人工智能第五章计算智能.pptVIP

2.基于模糊关系的推理建立在论域U1，U2，…，Un上的一个模糊关系R是笛卡尔积U1×U2×…×Un上的模糊集合。若这些论域的元素变量分别为XU1，XU2，…，XU2?，则R的隶属函数记μR(XU1，XU2，…，XU2)。模糊关系R可形式地定义为

模糊推理模糊推理当模糊推理的输人信息是定性术语（以相应的模糊集表示）时，可以基于模糊关系作推理。介绍简单直观的Mamdani方法。设模糊规则形如P?H,模糊命题P和H相应的模糊集AP和AH分别建立在论域UP和UH上（相应的元素变量为xP，xH）。令R(P;H)指示从P推出H的模糊关系，则定义当实际的输人信息是模糊命题P’（相应的模糊集为AP’）的，则模糊推理的输出H’（相应的模糊集为AH’）表示为举例：设UP=UH={1，2，3，4，5}，是关于长度的论域，论域中元素的量度单位是“米”。现有模糊规则为“XP短?XH长”，定义定性术语“短”和“长”模糊集AP和AH分别为（隶属程度为0的项省略）：则R(P;H)，AP，AH可表示为矩阵。有模糊推理模糊推理若模糊推理的实际输入是模糊命题“xP略短”，其相应模糊集AP’定义为则有

??????模糊推理设有m条形如Pi?Hi的规则，相应于每条规则的模糊关系分别为R1，R2，…，Rm，则综合的模糊关系R定义为在实际应用中，规则的前提常表示为若干模糊命题的合取，则或者??????单击此处可添加副标题3.模糊判决通过模糊推理得到的结果是一个模糊集合或者隶属函数，但在实际使用中，特别是在模糊逻辑控制中，必须用一个确定的值才能去控制伺服机构。在推理得到的模糊集合中取一个相对最能代表这个模糊集合的单值的过程就称为解模糊或模糊判决（defuzzification）。下面介绍各种模糊判决方法，并以“水温适中”为例，说明不同的计算过程。这里假设“水温适中”的隶属函数为μF(x)=（X：0.0/0+0.0/10+0.33/20+0.67/30+1.0/40+1.0/50+0.75/60+0.5/70+0.25/80+0.0/90+0.0/100模糊推理模糊推理(1).重心法所谓重心法就是取模糊函数曲线与横坐标轴围成面积的重心作为代表点。理论上应该计算输出范围内一个连续点的重心，即但实际上是计算输出范围内整个采样点（即若干离散值）的重心。这样，在不用花费太多时间的情况下，用足够小的取样间隔来提供所需要的精度，这是一种最好的折衷方案。即单击此处可添加副标题u=（0×0.0+10×0.0+20×.033+30×0.67+40×1.0+50×1.0+60×0.75+70×0.5+80×0.25+90×0.0+100×0.0）/（0.0+0.0+0.33+0.67+1.0+1.0+0.75+0.5+0.25+0.0+0.0）=48.在隶属函数不对称的情况下，其输出的代表值48.20C。如果模糊集合中没有48.20C，那么就选取最靠近的一个温度值500C输出。(2).最大隶属度法在推理结论的模糊集合中取隶属度最大的那个元素作为输出量。不过，要求这种情况下的隶属函数曲线一定是正规凸模糊集合（即其曲线只能是单峰曲线）。如果该曲线是梯形平顶，那么具有最大隶属度的元素就可能不只一个，这时就要对所有取最大隶属度的元素求其平均值。例如，对于“水温适中”这种情况，按最大隶属度原则，有两个元素40和50具有最大隶属度1.0，那就要对所有取最大隶属度的元素40和50求平均值，执行量应取.模糊推理模糊推理系数加权平均法系数加权平均法的输出执行量由下式决定：式中，系数Ki的选择要根据实际情况而定，不同的系统决定了系统有不同的响应特性。当该系统选择ki=UN(xi)时，即取其隶属函数时，这就是重心法。在模糊逻辑控制中，可以通过选择和调整系统来改善系统的响应特性。因而这种方法具有一定的灵活性。模糊推理用所确定的隶属度值a隶属度函数曲线进行切割，再对切割后等于该隶属度的所有元素进行平均，用这个平均值作为输出执行量，这种方法就称为隶属度限幅元素平均法。1例如，当取a为最大隶属值时，表示“安全隶属”关系，这时a=1.0。在“水温适中”的情况下，400C和500C的隶属度是非曲直1.0求其平均值得到输出代表量：u=（40+50）/2=452这样，当“完全隶属”时，其代表量为450C。3如果当a=0.5时，表示“大概隶属”关系，则切割隶属度函数曲线后，从300C到700C的隶属度值都包含在其中，所以求其平均值得到输出代表量：u=（30+40+50+60+70）/5=504这样，当“大概隶属”时，其代