模糊控制笔记(二)模糊关系
本文章所有知识点均为作者本人学习刘杰、李允公等老师的教材《智能控制与MATLAB实用技术》时所作笔记,在此发自肺腑地表达对老师们辛勤劳动的感谢和尊敬,也安利一下这本书,对入门智能控制的同学们来说是一本极其优秀的教材!
1. 笛卡尔积(直积)和普通关系
这里举例给出笛卡尔积的定义:设
X
=
{
1
,
4
,
5
}
,
Y
=
{
2
,
3
}
X=\{ 1,4, 5\},Y=\{2,3 \}
X={1,4,5},Y={2,3},则由全体序偶
(
x
,
y
)
(x,y)
(x,y)组成的集合为
X
X
X和
Y
Y
Y的笛卡尔积:
X
×
Y
=
{
(
x
,
y
)
∣
x
∈
X
,
y
∈
Y
}
=
{
(
1
,
2
)
,
(
1
,
3
)
,
(
4
,
2
)
,
(
4
,
3
)
,
(
5
,
2
)
,
(
5
,
3
)
}
\begin{aligned} X \times Y &= \left\{ (x,y)|x \in X,y \in Y \right \} \\ &= \left\{ (1,2),(1,3),(4,2),(4,3),(5,2),(5,3) \right\} \end{aligned}
X×Y={(x,y)∣x∈X,y∈Y}={(1,2),(1,3),(4,2),(4,3),(5,2),(5,3)}
给定一个约束,
X
×
Y
X \times Y
X×Y中满足这一约束的所有序偶组成的集合
R
R
R称为
X
X
X到
Y
Y
Y的普通关系。
如,给出约束“
x
>
y
x > y
x>y”,则得到的普通关系为
R
=
{
(
4
,
2
)
,
(
4
,
3
)
,
(
5
,
2
)
,
(
5
,
3
)
}
R=\left\{ (4,2),(4,3),(5,2),(5,3) \right\}
R={(4,2),(4,3),(5,2),(5,3)}。
在上一篇笔记链接: 模糊控制笔记(一)模糊集合中提到,可以用特征函数
G
R
(
x
,
y
)
G_R(x,y)
GR(x,y)表示
(
x
,
y
)
(x,y)
(x,y)对
R
R
R的隶属情况。但这种方法只能表示一个序偶
(
x
,
y
)
(x,y)
(x,y)的隶属情况。因此,可以采用关系矩阵的方式来使表达更加简洁明了,关系矩阵仍表示为
R
R
R:
设
X
=
{
x
1
,
x
2
,
⋯
,
x
m
}
,
Y
=
{
y
1
,
y
2
,
⋯
,
y
n
}
X=\left\{ x_1,x_2, \cdots, x_m \right\},Y=\left\{y_1,y_2,\cdots,y_n \right\}
X={x1,x2,⋯,xm},Y={y1,y2,⋯,yn},则关系矩阵
R
R
R为
R
=
(
r
i
j
)
m
×
n
=
[
G
R
(
x
1
,
y
1
)
G
R
(
x
1
,
y
2
)
⋯
G
R
(
x
1
,
y
n
)
G
R
(
x
2
,
y
1
)
G
R
(
x
2
,
y
2
)
⋯
G
R
(
x
2
,
y
n
)
⋮
⋮
⋱
⋮
G
R
(
x
m
,
y
1
)
G
R
(
x
m
,
y
2
)
⋯
G
R
(
x
m
,
y
n
)
]
R=(r_{ij})_{m \times n}=\left[ \begin{matrix} G_R(x_1,y_1) & G_R(x_1,y_2) & \cdots & G_R(x_1,y_n) \\ G_R(x_2,y_1) & G_R(x_2,y_2) & \cdots & G_R(x_2,y_n) \\ \vdots & \vdots & \ddots & \vdots \\ G_R(x_m,y_1) & G_R(x_m,y_2) & \cdots & G_R(x_m,y_n) \end{matrix} \right]
R=(rij)m×n=⎣⎢⎢⎢⎡GR(x1,y1)GR(x2,y1)⋮GR(xm,y1)GR(x1,y2)GR(x2,y2)⋮GR(xm,y2)⋯⋯⋱⋯GR(x1,yn)GR(x2,yn)⋮GR(xm,yn)⎦⎥⎥⎥⎤
2. 模糊关系的定义
定义模糊关系
R
R
R是以集合
X
X
X和
Y
Y
Y的直积
X
×
Y
X \times Y
X×Y为论域上的一个模糊子集,序偶
(
x
,
y
)
(x,y)
(x,y)对
R
R
R的隶属度为
μ
R
(
x
,
y
)
\mu_R(x,y)
μR(x,y),且
μ
R
(
x
,
y
)
∈
[
0
,
1
]
\mu_R(x,y) \in [0,1]
μR(x,y)∈[0,1]。
这里用刘杰、李允公等老师的教材《智能控制与MATLAB实用技术》中的例2-8来更详细地说明:
设两集合分别为
X
=
{
1
,
2
,
3
,
4
}
,
Y
=
{
1
,
2
,
3
}
X=\{ 1,2,3,4\},Y=\{1,2,3\}
X={1,2,3,4},Y={1,2,3}。“
x
x
x远大于
y
y
y”的关系矩阵为
R
=
[
0
0
0
0.2
0
0
0.6
0.2
0
0.9
0.4
0.2
]
R=\left[ \begin{matrix} 0 & 0 & 0 \\ 0.2 & 0 & 0 \\ 0.6 & 0.2 & 0 \\ 0.9 & 0.4 & 0.2 \end{matrix} \right]
R=⎣⎢⎢⎡00.20.60.9000.20.40000.2⎦⎥⎥⎤
为了便于理解,写出关系矩阵
R
R
R对应的序偶的矩阵,即
X
×
Y
X \times Y
X×Y:
X
×
Y
=
[
(
1
,
1
)
(
1
,
2
)
(
1
,
3
)
(
2
,
1
)
(
2
,
2
)
(
2
,
3
)
(
3
,
1
)
(
3
,
2
)
(
3
,
3
)
(
4
,
1
)
(
4
,
2
)
(
4
,
3
)
]
X \times Y=\left[ \begin{matrix} (1,1) & (1,2) & (1,3) \\ (2,1) & (2,2) & (2,3) \\ (3,1) & (3,2) & (3,3) \\ (4,1) & (4,2) & (4,3) \end{matrix} \right]
X×Y=⎣⎢⎢⎡(1,1)(2,1)(3,1)(4,1)(1,2)(2,2)(3,2)(4,2)(1,3)(2,3)(3,3)(4,3)⎦⎥⎥⎤
以
R
R
R中最左下角元素为例,其序偶是
(
4
,
1
)
(4,1)
(4,1),是所有序偶中最符合“
x
x
x远大于
y
y
y”的关系的了,因此其对应的隶属度
μ
=
0.9
\mu=0.9
μ=0.9,也是最大的一个隶属度。
模糊关系的运算
相等:
R
=
S
⟺
r
i
j
=
s
i
j
R=S \Longleftrightarrow r_{ij}=s_{ij}
R=S⟺rij=sij
包含:
R
⊆
S
⟺
r
i
j
≤
s
i
j
R \subseteq S \Longleftrightarrow r_{ij} \leq s_{ij}
R⊆S⟺rij≤sij
并:
R
∪
S
=
(
r
i
j
∨
s
i
j
)
m
×
n
R \cup S=(r_{ij} \vee s_{ij})_{m \times n}
R∪S=(rij∨sij)m×n
交:
R
∩
S
=
=
(
r
i
j
∧
s
i
j
)
m
×
n
R \cap S==(r_{ij} \wedge s_{ij})_{m \times n}
R∩S==(rij∧sij)m×n
补:
R
C
=
(
1
−
r
i
j
)
m
×
n
R^C=(1-r_{ij})_{m \times n}
RC=(1−rij)m×n