[农业专家系统和PROLOG语言]nyzjxt3.pptVIP

May 27,2005 第2章 人工智能的数学基础 2.4.8 模糊数 在人们的社会实践及科学研究中，经常要用到一些模糊的数量，例如“今天到会的人约有500人左右”，“如果天空阴云密布，则要下雨的可能性大约为0.6”。这里的“500左右”“大约0.6”显然不是精确数，而是模糊数。 定义2.19 如果实数域R上的模糊集A的隶属函数μA(u)在R上连续且具有如下性质： (1)A是凸模糊集，即对任意λ∈[0，1]，A的λ水平截集Aλ是闭区间； (2)A是正规模糊集，即存在u∈R，使μA(u)=1。 则称A为一个模糊数。 直观上看，模糊数的隶属函数的图形是单峰的，且在峰顶使隶属度达到1。例如，对“u0左右”的数可用图表示。 模糊数的模糊程度可由其隶属函数图形的陡峭程度来表示。 关于模糊数之间的运算 定义2.20 设θ是实数域R上的一种二元运算，A和B为任意的模糊数，则模糊数间的运算定义为 由定义2.20可知，当对两个模糊数进行某种运算时，实际上是对它们相应的元素做这种运算，而对它们的隶属度取极小，然后再对相同元素的隶属度取极大。 例2.13 设有： 3左右=0.5/2+1／3+0.6／4 2左右=0.4／1+1/2+0.7／3 则 3左右+2左右= 2.4.9模糊关系及其合成 1.模糊关系 为了说明什么是模糊关系，首先回顾一下普通集合上关于“关系”的概念。 设U与V是两个集合，则称 为U与V的笛卡尔乘积。 通俗地说明，就是从U与V中分别取一个元素u与v，把它们构成一个序偶(u,v)，由全体序偶所构成的集合就是U与V的笛卡尔乘积。 所谓从U到V的关系R，是指上U×V上的一个子集，即R?U×V，记为 对于U×V中的元素(u,v)，若(u,v)∈R，则称u与v有关系R，若 则称u与v没有关系。 例2.14设U={红桃，方块，黑桃，梅花}，V={A，2，3，4，5，6，7，8，10，J，Q，K} 则U×V中有52个元素： U×V={（红桃，A），（红桃，2），…，（梅花，K）} 其中每一个元素代表一张扑克牌。 若有4个人在一起玩牌，每个人拿13张牌（大、小王除外），则每个人拿的牌是U×V的一个子集，构成了一个关系。 在普通集合上定义“关系”都是确定性的，u与v之间或者有某种关系，或者没有某种关系。但是，在现实世界中很多事物之间的关系并不都是十分明确的，不能简单地用“有”或“没有”来衡量，需要考虑有关系的程度。 下面给出模糊集的笛卡尔乘积及模糊关系的定义。 定义2.21 设Ai是Ui(i=1,2,…,n)上的模糊集，则称 A1×A2×…×An = 为A1,A2,…,An的笛卡尔乘积,它是U1×U2×…×Un上的一个模糊集。 定义2.22 在U1×U2×…×Un上一个n元模糊关系R是指以U1×U2×…×Un为论域的一个模糊集，记为： μR(u1,u2,…,un)是模糊关系R的隶属函，它把U1×U2×…×Un上的每一元素(u1,u2,…,un)映射为[0,1]上的实数，该实数反映出(u1,u2,…,un)具有关系R的程度。 特别是对于二元关系 对于例2.15，其模糊矩阵是 2.模糊关系的合成 定义2.23 设Rl与R2分别是U×V与V×W上的两个模糊关系，则R1与R2的合成是指从U到W的一个模糊关系，记为 2.4.10 模糊变换 定义2.24 设A={μA(u1), μA(u2),…, μA(un) }是论域U上的模糊集，R是U×V上的模糊关系，则称 为模糊变换. 例2.18设 在后面的章节中将会讨论应用模糊变换进行模糊推理的方法。这里，先给出一个应用模糊变换进行模糊综合评判的例子，以加深对它的理解。 例2.19 设对某厨师做的一道菜进行评判，评判的因素是：色(u1)、香(u2)、味(u3)，它们构成了论域U：U={ul，u2，u3} 评判时由评委对每一个评判因素分别进行打分，要求评判的等级是好(v1)、较好(v2)、一般(v3)、差(v4)，它们构成了论域V: V={v1，v2，v3，v4} 仅就“色”而言，假设有60％的评委认为这道莱“好”；20％的评委认为“比较好”；20％的评委认为“一般”；没有评委认为“差”。即对这道菜“色”的评价是 {0.6，0.2，0.2，0} 假设对“香”的评价是{0.8，0.1，0.1，0} 假设对“味”的评价是{0.3，0.3，0.3，0.1} 这样就可写出矩阵R： 由此可得到评委对这道莱的综合评判为： 在此例中，其评判结果中各项的和刚好为1，所以它就是最终的评判结果。如果不是这样，就需要进行归一处理。即，用各项的和分别除以每一项，以商作为评判结果。 例如，设评判后得到：