模糊数学——模糊关系求解
题目
已知语言变量x,y,z。X的论域为{1,2,3},定义有两个语言值:“大”={0,0.5,1}:“小”={1,0.5,0}。Y的论域为{10,20,30,40,50},语言值为:“高”={0,0,0,0.5,1};“中”={0,0.5,1,0.5,0};“低”={1,0.5,0,0,0}。Z的论域为{0.1,0.2,0.3},语言值为:“长”={0,0.5,1}:“短”={1,0.5,0}。则:
1)试求规则:
- 如果x是“大”,并且y是“高”,那么z是“长”;
- 否则,如果x是“小”,并且y是“中”,那么z是“短”。
所蕴涵的x,y,z之间的模糊关系RRR。
2)假设在某时刻,是“略小”={0.7,0.25,0},y是“略高”={0,0,0.3,0.7,1}.试根据RRR通过Zadeh法模糊推理求出此时输出z的语言取值。
问题分析
第一题
如果x是“大”并且y是“高”那么z是“长”;
否则,如果x是“小”,并且y是“中”那么是“短”。
由题意可得,x,y,z之间的模糊关系RRR为:
(大×高×长)∪(小×中×短)( {\text{大}}\times {\text{高}}\times{\text{长}})\cup({\text{小}}\times{\text{中}}\times{\text{短}})(大×高×长)∪(小×中×短)
第二题
假设在某时刻,x是“略小”={0.7,0.25,0},y是“略高”={0,0,0.3,0.7,1}。根据RRR,通过ZadehZadehZadeh法模糊推理求出此时输出z的语言取值。
因为x、y、z之间的模糊关系为RRR,所以当输入变量x、y的模糊取值为A∗A^*A∗、B∗B^*B∗时,与之对应的输出z的取值C∗C^*C∗的值为:
C∗=(A∗×B∗)∘R{C^*}=({A^*}\times{B^*})\circ{R}C∗=(A∗×B∗)∘R
由此公式再进行计算即可。
问题解决
第一题
设x的语言值{大,小}={A1,A2}\{A_1,A_2\}{A1,A2},Y的语言值{高,中,低}={B1,B2,B3}\{B_1,B_2,B_3\}{B1,B2,B3},Z的语言值{长,短}={C1,C2}\{C_1,C_2\}{C1,C2}。
则x,y,z之间的模糊关系RRR为:
R=(A1×B1×C1)∪(A2×B2×C2{R}=({A_1}\times{B_1}\times{C_1})\cup({A_2}\times{B_2}\times{C_2}R=(A1×B1×C1)∪(A2×B2×C2)\
其隶属函数为:
μ(x,y,z)=(μA1(x)∧μB1(y)∧μC1(z))∨(μA2(x)∧μB2(y)∧μC2(z))\mu(x,y,z)=(\mu_{A_1}(x)\land\mu_{B_1}(y)\land\mu_{C_1}(z))\lor(\mu_{A_2}(x)\land\mu_{B_2}(y)\land\mu_{C_2}(z))μ(x,y,z)=(μA1(x)∧μB1(y)∧μC1(z))∨(μA2(x)∧μB2(y)∧μC2(z))
第二题
求R:{R}:R:
R=(A1×B1×C1)∪(A2×B2×C2){R}=({A_1}\times{B_1}\times{C_1})\cup({A_2}\times{B_2}\times{C_2})R=(A1×B1×C1)∪(A2×B2×C2)
令R11=A1×B1R_{11}={A_1}\times{B_1}R11=A1×B1
则R11=R_{11}=R11=
[0∧00∧00∧00∧0.50∧10.5∧00.5∧00.5∧00.5∧0.50.5∧11∧01∧01∧01∧0.51∧1]\begin{bmatrix} 0\land0 & 0\land0 & 0\land0 & 0\land0.5 & 0\land1\\ 0.5\land0 & 0.5\land0 & 0.5\land0 & 0.5\land0.5 &0.5\land1\\ 1\land0 & 1\land0 & 1\land0 & 1\land0.5 & 1\land 1 \end{bmatrix}\\ ⎣⎡0∧00.5∧01∧00∧00.5∧01∧00∧00.5∧01∧00∧0.50.5∧0.51∧0.50∧10.5∧11∧1⎦⎤=
[000000000.50.50000.51]\begin{bmatrix} 0 & 0 & 0 & 0 & 0\\ 0 & 0 & 0 & 0.5 & 0.5\\ 0 & 0 & 0 & 0.5 & 1 \end{bmatrix} ⎣⎡00000000000.50.500.51⎦⎤
令R1=A1×B1×C1{R_{1}}={A_1}\times{B_1}\times{C_1}R1=A1×B1×C1,则:
R1=R11T×C1{R_{1}}={R_{11}^T}\times{C_1}R1=R11T×C1=
[000000000.50.50000.51]\begin{bmatrix} 0 & 0 & 0 & 0&0 &0 & 0 & 0 & 0.5&0.5&0&0&0&0.5&1 \end{bmatrix} [000000000.50.50000.51]
因为C1=[00.51]{C_1}= \begin{bmatrix} 0&0.5&1 \end{bmatrix}C1=[00.51],所以:
R1=[00000000000000000000000000.50.500.50.500000000000.50.500.51]{R_1}= \begin{bmatrix} 0 & 0 & 0\\ 0 & 0 & 0\\ 0 & 0 & 0\\ 0 & 0 & 0\\ 0 & 0 & 0\\ 0 & 0 & 0\\ 0 & 0 & 0\\ 0 & 0 & 0\\ 0 & 0.5 & 0.5\\ 0 & 0.5 & 0.5\\ 0 & 0 & 0\\ 0 & 0 & 0\\ 0 & 0 & 0\\ 0 & 0.5 & 0.5\\ 0 & 0.5 & 1 \end{bmatrix}R1=⎣⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎡000000000000000000000000.50.50000.50.5000000000.50.50000.51⎦⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎤.
同理,令R2=A2×B2×C2{R_{2}}={A_2}\times{B_2}\times{C_2}R2=A2×B2×C2,则R2=[0000.50.5010.500.50.500000000.50.500.50.500.50.50000000000000000000].{R_2}= \begin{bmatrix} 0 & 0 & 0\\ 0.5 & 0.5 & 0\\ 1 & 0.5 & 0\\ 0.5&0.5&0\\ 0&0&0\\ 0&0&0\\ 0.5&0.5&0\\ 0.5&0.5&0\\ 0.5&0.5&0\\ 0&0&0\\ 0&0&0\\ 0&0&0\\ 0&0&0\\ 0&0&0\\ 0&0&0\\ \end{bmatrix}.R2=⎣⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎡00.510.5000.50.50.500000000.50.50.5000.50.50.5000000000000000000000⎦⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎤.\
R=R1∪R2=[0000.50.5010.500.50.500000000.50.500.50.500.50.50.500.50.500000000000.50.500.51]R=R_1\cup R_2=\begin{bmatrix} 0 & 0 & 0\\ 0.5 & 0.5 & 0\\ 1 & 0.5 & 0\\ 0.5&0.5&0\\ 0&0&0\\ 0&0&0\\ 0.5&0.5&0\\ 0.5&0.5&0\\ 0.5&0.5&0.5\\ 0&0.5&0.5\\ 0&0&0\\ 0&0&0\\ 0&0&0\\ 0&0.5&0.5\\ 0&0.5&1\\ \end{bmatrix}R=R1∪R2=⎣⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎡00.510.5000.50.50.500000000.50.50.5000.50.50.50.50000.50.5000000000.50.50000.51⎦⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎤
由题意:x是“略小”={0.7,0.25,0}\{0.7,0.25,0\}{0.7,0.25,0},y是“略高”={0,0,0.3,0.7,1}\{0,0,0.3,0.7,1\}{0,0,0.3,0.7,1},可得各语言值的隶属函数:
μA=(0.7,0.25,0)μB=(0,0,0.3,0.7,1)\mu_A=(0.7,0.25,0)\\ \mu_B=(0,0,0.3,0.7,1) μA=(0.7,0.25,0)μB=(0,0,0.3,0.7,1)
根据RRR通过Zadeh法多输入模糊推理,可得:
C∗=(A∗×B∗)∘R{C^*}=({A^*}\times{B^*})\circ{R}C∗=(A∗×B∗)∘R\
所以:
C∗(z)=A∗(x)×B∗(y)∘R(x,y,z){C^*(z)}={A^*(x)}\times{B^*(y)}\circ{R(x,y,z)}C∗(z)=A∗(x)×B∗(y)∘R(x,y,z)\
因为:
A∗(x)×B∗(y){A^*(x)}\times{B^*(y)}A∗(x)×B∗(y)
0.70.2500.7 \\ 0.25 \\ 00.70.250
×\times×
[000.30.71]\begin{bmatrix} 0&0&0.3&0.7&1 \end{bmatrix} [000.30.71]
[000.30.70.7000.250.250.2500000]\begin{bmatrix} 0&0&0.3&0.7&0.7\\ 0&0&0.25&0.25&0.25\\ 0&0&0&0&0\\ \end{bmatrix} ⎣⎡0000000.30.2500.70.2500.70.250⎦⎤
所以:
C∗(z)=A∗(x)×B∗(y)T=[0.50.50.25]{C^*(z)}={A^*(x)}\times{B^*(y)}^T=\begin{bmatrix} 0.5 & 0.5 & 0.25 \end{bmatrix}C∗(z)=A∗(x)×B∗(y)T=[0.50.50.25]
综上,此时输出z的语言取值为:
[0.50.50.25]\begin{bmatrix} 0.5 & 0.5 & 0.25 \end{bmatrix} [0.50.50.25]
总结及心得体会
模糊集理论是模糊控制的数学基础,是描述模糊性概念的有效的数学工具。模糊集合理论是普通集合理论的拓展,通过引入隶属函数的概念达到了对模糊概念描述的目的。模糊思想的引入不仅使数字量和模拟量更好的融合在一起,也加速了人脑与电脑的相互联系,是用机器语言表达人类思维的好方法。
模糊数学——模糊关系求解相关推荐
- (二)从零开始学习模糊控制——模糊关系
模糊控制系列文章 (一)模糊数学--基本概念 (二)模糊数学--模糊关系 (三)模糊数学--模糊决策 (四)模糊数学--语言变量&蕴含关系 (五)模糊数学--模糊推理 文章目录 模糊控制系列文 ...
- 模糊数学笔记大全(模糊集、截集、模糊矩阵、模糊关系、模糊聚类、模糊模型识别、模糊综合决策、模糊数)
一.模糊集及其运算性质 二.模糊截集与分解定理 三.模糊隶属度函数的确定及常用隶属度函数 四.模糊矩阵与模糊关系 五.模糊聚类 六.模糊模型识别-I(最大隶属度原则) 六.模糊模型识别-II(择近原则 ...
- 智能控制导论 # 模糊控制 - 理论基础:模糊数学 2 模糊关系和模糊推理
模糊关系 在模糊集合的基础上,考虑两个定义在不同论域里的模糊集合,他们之间的元素有何关系呢? 关系:关系是集合论中的一个重要概念,它反映了不同集合的元素之间的关联."关系"一般用一 ...
- 模糊数学笔记:四、模糊矩阵与模糊关系
1.模糊矩阵 定义 : 如果对于任意 i=1,2,⋯,m;j=1,2,⋯,n,i=1,2, \cdots, m ; j=1,2, \cdots, n,i=1,2,⋯,m;j=1,2,⋯,n, 都有 r ...
- 「管理数学基础」4.3 模糊数学:模糊关系与模糊矩阵、模糊关系的运算与合成、模糊等价关系
模糊关系与模糊矩阵.模糊关系的运算与合成.模糊等价关系 文章目录 模糊关系与模糊矩阵.模糊关系的运算与合成.模糊等价关系 模糊关系与模糊矩阵 定义:模糊关系 模糊矩阵的截集 模糊关系的运算与合成 模糊 ...
- 模糊数学学习笔记 4:模糊关系
个人博客地址 Glooow,欢迎光临~~~ 文章目录 1. 模糊关系 2. 模糊矩阵 2.1 定义 2.2 运算性质 2.3 截矩阵 2.4 模糊关系合成 3. 模糊关系性质 3.1 自反性.对称性. ...
- 模糊关系合成运算的Matlab实现
最近课程学到模糊数学,里面有关于模糊关系合成运算,传递闭包的概念,十分不好理解,本来想手算几个例子来理解的,结果算到一半就烦了还十分容易算错,于是我就打算用matlab编写一个. 这里就不讲什么是模糊 ...
- 数学模型学习——模糊关系与模糊矩阵
一.基本概念 先来看一下模糊关系的定义: 定义:设论域 U,VU,VU,V ,乘积空间上 U×V={(u,v)∣u∈U,v∈V}U\times V=\{(u,v)|u\in U,v\in V\ ...
- 6.模糊推理方法: 提出, 模糊集合与隶属函数, 模糊关系及其合成, 模糊推理与决策, 模糊推理应用
本文内容为浙江工业大学王万良慕课课程的课程讲义, 将其整理为OneNote笔记同时添加了本人上课时的课堂笔记, 且主页中的思维导图就是根据课件内容整理而来, 为了方便大家和自己查看,特将此上传到CSD ...
最新文章
- makefile使用--Wall选项(二)
- java.lang.IllegalArgumentException: Receiver not registered
- VTK:可视化之RenderLargeImage
- python rowcount_PyQt(Python+Qt)学习随笔:QTableWidget的currentItem、rowCount、columnCount等部件状态属性访问方法...
- 深度学习backbone是什么意思_CNN是靠什么线索学习到深度信息的?——一个经验性探索...
- 基于OpenCV文字特征提取
- 推荐一款.NET开源免费的图表控件ScottPlot
- java jfif,win10保存图片成了jfif格式怎么办?
- GDAL 读取和保存 Grd 文件
- js——分享QQ、QQ空间、微信、微博
- 神雕侠侣手游服务器维护,《神雕侠侣》3月30日更新维护新服开启公告
- 个人日记-《疯狂的原始人2》动漫电影观后感-20201130
- [开源精品] C#.NET im 聊天通讯架构设计 -- FreeIM 支持集群、职责分明、高性能
- Codeforces gym101981 (2018 icpc 南京站) B.Tournament
- aws python sns_手把手教你用Python抓取AWS的日志(CloudTrail)数据
- java给字符串数组追加字符串_java往字符串数组追加新数据
- 小米手机无法安装Fiddler证书问题
- 通过Netty实现与硬件设备(充电桩)通讯的功能
- 【技术分享】张相於:当当推荐数据系统架构实践
- 用Spock测试AKKA应用程序
热门文章
- mysql事务隔离级别详解_MySQL的事务隔离级别详解
- 专注力的重要性和提高的方法
- 《0day安全-软件漏洞分析技术》实验笔记2
- 实验向:neural-doodle amp; fast neural-doodle demo 复现流程
- CAD引线标注文字大小怎么调整?
- C++中的宏定义详解
- 幻灯片插件-jquery.sliderPro.min.js 第二波
- 一文读懂RAM、ROM、SRAM、DRAM、SDRAM等内存概念
- Duilib界面库 Demo实例XML编写规则 模仿QQ登录模块
- 【翻译】A Survey on Generative Diffusion Model(生成扩散模型的综述研究)