Рефетека.ру / Логика

Реферат: Нечеткие множества в системах управления

В. Я. Пивкин, Е. П. Бакулин, Д. И. Кореньков

Нечеткие множества в системах управления

Под редакцией

доктора технических наук, профессора Ю.Н. Золотухина


|Данное методическое пособие является |
|введением в теорию нечетких множеств - |
|активно развивающейся в последние годы |
|раздел математики, позволяющей |
|моделировать приближенные рассуждения |
|человека. В рукописном виде пособие было |
|основой курса лекций, читавшегося на |
|кафедре 'Автоматизации физико-технических |
|исследований' физического факультета НГУ. |
Оглавление

Предисловие 3

ВВЕДЕНИЕ 4

1. НЕЧЕТКИЕ МНОЖЕСТВА 5

Примеры записи нечеткого множества 5

Основные характеристики нечетких множеств 5

Примеры нечетких множеств 6

О методах построения функций принадлежности нечетких множеств 7

Операции над нечеткими множествами 8

Наглядное представление операций над нечеткими множествами 9

Свойства операций ? и ?. 9

Алгебраические операции над нечеткими множествами 10

Расстояние между нечеткими множествами, индексы нечеткости 13

Принцип обобщения 16

2. НЕЧЕТКИЕ ОТНОШЕНИЯ 17

Операции над нечеткими отношениями 18

Композиция двух нечетких отношений 21

Условные нечеткие подмножества. 23

3. НЕЧЕТКАЯ И ЛИНГВИСТИЧЕСКАЯ ПЕРЕМЕННЫЕ 27

Нечеткие числа 28

Операции над нечеткими числами 28

Нечеткие числа (L-R)-типа 29

4. НЕЧЕТКИЕ ВЫСКАЗЫВАНИЯ И НЕЧЕТКИЕ МОДЕЛИ СИСТЕМ 32

Правила преобразований нечетких высказываний 33

Способы определения нечеткой импликации 33

Логико-лингвистическое описание систем, нечеткие модели. 35

Модель управления паровым котлом 36

Полнота и непротиворечивость правил управления 39

Литература 40


Предисловие

Пожалуй, наиболее поразительным свойством человеческого интеллекта является способность принимать правильные решения в обстановке неполной и нечеткой информации. Построение моделей приближенных рассуждений человека и использование их в компьютерных системах будущих поколений представляет сегодня одну из важнейших проблем науки.
Значительное продвижение в этом направлении сделано 30 лет тому назад профессором Калифорнийского университета (Беркли) Лотфи А. Заде (Lotfi A.
Zadeh). Его работа "Fuzzy Sets", появившаяся в 1965 году в журнале
Information and Control, + 8, заложила основы моделирования интеллектуальной деятельности человека и явилась начальным толчком к развитию новой математической теории.

Что же предложил Заде? Во-первых, он расширил классическое канторовское понятие множества, допустив, что характеристическая функция (функция принадлежности элемента множеству) может принимать любые значения в интервале (0;1), а не только значения 0 либо 1. Такие множества были названы им нечеткими (fuzzy). Л.Заде определил также ряд операций над нечеткими множествами и предложил обобщение известных методов логического вывода modus ponens и modus tollens.
Введя затем понятие лингвистической переменной и допустив, что в качестве ее значений (термов) выступают нечеткие множества, Л.Заде создал аппарат для описания процессов интеллектуальной деятельности, включая нечеткость и неопределенность выражений.
Дальнейшие работы профессора Л.Заде и его последователей заложили прочный фундамент новой теории и создали предпосылки для внедрения методов нечеткого управления в инженерную практику.
Уже к 1990 году по этой проблематике опубликовано свыше 10000 работ, а число исследователей достигло 10000, причем в США, Европе и СССР по 200-300 человек, около 1000 - в Японии, 2000-3000 - в Индии и около 5000 исследователей в Китае.

В последние 5-7 лет началось использование новых методов и моделей в промышленности. И хотя первые применения нечетких систем управления состоялись в Европе, наиболее интенсивно внедряются такие системы в Японии.
Спектр приложений их широк: от управления процессом отправления и остановки поезда метрополитена, управления грузовыми лифтами и доменной печью до стиральных машин, пылесосов и СВЧ-печей. При этом нечеткие системы позволяют повысить качество продукции при уменьшении ресурсо и энергозатрат и обеспечивают более высокую устойчивость к воздействию мешающих факторов по сравнению с традиционными системами автоматического управления.
Другими словами, новые подходы позволяют расширить сферу приложения систем автоматизации за пределы применимости классической теории. В этом плане любопытна точка зрения Л.Заде: "Я считаю, что излишнее стремление к точности стало оказывать действие, сводящее на нет теорию управления и теорию систем, так как оно приводит к тому, что исследования в этой области сосредоточиваются на тех и только тех проблемах, которые поддаются точному решению. В результате многие классы важных проблем, в которых данные, цели и ограничения являются слишком сложными или плохо определенными для того, чтобы допустить точный математический анализ, оставались и остаются в стороне по той причине, что они не поддаются математической трактовке. Для того чтобы сказать что-либо существенное для проблем подобного рода, мы должны отказаться от наших требований точности и допустить результаты, которые являются несколько размытыми или неопределенными".
Смещение центра исследований нечетких систем в сторону практических приложений привело к постановке целого ряда проблем таких, как новые архитектуры компьютеров для нечетких вычислений, элементная база нечетких компьютеров и контроллеров, инструментальные средства разработки, инженерные методы расчета и разработки нечетких систем управления и многое другое.
Основная цель предлагаемого вниманию читателей учебного пособия - привлечь внимание студентов, аспирантов и молодых научных сотрудников к нечеткой проблематике и дать доступное введение в одну из интереснейших областей современной науки. профессор Ю.Н.Золотухин май 1995г.

ВВЕДЕНИЕ

Математическая теория нечетких множеств, предложенная Л.Заде более четверти века назад, позволяет описывать нечеткие понятия и знания, оперировать этими знаниями и делать нечеткие выводы. Основанные на этой теории методы построения компьютерных нечетких систем существенно расширяют области применения компьютеров. В последнее время нечеткое управление является одной из самых активных и результативных областей исследований применения теории нечетких множеств. Нечеткое управление оказывается особенно полезным, когда технологические процессы являются слишком сложными для анализа с помощью общепринятых количественных методов, или когда доступные источники информации интерпретируются качественно, неточно или неопределенно. Экспериментально показано, что нечеткое управление дает лучшие результаты, по сравнению с получаемыми при общепринятых алгоритмах управления. Нечеткие методы помогают управлять домной и прокатным станом, автомобилем и поездом, распознавать речь и изображения, проектировать роботов, обладающих осязанием и зрением. Нечеткая логика, на которой основано нечеткое управление, ближе по духу к человеческому мышлению и естественным языкам, чем традиционные логические системы. Нечеткая логика, в основном, обеспечивает эффективные средства отображения неопределенностей и неточностей реального мира. Наличие математических средств отражения нечеткости исходной информации позволяет построить модель, адекватную реальности.


1. НЕЧЕТКИЕ МНОЖЕСТВА

Пусть E - универсальное множество, x - элемент E, а R - некоторое свойство.
Обычное (четкое) подмножество A универсального множества E, элементы которого удовлетворяют свойству R, определяется как множество упорядоченных пар A = {?A (х)/х}, где
?A(х) - характеристическая функция, принимающая значение 1, если x удовлетворяет свойству R, и 0 - в противном случае.
Нечеткое подмножество отличается от обычного тем, что для элементов x из E нет однозначного ответа "да-нет" относительно свойства R. В связи с этим, нечеткое подмножество A универсального множества E определяется как множество упорядоченных пар A = {?A(х)/х}, где
?A(х) - характеристическая функция принадлежности (или просто функция принадлежности), принимающая значения в некотором вполне упорядоченном множестве M (например, M = [0,1]). Функция принадлежности указывает степень
(или уровень) принадлежности элемента x подмножеству A. Множество M называют множеством принадлежностей. Если M = {0,1}, то нечеткое подмножество A может рассматриваться как обычное или четкое множество.

Примеры записи нечеткого множества

Пусть E = {x1, x2, x3, x4, x5 }, M = [0,1]; A - нечеткое множество, для которого

?A(x1)=0,3;

?A(x2)=0;

?A(x3)=1;

?A(x4)=0,5;

?A(x5)=0,9.
Тогда A можно представить в виде:
A = {0,3/x1; 0/x2; 1/x3; 0,5/x4; 0,9/x5 } или
A = 0,3/x1 + 0/x2 + 1/x3 + 0,5/x4 + 0,9/x5, или
|A |x1 |
|= |x2 |
| |x3 |
| |x4 |
| |x5 |
| | |
| |0,3 |
| |0 |
| |1 |
| |0,5 |
| |0,9 |
| | |

.
Замечание. Здесь знак "+" не является обозначением операции сложения, а имеет смысл объединения.

Основные характеристики нечетких множеств

Пусть M = [0,1] и A - нечеткое множество с элементами из универсального множества E и множеством принадлежностей M.
Величина [pic]? A(x) называется высотой нечеткого множества A. Нечеткое множество A нормально, если его высота равна 1, т.е. верхняя граница его функции принадлежности равна 1 ([pic]? A(x)=1). При [pic]?A(x)0, т.е. носитель A = {x/?A(x)>0} ? x?E.
Элементы x?E, для которых ?A(x)=0,5 называются точками перехода множества
A.

Примеры нечетких множеств

Пусть E = {0,1,2,..,10}, M =[0,1]. Нечеткое множество "несколько" можно определить следующим образом: "несколько" =
0,5/3+0,8/4+1/5+1/6+0,8/7+0,5/8; его характеристики: высота = 1, носитель={3,4,5,6,7,8}, точки перехода - {3,8}.
Пусть E = {0,1,2,3,...,n,...}. Нечеткое множество "малый" можно определить:
"малый" = [pic].
Пусть E = {1,2,3,...,100} и соответствует понятию "возраст", тогда нечеткое множество "молодой", может быть определено с помощью
?"молодой"(x) = [pic].
Нечеткое множество "молодой" на универсальном множестве E' ={Иванов,
Петров, Сидоров,...} задается с помощью функции принадлежности
?"молодой"(x) на E = {1,2,3,..100} (возраст), называемой по отношению к E' функцией совместимости, при этом:
?"молодой"(Сидоров):= ?"молодой"(x), где x - возраст Сидорова.
Пусть E = {Запорожец, Жигули, Мерседес,....} - множество марок автомобилей, а E' = [0,?) - универсальное множество "стоимость", тогда на E' мы можем определить нечеткие множества типа: "для бедных", "для среднего класса",
"престижные", с функциями принадлежности типа:

[pic]

Имея эти функции и зная стоимости автомобилей из E в данный момент времени, мы тем самым определим на E' нечеткие множества с этими же названиями.
Так, например, нечеткое множество "для бедных", заданное на универсальном множестве E = {Запорожец, Жигули, Мерседес,....} выглядит следующим образом:

[pic]

Аналогично можно определить Нечеткое множество "скоростные", "средние",
"тихоходные" и т.д.

О методах построения функций принадлежности нечетких множеств

В приведенных выше примерах использованы прямые методы, когда эксперт либо просто задает для каждого x?E значение ? A(x), либо определяет функцию совместимости. Как правило, прямые методы задания функции принадлежности используются для измеримых понятий, таких как скорость, время, расстояние, давление, температура и т.д., или когда выделяются полярные значения.
Во многих задачах при характеристике объекта можно выделить набор признаков и для каждого из них определить полярные значения, соответствующие значениям функции принадлежности, 0 или 1.
Например в задаче распознавания лиц можно выделить следующие шкалы:
| | |0 |1 |
|x1|высота лба |низкий |широкий |
|x2|профиль носа |курносый |горбатый |
|x3|длина носа |короткий |длинный |
|x4|разрез глаз |узкие |широкие |
|x5|цвет глаз |светлые |темные |
|x6|форма |остроконечны|квадратны|
| |подбородка |й |й |
|x7|толщина губ |тонкие |толстые |
|x8|цвет лица |темный |светлый |
|x9|очертание лица |овальное |квадратно|
| | | |е |

Для конкретного лица А эксперт, исходя из приведенной шкалы, задает ?A(x)?
[0,1], формируя векторную функцию принадлежности { ?A(x1), ?A(x2),...
?A(x9)}.
При прямых методах используются также групповые прямые методы, когда, например, группе экспертов предъявляют конкретное лицо и каждый должен дать один из двух ответов: "этот человек лысый" или "этот человек не лысый", тогда количество утвердительных ответов, деленное на общее число экспертов, дает значение ? "лысый" (данного лица). (В этом примере можно действовать через функцию совместимости, но тогда придется считать число волосинок на голове у каждого из предъявленных эксперту лиц).
Косвенные методы определения значений функции принадлежности используются в случаях, когда нет элементарных измеримых свойств, через которые определяется интересующее нас нечеткое множество. Как правило, это методы попарных сравнений. Если бы значения функций принадлежности были нам известны, например, ?A(xi) = wi, i=1,2,...,n, то попарные сравнения можно представить матрицей отношений A = {aij}, где aij=wi/wj (операция деления).

На практике эксперт сам формирует матрицу A, при этом предполагается, что диагональные элементы равны 1, а для элементов симметричных относительно диагонали aij = 1/aij, т.е. если один элемент оценивается в ? раз сильнее чем другой, то этот последний должен быть в 1/? раз сильнее, чем первый. В общем случае задача сводится к поиску вектора w, удовлетворяющего уравнению вида Аw = ?maxw, где ?max - наибольшее собственное значение матрицы A.
Поскольку матрица А положительна по построению, решение данной задачи существует и является положительным.


Операции над нечеткими множествами

Включение.
Пусть A и B - нечеткие множества на универсальном множестве E.
Говорят, что A содержится в B, если ?x ?E ?A(x) ?B(x).
Обозначение: A ? B.
Иногда используют термин "доминирование", т.е. в случае когда A ? B, говорят, что B доминирует A.
Равенство.
A и B равны, если ?x?E ?A(x) = ?B (x).
Обозначение: A = B.
Дополнение.
Пусть ? = [0,1], A и B - нечеткие множества, заданные на E. A и B дополняют друг друга, если
?x?E ?A(x) = 1 - ? B(x).
Обозначение: B = [pic]или A = [pic].
Очевидно, что [pic]= A. (Дополнение определено для M = [0,1], но очевидно, что его можно определить для любого упорядоченного M).
Пересечение.
A?B - наибольшее нечеткое подмножество, содержащееся одновременно в A и B.
?A?B(x) = min( ?A(x), ? B(x)).
Объединение.
А ? В - наименьшее нечеткое подмножество, включающее как А, так и В, с функцией принадлежности:
?A? B(x) = max(?A(x), ? B(x)).
Разность.
А - B = А?[pic] с функцией принадлежности:
?A-B(x) = ?A ?[pic] (x) = min( ?A(x), 1 - ? B(x)).
Дизъюнктивная сумма.
А?B = (А - B)?(B - А) = (А ?[pic]) ?([pic]? B) с функцией принадлежности:
?A-B(x) = max{[min{? A(x), 1 - ?B(x)}];[min{1 - ?A(x), ?B(x)}] }
Примеры.
Пусть:
A = 0,4/ x1 + 0,2/ x2+0/ x3+1/ x4;
B = 0,7/ x1+0,9/ x2+0,1/ x3+1/ x4;
C = 0,1/ x1+1/ x2+0,2/ x3+0,9/ x4.
Здесь:
A?B, т.е. A содержится в B или B доминирует A, С несравнимо ни с A, ни с B, т.е. пары {A, С} и {A, С} - пары недоминируемых нечетких множеств.
A ? B ? C.
[pic]= 0,6/ x1 + 0,8/x2 + 1/x3 + 0/x4;
[pic]= 0,3/x1 + 0,1/x2 + 0,9/x3 + 0/x4.
A?B = 0,4/x1 + 0,2/x2 + 0/x3 + 1/x4.
А?В = 0,7/x1 + 0,9/x2 + 0,1/x3 + 1/x4.
А - В = А? [pic]= 0,3/x1 + 0,1/x2 + 0/x3 + 0/x4;
В - А = [pic]? В = 0,6/x1 + 0,8/x2 + 0,1/x3 + 0/x4.
А ? В = 0,6/x1 + 0,8/x2 + 0,1/x3 + 0/x4.

Наглядное представление операций над нечеткими множествами

Для нечетких множеств можно строить визуальное представление. Рассмотрим прямоугольную систему координат, на оси ординат которой откладываются значения ?A(x), на оси абсцисс в произвольном порядке расположены элементы
E (мы уже использовали такое представление в примерах нечетких множеств).
Если E по своей природе упорядочено, то этот порядок желательно сохранить в расположении элементов на оси абсцисс. Такое представление делает наглядными простые операции над нечеткими множествами.

[pic]

[pic] [pic] [pic]

На верхней части рисунка заштрихованная часть соответствует нечеткому множеству A и, если говорить точно, изображает область значений А и всех нечетких множеств, содержащихся в A. На нижней - даны [pic], A? [pic], A?
[pic].

Свойства операций ? и ?.

Пусть А, В, С - нечеткие множества, тогда выполняются следующие свойства:
[pic]- коммутативность;
[pic]- ассоциативность;
[pic]- идемпотентность;
[pic]- дистрибутивность;
A?? = A, где ? - пустое множество, т.е. ??(x) = 0 ?>x?E;
A?? = ?;
A?E = A, где E - универсальное множество;
A?E = E;
[pic]- теоремы де Моргана.
В отличие от четких множеств, для нечетких множеств в общем случае:
A?[pic] ? ?,
A?[pic] ? E.
(Что, в частности, проиллюстрировано выше в примере наглядного представления нечетких множеств).
Замечание. Введенные выше операции над нечеткими множествами основаны на использовании операций max и min. В теории нечетких множеств разрабатываются вопросы построения обобщенных, параметризованных операторов пересечения, объединения и дополнения, позволяющих учесть разнообразные смысловые оттенки соответствующих им связок "и", "или", "не".
Один из подходов к операторам пересечения и объединения заключается в их определении в классе треугольных норм и конорм.
Треугольной нормой (t-нормой) называется двуместная действительная функция
T:[0,1]Ч[0,1]>[0,1], удовлетворяющая следующим условиям:
T(0,0)=0; T(?A, 1) = ?A; T(1, ? A) = ?A - ограниченность;
T(?A, ?B) ?T(?C, ?D), если ?A??C , ?B??D - монотонность;
T(?A , ? B) = T(?B, ?A) - коммутативность;
T(?A, T(? B, ?C))= T( T(?A, ?B), ?C) - ассоциативность;
Простым случаем треугольных норм являются: min(?A , ? B) произведение ?A??B max(0, ?A + ? B -1).
Треугольной конормой (t-конормой) называется двуместная действительная функция ?:[0,1]Ч[0,1]> [0,1], со свойствами:
T(1,1) = 1; T(?A ,0) = ? A ; T(0, ? A) = ?A - ограниченность;
T(?A, ?B )? T(?C, ?D ), если ?A ??C , ?B ??D - монотонность;
T(?A , ?B ) = T(?B , ?A ) - коммутативность;
T(?A, T(?B , ?C )) = T(T(?A , ?B ), ?C ) - ассоциативность.
Примеры t-конорм: max(?A, ? B)
?A + ?B - ?A? ?B min(1, ?A + ?B).

Алгебраические операции над нечеткими множествами

Алгебраическое произведение A и B обозначается A?B и определяется так:
?x?E ?A?B (x) = ?A(x)?B(x).
Алгебраическая сумма этих множеств обозначается [pic]и определяется так:
?x?E [pic]= ? A(x) + ?B(x)-?A(x)?B(x).
Для операций {?, [pic]} выполняются свойства:
[pic]- коммутативность;
[pic]- ассоциативность;
A?? = ?, A[pic]? = A, A?E = A, A[pic]E = E
[pic]- теоремы де Моргана.
Не выполняются:
[pic]- идемпотентность;
[pic]- дистрибутивность; а также A?[pic] = ?, A[pic] [pic]= E.
Замечание. Доказательства приводимых свойств операций над нечеткими множествами мы оставляем читателю.
Для примера докажем свойство: [pic]. Обозначим ?A(x) через a, ?B(x) через b. Тогда в левой части для каждого элемента х имеем: 1-ab, а в правой: (1- a)+(1-b)-(1-a)(1-b) = 1-a+1-b-1+a+b-ab = 1-ab.
Докажем, что свойство дистрибутивности не выполняется, т.е. A?(B[pic]C) ?
(A?B)[pic](A?C). Для левой части имеем: a(b+c-bc) = ab+ac-abc; для правой: ab+ac-(ab)(ac) = ab+ac+a2bc. Это означает, что дистрибутивность не выполняется при a?a2.
Замечание. При совместном использовании операций {?, ?,+,?} выполняются свойства:
А?(B?C) = (A?B)?(A ? C);
А? (B?C) = (A?B)?(A?C);
А[pic](B?C) = (A[pic]B)?(A[pic]C);
А[pic](B?C)=(A[pic]B)?(A[pic]C).
Продолжим обзор основных операций над нечеткими множествами.
На основе операции алгебраического произведения (по крайней мере для целых
? эта основа очевидна) определяется операция возведения в степень ? нечеткого множества A, где ? - положительное число. Нечеткое множество A? определяется функцией принадлежности ?A? = ??A(x). Частным случаем возведения в степень являются:
CON(A) = A2 - операция концентрирования,
DIL(A) = A0,5 - операция растяжения, которые используются при работе с лингвистическими неопределенностями.

[pic]

Умножение на число. Если ? - положительное число, такое, что ?[pic]?
A(x)?1, то нечеткое множество ?A имеет функцию принадлежности:
??A(x) = ??A(x).
Выпуклая комбинация нечетких множеств. Пусть A1, A2,.., An - нечеткие множества универсального множества E, а ?1, ?2, ..., ?n - неотрицательные числа, сумма которых равна 1.
Выпуклой комбинацией A1, A2,.., An называется нечеткое множество A с функцией принадлежности:
?x?E ?A(x1, x1,..., xn) = ?1?A1(x) + ?2?A2(x) + ... + ?n?Ai(x).
Декартово произведение нечетких множеств. Пусть A1, A2, ..., An - нечеткие подмножества универсальных множеств E1, E2, ..., En соответственно.
Декартово произведение A = A1ЧA2 Ч ...ЧAn является нечетким подмножеством множества E = E1ЧE2 Ч ...ЧEn с функцией принадлежности:
?A(x1, x1, ..., xn) = min{ ?A1(x1), ?A2(x2) , ... , ?Ai(xn) }.
Оператор увеличения нечеткости используется для преобразования четких множеств в нечеткие и для увеличения нечеткости нечеткого множества.
Пусть A - нечеткое множество, E - универсальное множество и для всех x?E определены нечеткие множества K(х). Совокупность всех K(х) называется ядром оператора увеличения нечеткости Ф. Результатом действия оператора Ф на нечеткое множество A является нечеткое множество вида:
Ф(A, K) = [pic]?A (x)K(х), где ?A(x)K(х) - произведение числа на нечеткое множество.

Пример:
E = {1,2,3,4};
A = 0,8/1+0,6/2+0/3+0/4;
K(1) = 1/1+0,4/2;
K(2) = 1/2+0,4/1+0,4/3;
K(3) = 1/3+0,5/4;
K(4) = 1/4.

Тогда
Ф(A,K) = ?A(1) K(1) ??A(2)K(2) ??A(3)K(3) ??A(4)K(4) =
= 0,8(1/1+0,4/2) ? 0,6(1/2+0,4/1+0,4/3) =
= 0,8/1+0,6/2+0,24/3.
Четкое множество ?-уровня (или уровня ?). Множеством ?-уровня нечеткого множества A универсального множества E называется четкое подмножество A? универсального множества E, определяемое в виде:
A? ={x/? A(x)??}, где ??1.
Пример: A = 0,2/x1 + 0/x2 + 0,5/x3 + 1/x4 , тогда A0.3 = {x3,x4},
A0.7 = {x4}.
Достаточно очевидное свойство: если ?1 ??2 , то A?1? A?2 .
Теорема о декомпозиции. Всякое нечеткое множество A разложимо по его множествам уровня в виде:
A = [pic]?A ?, где ?A? - произведение числа ? на множество A, и ?
"пробегает" область значений M функции принадлежности нечеткого множества
A.
Пример: A = 0,1/x1 + 0/x2 + 0,7/x3 + 1/x4 представимо в виде:
A = 0,1(1,0,1,1) ? 0,7(0,0,1,1,) ? 1(0,0,0,1)=
= (0,1/x1 + 0/x2 + 0,1/x3 + 0,1/x4)? (0/x1 + 0/x2 + 0,7/x3 + 0,7/x4)?
?(0/x1 + 0/x2 + 0/x3 + 1/x4) = 0,1/x1 +0/x2 +0,7/x3 +1/x4 .
Если область значений функции принадлежности состоит из n градаций ?1? ?2?
?3? ...? ?n, то A (при фиксированных значениях градаций) представимо в виде:
A = [pic]?iA?i, т.е. определяется совокупностью обычных множеств { A?1, A?2, ..., A?i}, где
A?1 ?A?2? , ..., ?A?i.

Расстояние между нечеткими множествами, индексы нечеткости

Пусть A и B - нечеткие подмножества универсального множества E. Введем понятие расстояния ?(A, B) между нечеткими множествами. При введении расстояния обычно предъявляются следующие требования:
?(A, B) ? 0 - неотрицательность;
?(A, B) = ?(B, A) - симметричность;
?(A, B) < ?(A, C) + ?(C, B).
К этим трем требованиям можно добавить четвертое: ?(A, A) = 0.
Определим следующие расстояния по формулам:
Расстояние Хемминга (или линейное расстояние):
?(A, B) = [pic]|?A(xi) - ?B(xi)| .
Очевидно, что ?(A, B)?[0, n].
Евклидово или квадратичное расстояние:
?(A, B) = [pic], ?(A, B)?[0, [pic]].
Относительное расстояние Хемминга:
?(A, B) = [pic][pic], ?(A, B)?[0,1].
Относительное евклидово расстояние:
?(A, B)=[pic][pic], ?(A, B)?[0,1].
Расстояние Хемминга и квадратичное расстояние, в случае когда E бесконечно, определяются аналогично с условием сходимости соответствующих сумм: если E счетное, то
?(A, B) = [pic]|?A(xi) - ?B(xi)| ,
?(A, B) = [pic]; если E = R (числовая ось), то
?(A, B) = [pic],
?(A, B) = [pic].
Замечание. Здесь приведены два наиболее часто встречающихся определения понятия расстояния. Разумеется, для нечетких множеств можно ввести и другие определения понятия расстояния.

Перейдем к индексам нечеткости или показателям размытости нечетких множеств.
Если объект х обладает свойством R (порождающим нечеткое множество A) лишь в частной мере, т.е.
0

Похожие работы:

  1. • Медицинские экспертные системы
  2. • Работа в среде Mathcad
  3. • "Нечеткая логика в системах управления"
  4. • ЛИСП-реализация основных операций над нечеткими ...
  5. • Использование нечёткой логики в системах автоматического ...
  6. • Исполняемое Win32 приложение
  7. • Нечетко-логические модели и алгоритмы
  8. • Применение теории нечетких множеств в оценке экономической ...
  9. • Информационное обеспечение системы управления ...
  10. • Применение теории нечетких множеств в оценке экономической ...
  11. • Нечеткий анализ - в автомобиле
  12. • Теория искусственного интеллекта
  13. • Логический вывод на основе нечеткой метаимпликации
  14. • Применение теории нечетких множеств к финансовому анализу ...
  15. • Пополнение знаний интеллектуальных систем на основе казуально ...
  16. •  ... трансформаторных вводов на основе нечетких алгоритмов
  17. • Нечеткая логика при решении криминологических задач
  18. • Модели анализа тестирования в образовательном процессе
  19. • Принятие решений в экологической геоинформационной системе на ...
Рефетека ру refoteka@gmail.com