第三讲模糊逻辑与推理
- 格式:ppt
- 大小:1.22 MB
- 文档页数:1
模糊逻辑及不精确推理方法Document serial number【UU89WT-UU98YT-UU8CB-UUUT-UUT108】3-3 模糊逻辑及不精确推理方法3-3-1 模糊逻辑3-3-1-1 模糊、概率和传统精确逻辑之间的关系传统逻辑:强调精确性、严格性。
概率事件的结局是:非此即彼。
模糊事件的结局是:亦此亦彼。
另外,处理概率问题和模糊问题的具体方法也不一样。
3-3-1-2 模糊逻辑的历史100多年前,Peirce指出了模糊性在思维中的重要作用;1923年Russel再次指出这一点;1937年美国哲学家Black首先对“模糊符号”进行了研究;1940年德国数学家Weyl开始研究模糊谓词;1951年法国数学家Menger第一个使用“模糊集”术语(但解释仅在概率意义上);1965年Zadeh发表了着名的“模糊集”论文。
模糊术语或模糊现象:“年轻”、“派头大”“一般”“可接受”“舒服”等。
3-3-1-3 模糊集合论一. 引入传统集合论中,一个对象是否属于一个集合是界线分明的。
可以用其特征函数⎩⎨⎧∉∈=Ax Ax x C A ,0,1)(表示。
)(x C A 定义在某集合B 上,则称A 是B的一个分明子集。
在模糊集理论中,)(x C A 仍然定义在B 上,但取值是0到1之间的任何实数(包含0和1)。
此时,A 是模糊子集。
B 的元素x 可以:属于A (即)(x C A =1); 或不属于A (即)(x C A =0);或“在一定程度上”属于A (即0<)(x C A <1)。
一般,称模糊子集A 的特征函数)(x C A 为隶属函数,表示其在B 元素x 上的取值对A 的隶属度,用)(x A μ表示。
B 的模糊子集A 可表示为:}|))(,{(B x x x A A ∈=μ。
注:非空集合B 可以有无穷多个互不相同的模糊子集。
而空集只有一个模糊子集。
例子:各年龄阶段的人的集合。
则如果用B:表示各种年龄人的集合(实际上是一个小于人类最大岁数的整数集合);青年集合A 是B 的一个子集。
第三章 模糊逻辑3.1 模糊逻辑代数的基本知识一、布尔代数和德·摩尔根代数逻辑代数是布尔(G .Boole )为把逻辑思维数学化而创立的一门学科,因此逻辑代数也叫布尔代数。
定义3.1.1 一个集合L ,如果在其中定义了两种运算∨和∧,具有下列性质: (P1)幂等律 对任意α∈L ,有α∨α=α α∧α=α (P2)交换律对任意α,β∈L 有α∨β=β∨α α∧β=β∧α(P3)结合律对任意α,β,γ∈L 有()=()αβγαβγ∨∨∨∨ ()=()αβγαβγ∧∧∧∧(P4)吸收律()αβββ∨∧= ()αβββ∧∨=则称L 是一个格,记作L = (,,)L ∨∧。
记普通关系≤为L 中的偏序,它定义为αβαββ≤⇔∨=(3.1)设A L ⊂,对任意A α∈,若存在L β∈,使αβ≤,则称β为A 的上界。
如果0β是A 的上界中最小的一个上界,则称0β为A 的上确界,记为}{0sup |A βαα=∈ 或 0Aαβα∈=∨ (3.2)若存在L γ∈,使γα≤,则称γ为A 的下界。
如果0γ是A 的下界中最大的一个下界,则称0γ为A 的下确界,记为{}0inf |A γαα=∈ 或0Aαγα∈=∧ (3.3)关于两个元素α和β的上确界记为α∨β,下确界记为α∧β。
定义3.1.2设(,,)L ∨∧是一个格,如果它还满足如下性质:(P5)分配律()()()αβγαγβγ∨∧=∧∨∧()()()αβγαγβγ∧∨=∨∧∨则称(,,)L ∨∧是一个分配格。
定义3.1.3设(,,)L ∨∧是分配格,在L 中存在两个元素,记为0和1,以及存在运算c,对L α∀∈,满足:(P1) 么元律11α∨= 1αα∧= 0αα∨= 00α∧=分别称0、1为最小、最大元。
(P2) 复原律()c c αα=(P3) 补余律1c αα∨=0c αα∧=则称(,,,)cL ∨∧是一个布尔代数。
({0,1},,,)c ∨∧是一个布尔代数。
§ 3.3 模糊推理系统系统是指两个以上彼此相互作用的对象所构成的具有某种功能的集体。
模糊推理系统又称为模糊系统,是以模糊集合理论和模糊推理等技术为基础,具有处理模糊信息能力的系统。
模糊推理系统以模糊理论为主要计算工具,可以实现复杂的非线性映射,而且其输入输出都是精确的数值,因此具有广阔的应用前景。
3.3.1 模糊推理系统的结构一、模糊推理系统的组成模糊推理是一种仿生行为的近似推理方法,主要用来解决带有模糊现象的复杂推理问题。
由于模糊现象普遍存在,因此,模糊推理系统被广泛使用。
目前,已经在自动控制,数据处理、决策分析及模式识别等领域得到成功应用。
从功能上来看,模糊推理系统主要由模糊化、模糊规则库、模糊推理方法及去模糊化几部分组成,其基本结构如图3.3.1 所示。
模糊规则库图3.3.1 模糊推理系统的功能结构二、模糊推理系统的工作过程为了满足实际信息处理需要,模糊系统的输入输出必须是精确的数值。
由图3.3.1 看出,模糊推理系统的工作机理为:首先通过模糊化模块将输入的精确量进行模糊化处理,转换成给定论域上的模糊集合;然后激活规则库中对应的模糊规则,并且选用适当的模糊推理方法,根据已知模糊事实获得推理结果,最后将该模糊结果进行去模糊化处理,得到最终的精确输出量。
关于模糊推理方法,前面已经做了比较详细的介绍。
但是模糊推理系统对模糊规则库有何要求?如何将精确值转换成模糊集合,以及如何将模糊集合去模糊化,使之成为精确的数值?这些内容是设计模糊推理系统的基础,现在将详细阐述这方面的内容。
3.3.2 模糊化(Fuzzification) 精确值进入模糊推理系统时,一般要将其模糊化成给定论域上的模糊集合。
可见,模糊化的实质是将给定输入x*转换成模糊集合A~ *。
模糊化的原则是:①在精确值x*处模糊集合A~ *的隶属度最大;②输入数据若噪声干扰时,模糊化结果就具有一定的抗干扰能力;③模糊化运算应尽可能简单。
3.Fuzzy 函数与Fuzzy 变量综上所述,我们可以在[0,1]闭区间上将Fuzzy 函数分成n 个有限等级。
再采用多值逻辑方法来处理Fuzzy 逻辑的问题。
以n=2为例加以分析n=2时,分成两级:第一级11≤≤x a ,第二级:10a x note :这里虽然分为两级,但x 并不是二值变量。
假定给出Fuzzy 函数表达式为:------⋅⋅∨⋅∨⋅⋅=z y x y x z y x z y x f ),,(试问,当Fuzzy 函数处在第一级,即当1),,(1a z y x f ≥≥时,Fuzzy 变量x.,y ,z 应在什么范围内取值?这类问题是,已知Fuzzy 函数所处的等级,来求Fuzzy 变量的范围。
根据Fuzzy 函数的定义和基本公式,容易确定满足上述条件的x,y ,z 的范围。
方法如下: f(x,y ,z)≥1a 1a z y x ≥⋅⋅∴-必有 ① or 1a y x ≥⋅--② or 1a z y x ≥⋅⋅---③对①②③式再分解,如对①分解为:≥x 1a 与1a y ≥-与1a z ≥ 将1a y ≥-改写为 11a y -≤对②③同样处理,最后给出满足------⋅⋅∨⋅∨⋅⋅=z y x y x z y x z y x f ),,(的x,y ,z 的范围为:⎪⎩⎪⎨⎧≥-≤≥1111az a y a x or ⎩⎨⎧-≤-≤1111a y a x or ⎪⎩⎪⎨⎧-≤-≤-≤111111az a y a x 若已知Fuzzy 变量的范围,也可以推出Fuzzy 函数的表达式。
e.g.1如果Fuzzy 变量x,y ,z 满足如下逻辑条件,即⎩⎨⎧≥-≤111a ya x or ⎪⎩⎪⎨⎧≥-≤-≤11111az a y a x or⎪⎩⎪⎨⎧-≤≥≥1111az a y a x 试求属于第一级的Fuzzy 函数。
解:按题意,若Fuzzy 函数属于第一级,则必须满足()1..a z y x f ≥∴----⋅⋅∨⋅⋅∨⋅=zy x z y x y x z y x f ),,(作业2.e.g.2如果Fuzzy 变量x,y ,z 满足下列条件,即⎪⎩⎪⎨⎧-≤≥-≤-≤1111111az a z a y a x 或 or ⎩⎨⎧≥-≤111a z a x 试求在第一级的,即()1..a z y x f ≥的Fuzzy 函数 解:按题意,()1..a z y x f ≥∴()()zx z z y x z y x f ⋅∨∨⋅⋅=..五.Fuzzy 语言语言是思维的物质外壳,思维是语言的内容。
§3.3 模糊推理系统系统是指两个以上彼此相互作用的对象所构成的具有某种功能的集体。
模糊推理系统又称为模糊系统,是以模糊集合理论和模糊推理等技术为基础,具有处理模糊信息能力的系统。
模糊推理系统以模糊理论为主要计算工具,可以实现复杂的非线性映射,而且其输入输出都是精确的数值,因此具有广阔的应用前景。
3.3.1 模糊推理系统的结构一、模糊推理系统的组成模糊推理是一种仿生行为的近似推理方法,主要用来解决带有模糊现象的复杂推理问题。
由于模糊现象普遍存在,因此,模糊推理系统被广泛使用。
目前,已经在自动控制,数据处理、决策分析及模式识别等领域得到成功应用。
从功能上来看,模糊推理系统主要由模糊化、模糊规则库、模糊推理方法及去模糊化几部分组成,其基本结构如图3.3.1所示。
图3.3.1模糊推理系统的功能结构二、模糊推理系统的工作过程为了满足实际信息处理需要,模糊系统的输入输出必须是精确的数值。
由图3.3.1看出,模糊推理系统的工作机理为:首先通过模糊化模块将输入的精确量进行模糊化处理,转换成给定论域上的模糊集合;然后激活规则库中对应的模糊规则,并且选用适当的模糊推理方法,根据已知模糊事实获得推理结果,最后将该模糊结果进行去模糊化处理,得到最终的精确输出量。
关于模糊推理方法,前面已经做了比较详细的介绍。
但是模糊推理系统对模糊规则库有何要求?如何将精确值转换成模糊集合,以及如何将模糊集合去模糊化,使之成为精确的数值?这些内容是设计模糊推理系统的基础,现在将详细阐述这方面的内容。
3.3.2 模糊化(Fuzzification)精确值进入模糊推理系统时,一般要将其模糊化成给定论域上的模糊集合。
可见,模糊化的实质是将给定输入*x转换成模糊集合*~A。
模糊化的原则是:①在精确值*x处模糊集合*~A的隶属度最大;②输入数据若噪声干扰时,模糊化结果就具有一定的抗干扰能力;③模糊化运算应尽可能简单。
下面介绍三种常用的模糊化方法。