9.2 模糊运算（介绍说明）.docx

模糊运算

9.2.1模糊运算

1.模糊逻辑运算

模糊逻辑运算是标准布尔逻辑运算的推广。

先回顾标准布尔逻辑运算，如图9-6所示。

9-6标准布尔运算

本来是只能是0和1的运算，想要推广到也适用于0到1之间的实数。只需这样改一下运算，如图9-7所示。

9-7改写的标准布尔运算

模糊集与隶属函数（曲线）一一对应，所以，很自然地，模糊集的逻辑运算就等同于隶属函数（曲线）的逻辑运算，从图形对比着来看就是图9-8。

2.模糊合成

设R=(rij)m×n为矩阵，若满足0≤rij≤1，则称为模糊矩阵，当rij只取0或1时，称为布尔矩阵。

模糊综合评价涉及模糊变换，即将模糊评价矩阵作用到向量，得到新向量：

9-8从布尔运算到模糊运算

其中，°为模糊合成算子，记A=[a1，…，am]T，B=[b1，…，bm]T。

模糊变换根据目的不同，可以选择不同的模糊合成算子：

(1)取小取大，主因素决定型

通常用的算子，其评判结果只取决于在总评价中起主要作用的那个因素，其余因素均不影响评判结果，比较适用于单项评判最优就能作为综合评判最优的情况。

(2)乘积最大，主因素突出型

与取小取大相近，但更精细些，不仅突出了主要因素，也兼顾了其他因素。此模型适用于模型失效（不可区别），需要“加细”的情况。

(3)乘加，加权平均型

该算子依权重的大小对所有因素均衡兼顾，比较适用于求总和最大的情形。

(4)取小上界和型

在使用此算子时，需要注意：各个ai不能取得偏大，否则可能出现bj均等于1的情形；各个ai也不能取得太小，否则可能出现bj均等于各个ai之和的情形，这将使单因素评判的有关信息丢失。

(5)均衡平均型

其中，r0=，该算子实际上先对模糊评价矩阵R中的列向量做了归一化处理，适用于R中元素偏大或偏小的情形。为了便于使用，定义MATLAB函数实现这5种模糊合成，可根据具体类型选用，MATLAB代码如下。

【例fce】：

functionB=fce(A,R,type)

%实现模糊合成算子的计算

%A为因素集各因素的权重(列)向量,R为模糊评价矩阵,要求R的列数等于A的行数

%type选择模糊合成算子的类型,1-5分别对应前文的5种不同算子

%B返回归一化的综合评价结果

[m,n]=size(R);

B=zeros(m,1);

forj=1:m

switchtype

case1%取小取大，主因素决定型

B(j)=max(min([A;R(j,:)]));

case2%乘积最大，主因素突出型

B(j)=max(A.*R(j,:));

case3%乘加，加权平均型

B(j)=sum(A.*R(j,:));

case4%取小上界和型

B(j)=min(1,sum(min([A;R(j,:)])));

case5%均衡平均型

r0=sum(R(j,:));

B(j)=sum(min([A;R(j,:)./r0]));

end

end

B=B./sum(B);%归一化