【计算智能】模糊控制(一)模糊集合及其基本运算

介绍

模糊逻辑是一种基于“真实度”而不是现代计算机所基于的“对或错”(1或0)布尔逻辑的计算方法。

模糊逻辑思想最早由加州大学伯克利分校的Lotfi Zadeh博士首先提出。Zadeh博士在研究计算机对自然语言的理解问题时,理解自然语言(正如生活中大多数其他活动,甚至是宇宙中的大多数其他活动一样)不容易转换为0和1的绝对项。(是否最终可以用二进制形式描述一切都是值得追求的哲学问题,但实际上,我们可能会使用许多数据想要让计算机处于介于两者之间的某种状态,那么通常就是计算的结果。)

模糊逻辑包括0和1作为极端的真实情况(或“事物的状态”或“事实”),但也包括介于两者之间的各种真实状态。

模糊逻辑相对来说更接近我们大脑的工作方式。我们汇总数据并形成许多局部事实,然后进一步汇总为更高的事实,这些事实又在超过某些阈值时引起某些进一步的结果,例如运动反应。在人工神经网络和专家系统中使用了类似的过程。

将模糊逻辑视为推理的真正工作方式可能会有所帮助,而二进制或布尔逻辑只是其一种特殊情况。

模糊集

古典集合(也称为普通集、正集等)是具有清晰明确边界的集合。通常情况下我们使用的集合都是古典集合,例如{x | x> 0}表示大于0的实数集。尽管经典集合适合于各种应用,并且已被证明是数学和计算机科学的重要工具,但是它们并不能反映人类概念和思想的本质,而人类概念和思想往往是抽象的和不精确的。作为说明,从数学上讲,我们可以将高个子集表示为一个身高超过180cm的人的集合。如果我们让“高个子” ={身高|身高>180cm},这就上述所示的集合。但这是代表我们通常的“高个子”概念的一种不自然且不充分的方式。一方面,经典集的二分性质将人分类在直觉上是不合理的。这种不合理来自于集合中包含和排除之间的急剧过渡。

与经典集相反,模糊集顾名思义,它是一个没有清晰边界的集合。也就是说,从“属于一个集合”到“不属于一个集合”的过渡是渐进的,这种平滑的过渡的特征在于隶属函数,该函数在建模常用语言表达时为模糊集提供了灵活性,例如“水是热”或“温度高”。正如扎德(Zadeh)在1965年发表的开创性论文“模糊集”中指出的那样,这种定义不正确的集合或类“在人类思维中,特别是在模式识别,信息交流和抽象领域中起着重要作用”。

基本定义和术语

模糊集合定义

在这里插入图片描述

模糊集合与普通集合定义对应如图。

模糊集:给定一个论域U,那么从U到单位区间 [0,1] 的一个映射

μ A : U → [ 0 , 1 ] \mu_A:U→[0,1] μA:U[0,1]

称为U上的一个模糊集,或U的一个模糊子集

隶属度和模糊化

在这里插入图片描述

在这个图象中,冷、暖和热是映射温度范围的函数。在这个刻度上的一个点有三个"真值"—分别对应着三个真值函数。对于展示的特定的温度,这三个真值可以被解释为把温度描述为,“相当冷”, “有些暖"和"不太热”。

通常情况会采用梯形,但在作模糊回归分析时则会选用三角形的归属函数。

在模糊逻辑的眼中,冷、暖和热之间是没有严格的界限的,也就是说某一种温度的大小并不完全归属于某一个类,而是以隶属度(Degree of Membership)来衡量的。比如对于5摄氏度的气温,隶属于冷的隶属度为0.7, 暖的隶属度为0.3,大雨的隶属度为0.

将逻辑的输入数值(温度)转化成各个集合(冷、暖和热)的隶属度的过程就叫做模糊化(Fuzzification)。 也是模糊逻辑的第一步。

模糊集合的表示

模糊集可以记为A。 映射(函数)μA(·) 或简记为A(·) 叫做模糊集A隶属函数。 对于每个xUμA(x) 叫做元素x对模糊集A隶属度

模糊集的常用表示法有下述几种:

(1)函数描述法,也即给出隶属函数的具体表达式。

(2)Zadeh 记法,例如

A = 1 x 1 + 0.5 x 2 + 0.6 x 3 + 0 x 4 A=\frac{1}{x_1}+\frac{0.5}{x_2}+\frac{0.6}{x_3}+\frac{0}{x_4} A=x11+x20.5+x30.6+x40

。分母是论域中的元素,分子是该元素对应的隶属度。有时候,若隶属度为0,该项可以忽略不写。

(3)序偶法,例如

A = { ( x 1 , 1 ) , ( x 2 , 0.5 ) , ( x 3 . 0.6 ) , ( x 4 , 0 ) } A=\{ {(x_1,1),(x_2,0.5),(x_3.0.6),(x_4,0) }\} A={(x1,1),(x2,0.5),(x3.0.6),(x4,0)}

,序偶对的前者是论域中的元素,后者是该元素对应的隶属度。

(4)向量法,在有限论域的场合,给论域中元素规定一个表达的顺序,那么可以将上述序偶法简写为隶属度的向量式,如A= (1,0.5,0.72,0) 。

模糊集合基本运算

模糊集合的交并补运算

模糊集合的交并补运算如下所示:
在这里插入图片描述
举例如下:
在这里插入图片描述
在这里插入图片描述

模糊关系
模糊关系矩阵

模糊关系矩阵如下:

在这里插入图片描述

模糊关系合成

模糊关系合成指的是由第一个集合和第二个集合之间的模糊关系以及第二个和三个集合之间的模糊关系得到第一个和第三个模糊关系的运算。
在这里插入图片描述
在这里插入图片描述

模糊关系扩展原理

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

  • 29
    点赞
  • 125
    收藏
    觉得还不错? 一键收藏
  • 8
    评论
模糊控制·神经控制和智能控制论.pdf》是一本介绍模糊控制、神经控制和智能控制的论文集。这些控制理论是现代控制理论的重要分支,旨在解决传统控制方法难以应对的复杂问题。 模糊控制是一种基于模糊逻辑的控制方法。它通过建立模糊规则库,根据输入和输出的模糊集合之间的关系进行控制。通过模糊推理和模糊运算,可以实现对非线性、模糊、不确定性等问题的控制。模糊控制在工业控制、机械控制、交通控制等领域有广泛应用。 神经控制是一种基于神经网络的控制方法。它模拟生物神经系统的工作原理,利用神经元之间的连接和权值调整来实现控制功能。神经控制具有学习能力和自适应性,可以适应复杂环境和非线性系统的控制需求。神经控制在机器人控制、智能制造等领域有广泛应用。 智能控制是一种结合模糊控制、神经控制和其他智能技术的控制方法。它通过融合不同的智能算法,如遗传算法、粒子群算法等,来提高控制系统的性能和鲁棒性。智能控制能够利用专家经验和数据进行学习和优化,适应不同的控制需求和环境变化。智能控制在自动化系统、电力系统、交通系统等领域有广泛应用。 《模糊控制·神经控制和智能控制论.pdf》系统地介绍了这三种控制方法的原理、算法和应用。通过阅读该论文集,读者可以了解到模糊控制、神经控制和智能控制在不同领域的应用案例,以及与传统控制方法的对比和优势。这对于相关领域的研究人员和工程师,以及对控制理论感兴趣的读者来说,都是一本有价值的参考书。
评论 8
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值