(02)模糊控制的数学基础.ppt

IC Fuzzy 第二章 模糊控制的数学基础 2.1 概述 2.1.1 模糊概念 2.1.2 模糊性与随机性 2.2 模糊集合 2.2.1 普通集合 2.2.2 模糊集合 2.2.3 模糊集合与普通集合的联系 第2章 模糊控制的数学基础 2.3 模糊关系与模糊关系合成 2.3.1 模糊关系的基本概念 2.3.2 模糊关系合成 2.3.3 模糊关系的性质 2.4 模糊推理 2.4.1 模糊语言与语言变量 2.4.2 模糊命题与模糊条件语句 2.4.3 模糊推理 2.1.1 模糊概念 一些概念在特定的场合有明确的外延，例如国家、货币、法定年龄等。对于这些明确的概念，在现代数学里常常用经典集合来表示。 还有一些概念在一些场合不具有明确的外延，例如成年人、青年人、冷与热等。这样的概念，相对于明确的概念，我们称之为模糊概念. 传统的集合论在模糊概念面前就显得软弱无力了，模糊集合论正是处理模糊概念的有力工具. 模糊性总是伴随着复杂性而出现的，复杂性意为着因素的多样性，联系的多样性。例如选购衣服，若分别就花色、式样、价格等单因素评定，容易做出清晰确定的结论，若把诸因素联系起来评定，就显得相当复杂而难于确定了。 这就是说单因素易于一刀切，做出精确描述；多因素纵横交错地同时作用，便难于做出精确描述，事物的普遍联系造成了事物的复杂性和模糊性。 模糊性也起源于事物的发展变化性，变化性就是不确定性。处于过渡阶段的事物的基本特性就是形态的不确定性，类属的不清晰性，也就是模糊性，它是从属于到不属于的变化过程的渐进性。 客观世界中的模糊性、不确定性、含糊性等等有多种表现形式。在模糊集合论中主要处理没有精确定义的这一类模糊性，其主要有两种表现形式。 一是许多概念没有一个清晰的外延。例如我们不可能在年龄上划两道线，在两道线内就是年轻人，在其外就截然不是年轻人。 另一个是概念本身的开放性(Open Texture)，例如关于什么是聪明，我们永远不可能列举出它应满足的全部条件。 因此总是有不确定性存在，由于对象本身没有精确的定义，普通的集合论无法被应用。 经典集合论中，一个元素x要么属于某个集合A：x ∈A,此时其特征函数值为1，要么x不属于某个集合A：x ? A,此时其特征值为0. 而模糊概念中没有这种非此即彼的现象，L.A.Zadeh 在模糊集合论中提出，将特征函数的取值由二值逻辑{0, 1}扩大到闭区间[0, 1]，用一个隶属函数μa(x)表示x∈A的程度， μa(x)的取值在0～1之间。 2.1.2 模糊性与随机性 模糊集合研究的是不确定性，这种不确定性是事物本身形态和类属的不确定性。例如对于未来某天的降雨，测得降雨量后，究竟是算作大雨、中雨、小雨，往往界线是模糊的。 还有一种不确定性 —— 随机性。随机性是在事件是否发生的不确定性中表现出来的不确定性，而事件本身的形态和类属是确定的。例如对于随机过程投掷硬币，什么时候“出现正面”这一事件是不确定的，但“出现正面”是什么样子，是明确的(字在上，国徽在下)。 大体上说，随机性是一种外在的不确定性，模糊性是一种内在的不确定性。 在任何概率论方法中，我们给出事件出现的可信度[0, 1]中的一个数，是对我们的关于它出现的知识的一个测量，但此事件的存在却是实实在在的。 模糊性是由于对象无精确定义造成的。因此,要描述它，必须要有一个函数X→[0, 1],即隶属函数来刻画它。 从信息观点看，随机性只涉及信息的量，模糊性关系到信息的意义、信息的定性问题。 模糊性是一种比随机性更深刻的不确定性。模糊性的存在比随机性的存在更为广泛，两者之间既有区别，又有联系，相互渗透，如模糊概率事件。 概率论处理随机事件，尽管事件的发生与否是不确定的，但事件本身有明确定义，发生与不发生的界线是明确的。满足这一假定条件的随机事件，它的概率是确定的数值。但在人们的实际生活中遇到的各种随机事件，有些并不满足上述假定，用概率论的方法不能做出恰当的处理。基本情况有两种： 事件本身是模糊的，出现与不出现之间没有明确的分界线。例如，“明天天气很好”，“下一场球赛获得大胜”……，这些事件本身没有明确定义，事件是否出现没有精确的判断准则。这类事件既有随机性又有模糊性，称其为模糊随机事件。 事件本身有确切定义，发生与不发生的界线明确，但事件发生的概率难于用精确的数值表示。例如，“下午的球赛，甲队打赢的可能性多大？”，事件本身指打赢或打输是明确的，但用精确的概率来度量这种可能性，并无多少客观依据，不如用“可能性很小”或“可能性很大”之类的模糊说法来表述更恰当。用这种模糊词语表示事件出现的可能性程度，称为语言概率，是人脑思维中经常使用的方法。 2.2.1 普通集合 集合的概念 论域 被考虑对象的所有元素的全体称为论域，又称全域、全集