人工智能-模糊推理.docxVIP

 PAGE \* MERGEFORMAT 13 目录 引言 1不確定性與模糊逻辑 1.1古典逻辑 1.2 模糊逻辑 1.2.1 一维隶属函数参数值 1.2.2 二维隶属函数参数值 2 模糊关系 2.1 模糊关系的定义 2.2 模糊关系的表示 3 模糊集合 3.1 模糊集合的概念 3.2 模糊集合的表示 3.3 模糊集合的运算性质 4 模糊逻辑 5 简单遗传算法 6 模糊遗传算法 7 关于模糊遗传算法的新方法引言 模糊逻辑指模仿人脑的不确定性概念判断、推理思维方式，对于模型未知或不能确定的描述系统，以及强非线性、大滞后的控制对象，应用模糊集合和模糊规则进行推理，表达过渡性界限或定性知识经验，模拟人脑方式，实行模糊综合判断，推理解决常规方法难于对付的规则型模糊信息问题。模糊逻辑善于表达界限不清晰的定性知识与经验，它借助于隶属度函数概念，区分模糊集合，处理模糊关系，模拟人脑实施规则型推理，解决因“排中律”的逻辑破缺产生的种种不确定问题 。 不確定性與模糊逻辑 妻子： Do you love me? 丈夫： Yes.(布林逻辑) 妻子： How much? (模糊逻辑) 布林逻辑(Boolean Logic)：二值，布林逻辑：{真，假}?{0，1}； 模糊逻辑(Fuzzy Logic)：多值，模糊逻辑：部分为真(部分为假)，而不是非真即假。模糊逻辑取消了二值之间非此即彼的对立，用隶属度表示二值间的过度状态（1完全属于这个集合；0完全不属于这个集合）。 古典逻辑 对于任意一个集合A，论域中的任何一个元素x，或者属于A，或者不属于A，集合A也可以由其特征函数定义： 模糊逻辑 论域上的元素可以“部分地属于”集合A 。一个元素属于集合A的程度称为隶属度，模糊集合可用隶属度函数定义。 一维隶属函数参数化 三角形隶属函数： （如图1.1） Trig(x;20,60,80) 1 0.5 0 50 100 （图1.1 三角形） 梯形隶属函数： （如图1.2） Trig(x;10,20,60,90) 1 0.5 0 50 100 （图1.2 梯形） 高斯形隶属函数： （如图1.3） g(x;50,20) 1 0.5 0 50 100 （图1.3 高斯形） 一般钟形隶属函数： （如图1.4） （图1.4 钟形） 二维隶属函数参数化 一维模糊集合的圆柱扩展 模糊关系 设X、Y是两个论域，笛卡尔积：X×Y=x,y|x∈X,y∈Y，又称直积——由两个集合间元素无约束地搭配成的序偶（x,y）的全体构成的集合。 序偶中两个元素的排列是有序的：对于X×Y中的元素必须是x,y，x∈X,y∈Y，即（x,y）与（y,x）是不同的序偶。一般地，X×Y≠Y×X。 2.1 模糊关系的定义 设X,Y是两个论域，称X×Y的一个模糊子集为从X到Y的一个模糊关系，记作： X Y 模糊关系的隶属函数：X×Y=[0,1]。 （x0,y0）叫做（x0,y0）具有关系的程度。 特别的，当X=Y时，称为“论域X中的模糊关系”。 2.2 模糊关系的表示 矩阵表示法 当X、Y是有限论域时，模糊关系可以用模糊矩阵R表示。对于矩阵 R=(rij)n×m，若其所有元素满足rij∈[0,1]。 有向图表示法 模糊集合 模糊逻辑本身并不模糊，它并不是“模糊的”逻辑，而是用来对“模糊”（现象、事件）进行处理，以达到消除模糊的逻辑。 给定论域X上的一个模糊子集，是指：对于任意x∈X ，都确定了一个数，称为x 对的隶属度，且∈[0,1]。 经典集合+隶属函数?模糊集合，隶属函数