模糊数学模型
基本理论
数学模型分类:
- 确定性数学模型
- 随机性的数学模型
- 模糊性模型
模糊集合的表示方法
zadeh 表示法
当论域 X X X 为有限集时,记 X = [ x 1 , x 2 , ⋯ , x n ] X=[x_1,x_2,\cdots,x_n] X=[x1,x2,⋯,xn],则模糊集 A A A可以写成
A = ∑ i = 1 n μ A ( x i ) x i = μ A ( x 1 ) x i 1 + ⋯ + μ A ( x n ) x n A=\sum_{i=1}^n\frac{\mu_A(x_i)}{x_i}=\frac{\mu_A(x_1)}{x_i1}+\cdots+\frac{\mu_A(x_n)}{x_n} A=∑i=1nxiμA(xi)=xi1μA(x1)+⋯+xnμA(xn)
该式表示点 x i x_i xi 对模糊集 A A A 的隶属度是 μ A ( x i ) \mu_A(x_i) μA(xi)
∑
\sum
∑ 和
+
+
+ 非求和之意,概括集合诸元,方便论域为无限集合的表示:
A
=
∫
x
∈
X
μ
A
(
x
)
x
A=\int_{x\in X}\frac{\mu_A(x)}{x}
A=∫x∈XxμA(x)
序偶表示法
A = { ( x 1 , μ A ( x 1 ) ) , ( x 2 , μ 2 ( x 2 ) ) , ⋯ , ( x n , μ A ( x n ) ) } A=\{(x_1,\mu _A (x_1)),(x_2,\mu_2(x_2)),\cdots,(x_n,\mu_A(x_n))\} A={(x1,μA(x1)),(x2,μ2(x2)),⋯,(xn,μA(xn))}
向量表示法
A = ( μ A ( x 1 ) , μ 2 ( x 2 ) , ⋯ , μ A ( x n ) ) A=(\mu _A (x_1),\mu_2(x_2),\cdots,\mu_A(x_n)) A=(μA(x1),μ2(x2),⋯,μA(xn))
隶属函数的确定方法
模糊统计方法
基于模糊统计实验,例如发放问卷等
借助已有的客观尺度
例如:
论域 | 模糊集 | 隶属度 |
---|---|---|
设备 | 设备完好 | 设备完好率 |
产品 | 质量稳定 | 正品率 |
家庭 | 小康家庭 | 恩格尔系数 |
指派法
根据问题性质主观地选用某些形式的模糊分布,再根据实际测量数据确定其中所包含的参数
模糊关系
二元模糊关系:
设论域
U
,
V
U,V
U,V,乘积空间上
U
×
V
=
{
(
u
,
v
)
∣
u
∈
U
,
v
∈
V
}
U\times V=\{(u,v)|u\in U,v\in V\}
U×V={(u,v)∣u∈U,v∈V}上的一个模糊子集
R
R
R 为从集合
U
U
U到集合
V
V
V的模糊关系,若模糊关系
R
R
R 的隶属函数为
μ
R
:
U
×
V
→
[
0
,
1
]
,
(
x
,
y
)
→
μ
R
(
x
,
y
)
\mu _R:U\times V\rightarrow [0,1],\qquad(x,y)\rightarrow \mu _R(x,y)
μR:U×V→[0,1],(x,y)→μR(x,y)
则称隶属度
μ
R
(
x
,
y
)
\mu_R(x,y)
μR(x,y) 为
(
x
,
y
)
(x,y)
(x,y) 关于模糊关系
R
R
R 的相关程度
一级模糊综合评价模型
1.确定因素集(评价指标体系集合)
U = { u 1 , u 2 , ⋯ , u n } U=\{u_1,u_2,\cdots,u_n\} U={u1,u2,⋯,un}
2.确定评语集(各种不同评语集合)
V = { v 1 , v 2 , ⋯ , v m } V=\{v_1,v_2,\cdots,v_m\} V={v1,v2,⋯,vm}
3.确定权重分配(U上的一个模糊向量)
A = [ a 1 , a 2 , ⋯ , a n ] A = [a_1,a_2,\cdots,a_n] A=[a1,a2,⋯,an]
与因素集长度一致,满足元素和为1
4.确定模糊综合判断矩阵
对指标
u
i
u_i
ui来说,对各个评语的隶属度为
V
V
V上的模糊子集,记为
R
i
=
[
r
i
1
,
r
i
2
,
⋯
,
r
i
m
]
R_i=[r_{i1},r_{i2},\cdots,r_{im}]
Ri=[ri1,ri2,⋯,rim]
模糊矩阵为:
[
r
11
r
12
⋯
r
1
m
r
21
r
22
⋯
r
2
m
⋮
⋮
⋱
⋮
r
n
1
r
n
2
⋯
r
n
m
]
\begin{bmatrix} r_{11} & r_{12} & \cdots & r_{1m} \\ r_{21} & r_{22} & \cdots & r_{2m} \\ \vdots & \vdots & \ddots & \vdots \\ r_{n1} & r_{n2} & \cdots & r_{nm} \\ \end{bmatrix}
⎣⎢⎢⎢⎡r11r21⋮rn1r12r22⋮rn2⋯⋯⋱⋯r1mr2m⋮rnm⎦⎥⎥⎥⎤
模糊综合判断矩阵:
每列:各个指标对于单一评语的隶属度
每行:单一指标的隶属度
5.综合评判
B = A ⋅ R B=A\cdot R B=A⋅R