模糊数学学习笔记 4：模糊关系

个人博客地址 Glooow，欢迎光临~~~

1. 模糊关系

定义：模糊关系 $R$ 的隶属函数 ${\mu }_R:U\times V\to [0,1]$，其中 ${\mu }_R(x,y)$ 表示 $(x,y)$ 具有关系 $R$ 的程度

Remarks：实际上模糊关系 $R$ 就是定义在一个笛卡尔积的论域 $U\times V$ 上的模糊关系，与之前介绍的普通的模糊关系并无太大差别。

基本运算定义为：

• 并：${\mathbf{\mu }}_{R\cup S}(\mathbf{x},\mathbf{y})={\mathbf{\mu }}_R(\mathbf{x},\mathbf{y})\vee {\mathbf{\mu }}_S(\mathbf{x},\mathbf{y})$
• 交：${\mathbf{\mu }}_{R\cap S}(\mathbf{x},\mathbf{y})={\mathbf{\mu }}_R(\mathbf{x},\mathbf{y})\wedge {\mathbf{\mu }}_S(\mathbf{x},\mathbf{y})$
• 补：${\mu }_{\bar{R}}(x,y)=1-{\mu }_R(x,y)$
• 包含：$\mathbf{R}\subseteq \mathbf{S}\Rightarrow {\mathbf{\mu }}_R(\mathbf{x},\mathbf{y})\le {\mathbf{\mu }}_S(\mathbf{x},\mathbf{y})$
• 相等：$\mathbf{R}=\mathbf{S}\Rightarrow {\mathbf{\mu }}_R(\mathbf{x},\mathbf{y})={\mathbf{\mu }}_S(\mathbf{x},\mathbf{y})$

一些模糊关系有：

• 恒等模糊关系：$R(x,y)={\mathbb{I}}_{x=y}$
• 零模糊关系：$O(x,y)=0$
• 全称模糊关系：$E(x,y)=1$

2. 模糊矩阵

2.1 定义

对于有限论域 $U,V$，模糊矩阵的定义很容易可以获得 $R_{ij}={\mu }_R(x_i,y_j)$

当 $R$ 的对角元素全部为 1 时，称为模糊自反矩阵

模糊矩阵对应于集合的运算定义为：

• 并：$\mathbf{R}\cup \mathbf{S}\iff \mathbf{R}\cup \mathbf{S}=\left({\mathbf{r}}_{ij}\vee {\mathbf{s}}_{ij}\right)$
• 交：$\mathbf{R}\cap \mathbf{S}\iff \mathbf{R}\cup \mathbf{S}=\left({\mathbf{r}}_{ij}\wedge {\mathbf{s}}_{ij}\right)$
• 补：$R^c=(1-r_{ij})$
• 包含：$\mathbf{R}\subseteq \mathbf{S}\iff \left({\mathbf{r}}_{ij}\right)\le \left({\mathbf{s}}_{ij}\right)$
• 相等：$\mathbf{R}=\mathbf{S}\iff \left({\mathbf{r}}_{ij}\right)=\left({\mathbf{s}}_{ij}\right)$

2.2 运算性质

2.3 截矩阵

截矩阵的定义为 $R_{\lambda }=(r_{ij}(\lambda ))$，其中 $r_{ij}(\lambda )={\mathbb{I}}_{r_{ij}\ge \lambda }$

Remarks：截矩阵的定义对应着截集的概念，截集得到的是普通集合，响应的截矩阵也是布尔矩阵，完全没有不确定度。

2.4 模糊关系合成

转置：略

模糊乘积：设 $Q=(q_{ij}{)}_{n\times m},R=(r_{ij}{)}_{m\times t}$，定义 $S=QR\in {\mathcal{F}}_{n\times t}$，有 $S_{ik}={\vee }_{j=1}^m(q_{ij}\wedge r_{jk})$

Remarks：模糊乘积实际上表示了两个模糊关系的复合，即 $Q\in \mathcal{F}(U\times V),R\in \mathcal{F}(V\times W)$，最后合成了模糊关系 $S\in \mathcal{F}(U\times W)$。从公式上来看，模糊矩阵的乘积跟普通矩阵的乘积很像，只不过乘法换成了 $\wedge$，加法换成了 $\vee$。

模糊关系的合成具有以下性质：

3. 模糊关系性质

3.1 自反性、对称性、传递性

就像普通集合的关系一样，模糊集合有三个重要性质：自反性、对称性、传递性。

自反性：若 $\forall x\in U,{\mu }_R(x,x)=1$，则称 $R$ 满足自反性，相应的有模糊矩阵 $I\subseteq R$

定理 1：若 $A$ 为自反矩阵，则有
$$I\subseteq A\subseteq A^2\subseteq \cdots \subseteq A^n\subseteq \cdots$$
对称性：若 $\forall x,y\in U,{\mu }_R(x,y)={\mu }_R(y,x)$，则称 $R$ 满足对称性，相应的有模糊矩阵 $R^T=R$

传递性：${\mu }_R(x,z)\ge {\vee }_y({\mu }_R(x,y)\wedge {\mu }_R(y,z))$，则称 $R$ 满足传递性，相应的有模糊矩阵 $R^2\subseteq R$

定理 2：若 $Q$ 为传递矩阵，则有
$$Q\supseteq Q^2\supseteq Q^3\supseteq \cdots \supseteq Q^{\mathbf{n}-1}\supseteq Q^{\mathbf{n}}\supseteq \cdots$$

3.2 模糊相似关系与等价关系

模糊相似关系：$R\in F(U\times U)$，满足自反性和对称性 $⟹I\subseteq R\subseteq R^2\subseteq \cdots \subseteq R^n\subseteq \cdots$

模糊等价关系：$R\in F(U\times U)$，满足自反性、对称性和传递性 $⟹R=R^2=\cdots =R^n=\cdots$

定理：$R$ 为等价关系 $⟺R_{\lambda }$ 为等价关系 $\forall \lambda \in [0,1]$

Proof：若 $R_{\lambda }$ 为等价关系，则意味着 $\forall i,j,k$，若 $r_{ij}(\lambda )=1,r_{jk}(\lambda )=1⟹r_{ik}(\lambda )=1$。因此对于模糊矩阵来说，应有 $r_{ij}\ge \lambda ,r_{jk}\ge \lambda ⟹r_{ik}\ge \lambda$。在此基础上易证充分必要性。

Remarks：这个定理将模糊等价关系转化为普通等价关系，而普通等价关系可以很容易分类。

3.3 对称闭包与传递闭包

对称闭包：设 $A,\hat{A},B\in \mathcal{F}(U\times U)$，若 $A\subseteq \hat{A},A^T\subseteq \hat{A}$，且对任意包含 $A$ 的对称关系 $B$，都有 $\hat{A}\subseteq B$，则 $\hat{A}$ 为 $A$ 的对称闭包，记为 $s(A)=\hat{A}$。

实际上对称闭包就是包含 $A$ 的最小的对称关系，很容易的有 $s(A)=A\cup A^T$

传递闭包：$A\subseteq \hat{A},A^2\subseteq \hat{A}$，且任意包含 $A$ 的传递关系 $B$ 都有 $\hat{A}\subseteq B$，则 $\hat{A}$ 为 $A$ 的传递闭包，记为 $t(A)=\hat{A}$。

传递闭包定理 1：$t(A)=A\cup A^2\cup \cdots \cup A^n\cup \cdots ={\bigcup }_{k=1}^{\infty }{A}^k$

传递闭包定理 2：$t(A)={\bigcup }_{k=1}^n{A}^k$ （可以使用鸽巢原理，证明 $A^{n+1}\subseteq A^m,m\le n$）

传递闭包定理 3：相似矩阵 $R\in U_{n\times n}$ 的传递闭包是等价矩阵，且 $t(R)=R^n$

传递闭包定理 4：相似矩阵 $R\in U_{n\times n}$，则 $\forall m\ge n,t(R)=R^m$

传递闭包定理 5：相似矩阵 $R\in U_{n\times n}$，则 $\exists k\le n,t(R)=R^k$

Remarks：

• 定理 2 证明了传递闭包在实际中是可计算的
• 定理 3-5 中对相似矩阵求传递闭包就得到了等价矩阵，对后面的模糊据类很有用，因为模糊等价矩阵可以与普通等价矩阵联系起来，而若想进行分类，则必须依托于等价关系。