数学建模算法大全模糊数学模型
- 格式:doc
- 大小:1.36 MB
- 文档页数:24
§3 股票反弹率的模糊聚类法将模糊集理论应用于聚类分析,便产生了模糊聚类法。
一、模糊聚类法介绍若矩阵A 的各元素ij a 满足10≤≤ij a ,则称A 为模糊矩阵。
设p n ij a A ⨯=)(和m p ij b B ⨯=)(为两个模糊矩阵,令m j n i b a c kj ik pk ij ,,2,1,,,2,1),(1 ==∧∨== 则称矩阵m n ij c C ⨯=)(为模糊矩阵A 与B 的乘积,记为B A C ∙=,其中∨和∧的含义为},max{b a b a =∨, },min{b a b a =∧ 显然,两个模糊矩阵的乘积仍为模糊矩阵。
设方阵A 为一个模糊矩阵,若A 满足A A A =∙,则称A 为模糊等价矩阵。
模糊等价矩阵可以反映模糊分类关系的传递性,即描述诸如“甲象乙,乙象丙,则甲象丙”这样的关系。
设n n ij a A ⨯=)(为一个模糊等价矩阵,10≤≤λ为一个给定的数,令⎩⎨⎧=<≥=n j i a a a ij ij ij ,,2,1,,0,1)( λλλ则称矩阵n n ij a A ⨯=)()(λλ为A 的λ—截阵。
模糊聚类法和一般的聚类方法相似,先计算变量间的相似系数矩阵(或样品间的距离矩阵),将其元素压缩到0与1之间形成模糊矩阵,进一步改造成模糊等价矩阵,最后取不同的标准λ,得到不同的λ—截阵,从而可以得到不同的类。
具体步骤如下:1、计算相似系数矩阵R 或样品的距离矩阵D其中n n ij d D ⨯=)(和p p ij r R ⨯=)(的算法与第四章§4.7消费分布规律的分类中相同。
2、将R (或D )中的元素压缩到0与1之间形成模糊矩阵我们统一记为n n ij a A ⨯=)(;例如对相似系数矩阵p p ij r R ⨯=)(,可令p j i r a ij ij ,,2,1,),1(21 =+= 对于距离矩阵n n ij d D ⨯=)(,可令n j i d d a ij n j i ij ij ,,2,1,,max 11,1 =+-=≤≤ 3、建立模糊等价矩阵一般说来,上述模糊矩阵n n ij a A ⨯=)(不具有等价性,这可以通过模糊矩阵的乘积将其转化为模糊等价阵,具体方法是:计算,,,2242 A A A A A A ∙=∙=直到满足k k A A =2,这时模糊矩阵k A 便是一个模糊等价矩阵。
数学建模中的常见模型数学建模综合评价模型是一种通过对各个评价指标进行量化,并将它们按照权重进行加权,最终得到一个综合评价值的方法。
这个模型可以应用于多指标决策问题,用于对被评价对象进行排名或分类。
常见的数学建模综合评价模型包括模糊综合评价模型、灰色关联分析模型、Topsis(理想解法)、线性加权综合评价模型、熵值法和秩和比法等。
模糊综合评价模型是一种基于模糊数学理论的方法,它将评价指标的模糊程度考虑在内,得到一个模糊评价结果。
该模型的步骤包括确定评价指标及其权重、构建模糊评价矩阵、进行模糊运算、得到模糊评价结果。
灰色关联分析模型是一种用于分析指标间关联性的方法,它可以帮助我们确定各个指标对被评价对象的影响程度。
该模型的步骤包括确定关联度计算方法、计算各个指标的关联度、得到综合关联度。
Topsis(理想解法)是一种基于距离的方法,它通过计算每个评价对象与理想解的距离,得到一个综合评价值。
该模型的步骤包括确定正负理想解、计算距离、得到综合评价值。
线性加权综合评价模型是一种常用的多指标决策方法,它将各个评价指标的权重与指标值线性组合起来,得到一个综合评价值。
该模型的优点是简单易操作,计算方便,可以对各个指标的重要性进行量化,并将其考虑在评价中。
但是,该模型的权重确定较为主观,且假设指标之间相互独立,不考虑相关性。
熵值法是一种基于信息熵理论的方法,它通过计算每个指标的熵值,得到一个综合评价值。
该模型的步骤包括计算指标的熵值、计算权重、得到综合评价值。
秩和比法是一种用于处理多指标决策问题的方法,它通过计算指标的秩和比,得到一个综合评价值。
该模型的步骤包括编秩、计算秩和比、得到综合评价值。
根据具体的评价需求和问题特点,我们可以选择合适的数学建模综合评价模型来进行评价。
每个模型都有其优点和缺点,需要根据具体情况进行选择和应用。
<span class="em">1</span><spanclass="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [数学建模——评价模型]()[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_sourc e":"vip_chatgpt_mon_search_pc_result","utm_medium":"di stribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_itemstyle="max-width: 100%"] [ .reference_list ]。
第十四章模糊数学方法建模在生产实践.科学实验以及日常生活中,人们经常会遇到模糊概念(或现象)。
例如,大与小.轻与重.快与慢.动与静.深与浅.美与丑等都包含着一定的模糊概念。
随着科学技术的发展,各学科领域对于这些模糊概念有关的实际问题往往都需要给出定量的分析,这就需要利用模糊数学这一工具来解决。
模糊数学是一个较新的现代应用数学学科,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。
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性的领域扩大到了模糊领域,即从精确现象到模糊现象。
在各科学领域中,所涉及的各种量总是可以分为确定性和不确定性两大类。
对于不确定性问题,又可分为随机不确定性和模糊不确定性两类。
模糊数学就是研究属于不确定性,而又具有模糊性的量的变化规律的一种数学方法。
本章对于实际中具有模糊性的问题,利用模糊数学的理论知识建立数学模型解决问题。
14. 1.1模糊集与隶属函数1.模糊集与隶属函数一般来说,我们对通常集合的概念并不陌生,如果将所讨论的对象限制在一定的范围内,并记所讨论的对象的全体构成的集合为则称之为论域(或称为全域、全集、空间、话题)。
如果U是论域,贝仏的所有子集组成的集合称之为〃的幕集,记作W)。
在此,总是假设问题的论域是非空的。
为了与模糊集相区别,在这里称通常的集合为普通集。
对于论域〃的每一个元素氏U和某一个子集AuU , 有X"或躍A,二者有且仅有一个成立。
于是,对于子集A定义映射心:U T{0,1}即小)七X::[0, A,则称之为集合人的特征函数,集合A可以由特征函数唯一确定。
所谓论域"上的模糊集人是指:对于任意总以某个程度"A(以〔0,11)属于A ,而不能用氏人或兀e A描述。
若将普通集的特征函数的概念推广到模糊集上,即得到模糊集的隶属函数。
定义14.1设U是一个论域,如果给定了一个映射“人:"一> [0,1 ] X I 心(x) W [ 0,1 ]则就确定了一个模糊集A ,其映射d称为模糊集人的隶属函数,“人称为*对模糊集人的隶属度。
数学建模常用算法模型数学建模是将实际问题抽象为数学模型,并利用数学方法求解问题的过程。
在数学建模中,算法模型是解决问题的关键。
下面介绍一些常用的数学建模算法模型。
1.线性规划模型:线性规划是一种用于求解线性约束下的最优化问题的数学方法。
线性规划模型的目标函数和约束条件均为线性函数。
线性规划广泛应用于供需平衡、生产调度、资源配置等领域。
2.非线性规划模型:非线性规划是一种用于求解非线性目标函数和约束条件的最优化问题的方法。
非线性规划模型在能源优化调度、金融风险管理、工程设计等方面有广泛应用。
3.整数规划模型:整数规划是一种在决策变量取离散值时求解最优化问题的方法。
整数规划模型在网络设计、物流调度、制造安排等领域有广泛应用。
4.动态规划模型:动态规划是一种通过将问题分解为多个阶段来求解最优化问题的方法。
动态规划模型在资源分配、投资决策、路径规划等方面有广泛应用。
5.随机规划模型:随机规划是一种在目标函数和约束条件存在不确定性时求解最优化问题的方法。
随机规划模型在风险管理、投资决策、资源调度等方面有广泛应用。
6.进化算法模型:进化算法是一种通过模拟生物进化过程来求解最优化问题的方法。
进化算法模型包括遗传算法、粒子群算法、蚁群算法等,被广泛应用于参数优化、数据挖掘、机器学习等领域。
7.神经网络模型:神经网络是一种模仿人脑神经元连接和传递信息过程的数学模型。
神经网络模型在模式识别、数据分类、信号处理等领域有广泛应用。
8.模糊数学模型:模糊数学是一种用于处理不确定性和模糊信息的数学模型。
模糊数学模型在风险评估、决策分析、控制系统等方面有广泛应用。
除了以上常用的数学建模算法模型,还有许多其他的算法模型,如图论模型、动力系统模型、马尔科夫链模型等。
不同的问题需要选择合适的算法模型进行建模和求解。
数学建模算法模型的选择和应用需要根据具体的问题和要求进行。
-257- 第二十二章 模糊数学模型模糊数学是研究和处理模糊性现象的数学,是在美国控制论专家A. Zadeh 教授于1965年提出的模糊集合(Fuzzy Set )基础上发展起来的一门新兴的数学分支。
这门学科经过多年的发展。
它在现实世界中的应用越来越广泛。
§1 模糊数学基本知识1.1 集合与特征函数集合是现代数学的重要概念。
一般地说,具有某种属性的事物的全体或确定对象的汇总称为一个集合。
不含任何元素的集合称为空集,记为Φ。
由所研究的所有事物构成的集合称为全集,记为Ω。
若集合Ω⊆A ,则将集合},|{Ω∈∉x A x x 且称为集合A 的补集,记为c A 。
集合及其性质可用所谓特征函数来描述。
定义 1 设Ω为全集,A 为Ω的子集,则集合A 的特征函数指的是Ω到集合}1,0{=V 的一个映射A μV A →Ω:μ)(x x A μ→其中对应规则A μ满足⎩⎨⎧∉∈=Ax A x A 01μ 集合的特征函数具有以下性质:)}(),(max{)(x x x B A B A μμμ= ,记作)()(x x B A μμ∨)}(),(min{)(x x x B A B A μμμ= ,记作)()(x x B A μμ∧)(1)(x x A A cμμ-= 1.2 模糊集合1.2.1 模糊集合的概念对于普通集合A 及其余集c A ,任何元素A x ∈或cA x ∈,二者必居其一,且仅居其一;用特征函数来表示就是0)(=x A μ或1)(=x A μ有且仅有一个成立。
然而,客观-258-世界中存在着大量的模糊概念,如“高个子”,“老年人”,这些概念无法用普通集合表示,因为这些概念与其对立面之间无法划出一条明确的分界线。
为了研究和处理这类模糊概念(或现象),就需要把普通集合引申到模糊集合,用特征函数来描述就是将集合的特征函数的值域由}1,0{两个数扩展到闭区间]1,0[,这就是建立模糊集合的基本思想。
下面我们把所讨论对象的全体称为论域。
数学建模评价类模型——模糊综合评价文章目录•o一级模糊综合评价应用o1)模糊集合o2)隶属度、隶属函数及其确定方法o3)因素集、评语集、权重集o1、模糊综合评价法的定义o2、应用模糊综合评价法需要的一些小知识oo3、模糊综合评价法的应用(实例)oo4、最后总结1、模糊综合评价法的定义先来看看官方标准定义:模糊综合评价法是一种基于模糊数学的综合评价方法。
该综合评价法根据模糊数学的隶属度理论把定性评价转化为定量评价,即用模糊数学对受到多种因素制约的事物或对象做出一个总体的评价。
它具有结果清晰,系统性强的特点,能较好地解决模糊的、难以量化的问题,适合各种非确定性问题的解决。
初次看,是不是觉得有点懵懵懂懂的?(偷笑)我来用非官方的语言解释一遍,或许你就明白了。
大家想想,生活中,是不是有很多模糊的概念。
比如班级要评三好学生,那评价的标准一般就是学习成绩好不好、思想品德好不好、身体好不好(我查了下百度才发现三好学生竟然要身体好!?感情身体不好还不行)。
学习成绩好或者不好、思想品德好或者不好、身体好或者不好听起来是不是就很模糊?怎么样就算学习成绩好了或者思想品德好了或者身体好了?对,其实这些指标就是模糊的概念。
模糊综合评价法是什么呢?其实就是对评价对象就评价指标进行综合评判,最后给每个评价对象对于每个指标一个隶属度。
(有点绕口,用三好学生的例子再来阐述一下)比如现在有个学生参与评判三好学生。
标准假如就是评上和评不上。
用模糊综合评价法得到的最终结果就是这名学生对于评上的隶属度和评不上的隶属度。
假如评上的隶属度高一些,那这名学生肯定是被评上咯。
(反之亦然)我这样介绍一下,是为了让大家知道我们这个模糊综合评价到底是干嘛的,不要嫌我啰嗦(吃手手)2、应用模糊综合评价法需要的一些小知识1)模糊集合① 定义:(我觉得这段话不错,来自360百科)这段话其实就举了模糊的一些概念,和经典集合(就是有明确数字的,高中学的那个集合)的区别及其历史。
第四讲 模糊数学模型(Fuzzy )过分的精确反而模糊 适当的模糊反而精确起源:1965年 zadah 首先提出“模糊集合”。
一、模糊综合评判法: (一)、模糊集合:1、X 上的模糊集合A ,由()A U x 表示的隶属函数的集合。
()A U x 表示X 隶属集合A 的程度,()A U x 越接近1 ,表示X 属于A 的程度越大。
当()A U x =1时,X 肯定属于A ; 当()A U x =0时,X 肯定不属于A ;2、若X 为离散空间,则X 可以表示为:{}12,,,n X x x x = ,则模糊集合A 可以表示为:{}1122(,()),(,()),,(,())A A n A n A x U x x U x x U x = 。
{}:1,2,,9Eg X = ,A=“大体上与5接近的数”,模糊集合A 可以表示为A ={(1,0),(2,0),(3,0.4),(4,0.8),(5,1),(6,0.8),(7,0.4),(8,0),(9,0)}。
3、若X 为连续空间,则X 可以表示为:{},,X x x R R =∈为某连续区域,模糊集合{}(,()),A A x U x x R =∈。
Eg:若建立年轻人的隶属函数,可以根据统计资料,作出年轻人的隶属函数的大致曲线,发现与柯西分布接近.21()()1,(,0)1()125,2,1011(30)0.3 1 3.51(3025)1011(30)0.81 2.5100()A A A A U x P x x a x a a U U U x βαβαβααα==>>+-======+-∴==⇒=+ 取不合理进行反推从而得出21 25 ()()1251()10A x U x P x x ≤==>+例:为解决某一地区的交通运输问题,有两个方案可供选择: 评价准则有如下四个:①费用效益②对区域发展的贡献 ③对社会安全的贡献, ④对环境保护的贡献,评价的结果为: 满意,较满意,不太满意,不满意因素集合(准则)U ={ 费用效益, 区域发展, 社会安全, 环境保护 } 评语集(结论集)V ={ 满意, 较满意, 不太满意, 不满意 } AHP 法。
第二十二章 模糊数学模型模糊数学是研究和处理模糊性现象的数学,是在美国控制论专家A. Zadeh 教授于1965年提出的模糊集合(Fuzzy Set )基础上发展起来的一门新兴的数学分支。
这门学科经过多年的发展。
它在现实世界中的应用越来越广泛。
§1 模糊数学基本知识1.1 集合与特征函数集合是现代数学的重要概念。
一般地说,具有某种属性的事物的全体或确定对象的汇总称为一个集合。
不含任何元素的集合称为空集,记为Φ。
由所研究的所有事物构成的集合称为全集,记为Ω。
若集合Ω⊆A ,则将集合},|{Ω∈∉x A x x 且称为集合A 的补集,记为c A 。
集合及其性质可用所谓特征函数来描述。
定义 1 设Ω为全集,A 为Ω的子集,则集合A 的特征函数指的是Ω到集合}1,0{=V 的一个映射A μV A →Ω:μ)(x x A μ→其中对应规则A μ满足⎩⎨⎧∉∈=Ax A x A 01μ 集合的特征函数具有以下性质:)}(),(m ax {)(x x x B A B A μμμ=Y ,记作)()(x x B A μμ∨)}(),(m in{)(x x x B A B A μμμ=I ,记作)()(x x B A μμ∧)(1)(x x A A cμμ-= 1.2 模糊集合1.2.1 模糊集合的概念对于普通集合A 及其余集c A ,任何元素A x ∈或cA x ∈,二者必居其一,且仅居其一;用特征函数来表示就是0)(=x A μ或1)(=x A μ有且仅有一个成立。
然而,客观世界中存在着大量的模糊概念,如“高个子”,“老年人”,这些概念无法用普通集合表示,因为这些概念与其对立面之间无法划出一条明确的分界线。
为了研究和处理这类模糊概念(或现象),就需要把普通集合引申到模糊集合,用特征函数来描述就是将集合的特征函数的值域由}1,0{两个数扩展到闭区间]1,0[,这就是建立模糊集合的基本思想。
下面我们把所讨论对象的全体称为论域。
定义2 给定论域U ,模糊集合A 指的是论域U 到区间]1,0[的一个映射A μ ]1,0[:→U A μ)(x x A μ→对一切U x ∈,唯一确定实数)(x A μ,使得1)(0≤≤x A μ;用这个数表示x 属于A 的程度;其中函数)(x A μ称为A 的隶属度。
而对于元素x ,函数值)(x A μ称为元素x 关于A 的隶属度。
0)(≡x A μ表示模糊集合Φ=A ,1)(≡x A μ表示模糊集合U A =。
由于模糊集合总是论域U 的子集,故也称为模糊子集。
模糊子集A 通常记为~A 。
由于普通集合就是隶属函数值仅取0或1的特殊的模糊集合,为了方便起见,我们不加区别地采用大写字母C B A ,,等表示模糊集合,其隶属函数一律记作)(),(x x B A μμ等。
例1 以年龄作为论域U ,取]100,0[=U ,模糊集合A 与B 分别表示概念“老年人”和“年轻人”,取隶属函数为⎪⎪⎩⎪⎪⎨⎧≤<⎪⎭⎫ ⎝⎛-+≤≤=-100x 50 55011500 0)(2x x x A μ ⎪⎪⎩⎪⎪⎨⎧≤<⎪⎭⎫ ⎝⎛-+≤≤=-100x 25 52511250 1)(2x x x B μ 隶属函数和隶属度是模糊数学中的重要概念,隶属函数不是唯一的,例如关于“老年人”的隶属函数也可以取为⎪⎪⎩⎪⎪⎨⎧≥<<-≤≤= 7017050 2050500 0)(x x x x x A μ1.2.2 模糊集合的表示方法设论域为U ,则模糊集合A 可表示为Y U x A x x A ∈=/)(μ其中“/”不表示除法运算,仅表示x 为元素,)(x A μ为x 的隶属度。
若论域U 为有限论域;即设},,,{21n x x x U Λ=,则A 还可以表示为(1) n n A A A x x x x x x A )()()(2211μμμ+++=Λ同样,加号与除号仅是一种记号,并不表示加、除运算。
(2) )}(,),(),({21n A A A x x x A μμμΛ=称为向量表示法。
一般地,当]1,0[∈i μ),,2,1(n i Λ=时,称),,,(21n μμμΛ为模糊向量。
1.2.3 模糊集合的运算定义3 设论域为U ,U 的所有模糊集合作为元素构成的普通集合称为U 的模糊幂集,记为)(U P 。
定义4 设论域为U ,A 和B 是U 的模糊集合,即)(U P A ∈,)(U P B ∈。
如果对一切U x ∈有)()(x x B A μμ≤,则称模糊集合B 包含A ,记为B A ⊆;如果对一切U x ∈,有)()(x x B A μμ=,则称A 与B 相等,记为B A =。
定义5 设论域为U ,A 和B 是U 的模糊集合,即)(U P A ∈,)(U P B ∈。
它们的隶属函数分别为)(x A μ和)(x B μ。
A 与B 的并集是U 的模糊集合,记为B A Y ,其隶属函数为)()()(x x x B A B A μμμ∨=YA 与B 的交集是U 的模糊集合,记为B A I ,其隶属函数为)()()(x x x B A B A μμμ∧=IA 的余集是U 的一个模糊集合,记为c A ,其隶属函数为)(1)(x x A A cμμ-= 其中,“∨”和“∧”是取“最大”与“最小”的意思。
定义6 设论域为U ,A 是U 的模糊集合,R ∈λ,且10<<λ,令})(,|{λμλ≥∈=x U x x A A则称λA 为A 的一个-λ截集,其中λ称为阈值或置信水平。
由定义知,A 的-λ截集λA 就是U 中所有对A 的隶属度大于或等于λ的全体元素组成的普通集合。
例2 设论域},,,,{54321x x x x x U =,543215.012.09.07.0x x x x x A ++++= 则},,,{54214.0x x x x A =,},{428.0x x A =。
定义7 设论域为U ,A 为U 的模糊集合,10≤≤λ,λ与A 的模糊截积记为A λ,其隶属函数为)()(x x A A λλμλ∧=。
特别地,当A 为普通集合时有⎩⎨⎧∉∈=A x A x x A 0)(λμλ 模糊截积具有以下性质:A A 2121λλλλ⊆⇒≤。
1.3 模糊矩阵定义8 称m n ij r R ⨯=)(为模糊矩阵,如果对一切n i ,,2,1Λ=,m j ,,2,1Λ=有10≤≤ij r 。
当ij r 仅取0或1时,m n ij r R ⨯=)(为布尔矩阵。
定义9 设m n ij r R ⨯=)(和m n ij s S ⨯=)(为两模糊矩阵,如果对一切j i ,有ij ij s r =,则称R 和S 相等,记为S R =;如果对一切j i ,有ij ij s r ≤,则称S 包含R ,记为S R ⊆。
定义10 设m n ij r R ⨯=)(和m n ij s S ⨯=)(为两模糊矩阵,则R 和S 的并定义为m n ij ij s r S R ⨯∨=)(Y ,R 与S 的交m n ij ij s r S R ⨯∧=)(I 。
定义11 设m n ij r R ⨯=)(为模糊矩阵,10≤≤λ,令⎪⎩⎪⎨⎧<≥=λλλij ij ij r r r 01 则称布尔矩阵m n ij r ⨯)(λ为R 的-λ截矩阵,记为λR 。
例如⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=9.03.001.02.04.06.003.05.07.08.0R 则⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=1000001001115.0R 定义12 模糊矩阵m n ij r R ⨯=)(与l m jk q Q ⨯=)(的合成是一个n 行l 列的模糊矩阵l n ik s S ⨯=)(,记为Q R S ο=,其中)(1jk ij mj ik q r s ∧=∨=),,1,,,1(l k n i ΛΛ==,S 又称为R 与Q 的模糊乘积。
例3 设模糊矩阵⎥⎦⎤⎢⎣⎡=7.06.04.01.05.07.0R ,⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=4.07.001.06.08.0Q 则⎥⎦⎤⎢⎣⎡=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎦⎤⎢⎣⎡=4.07.06.07.04.07.001.06.08.07.06.04.01.05.07.0Q R ο 1.4 模糊关系及其合成运算两个非空子集U 与V 的笛卡儿乘积定义为一个关系:},|),{(V v U u v u V U ∈∈=⨯,V U ⨯的子集称为U 到V 的一个关系,记为V U R −→−。
当R v u ∈),(时,则称u 与v 有关系R ,记为uRv ,否则称u 与v 没有关系。
类似地,我们有定义13 设V U ,为两非空集合,以V U ⨯为论域的模糊集合~R 确定U 到V 的一个模糊关系,记作V U R−→−~,其中对任意V U v u ⨯∈),(,),(v u 关于模糊集合~R 的隶属度记为),(~v u R μ,它表示u 与v 关于模糊关系的相关程度,记为),(~v u R ,特别地,当),(~v u R 的值仅取0或1时,~R 就是U 到V 的普通关系。
所以普通关系是模糊关系的特殊情况,因此我们不加区别地用T S R ,,等表示模糊关系,并且将模糊集合的隶属函数称为模糊关系的隶属函数,记为),(),,(),,(v u T v u S v u R 。
模糊关系可以用模糊矩阵来表示,即定义14 设},,,{21n u u u U Λ=,},,,{21m v v v V Λ=都是有限论域,U 到V 的模糊关系V U R −→−,对一切),,1(n i i Λ=,),,1(m j j Λ=,令),(j i ij v u R r =,则称模糊矩阵m n ij r ⨯)(为模糊关系R 的矩阵表示,在不出现混淆的情况下仍记为R 。
模糊关系存在合成运算。
定义15 设W V U ,,为三个非空集合,U 到V 的模糊关系R 与V 到W 的模糊关系S 的合成是一个U 到W 的模糊关系T ,记作S R T ο=,其中对一切W U w u ⨯∈),(有)],(),([),(w v S v u R w u T Vv ∧∨=∈。
定理 1 设},,{1n u u U Λ=,},,{1m v v V Λ=和},,{1l w w W Λ=是三个有限论域,模糊关系V U R −→−,W V S −→−的矩阵表示分别为m n ij r R ⨯=)(,l m jk s S ⨯=)(,则模糊关系W U SR −−→−ο的矩阵表示就是模糊矩阵m n ij r ⨯)(与l m jk s ⨯)(的合成。
定理2 设U 和V 是两个非空集合,R 为U 到V 的模糊关系,对任意10≤≤λ可以唯一确定U 到V 的普通关系λR ,其中对一切V U v u ⨯∈),(,当且仅当λ≥),(v u R时,有λR v u ∈),(,即⎩⎨⎧<≥=λλλ),(0),(1),(v u R v u R v u R 则称λR 为R 的-λ截关系。