对隶属函数确定方法的进一步探讨.ppt

对隶属函数确定方法的进一步探讨 第一组 人们判断隶属度的不合理性一般有以下几种： 由于自信出现偏差，当事件发生的客观概率在0.5以上，而人们又认为或希望它发生，则判断出的隶属度往往高于凭知识和事实本应判断的值；当事件发生的客观概率在0.5以下，而人们又不认为或不希望它发生，估计就 会偏低。 人们往往特别重视确定的结果。对肯定的比较 重视，当待选方案中出现确定后果时，就 偏向这种方案。从另一角度也可表现 为离参照点越近的变化人们越敏感。 人们对于盈利和亏损的感觉不一样，对损失带来的失望比同额获利带来的快慰更加强烈。 人们对于概率事件的作用估计偏高，而对于大概率的作用偏小。（注意：偏重感受小概率的作用和对过 高估计稀少事件的概率不是一回事。） 对于逼近不发生货时间的交界处，属于突 变范围。人们对其评价能力受到限制， 其概率或者被忽略或者被夸大，相应 的隶属度难以确定。 函数的选定及参数的调整 隶属函数的确定方法： 由于上述方法的局限性，如何找到更加接近的隶属函数？ 借助于指派方法的思想来确定隶属度函数。 思想：采用初步的确定粗略的隶属函数，然后再通过学习和实践检验逐步修改和完善，通过实际效果来检验和调整隶属函数。 常用的模糊分布有： 矩形、梯形、K次抛物型、 型、正态、柯西、岭型；每一种分布又分为戎上型，中间型，戎下行。 HOW 一.离参照点近 特点：离参照点越近，曲线越陡（愈近愈敏感） 1.假设参照点的隶属度为1（满意点）. 用抛线型分布 函数： 其中点a为参照点，点b位选下的隶属度为0的一个最小零点。 抛物线图像： 2.假设参照点（选取端点）的隶属度为0（不满意点）。可采用偏大型 ： 由k决定始点切线斜率，即决定曲线陡峭程度。 2 用升岭型分布描述： 举例：评价身高时，1.80m为高，隶属度为1；1.79m还为1；那么1.78m的隶属度为多少？ 栖西分布 二、对临近边际的现象不好评价 1 两边隶属度函数描述不一样，用不对称S隶属度函数描述： 三、对损失看重，即负效应现象。 其中 为中点， 这是随着自变量增加，满意度增加的隶属度函数。 四、当决策人参考时态体进行判断，往往会由于自信 出现偏差 用 由于隶属函数的确定有不同的方法，无论采用什么方法，应结合使用，进行互补，尽量避免偏差或丢失信息，是隶属函数能够达到最大限度的反映其所呈现的状态特征的目的。 谢谢!