模糊数学中最大隶属原则应用.docVIP

模糊数学中最大隶属原则应用 　　 ［摘 要］ 现实生活是由不同且不确定因素组成的集合，在对其进行分类与求解归属问题上寻找最优解。为简化运算，则利用最大隶属原则进行判断。文章要介绍的为相对简单集合，且集合中的模糊集是有限的。 　　 ［关键词］ 最优解；有限集合；隶属原则 　　 ［作者简介］ 朱国成，广州大学数学与信息科学学院硕士研究生，研究方向：模糊信息决策与最优化，广东 广州，510006 　　 ［中图分类号］ O29 ［文献标识码］ A ［文章编号］ 1007-7723（2011）11-0011-0003 　　 　　 最大隶属原则是模糊数学中的模糊综合评判法中所用到的一个原则。现实生活是由不同且不确定因素组成的集合，需要对其进行分类与求解归属问题上寻找最优解。为简化运算，通常利用最大隶属原则进行判断。 　　一、最大隶属原则的定义 　　 定义：X为模糊集，其中集合元素分别为■■,■■…■■,i=1,2…n。如果对?坌x■∈X有：■■(X■)=max■■(X■) ，则说明X■相对于模糊集■■。 　　二、最大隶属原则使用方法 　　 二元对比排序法：此方法对有限模糊集适用，其中相对比较法更为直接。 　　 相对比较法定义：把论域中有限元素按某种特性，在两两元素之间进行比较，集合为x■,x■…x■ 　　 步骤： 　　 1. 先进行两两元素比较，即x■,x■…x■，f■（x■）=A，A∈0,1,i,j∈1,2…n 　　 2. 建立相及矩阵，令，f(x■\x■)=■ 则 　　 　　 　　 　　 　　 这里x■ 表示为数字，它的意义：xi与xj相比较的结果，利用的是上面的比较公式。 　　 3. 排序规则。对上面的矩阵S每行取小，得到的n个数分别是x■,x■,…x■。这里n■∈1,2…n 。再把这 个数从大往小或从小往大排列，根据最优化原则选取最大的为优。 　　三、举例说明 　　 例1：判断油菜苗长势、长相时，需根据绿叶数x1，苗高x■，胚茎长x3，胚茎粗x4四个因素，把不同的油菜苗分别归属于健壮苗■■，瘦弱苗■2，徒长苗■■三个类型。已知每一类型油菜苗■i对每一单因素Xi均服从正态分布： 　　 　　 　　 ， 　　 　　 　　其中 为统计平均值， 为方差，它们的数据由表1给出： 　　 每株油菜 对各类型苗 的隶属度可用公式 计算。现根据最大隶属原则判别 的所属类型。 　　 计算：由题目可得 　　 　　 　　 　　 故 ，同理可得 ， 　　 由最大隶属原则知，x为徒长苗 。 　　 思考：对 的隶属度公式 的运用中为什么不取大？代入计算，在实际计算中，都取大，则有， ， ， ，显然，最大隶属原则无法判断x所属类型。 　　 分析原因：x论域中有四个因素，即由四个集合构成，分别为绿叶数，苗高，胚芽长，胚芽粗。对其隶属度分别取小则把其中任一因素对整体的影响降到最小。取大，若有一个因素远离平均值，则无法准确判断。 　　 总结：对一个总体，若有限个因素对其作用，在用隶属度问题上取小使其因素在可控因素内，用数值来说就是在平均值的某个小区间里来统一进行比较。 　　四、用 Max-min合成的方法求最大隶属度 　　 （1）Max-min合成： 　　 　　 例2：某家庭子女和父母外貌“相像”关系R及父母与祖父母，外祖父母“相像”的关系S分别为： 　　 那么子女与祖父母，外祖父母“相像”的关系可看成合成关系 ，利用公式（1）可得下表： 　　 显然由最大隶属原则可以得出子女分别与祖父、祖母、外祖父、外祖母的“相像”程度。 　　五、用最优化原理求解最大隶属度 　　 定义：在决策最短线路问题上，已知出发站为A1，终点站为E1，从A1到E1中间有很多种方法。为求最短路程S，也就是从A1到E1的最佳路线，我们用最大隶属度来解释，规定：S=F（D）L=■，其中 F（D）表示最短路程，D由从A1到E1之间所有最优路程d1（i=1,2…n或具体站名）所组成的集合，Z表示不确定因素所构成的函数集合，且 Z0.L表示为最大隶属度。 　　 例3：设有一个旅行者从A1到E1，中间每站的距离为d1（i=1,2…n）具体路程如下表2所示：（其中距离表示的为直接距离，即中间不经过其他站，如果经过则为0） 　　 解：由表2可得出结论：若从A1站到E1站则必先经过B■，B■或B■中某一站，接着还要经过C■，C■或C■中的某一站，最后要经过D■或D■的某一站，最后到达E■站。 　　 1. 考虑一个阶段的最优选择，按逆序推算旅行者到达E■站之前上一站必然到达D■或D■站，如果上一站的起点为D■，则该阶段最优决策必然为 D■E■，距离F（d1）=d（D1E1）=3，F（d1）表示某阶段从D1出发到终点站E1