计算智能学习——模糊数学及应用
一、为什么需要模糊数学
著名的沙堆问题:
“从一个沙堆里拿走一粒沙子,这还是一个沙堆吗?”
常识告诉我们应该回答“是”。然而,如果回答“是”,这样顺推下去就会掉入陷阱:从上次剩下的沙堆里再拿走一粒沙子,剩下的还是一个沙堆。那么,如此反复,直到只剩下两三粒沙子甚至没有一粒沙子时,这也还是一个沙堆。
一粒沙子都没有也被称为沙堆,这显然有问题
问题就在于“沙堆”这个概念是模糊的,没有一个清晰的界限将“沙堆”与“非沙堆”分开。
如果规定沙堆只能由10000粒以上的沙子组成,“沙堆”这个概念的模糊性就消除了。
10000粒沙子组成的是沙堆,9999粒沙子组成的不是沙堆:这在数学上没有任何问题。
然而,仅仅取走微不足道的一粒沙子,就将“沙堆”变为“非沙堆”,这不符合我们日常生活中的思维习惯。
这种在生活中常见的没有明确边界的模糊概念,在用传统数学方法处理时,往往会出现问题。
传统的数学方法常常试图进行精确定义:“非此即彼”
模糊数学:“亦此亦彼”
二、模糊数学概念
模糊数学是用来描述、研究、处理事务所具有的模糊特征(及模糊概念)的数学。模糊(Fuzzy):有“不分明”、“界限不清”之意,是指研究对象。而“数学”是指研究方法,方法可以是精确的,二者并不矛盾。事物越复杂,人们对它的认识也就越模糊,也就越需要模糊数学(不相容原理)。
1.模糊集合
- 几个概念:
论域:被讨论的全体对象称为论域,每个对象称为元素。
集合:在论域中,具有某种属性的元素组成的总体称为集合。
模糊集合:论域U上的一个模糊集合F是指,对于论域U中的任一元素u∈U,都指定了[0,1]闭区间中的一个数 u F ( u ) ∈ [ 0 , 1 ] u_F(u)∈[0,1] uF(u)∈[0,1]与之对应,F(u)称为u对模糊集合F的隶属度。
u F : U → [ 0 , 1 ] u_F :U→[0,1] uF:U→[0,1]
u → u F ( u ) u→ u_F(u) u→uF(u)
这个映射称为模糊集合F的隶属度函数。 模糊集合有时也称为模糊子集。
例: 以年龄为论域X=[0,100],设“年轻”的模糊集Y,其隶属函数是:
Y的图象用隶属函数
u
Y
u_Y
uY 表示,则如下图所示。
区分模糊集合和经典集合
“8到12之间的实数”和“接近10的实数”
C={ r |8≤r≤12},是一个精确(经典)集合。
F={ r |接近10的实数},是一个模糊集合
2.模糊集合的表示(重点)
(1)向量表示法
若论域X包含有限个元素,即X={x1,x2….xn}时,X上的模糊集A可以用向量来表示:
(2) Zadeh 表示法
- 其中 / 并不表示“分数”,+号也不是求和运算。
(3)序偶表示法:
A
=
(
x
1
,
A
(
x
1
)
)
,
…
.
,
(
x
n
,
A
(
x
n
)
)
A={ (x_1,A(x_1)), …. , (x_n,A(x_n))}
A=(x1,A(x1)),….,(xn,A(xn)),此种方法隶属度为零的项可不列入。
如果论域U是实数域,即U∈R,论域中有无穷多个连续的点,论域上的模糊集合可表示为
这里的积分号也不是通常的含义
- 模糊集合其他表示方法:描述法,隶属度函数法,几何图示法(略)
模糊集两要素:论域、隶属度函数
3. 模糊集合的基本运算
- 这里注意交集就是取其中最小,并集就是取最大,非就是补集。
模糊集的基本定律
- 除了最后一条,模糊集的运算性质与经典集合一致。 A c A^c Ac表示A的补集。
4.隶属度函数
-
正确地确定隶属函数是运用模糊集合理论解决实际问题的基础。
-
然而,目前确定隶属函数还没有一种成熟而有效的方法,一般是根据经验或模糊统计的方法来确定。
-
把神经网络与模糊逻辑结合,通过对神经网络的训练,由神经网络生成隶属函数是解决这一问题的有效方法。
目前隶属度函数的确定方法大致有以下几种:
- 模糊统计方法:用对样本统计实验的方法确定隶属度函数。
- 例证法:从有限个元素的隶属度值来估计隶属度函数。
- 专家经验法:根据专家的经验来确定隶属度函数。
- 机器学习法:通过神经网络的学习训练得到隶属度函数。
隶属度函数反映了事物的渐变性
5.其他概念
λ截集(重点)
λ截集是指隶属度大于等于λ的元素组成的集合
表示为:
- 注: A λ A_λ Aλ是经典(精确)集:明确定义了对A的隶属度到达或超过某个λ水平者才算是 A λ A_λ Aλ的成员。
模糊关系的概念
关系:描写事物之间联系的数学模型。如:
x 对 y 有余弦关系( y=cos x )
a 对 b 有大小关系( a>b )
集合的笛卡尔积:(重点)
给定集合X和Y,由全体序偶(x,y)(x∈X,y∈Y)组成的集合,叫做X与Y的笛卡儿积(或称直积),记做:
$ X×Y={(x,y)|x∈X,y∈Y} $
模糊关系
是指笛卡儿积上的模糊集合,表示多个集合的元素间所具有的某种关系的程度。
若X,Y具有模糊关系R:
- R是以X×Y为论域的一个模糊子集
- 序偶(x,y)的隶属度为 u R ( x , y ) u_R(x,y) uR(x,y) 。 u R ( x , y ) u_R(x,y) uR(x,y) 在闭区间[0,1]取值,它的大小反映了(x,y)具有关系R的程度
- R可以用一个m×n阶矩阵表示,其中m是X元素的个数,n是Y元素的个数。
模糊关系与模糊矩阵建立了一一对应的关系 , 通常都把模糊矩阵和模糊关系看作是同一回事,均以R表示.
特别当 r ( i j ) ∈ 0 , 1 r_(ij)∈{0,1} r(ij)∈0,1则称R为布尔矩阵。