第10章模糊决策.pptVIP

决策理论与方法 第10章　模糊决策 10.1 引言 在日常生活中，我们遇到的现象不外乎两类。一类是有明确概念的确定性现象，一类是随机的、模糊的不确定性现象。 1.确定性现象；这一类是很清晰的概念，对象是否属于这个概念是明确的。例如：人、自然数等。 要么是人，要么不是人 要么是自然数，要么不是自然数 2.不确定性现象； （1）随机性 — 随机数学 a）抛硬币。 每次抛硬币后出现正反面的可能性是不能预测的，是不确定的，随机的。 b）布朗运动。 分子的无规则运动，每个分子的状态都是偶然的、随机的。随机数学用概率分布函数来表示事件发生的可能性，概率分布函数的取值范围是闭区间[0，1]中的任意实数。“1”表示事件必然发生，“0”表示事件不会发生；0 和 1 之间的值表示事件发生的可能性的大小。 （2）模糊性 – 模糊数学 这一类概念对象从属的界限是模糊的，随判断人的思维而定，例如：好不好？快不快？快乐得很等等。 在客观世界中，诸如上述的模糊概念要比清晰概念多得多。对于这类模糊现象，过去已有的数学模型难以适用，需要形成新的理论和方法，即在数学和模糊现象之间架起一座桥梁。它，就是我们要讲的“模糊数学”。 模糊数学——研究和揭示模糊现象的定量处理方法。 什么是模糊数学？ 秃子悖论: 天下所有的人都是秃子 设头发根数n n=1 显然 若n=k 为秃子 n=k+1 亦为秃子 模糊概念：从属于该概念到不属于该概念之间 无明显分界线。 共同特点：模糊概念的外延不清楚。 模糊数学的产生及基本思想： 1.产生：1965年，L.A.Zadeh（扎德）发表文章《模糊集》。(Fuzzy Sets，Information and Control, 8, 338-353 ) 2.基本思想：用属于程度代替属于或不属于。 例如：某个人属于秃子的程度为0.8, 另一个人属于秃子的程度为0.3等。 3.涉及学科：模糊代数、模糊拓扑、模糊逻辑、模糊决策、模糊分析、人工智能、控制、决策、医学、土木、农业、气象、信息、经济、文学、音乐… 4.模糊产品：洗衣机、摄像机、照相机、电饭煲、空调、电梯… 模糊数学的主要应用： 1.模糊聚类分析——对研究的事物按一定标准进行分类。 2.模糊模式识别——已知事物的若干标准模型，给出一个具体的对象，确定把它归于哪一个类型。 3.模糊综合评价——从某一事物的多个方面紧性综合评价。 4.模糊线性规划——将线性规划的约束条件或目标函数模糊化，引入隶属函数，从而导出一个新的线性规划问题，其最优解称为原问题的模糊最优解。 10.2 模糊集合及其运算 一、经典集合与特征函数 1.集合：具有某种特定属性的对象集体。用符号A、B、C…表示。例如：A={a、b、c} 2.论域：对局限于一定范围内进行讨论的对象的全体。用符号U、V、X、Y…表示。论域U中的每个对象u称为U的元素。 　　在论域Ｕ中，对任一ｕ以及任一经典集合Ａ，则 必有　　　或 　　用函数表示为： 　　　　　　 其中， 函数　　称为集合Ａ的特征函数。 二、模糊集合及其运算 美国控制论专家Zadeh教授正视了经典集合描述的“非此即彼”的清晰现象，提示了现实生活中的绝大多数概念并非都是“非此即彼”那么简单，而概念的差异常以中介过渡的形式出现，表现为“亦此亦彼”的模糊现象。基于此，1965年， Zadeh教授在《Information and Control》杂志上发表了一篇开创性论文“Fuzzy Sets”, 标志着模糊数学的诞生。 1.模糊子集 对于模糊集合　，元素ｘ （１）若ｘ位于　的内部，则用１来记录； （２）若ｘ位于　的外部，则用０来记录； （３）若ｘ一部分位于　的内部，一部分位于　的外 　部，则用ｘ位于　的内部的长度来表示ｘ对于　的 　隶属程度。 1.定义：设Ｕ是论域，称映射： 确定了一个Ｕ上的模糊子集　。映射　称为　的隶属 函数，　　称为ｘ对　的隶属程度，简称隶属度。 １．　　　　　，表示ｘ隶属于　的程度越小； ２．　　　　　，表示ｘ隶属于　的程度越大； ３．　　　　　，最具有模糊性，过渡点． 注：模糊子集　由隶属函数　　唯一确定。故认为二者 是等同的。为简单起见。常用Ａ来表示　和　　。 三、模糊子集简称模糊集，表示方法有： １．Zadeh表示法 这里， 表示 对模糊子集A 的隶属度是 例如：将1、2、3、4组成一个小数的集合，可表示为 ２．序偶表示法 ３．向量表示法 若论域Ｕ为无限集，其上的模糊集表示为 例１　有100名消费者，对5种产品 评价。结果为：81人认为 质量好，53人认为 好，所 有人认为 好，没有人认为 好，