粗糙集理论的基本原理与模型构建

粗糙集理论介绍面对日益增长的数据库，人们将如何从这些浩瀚的数据中找出有用的学问？我们如何将所学到 的学问去粗取精？什么是对事物的粗线条描述什么是细线条描述？粗糙集合论Pl答了上面的这些问题。要想了解粗糙 集合论的思想，我们先要了解一下什么叫做学问？假设有8个积木构成了 一个集合A,我们记： A={xl,x2,x3,x4,x5,x6,x7,x8},每个积木块都有颜色属性，根据颜色的不同,我们能够把这积累木分成Rl={红,黄,兰} 三个大类，那么全部红颜色的积木构成集合Xl = {xl,x2,x6},黄颜色的积木构成集合X2={x3,x4},兰颜色的积木是： X3={x5,x7,x8}o

根据颜色这个属性我们就把积木集合A进行了一个划分(所谓A的划分就是指对于A中的任意一个元素必定属 于且仅属于一个分类)，那么我们就说颜色属性就是一种学问。在这个例子中我们不难看到，一种对集合A的划分就对 应着关于A中元素的一个学问，假如还有其他的属性，比如还有外形R2={三角,方块,圆形},大小R3={大,中,小},这样 加上 Rl 属性对 A 构成的划分分别为： A/R1={X1 ,X2,X3}={(X1 ,x2,x6},{x3,x4)4x5,x7,x8},(颜色分类)

A∕R2={Yl,Y2,Y3}={{xl,x2},{x5,x8},{x3,x4,x6,x7}}(外形分类)A∕R3={Z1,Z2,Z3)={{x1,x2,x5},{x6,x8},{x3,x4,x7}}(大 小分类)

上面这些全部的分类合在•起就形成了 •个基本的学问库。那么这个基本学问库能表示什么概念呢？除了红的 {xl,x2,x6}、大的{xl,x2,x5}、三角形的{xl,x2)这样的概念以外还可以表达例如大的且是三角形的 {xl,x2,x5}∩{xl,x2)={xl,x2}, 大三角

{xl,x2,x5}∩{xl,x2}={xl,x2}， 兰 色的小 的圆形 ({x5,x7,x8)∩{x3,x4,x7}∩{x3,x4,x6,x7}={x7},兰色的或者中的积木{x5,x7,x8} U

粗糙集理论的基本概念与原理

粗糙集理论是一种用于处理不确定性和模糊性问题的数学工具，它的提出源于20世纪80年代初期的波兰学者Zdzisław Pawlak。粗糙集理论的核心思想是通过将数据划分成不同的等价类，来描述和处理不完全和不确知的信息。本文将介绍粗糙集理论的基本概念与原理。

1. 粗糙集的定义与等价关系

粗糙集是指将一个数据集划分成若干个等价类，其中每个等价类称为一个粗糙集。在粗糙集理论中，等价关系是一个重要的概念。等价关系是指具有自反性、对称性和传递性的关系。在粗糙集理论中，等价关系用来描述数据中的相似性和差异性。

2. 上近似集与下近似集

上近似集是指在一个粗糙集中，包含了所有与该粗糙集中的元素相似的元素。下近似集是指在一个粗糙集中，包含了所有与该粗糙集中的元素不相似的元素。上近似集和下近似集是粗糙集理论中的两个重要概念，它们用来描述数据的粗糙性和不确定性。

3. 约简与精确度

约简是粗糙集理论中的一个重要操作，它的目的是通过删除一些不必要的属性或条件，从而减少数据集的复杂性，提高数据的处理效率。约简可以通过删除一些不重要或不相关的属性来实现。精确度是用来评估数据集的质量和可靠性的指标，粗糙集理论通过约简来提高数据集的精确度。

4. 粗糙集与模糊集

粗糙集理论与模糊集理论有一些相似之处，但也存在一些差异。模糊集理论是一种用来处理模糊和不确定性问题的数学工具，它通过给每个元素赋予一个隶属度来描述元素的模糊性。而粗糙集理论是一种用来处理不完全和不确知信息的数学工具，它通过将数据划分成不同的等价类来描述数据的粗糙性。

5. 粗糙集的应用领域

粗糙集理论在许多领域中都有广泛的应用。在数据挖掘领域，粗糙集理论可以用来处理不完全和不确定的数据。在人工智能领域，粗糙集理论可以用来处理模糊和不确定性问题。在决策支持系统领域，粗糙集理论可以用来辅助决策过程。在模式识别领域，粗糙集理论可以用来提取和分类模式。

粗糙集理论简介及基本概念解析

粗糙集理论是一种用于处理不确定性和模糊性问题的数学工具，它由波兰学者Pawlak于1982年提出。粗糙集理论的核心思想是通过对数据进行粗糙化处理，将不完全、不确定的信息转化为可处理的粗糙集，进而进行数据分析和决策。

粗糙集理论的基本概念包括：粗糙集、等价关系、下近似集和上近似集。

首先，粗糙集是指在不完全信息条件下，通过将数据进行粗糙化处理得到的集合。粗糙集可以看作是原始数据的一个近似描述，它包含了原始数据的一部分信息。粗糙集的构建是通过等价关系来实现的。

其次，等价关系是粗糙集理论中的一个重要概念。等价关系是指在给定的数据集中，将数据划分为若干等价类的关系。等价关系的划分可以通过相似性度量来实现，相似性度量可以是欧氏距离、余弦相似度等。等价关系的划分可以将原始数据进行分类，从而构建粗糙集。

下面，我们来介绍下近似集和上近似集。下近似集是指在给定的粗糙集中，对于某个特定的属性或条件，能够确定的元素的集合。换句话说，下近似集是能够满足某个条件的元素的集合，它是粗糙集的一个子集。而上近似集是指在给定的粗糙集中，对于某个特定的属性或条件，可能满足的元素的集合。上近似集是包含下近似集的最小集合，它是粗糙集的一个超集。

粗糙集理论的应用非常广泛，特别是在数据挖掘和模式识别领域。通过粗糙集理论，可以对大量的数据进行处理和分析，从中发现隐藏的规律和模式。粗糙集理论可以用于特征选择、属性约简、数据分类等任务，为决策提供有力支持。

总结起来，粗糙集理论是一种处理不确定性和模糊性问题的数学工具。它通过粗糙化处理将不完全、不确定的信息转化为可处理的粗糙集，进而进行数据分析和决策。粗糙集理论的基本概念包括粗糙集、等价关系、下近似集和上近似集。粗糙集理论在数据挖掘和模式识别领域有着广泛的应用，可以用于特征选择、属性约简、数据分类等任务。通过粗糙集理论，我们可以更好地理解和处理不确定性和模糊性问题，为决策提供有力支持。

Born to win

经济学考研交流群 <<

985/211历年真题解析,答案,核心考点讲义,你想要的都在这→ 经济学历年考研真题及详解 尼科尔森《微观经济理论-基本原理与扩展》（第9版）

第4篇 竞争性市场

第10章 竞争性价格决定的局部均衡模型

课后习题详解

跨考网独家整理最全经济学考研真题，经济学考研课后习题解析资料库，您可以在这里查阅历年经济学考研真题，经济学考研课后习题，经济学考研参考书等内容，更有跨考考研历年辅导的经济学学哥学姐的经济学考研经验，从前辈中获得的经验对初学者来说是宝贵的财富，这或许能帮你少走弯路，躲开一些陷阱。

以下内容为跨考网独家整理，如您还需更多考研资料，可选择经济学一对一在线咨询进行咨询。

1．假定在完全竞争的行业中有100个完全相同的厂商。每个厂商的短期总成本曲线为：

3210.2410300Cqqq

（1）计算作为市场价格（P）的函数的厂商的短期供给曲线。

（2）假定行业中各厂商的成本之间不存在相互影响，请计算行业的短期供给曲线。

（3）假定市场需求为：2008000QP，短期的均衡价格和均衡数量的组合是什么？

解：（1）因为成本为：3210.2410300Cqqq，所以边际成本为：

20.010.44MCq q q

在短期内，由PMC，即20.010.44Pqq，可得：2010q P。

从而可知厂商的短期供给曲线为：1020 q P 。

（2）若行业中各厂商的成本之间不存在相互影响，则完全竞争行业的短期供给曲线为各厂商短期供给曲线的加总，故行业的短期供给曲线为：10010002000Q qP 。

（3）由市场均衡，即市场需求等于市场供给可得：

200800010002000P P 

从而可以解得市场均衡价格为：25P ；

因而市场均衡数量为：3000Q 。