2--模糊数学建模方法.ppt

* * 普通线性规划的一般形式为 目标函数 约束条件 矩阵表达形式 模糊线性规划 (1) * * 模糊线性规划是将约束条件和目标函数模糊化，引入隶属函数，从而导出一个新的线性规划问题，它的最优解称为原问题的模糊最优解. 普通线性规划其约束条件和目标函数都是确定的，但在一些实际问题中，约束条件可能带有弹性，目标函数可能不是单一的，可以借助模糊集的方法来处理. * * 模糊线性规划，其模型为 为了体现这个近似小于等于，我们引入伸缩指标di , * * 模型又可写成 当 时， 当 取 内某一值。 （2） * * 模糊线性规划 * * 模糊线性规划 * * 模糊线性规划 * * 模糊线性规划 * * 模糊线性规划 * * 模糊线性规划 * * 模糊线性规划 * * 多目标线性规划 在相同的条件下,要求多个目标函数都得到最好的满足,这便是多目标规划. 若目标函数和约束条件都是线性的,则为多目标线性规划. 一般来说,多个目标函数不可能同时达到其最优值,因此只能求使各个目标都比较“满意”的模糊最优解. 模糊线性规划 * * 实例1：饮料配方问题 某种饮料含有三种主要成份A1,A2,A3, 每瓶含量分别为75±5 mg, 120±5 mg, 138±5 mg,这三种成份主要来自于五种原料 B1, B2, B3, B4, B5. 各种原料每千克所含成分与单价如下表所示，若生产此种饮料一万瓶，如何选择原料成本最小？ 原料 B1 B2 B3 B4 B5 A1/mg 85 60 120 80 120 A2/mg 80 150 90 160 60 A3/mg 100 120 150 120 200 单价/元 1.3 1.5 1.6 1.7 1.8 * * 例2 解多目标线性规划问题 模糊线性规划 * * ⑴解普通线性规划问题： 得最优解为x1 = 0, x2 = 2, x3 = 2, 最优值为2，此时 f 2 = 8. 模糊线性规划 * * ⑵解普通线性规划问题： 得最优解为x1 = 10, x2 = 0, x3 = 0, 最优值为20，此时f 1 = 10. 模糊线性规划 * * ⑴的最优解为x1 = 0, x2 = 2, x3 = 2, 最优值为2, 此时 f 2 = 8. ⑵的最优解为x1 = 10, x2 = 0, x3 = 0, 最优值为20，此时f 1 = 10. 同时考虑两个目标，合理的方案是使 f 1∈[ 2, 10 ], f 2∈[ 8, 20 ], 可取伸缩指标分别为 d1 = 10 - 2 = 8, d2 = 20 - 8 = 12. 如果认为目标 f 1更重要,可单独缩小d1; 如果认为目标 f 2更重要，可单独缩小d2. * * ⑶再分别将两个目标函数模糊化,变为解普通线性规划问题： 得最优解为 x1 = 6.29, x2 = 0.29, x3 = 1.43, ? = 0.57. 此时f 1 = 5.43, f 2 = 14.86. * * * * 则可以计算出 于是这四个考生在“优秀”模糊集中的排序为： y2, y4, y1, y3. 模糊模式识别 * * 阈值原则： 模糊模式识别 有时我们要识别的问题，并非是已知若干模糊集求论域中的元素最大隶属于哪个模糊集（第一类模型），也不是已知一个模糊集，对论域中的若干元素选择最佳隶属元素（第二类模型），而是已知一个模糊集，问论域中的元素，能否在某个阈值的限制下隶属于该模糊集对应的概念或事物，这就是阈值原则，该原则的数学描述如下： * * 模糊模式识别 * * 例 设有三个三角形的模糊集：I 表示“近似等腰三角形”，R 表示“近似直角三角形”，E 表示“近似正三角形”，它们是论域 X={ (A, B, C) | A + B + C =180, A ? B ? C ?0 }上的模糊集，其隶属函数规定如下： * * 容易验证，当 A =B 或 B = C 时，I ( A, B, C ) =1；I(120, 60, 0) = 0； 当 A = 90 时，R( A，B，C ) =1；R(180，0，0) = 0； 当 A = B = C 时，E(60，60，60) =1；E(180, 0, 0)=0。这说明以上隶属函数在边界情况下是合理的。 现有一三角形，其三个内角分别为 A = 70，B = 60，C = 50，问这个三角形应该算作哪一类三角形？ * * 计算 按最大隶属度原则Ⅰ，这个三角形比较接近“近似正三角形” * * 若给定 ?1= 0.85，则因 E (70, 60, 50) = 0.