没有合适的资源?快使用搜索试试~ 我知道了~
数学建模_优化问题_模糊数学模型
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 191 浏览量
2022-06-04
23:21:33
上传
评论
收藏 441KB PDF 举报
温馨提示
试读
39页
数学建模_优化问题_模糊数学模型
资源推荐
资源详情
资源评论
-412-
第二十二章 模糊数学模型
§1 模糊数学的基本概念
1.1 模糊数学简介
1965 年,美国著名计算机与控制专家查德(L.A.Zadeh)教授提出了模糊的概念,并
在国际期刊《Information and Control》发表了第一篇用数学方法研究模糊现象的论文
“Fuzzy Sets”(模糊集合),开创了模糊数学的新领域。
模糊是指客观事物差异的中间过渡中的“不分明性”或“亦此亦彼性”。如高个子
与矮个子、年轻人与老年人、热水与凉水、环境污染严重与不严重等。在决策中,也有
这种模糊的现象,如选举一个好干部,但怎样才算一个好干部?好干部与不好干部之间
没有绝对分明和固定不变的界限。这些现象很难用经典的数学来描述。
模糊数学就是用数学方法研究与处理模糊现象的数学。它作为一门崭新的学科,它
是继经典数学、统计数学之后发展起来的一个新的数学学科。经过短暂的沉默和争议之
后,迅猛的发展起来了,而且应用越来越广泛。如今的模糊数学的应用已经遍及理、工、
农、医及社会科学的各个领域,充分的表现了它强大的生命力和渗透力。
统计数学是将数学的应用范围从确定性的领域扩大到了不确定性的领域,即从必然
现象到偶然现象,而模糊数学则是把数学的应用范围从确定领域扩大到了模糊领域,即
从精确现象到模糊现象。
实际中,我们处理现实的数学模型可以分成三大类:第一类是确定性数学模型,即
模型的背景具有确定性,对象之间具有必然的关系。第二类是随机性的数学模型,即模
型的背景具有随机性和偶然性。第三类是模糊性模型,即模型的背景及关系具有模糊性。
1.2 基本概念
1.2.1 模糊集和隶属函数
定义 1 论域
X
到 ]1,0[ 闭区间上的任意映射
A
μ
: ]1,0[→X
)(xx
A
μ
→
都确定
X
上的一个模糊集合 A ,
A
μ
叫做 A 的隶属函数, )(x
A
μ
叫做
x
对模糊集 A 的
隶属度,记为:
}|))(,{( XxxxA
A
∈
=
μ
使
5.0)( =x
A
μ
的点
0
x 称为模糊集 A 的过渡点,此点最具模糊性。
显然,模糊集合
A完全由隶属函数
A
μ
来刻画,当 }1,0{)(
=
x
A
μ
时, A退化为一
个普通集。
1.2.2 模糊集合的表示方法
当论域
X
为有限集时,记 },,,{
21 n
xxxX L
=
,则
X
上的模糊集 A 有下列三种常
见的表示形式。
i) zadeh 表示法
当论域
X
为有限集时,记 },,,{
21 n
xxxX L
=
,则
X
上的模糊集 A 可以写成
n
nAAA
n
i
i
iA
x
x
x
x
x
x
x
x
A
)()()()(
2
2
1
1
1
μμμμ
+++==
∑
=
L
注:“
∑
”和“+”不是求和的意思,只是概括集合诸元的记号;“
i
iA
x
x )(
μ
”不是
-413-
分数,它表示点
i
x 对模糊集
A
的隶属度是 )(
iA
x
μ
。
ii) 序偶表示法
))}(,(,)),(,()),(,{(
2211 nAnAA
xxxxxxA
μ
μ
μ
L=
iii) 向量表示法
))(,),(),((
21 nAAA
xxxA
μ
μ
μ
L=
当论域
X
为无限集时,
X
上的模糊集
A
可以写成
∫
∈
=
Xx
A
x
x
A
)(
μ
注:“
∫
”也不是表示积分的意思,“
x
x
A
)(
μ
”也不是分数。
例 1 设论域
)}190(),180(),170(),160(),150(),140({
654321
xxxxxxX = (单位:
cm)表示人的身高,
X
上的一个模糊集“高个子”( A )的隶属函数 )(x
A
μ
可定义为
140190
140
)(
−
−
=
x
x
A
μ
用 zadeh 表示法,
654321
18.06.04.02.00
xxxxxx
A +++++=
用向量表示法,
)1,8.0,6.0,4.0,2.0,0(
=
A
例 2 设论域
]1,0[=X ,Fuzzy 集 A 表示“年老”,
B
表示“年轻”,Zadeh 给出 A、
B
的隶属度函数分别为
⎪
⎩
⎪
⎨
⎧
≤<
−
+
≤≤
=
−−
10050])
5
50
(1[
5000
)(
12
x
x
x
xA
⎪
⎩
⎪
⎨
⎧
≤≤
−
+
≤≤
=
−
10025])
5
25
(1[
2501
)(
12
x
x
x
xB
94.0)70( ≈A ,即“70 岁”属于“年老”的程度为 0.94。又易知 8.0)60( ≈A ,
02.0)60( ≈B ,可认为“60 岁”是“较老的”。
A=“年老”=
∫
−−
−
+
100
50
12
])
5
50
(1[
x
x
B
=“年轻”=
∫∫
−
−
+
+
100
25
12
25
0
])
5
25
(1[
1
x
x
x
1.2.3 模糊集的运算
常用取大“∨”和取小“∧”算子来定义 Fuzzy 集之间的运算。
定义 2 对于论域
X
上的模糊集
A
,
B
,其隶属函数分别为 )(x
A
μ
, )(x
B
μ
。
-414-
i) 若对任意 Xx
∈
,有 )()( xx
AB
μ
μ
≤
,则称
A
包含
B
,记为 AB ⊆ ;
ii) 若 BA ⊆ 且 AB ⊆ ,则称
A
与
B
相等,记为
B
A
=
。
定义 3 对于论域
X
上的模糊集
A
,
B
,
i) 称 Fuzzy 集
BAC U= , BAD I
=
为
A
与
B
的并(union)和交(intersection),
即
)()()}(),(max{))(( xBxAxBxAxBAC ∨
=
=
= U
)()()}(),(min{))(( xBxAxBxAxBAD
∧
=
=
= I
他们相应的隶属度
)(),( xx
DC
μ
μ
被定义为
)}(),(max{)( xxx
BAC
μ
μ
μ
=
)}(),(min{)( xxx
BAD
μ
μ
μ
=
ii) Fuzzy 集
C
A 为 A 的补集或余集(complement),其隶属度
)(1)( xx
A
A
C
μ
μ
−
=
例 3 已知
}8,7,6,5,4,3,2,1{
=
X ,
5
1.0
4
4.0
3
8.0
2
5.0
1
3.0
++++=A
,
6
5.0
5
9.0
4
3.0
3
2.0
+++=B
,
则有
BAU =
6
5.0
5
9.0
4
4.0
3
8.0
2
5.0
1
3.0
+++++ ,
BAI =
5
1.0
4
3.0
3
2.0
++
,
=
C
A
8
1
7
1
6
1
5
9.0
4
6.0
3
2.0
2
5.0
1
7.0
+++++++ 。
1.2.4 隶属函数的确定方法
模糊数学的基本思想是隶属度的思想。应用模糊数学方法建立数学模型的关键是建
立符合实际的隶属函数。这里仅仅介绍几种常用的确定隶属函数的方法。
(1)模糊统计方法
模糊统计方法是一种客观方法,主要是基于模糊统计试验的基础上根据隶属度的客
观存在性来确定的。所谓的模糊统计试验包含以下四个要素:
i) 论域
X
;
ii)
X
中的一个固定元素
0
x ;
iii)
X
中一个随机变动的集合
*
A (普通集);
iv)
X
中一个以
*
A 作为弹性边界的模糊集 A ,对
*
A 的变动起着制约作用。其中
*
0
Ax ∈ ,或者
*
0
Ax ∉ ,致使
0
x 对
A
的关系是不确定的。
假设做
n 次模糊统计试验,则可计算出
0
x 对 A 的隶属频率=
n
Ax
的次数
*
0
∈
-415-
实际上,当 n 不断增大时,隶属频率趋于稳定,其频率的稳定值称为
0
x 对
A
的隶属度,
即
)(
0
x
A
μ
=
n
Ax
n
的次数
*
0
lim
∈
∞→
(2)指派方法
指派方法是一种主观的方法,它主要依据人们的实践经验来确定某些模糊集隶属函
数的一种方法。
如果模糊集定义在实数域
R
上,则模糊集的隶属函数称为模糊分布。所谓指派方
法就是根据问题的性质主观地选用某些形式的模糊分布,再根据实际测量数据确定其中
所包含的参数,常用的模糊分布如表 1 所示。
实际中,根据问题对研究对象的描述来选择适当的模糊分布:
① 偏小型模糊分布一般适合于描述像“小,少,浅,淡,冷,疏,青年”等偏小
的程度的模糊现象。
② 偏大型模糊分布一般适合于描述像“大,多,深,浓,热,密,老年”等偏大
的程度的模糊现象。
③ 中间型模糊分布一般适合于描述像“中,适中,不太多,不太少,不太深,不
太浓,暖和,中年”等处于中间状态的模糊现象。
但是,表 1 给出的隶属函数都是近似的,应用时需要对实际问题进行分析,逐步修
改进行完善,最后得到近似程度更好的隶属函数。
(3)其它方法
在实际应用中,用来确定模糊集的隶属函数的方法是多种多样的,主要根据问题的
实际意义来确定。譬如,在经济管理、社会管理中,可以借助于已有的“客观尺度”作
为模糊集的隶属度。下面举例说明。
如果设论域
X
表示机器设备,在
X
上定义模糊集 A =“设备完好”,则可以用“设
备完好率”作为
A的隶属度。如果
X
表示产品,在
X
上定义模糊集 A =“质量稳定”,
则可以用产品的“正品率”作为
A
的隶属度。如果
X
表示家庭,在
X
上定义模糊集
A
=“家庭贫困”,则可以用“Engel 系数=食品消费/总消费”作为
A
的隶属度。
另外,对于有些模糊集而言,直接给出隶属度有时是很困难的,但可以利用所谓
的“二元对比排序法”来确定,即首先通过两两比较确定两个元素相应隶属度的大小,
然后用数学方法加工处理得到所需的隶属函数。
表 1 常用的模糊分布
类
型
偏小型 中间型 偏大型
矩
阵
型
⎩
⎨
⎧
>
≤
=
ax
ax
A
,0
,1
μ
⎩
⎨
⎧
><
≤≤
=
bxax
bxa
A
或,0
,1
μ
⎩
⎨
⎧
<
≥
=
ax
ax
A
,0
,1
μ
-416-
梯
形
型
⎪
⎪
⎩
⎪
⎪
⎨
⎧
>
≤≤
−
−
≤
=
bx
bxa
ab
xb
ax
A
,0
,
,1
μ
⎪
⎪
⎪
⎩
⎪
⎪
⎪
⎨
⎧
≥<
≤≤
−
−
≤≤
≤≤
−
−
=
dxax
dxc
cd
xd
cxb
bxa
ab
ax
A
,,0
,
,1
,
μ
⎪
⎪
⎩
⎪
⎪
⎨
⎧
>
≤≤
−
−
<
=
bx
bxa
ab
ax
ax
A
,1
,
,0
μ
k
次
抛
物
型
⎪
⎪
⎩
⎪
⎪
⎨
⎧
>
≤≤
−
−
≤
=
bx
bxa
ab
xb
ax
k
A
,0
,)(
,1
μ
⎪
⎪
⎪
⎩
⎪
⎪
⎪
⎨
⎧
≥<
≤≤
−
−
≤≤
≤≤
−
−
=
dxax
dxc
cd
xd
cxb
bxa
ab
ax
k
k
A
,,0
,)(
,1
,)(
μ
⎪
⎪
⎩
⎪
⎪
⎨
⎧
>
≤≤
−
−
<
=
bx
bxa
ab
ax
ax
k
A
,1
,)(
,0
μ
Γ
型
⎩
⎨
⎧
>
≤
=
−−
axe
ax
axk
A
,
,1
)(
μ
⎪
⎩
⎪
⎨
⎧
>
≤≤
<
=
−−
−
bxe
bxa
axe
axk
axk
A
,
,1
,
)(
)(
μ
⎩
⎨
⎧
≥−
<
=
−−
axe
ax
axk
A
,1
,0
)(
μ
正
态
型
⎪
⎩
⎪
⎨
⎧
>
⎪
⎭
⎪
⎬
⎫
⎪
⎩
⎪
⎨
⎧
⎟
⎠
⎞
⎜
⎝
⎛
−
−
≤
=
ax
ax
ax
A
,exp
,1
2
σ
μ
⎪
⎭
⎪
⎬
⎫
⎪
⎩
⎪
⎨
⎧
⎟
⎠
⎞
⎜
⎝
⎛
−
−=
2
exp
σ
μ
ax
A
⎪
⎩
⎪
⎨
⎧
>
⎪
⎭
⎪
⎬
⎫
⎪
⎩
⎪
⎨
⎧
⎟
⎠
⎞
⎜
⎝
⎛
−
−−
≤
=
ax
ax
ax
A
,exp1
,0
2
σ
μ
柯
西
型
⎪
⎩
⎪
⎨
⎧
>
−+
≤
=
ax
ax
ax
A
,
)(1
1
,1
β
α
μ
)0,0( >>
β
α
β
α
μ
)(1
1
ax
A
−+
=
(
β
α
,0> 为正偶数)
⎪
⎩
⎪
⎨
⎧
>
−+
≤
=
−
ax
ax
ax
A
,
)(1
1
,0
β
α
μ
)0,0( >>
β
α
1.3 模糊关系、模糊矩阵
1.3.1 基本概念
定义 4 设论域
U
,
V
,乘积空间上 },),{( VvUuvuVU ∈∈=× 上的一个模糊
子集
R
为从集合U 到集合V 的模糊关系。如果模糊关系
R
的隶属函数为
R
μ
: VU × ]1,0[→ , a),( yx ),( yx
R
μ
则称隶属度
),( yx
R
μ
为
),( yx
关于模糊关系
R
的相关程度。
这是二元模糊关系的数学定义,多元模糊关系也可以类似定义。
设
{}
m
xxxU ,,,
21
L= ,
{
}
n
yyyV ,,,
21
L= ,
R
为从U 到V 的模糊关系,其隶
属函数为
),( yx
R
μ
,对任意的
),(
ji
yx
∈
VU
×
有
]1,0[),( ∈=
ijjiR
ryx
μ
,
njmi ,,2,1,,,2,1 LL == ,记
nmij
rR
×
=
)( ,则
R
就是所谓的模糊矩阵。下面给出一
般的定义。
剩余38页未读,继续阅读
资源评论
Sherry_shiry
- 粉丝: 2
- 资源: 1097
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功