1、模糊矩阵
- 定义 : 如果对于任意 i = 1 , 2 , ⋯ , m ; j = 1 , 2 , ⋯ , n , i=1,2, \cdots, m ; j=1,2, \cdots, n, i=1,2,⋯,m;j=1,2,⋯,n, 都有 r i j ∈ [ 0 , 1 ] , r_{i j} \in[0,1], rij∈[0,1], 则称 R = ( r i , j ) m × n R=(r_{i,j})_{m\times n} R=(ri,j)m×n为模糊矩阵。特别地当 m = n m=n m=n则称 R R R为模糊方阵。
通俗地理解,即是若矩阵元素均在区间 [ 0 , 1 ] [0,1] [0,1]上,则称该矩阵为模糊矩阵。
- 特殊模糊矩阵(零矩阵、单位矩阵、全称矩阵):
O = ( 0 0 ⋯ 0 0 0 ⋯ 0 ⋮ ⋮ ⋮ 0 0 ⋯ 0 ) m × n , I = ( 1 0 ⋯ 0 0 1 ⋱ ⋮ ⋮ ⋱ ⋱ 0 0 ⋯ 0 1 ) m × n , U = [ 1 1 ⋯ 1 1 1 ⋯ 1 ⋮ ⋮ ⋮ 1 1 ⋯ 1 ] m × n \boldsymbol{O}=\left(\begin{matrix} 0 & 0 & \cdots & 0 \\ 0 & 0 & \cdots & 0 \\ \vdots & \vdots & & \vdots \\ 0 & 0 & \cdots & 0 \end{matrix}\right)_{m\times n}, \quad I=\left(\begin{matrix} 1 & 0 & \cdots & 0 \\ 0 & 1 & \ddots & \vdots \\ \vdots & \ddots & \ddots & 0 \\ 0 & \cdots & 0 & 1 \end{matrix}\right)_{m \times n}, \quad U=\left[\begin{matrix} 1 & 1 & \cdots & 1 \\ 1 & 1 & \cdots & 1 \\ \vdots & \vdots & & \vdots \\ 1 & 1 & \cdots & 1 \end{matrix}\right]_{m \times n} O=⎝⎜⎜⎜⎛00⋮000⋮0⋯⋯⋯00⋮0⎠⎟⎟⎟⎞m×n,I=⎝⎜⎜⎜⎜⎛10⋮001⋱⋯⋯⋱⋱00⋮01⎠⎟⎟⎟⎟⎞m×n,U=⎣⎢⎢⎢⎡11⋮111⋮1⋯⋯⋯11⋮1⎦⎥⎥⎥⎤m×n
2、模糊矩阵间的关系
- 相等: A = B ⇔ a i j = b i j , i = 1 , 2 , ⋯ m ; j = 1 , 2 , ⋯ , n A=B \Leftrightarrow a_{i j}=b_{i j}, \quad i=1,2, \cdots m ; j=1,2, \cdots, n A=B⇔aij=bij,i=1,2,⋯m;j=1,2,⋯,n
- 包含: A ⩽ B ⇔ a i j ⩽ b i j , i = 1 , 2 , ⋯ , m ; j = 1 , 2 , ⋯ , n A \leqslant B \Leftrightarrow a_{i j} \leqslant b_{i j}, i=1,2, \cdots, m ; j=1,2, \cdots, n A⩽B⇔aij⩽bij,i=1,2,⋯,m;j=1,2,⋯,n
3、模糊矩阵的交并余运算
- 并:相同位置元素取大
A ∪ B = ( a i j ∨ b i j ) m × n A \cup B =\left(a_{i j} \vee b_{i j}\right)_{m \times n} A∪B=(aij∨bij)m×n
- 交: 相同位置元素取小
A ∩ B = ( a i j ∧ b i j ) m × n A \cap B =\left(a_{i j} \wedge b_{i j}\right)_{m \times n} A∩B=(aij∧bij)m×n
- 余:1减去所有元素
A C = ( 1 − a i j ) m × n A^C =\left(1- a_{i j} \right)_{m \times n} AC=(1−aij)m×n
- 例:
A = ( 1 0.1 0.3 0.5 ) , B = ( 0.7 0 0.4 0.9 ) \boldsymbol{A}=\left(\begin{array}{cc} 1 & 0.1 \\ 0.3 & 0.5 \end{array}\right), \quad \boldsymbol{B}=\left(\begin{array}{cc} 0.7 & 0 \\ 0.4 & 0.9 \end{array}\right) A=(10.30.10.5),B=(0.70.400.9)
A ∪ B = ( 1 ∨ 0.7 0.1 ∨ 0 0.3 ∨ 0.4 0.5 ∨ 0.9 ) = ( 1 0.1 0.1 0.9 ) A ∩ B = ( 1 ∧ 0.7 0.1 ∧ 0 0.3 ∧ 0.4 0.5 ∧ 0.9 ) = ( 0.7 0 0.3 0.5 ) A C = ( 1 − 0.1 1 − 0.1 1 − 0.3 1 − 0.5 ) = ( 0 0.9 0.7 0.5 ) A \cup B=\left(\begin{matrix} 1 \vee 0.7 & 0.1 \vee 0 \\ 0.3 \vee 0.4 & 0.5 \vee 0.9 \end{matrix}\right)=\left(\begin{matrix} 1 & 0.1 \\ 0.1 & 0.9 \end{matrix}\right) \\ A \cap B=\left(\begin{matrix} 1 \wedge 0.7 & 0.1 \wedge 0 \\ 0.3 \wedge 0.4 & 0.5 \wedge 0.9 \end{matrix}\right)=\left(\begin{matrix} 0.7 & 0 \\ 0.3 & 0.5 \end{matrix}\right) \\ \\ A^{C}=\left(\begin{matrix} 1-0.1 & 1-0.1 \\ 1-0.3 & 1-0.5 \end{matrix}\right)=\left(\begin{matrix} 0 & 0.9 \\ 0.7 & 0.5 \end{matrix}\right) A∪B=(1∨0.70.3∨0.40.1∨00.5∨0.9)=(10.10.10.9)A∩B=(1∧0.70.3∧0.40.1∧00.5∧0.9)=(0.70.300.5)AC=(1−0.11−0.31−0.11−0.5)=(00.70.90.5)
注:模糊矩阵的运算性质与模糊集合完全一致。
4、模糊关系
对有限论域 U = { u 1 , u 2 , ⋯ , u n } , V = { v 1 , v 2 , ⋯ , v n } , U=\left\{u_{1}, u_{2}, \cdots, u_{n}\right\}, V=\left\{v_{1}, v_{2}, \cdots, v_{n}\right\}, U={u1,u2,⋯,un},V={v1,v2,⋯,vn}, 若元标 r i j = R ( u i , v j ) , r_{i j}=R\left(u_{i}, v_{j}\right), rij=R(ui,vj), 则矩阵 R = ( r i j ) n × n R=\left(r_{i j}\right)_{n \times n} R=(rij)n×n,表示从 U U U 到 V V V 的一个模糊关系,或者说一个模糊矩阵确定一个模糊关系.
- 性质:模糊关系具有对称性和自反性。
5、 模糊关系的合成
- 定义: 设 Q , R Q, R Q,R 为模糊关系,所谓 Q Q Q 对 R R R 的合成,就是从 U U U 到 W W W 的一个模糊关系,记作 Q ∘ R Q\circ R Q∘R. 其定义为:
Q ∘ R = ∨ k = 1 l ( q i k ∧ r k j ) Q \circ R=\vee _{k=1}^{l}(q_{ik} \wedge r_{kj}) \\ Q∘R=∨k=1l(qik∧rkj)
注:这里表示 Q Q Q的每行先与 R R R的每列对应对小,再对这一组取大,得到该位置的元素。其操作方式与矩阵乘法类似。
特别地,记:
R
2
=
R
∘
R
,
R
n
=
R
n
−
1
∘
R
R^{2}=R \circ R, \quad R^{n}=R^{n-1} \circ R
R2=R∘R,Rn=Rn−1∘R
- 例:设模糊关系
Q = ( 0.3 0.7 0.2 1 0 0.9 ) , R = ( 0.8 0.3 0.1 0.8 0.5 0.6 ) Q=\left(\begin{matrix} 0.3 & 0.7 & 0.2 \\ 1 & 0 & 0.9 \end{matrix}\right), \quad R=\left(\begin{matrix} 0.8 & 0.3 \\ 0.1 & 0.8 \\ 0.5 & 0.6 \end{matrix}\right) Q=(0.310.700.20.9),R=⎝⎛0.80.10.50.30.80.6⎠⎞
记:
Q
∘
R
=
(
s
11
s
12
s
21
s
22
)
Q{\circ} R=\left(\begin{matrix} s_{11} & s_{12} \\ s_{21} & s_{22} \end{matrix}\right)
Q∘R=(s11s21s12s22)
由模糊关系合成的定义:
s
11
=
(
0.3
∧
0.8
)
∨
(
0.7
∧
0.1
)
∨
(
0.2
∧
0.5
)
=
0.3
s
12
=
(
0.3
∧
0.3
)
∨
(
0.7
∧
0.8
)
∨
(
0.2
∧
0.6
)
=
0.7
s
21
=
(
1
∧
0.8
)
∨
(
0
∧
0.1
)
∨
(
0.9
∧
0.5
)
=
0.8
s
22
=
(
1
∧
0.3
)
∨
(
0
∧
0.8
)
∨
(
0.9
∧
0.5
)
=
0.6
\begin{matrix} s_{11}=(0.3 \wedge 0.8) \vee(0.7 \wedge 0.1) \vee(0.2 \wedge 0.5)=0.3 \\ s_{12}=(0.3 \wedge 0.3) \vee(0.7 \wedge 0.8) \vee(0.2 \wedge 0.6)=0.7 \\ s_{21}=(1 \wedge 0.8) \vee(0 \wedge 0.1) \vee(0.9 \wedge 0.5)=0.8 \\ s_{22}=(1 \wedge 0.3) \vee(0 \wedge 0.8) \vee(0.9 \wedge 0.5)=0.6 \end{matrix}
s11=(0.3∧0.8)∨(0.7∧0.1)∨(0.2∧0.5)=0.3s12=(0.3∧0.3)∨(0.7∧0.8)∨(0.2∧0.6)=0.7s21=(1∧0.8)∨(0∧0.1)∨(0.9∧0.5)=0.8s22=(1∧0.3)∨(0∧0.8)∨(0.9∧0.5)=0.6
则:
Q
∘
R
=
(
0.3
0.7
0.8
0.6
)
Q {\circ} R=\left(\begin{array}{ll} 0.3 & 0.7 \\ 0.8 & 0.6 \end{array}\right)
Q∘R=(0.30.80.70.6)