The evaluation metrics, usually used to analyse crips rules (If x1 is <14.3 and), as coverage and accuracy, were modified to be applied to the evaluation of the fuzzy rules (If x1 is Low and) extracted from the NFHB system after the learning process. The amount and quality of the extracted rules are important points of the systems dedicated for Data Mining applicatons, where the target is to obtain the smallest number of rules and of the best quality. In that sense, the input selection strategies were implemented (Static and Adaptive), using different evaluation measures as Entropy and the jang algorithm. A new genetic neuro-fuzzy hybrid model for time series forecasting was created to solve the problem of the excessive complexity of the model tuning, which comprises more than 15 parameters. A new model wes proposed, a genetic neuro-fuzzy hybrid, model capable to develop and to obtain an appropriate set of parameters for the forecasting of time series. The new hybrid, model capable to develop and to obtain an appropriate set of parameters for the forecasting of time series. The new hybrid model presented good results with different types of series. A tool based on the NFHB model was developed for classification and forecasting applications. Th

No description available.

O presente trabalho apresenta um método de projeto de controlador com alocação de pólos em sistemas fuzzy utilizando funções de Lyapunov por partes e contínuas no espaço de estado. A idéia principal é utilizar controladores chaveados no espaço de estado para obter uma resposta transitória satisfatória do sistema, obtida pela localização dos pólos. A modelagem fuzzy Takagi-Sugeno é utilizada para representar um sistema não-linear em diversos pontos de linearização através de uma aproximação por vários modelos locais lineares invariantes no tempo. A análise de estabilidade e o projeto de sistemas de controle podem se formulados em termos de desigualdades matriciais lineares (em inglês, linear matrix inequalities (LMIs)), as quais são resolvidas por técnicas de programação convexa. Na análise de estabilidade ou na síntese de um controlador em sistemas fuzzy é necessário resolver um número determinado de LMIs de acordo com o número de modelos locais. Encontrar uma função de Lyapunov comum a todos os modelos locais pode ser inviável, especialmente quando se impõem critérios de desempenho, que aparecem como restrições no contexto de LMIs. A proposta de uma função de Lyapunov por partes objetiva diminuir o conservadorismo na busca de um controlador que leve os pólos de malha fechada à uma região desejada. Resultados de análise e síntese da teoria de sistemas lineares por partes contribuíram para a construção do resultado apresentado. Exemplos com simulação ilustram o método proposto. / This work presents a controller design method for fuzzy dynamic systems based on piecewise Lyapunov functions with constraints on the closed-loop pole location. The main idea is to use switched controllers to locate the poles of the system to obtain a satisfactory transient response. The pole placement strategy allows to specify the performance in terms of the desired time response of the feedback system. The Takagi-Sugeno fuzzy model can approximate the nonlinear system in several linearization points using linear time invariant systems. Thus, a global fuzzy model can be obtained from a fuzzy combination of these linear systems. Stability analysis and design of fuzzy control systems can be efficiently carried out in the context of linear matrix inequalities (LMIs). If the fuzzy system is described by many local models, the resulting set of LMIs may be infeasible. The search for a Lyapunov function in the fuzzy pole placement problem may be easier to be satisfied in a piecewise framework. Some results from piecewise linear systems theory have contributed to the development of the presented technique. Some examples are given to illustrate the proposed method.

[pt] O objetivo da tese é propor uma metodologia para previsão do preço de curto prazo (spot) da energia elétrica no Brasil baseada em sistemas neuro-fuzzy e nos programas do planejamento da operação do sistema elétrico brasileiro. Com essa abordagem, obtém-se distribuições estimadas do preço spot para o curto prazo com menor dispersão do que as obtidas somente com os programas do planejamento da operação. Além disso, por ser rápido, o sistema de previsão final possibilita análises de cenários ou simulações Monte Carlo. As principais variáveis que afetam o preço spot no Brasil são consideradas, tais como a energia natural afluente e a energia armazenada, entre outras. Ainda, é possível incluir também variáveis que não têm um histórico definido ou dados suficientes para o treinamento, tais como o plano de obras, limites de intercâmbio, demanda etc. Comparações com modelos de redes neurais são feitas. Apresenta-se, também, o estado da arte em modelagem para a política e o mercado de energia elétrica e os principais conceitos de gerenciamento de risco no mercado de eletricidade. / [en] This thesis focuses on spot price forecasting and risk management in the Brazilian electricity industry. It is proposed a new methodology for the problem based on neuro- fuzzy systems and the dispatching and planning operation programs. The main advantage of the approach is to be able to get more informative spot price distributions than using the operation and planning programs alone. Furthermore, it allows Monte Carlo simulations or scenarios analysis as the forecasting system runs in less than 1 minute. The main variables which affect the spot price (inflow river, storage capacity of reservoir, among others) are included in the model. Even variables such as the interchange limits, without a well-defined time series and which could be important, could also be included because of the intrinsic characteristics of each fuzzy model. Comparisons with neural networks models are made. It is also presented the state-of-the-art in the market and politics modelling for the electricity market around the world, as well as some main concepts of the risk management.

O presente trabalho apresenta um método de projeto de controlador com alocação de pólos em sistemas fuzzy utilizando funções de Lyapunov por partes e contínuas no espaço de estado. A idéia principal é utilizar controladores chaveados no espaço de estado para obter uma resposta transitória satisfatória do sistema, obtida pela localização dos pólos. A modelagem fuzzy Takagi-Sugeno é utilizada para representar um sistema não-linear em diversos pontos de linearização através de uma aproximação por vários modelos locais lineares invariantes no tempo. A análise de estabilidade e o projeto de sistemas de controle podem se formulados em termos de desigualdades matriciais lineares (em inglês, linear matrix inequalities (LMIs)), as quais são resolvidas por técnicas de programação convexa. Na análise de estabilidade ou na síntese de um controlador em sistemas fuzzy é necessário resolver um número determinado de LMIs de acordo com o número de modelos locais. Encontrar uma função de Lyapunov comum a todos os modelos locais pode ser inviável, especialmente quando se impõem critérios de desempenho, que aparecem como restrições no contexto de LMIs. A proposta de uma função de Lyapunov por partes objetiva diminuir o conservadorismo na busca de um controlador que leve os pólos de malha fechada à uma região desejada. Resultados de análise e síntese da teoria de sistemas lineares por partes contribuíram para a construção do resultado apresentado. Exemplos com simulação ilustram o método proposto. / This work presents a controller design method for fuzzy dynamic systems based on piecewise Lyapunov functions with constraints on the closed-loop pole location. The main idea is to use switched controllers to locate the poles of the system to obtain a satisfactory transient response. The pole placement strategy allows to specify the performance in terms of the desired time response of the feedback system. The Takagi-Sugeno fuzzy model can approximate the nonlinear system in several linearization points using linear time invariant systems. Thus, a global fuzzy model can be obtained from a fuzzy combination of these linear systems. Stability analysis and design of fuzzy control systems can be efficiently carried out in the context of linear matrix inequalities (LMIs). If the fuzzy system is described by many local models, the resulting set of LMIs may be infeasible. The search for a Lyapunov function in the fuzzy pole placement problem may be easier to be satisfied in a piecewise framework. Some results from piecewise linear systems theory have contributed to the development of the presented technique. Some examples are given to illustrate the proposed method.

Submitted by Ronildo Prado (ronisp@ufscar.br) on 2017-08-08T20:30:11Z No. of bitstreams: 1 DissMVRL.pdf: 2179441 bytes, checksum: 3c4089c4b24a3d98521f8561c6f2c515 (MD5) / Approved for entry into archive by Ronildo Prado (ronisp@ufscar.br) on 2017-08-08T20:30:33Z (GMT) No. of bitstreams: 1 DissMVRL.pdf: 2179441 bytes, checksum: 3c4089c4b24a3d98521f8561c6f2c515 (MD5) / Approved for entry into archive by Ronildo Prado (ronisp@ufscar.br) on 2017-08-08T20:30:39Z (GMT) No. of bitstreams: 1 DissMVRL.pdf: 2179441 bytes, checksum: 3c4089c4b24a3d98521f8561c6f2c515 (MD5) / Made available in DSpace on 2017-08-08T20:31:24Z (GMT). No. of bitstreams: 1 DissMVRL.pdf: 2179441 bytes, checksum: 3c4089c4b24a3d98521f8561c6f2c515 (MD5) Previous issue date: 2016-03-03 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Inductive Decision Trees (DT) are mechanisms based on the symbolic paradigm of machine learning which main characteristics are easy interpretability and low computational cost. Though they are widely used, the DTs can represent problems with just discrete or continuous variables. However, for some problems, the variables are not well represented in this way. In order to improve DTs, the Fuzzy Decision Trees (FDT) were developed, adding the ability to deal with fuzzy variables to the Inductive Decision Trees, making them capable to deal with imprecise knowledge. In this text, it is presented a new algorithm for fuzzy decision trees induction. Its fuzification method is applied during the induction and it is inspired by the C4.5’s partitioning method for continuous attributes. The proposed algorithm was tested with 20 datasets from UCI repository (LICHMAN, 2013). It was compared with other three algorithms that implement different solutions to classification problem: C4.5, which induces an Inductive Decision Tree, FURIA, that induces a Rule-based Fuzzy System and FuzzyDT, which induces a Fuzzy Decision Tree where the fuzification is done before tree’s induction is performed. The results are presented in Chapter 4. / As Árvores de Decisão Indutivas (AD) são um mecanismo baseado no paradigma simbólico do Aprendizado de Máquina que tem como principais características a fácil interpretabilidade e baixo custo computacional. Ainda que sejam amplamente utilizadas, as ADs são limitadas à representação de problemas cujas variáveis são do tipo discreto ou contínuo. No entanto, para alguns tipos de problemas, pode haver variáveis que não são bem representadas por estes formatos. Diante deste contexto, foram criadas as Árvores de Decisão Fuzzy (ADF), que adicionam à interpretabilidade das Árvores de Decisão Indutivas, a capacidade de lidar com variáveis fuzzy, as quais representam adequadamente conhecimentos imprecisos. Neste texto, apresentamos o trabalho desenvolvido durante o mestrado, que tem como principal resultado um novo algoritmo para indução de Árvores de Decisão Fuzzy, cujo método de fuzificação dos atributos contínuos é realizado durante a indução da árvore e foi inspirado no método de particionamento de atributos contínuos adotado pelo C4.5. Para validação do algoritmo, foram realizados testes com 20 conjuntos de dados do repositório UCI (LICHMAN, 2013) e o algoritmo foi comparado com outros três algoritmos que abordam o problema de classificação por meio de técnicas diferentes: o C4.5 que induz uma Árvore de Decisão Indutiva, o FURIA, que induz um Sistema Fuzzy Baseado em Regras, porém não segue a estrutura de árvore e o FuzzyDT que induz uma Árvore de Decisão fuzzy realizando a fuzificação dos atributos contínuos antes da indução da árvore. Os resultados dos experimentos realizados são apresentados e discutidos no Capítulo 4 deste texto.

Made available in DSpace on 2014-06-11T19:30:49Z (GMT). No. of bitstreams: 0 Previous issue date: 2010-11-12Bitstream added on 2014-06-13T20:40:35Z : No. of bitstreams: 1 mendes_rat_dr_ilha.pdf: 2326436 bytes, checksum: 60aa15eb5fb66a63b31662bee7904bfa (MD5) / Neste trabalho sao propostas metodologias de modificacao de zeros para solucionar o problema do rastreamento do sinal de referencia em sistemas discretos determinısticos, sistemas discretos incertos e sistemas discretos nao-lineares considerando-se uma entrada de perturbacao na planta. Em um primeiro momento e projetado um controlador discreto para minimizar a norma H∞ entre a entrada ex´ogena e o sinal de saıda com o objetivo de reduzir o efeito da perturbacao sobre a saıda do sistema determinıstico. Posteriormente, minimiza-se a norma H∞ entre o sinal de referencia e o erro de rastreamento atraves da modificacao otima de zeros do sistema discreto, constituindo desta maneira o rastreador de sinal de referencia. Essa nova estrutura de projeto do controlador e estendida para o projeto do controlador robusto H∞, supondo incertezas politopicas na planta e tambem para sistemas nao-lineares. No caso de sistemas com incertezas politopicas na planta, um controlador discreto e projetado para minimizar o custo garantido H∞ entre a entrada exogena e o sinal de saıda com o objetivo de reduzir o efeito da perturbacao sobre a saıda do sistema discreto incerto. Posteriormente e projetado um rastreador para sinais de referˆencia em sistemas com incertezas politopicas, utilizando-se modificacao de zeros. Por fim, estende-se a metodologia de rastreamento do sinal de referencia com rejeicao do disturbio para sistemas nao-lineares. A formulacao do projeto e descrita na forma de inequacoes matriciais lineares, pois estas permitem a descricao de problemas de otimizacao convexa / The tracking problems in uncertain, deterministic and nonlinear discrete time systems, with the presence of a disturbance signal in the plant, are solved in this work proposing a zero variation methodology. A discrete state feedback controller is designed in order to minimize the H∞-norm between the exogen input and the output signal, such that the effect of the disturbance is attenuated in deterministic systems. After, the tracking problem is solved using the variation of the zeros minimizing the H∞-norm from the reference input signal to the error tracking signal. This new structure is extended to design of H∞ robust controller, supposing politopic uncertainties and other one supposing nonlinearities in the plant. In uncertain systems case, a discrete controller is designed in order to minimize the H∞ guaranteed cost between the exogen input and the output signal such that the effect of the disturbance is attenuated in uncertain systems. Then, the tracking problem in uncertain systems is solved using the variation of the zeros minimizing the H∞ guaranteed cost from the reference input signal to the error tracking signal. Finally, the zero variation methodology is extended to nonlinear systems. The design is formulated in the Linear Matrix Inequalities (LMI) framework, such that the optimal solution of the stated control problem is obtained when feasible solution exists

Orientador: Edvaldo Assunção / Banca: Marcelo Carvalho Minhoto Teixeira / Banca: José Paulo Fernandes Garcia / Banca: Cristiano Quevedo Andrea / Banca: Márcio Roberto Covacic / Resumo: Neste trabalho sao propostas metodologias de modificacao de zeros para solucionar o problema do rastreamento do sinal de referencia em sistemas discretos determinısticos, sistemas discretos incertos e sistemas discretos nao-lineares considerando-se uma entrada de perturbacao na planta. Em um primeiro momento e projetado um controlador discreto para minimizar a norma H∞ entre a entrada ex'ogena e o sinal de saıda com o objetivo de reduzir o efeito da perturbacao sobre a saıda do sistema determinıstico. Posteriormente, minimiza-se a norma H∞ entre o sinal de referencia e o erro de rastreamento atraves da modificacao otima de zeros do sistema discreto, constituindo desta maneira o rastreador de sinal de referencia. Essa nova estrutura de projeto do controlador e estendida para o projeto do controlador robusto H∞, supondo incertezas politopicas na planta e tambem para sistemas nao-lineares. No caso de sistemas com incertezas politopicas na planta, um controlador discreto e projetado para minimizar o custo garantido H∞ entre a entrada exogena e o sinal de saıda com o objetivo de reduzir o efeito da perturbacao sobre a saıda do sistema discreto incerto. Posteriormente e projetado um rastreador para sinais de referˆencia em sistemas com incertezas politopicas, utilizando-se modificacao de zeros. Por fim, estende-se a metodologia de rastreamento do sinal de referencia com rejeicao do disturbio para sistemas nao-lineares. A formulacao do projeto e descrita na forma de inequacoes matriciais lineares, pois estas permitem a descricao de problemas de otimizacao convexa / Abstract: The tracking problems in uncertain, deterministic and nonlinear discrete time systems, with the presence of a disturbance signal in the plant, are solved in this work proposing a zero variation methodology. A discrete state feedback controller is designed in order to minimize the H∞-norm between the exogen input and the output signal, such that the effect of the disturbance is attenuated in deterministic systems. After, the tracking problem is solved using the variation of the zeros minimizing the H∞-norm from the reference input signal to the error tracking signal. This new structure is extended to design of H∞ robust controller, supposing politopic uncertainties and other one supposing nonlinearities in the plant. In uncertain systems case, a discrete controller is designed in order to minimize the H∞ guaranteed cost between the exogen input and the output signal such that the effect of the disturbance is attenuated in uncertain systems. Then, the tracking problem in uncertain systems is solved using the variation of the zeros minimizing the H∞ guaranteed cost from the reference input signal to the error tracking signal. Finally, the zero variation methodology is extended to nonlinear systems. The design is formulated in the Linear Matrix Inequalities (LMI) framework, such that the optimal solution of the stated control problem is obtained when feasible solution exists / Doutor

With the widespread use of the Internet, the popularity of web applications has significantly increased. Such applications are subject to unpredictable workload conditions that vary from time to time. For example, an e-commerce website may face higher workloads than normal during festivals or promotional schemes. Such applications are critical and performance related issues, or service disruption can result in financial losses. Cloud computing with its attractive feature of dynamic resource provisioning (elasticity) is a perfect match to host such applications. The rapid growth in the usage of cloud computing model, as well as the rise in complexity of the web applications poses new challenges regarding the effective monitoring and management of the underlying cloud computational resources. This thesis investigates the state-of-the-art elastic methods including the models and techniques for the dynamic management and provisioning of cloud resources from a service provider perspective. An elastic controller is responsible to determine the optimal number of cloud resources, required at a particular time to achieve the desired performance demands. Researchers and practitioners have proposed many elastic controllers using versatile techniques ranging from simple if-then-else based rules to sophisticated optimisation, control theory and machine learning based methods. However, despite an extensive range of existing elasticity research, the aim of implementing an efficient scaling technique that satisfies the actual demands is still a challenge to achieve. There exist many issues that have not received much attention from a holistic point of view. Some of these issues include: 1) the lack of adaptability and static scaling behaviour whilst considering completely fixed approaches; 2) the burden of additional computational overhead, the inability to cope with the sudden changes in the workload behaviour and the preference of adaptability over reliability at runtime whilst considering the fully dynamic approaches; and 3) the lack of considering uncertainty aspects while designing auto-scaling solutions. This thesis seeks solutions to address these issues altogether using an integrated approach. Moreover, this thesis aims at the provision of qualitative elasticity rules. This thesis proposes a novel biologically-inspired switched feedback control methodology to address the horizontal elasticity problem. The switched methodology utilises multiple controllers simultaneously, whereas the selection of a suitable controller is realised using an intelligent switching mechanism. Each controller itself depicts a different elasticity policy that can be designed using the principles of fixed gain feedback controller approach. The switching mechanism is implemented using a fuzzy system that determines a suitable controller/- policy at runtime based on the current behaviour of the system. Furthermore, to improve the possibility of bumpless transitions and to avoid the oscillatory behaviour, which is a problem commonly associated with switching based control methodologies, this thesis proposes an alternative soft switching approach. This soft switching approach incorporates a biologically-inspired Basal Ganglia based computational model of action selection. In addition, this thesis formulates the problem of designing the membership functions of the switching mechanism as a multi-objective optimisation problem. The key purpose behind this formulation is to obtain the near optimal (or to fine tune) parameter settings for the membership functions of the fuzzy control system in the absence of domain experts’ knowledge. This problem is addressed by using two different techniques including the commonly used Genetic Algorithm and an alternative less known economic approach called the Taguchi method. Lastly, we identify seven different kinds of real workload patterns, each of which reflects a different set of applications. Six real and one synthetic HTTP traces, one for each pattern, are further identified and utilised to evaluate the performance of the proposed methods against the state-of-the-art approaches.