認識 Fuzzy 理論與應用

第 五 章

模 糊 關係

1
認識 Fuzzy 理論與應用

5.1 前言
■ 第四章以前均是探討模糊集合之性質及運算，那時的模糊集合是一維 (one dimension) 的在某“
一個”宇集合上 ( 如 X) 。
■ 現在探討的是二維 (two dimensions) 以上的模糊集合，也就是宇集合是“二個”以上 ( 如 X 及
Y) 。

5.2 明確關係與模糊關係
U V
■ 為卡迪興乘積 (Cartesian product)( 有些文獻稱為直積 (direct product))
U V  (u, v) | u U , v V 
(5.1)

( u, v ) U V U V  V  U ( u, v )  ( v , u)
■ (5.1) 式中 之元素前後順序很重要，當 時，就
U1 U 2 U n  (u1 , u2 ,, un ) | ui Ui , i  1, 2,, n
(5.2)
R (U 1 , U 2 , , U n )  U 1  U 2 U n
R (U , V )  U  V
(5.3)
2
認識 Fuzzy 理論與應用

■ 我們稱 (5.3) 式為二元關係 (binary relation) 。

◊ 例 5.1 ：有兩組人，一組為男生M  {m1 , m2 , m3 } W  {w1 , w2 , w3 }
，及另一組為女生 。則

M  W  {(m1 , w1 ), ( m1 , w2 ), (m1 , w3 ), ( m2 , w1 ), (m , w ),
2 3

( m2 , w2 ), (m3 , w1 ), (m3 , w2 ), (m3 , w3 )}

我們以在戶政事務所正式登記來定義一個關係叫“婚姻關係
R( M , W )  (m1 , w3 ), (m2 , w2 ) (5.4)

由上式我們可知， m1 w
(男)與 m2
( 女 ) 是夫妻， w(2男 ) 與 ( 女 ) 也是一對。
w1 w2 w3
m1 0 0 1 1 , 當(mi , w j )  R( M , W )
R( M , W)    R其中
( mi , w j )  
m2 0 1 0 0 , 其他
m3  0 0 0 

 , 當( u , u , , un )  R( U ,U  , ,U n )
R( u , u , , un )  
 , 其他 (5.5) 3
認識 Fuzzy 理論與應用

◊ 例 5.2 ：有兩個明確城市集合
U1  {台北、桃園、台中、高雄} U 2  {及
新竹、彰化、屏東} ，我們
要定義
U1 與 U2 之關係 R(U屏東
新竹 彰化 1, U2) 為“很遠” ，矩陣形式表示如下：

台北 0.3 0.7 1
桃園 0.2 0.5 0.9
台中 0.5 0.2 0.6
高雄 0.9 0.5 0.1

U 1 , U 2 , , U n Uˆ  U1  U 2   U n
定義 5.1 ：一個模糊關係 R 是一針對明確集合
 定義在卡迪興乘積
R  R(u1 , u 2 ,, u n ) (u1 , u 2 ,, u n )  Uˆ
R(u1 , u2 ) (u1 , u2 ) (u1 , u2 ) U1 U 2
的模糊集合。它的表示式為
代表特定元素組 在模糊關係中的歸屬度 .
5.3 映射關係 (Projection) 與柱形擴充 (Cylindric extension)
有一個模糊關係，
R (U 1 , U 2 , , U n )  R (Uˆ ) , 叫做“ 在宇集合 V 上之映射”，定義為

R Uˆ
 V (V )  max R(Uˆ )  RV (V )
W
(5.6)

其中 U i , i  1 ,..., n , 為明確集合， V 是某個

U 或某些個
U i i R  V (V )
之卡迪興乘積，可見 Uˆ 之維數
R (Uˆ )
4
比 之維數減少， WU 代表 V 之卡迪興乘積。
■ 假設 Uˆ  U i  U j  U k 及V  U i  U j ， 若用元素表示法， (5.6) 式可以下式表示之：
R Uˆ
 V  (ui , u j )  max R(ui , u j , uk )  RV (ui , u j )
uk
(5.7) 其中 ui U i .

◊ 例 5.3 ：有三個集合U1  {0, 1}, U 2  {0, 1}, U 3  {0, 1, 2} , 模糊關係 R 是定義在卡迪興乘積

U  U 1  U 2  U 3 R (u1 , u2 , u3 )
上，如表 5.1 中之第四直行 所示。其他直行之代表
{R  {U i  U j }}(ui , u j )  Rij (ui , u j ) . 又 Ri (ui ) 代表映射{R  {U i }}(ui )  Ri (u i ) ，即

R12 (u1 , u2 )  max R(u1 , u2 , u3 ), R1 (u1 )  max R(u1 , u2 , u3 )  max R12 (u1 , u2 )  max
u
R13 (u1 , u3 )
u3 u2 ,u3 u2 3

R12 (0, 0)  max R (0 , 0 , 0), R (0 , 0 ,1), R (0 , 0 , 2)  max(0.4 , 0.9 , 0.2)  0.9.
u3  0,1,2

參照表 5.1 ，各位可以算算 R1 (u1 )  R1 (0)

 max {R(0, 　　
0, 0), R(0, 　　
0, 1), R(0, 　　
0, 2), R(0, 1,
　　 0), R(0, 1,
　1),
　 R(0, 1,
　　 2)}
u2  0,1
　
u3  0,1,
　　 2

max 0.4, 　
　 0.9, 　
0.2, 1.0,
　 　 0.8  1.0.
0.0, 　

R1 ( 0 )  max R12 ( 0 , 0 ), R12 ( 0 , 1)  max 0 . 9 , 1 .0  1 . 0

u 2  0 ,1
5
uR1113 ((u((u1uu1,321)2)u),, 2uu, 323u))3 )
233223
12
認識 Fuzzy 理論與應用

表 5.1
u1 u2 u3 R (u1 , u2 , u3 ) R12 (u1 , u2 ) R13 (u1 , u3 ) R23 (u2 , u3 ) R1( u1) R2 ( u2 ) R3 ( u3 )

0 0 0 0 .4 0 .9 1.0 0.5 1.0 0.9 1.0

0 0 1 0 .9 0 .9 0.9 0.9 1.0 0.9 0.9

0 0 2 0 .2 0 .9 0.8 0.2 1.0 0.9 1.0

0 1 0 1 .0 1 .0 1.0 1.0 1.0 1.0 1.0

0 1 1 0 .0 1 .0 0.9 0.5 1.0 1.0 0.9

0 1 2 0 .8 1 .0 0.8 1.0 1.0 1.0 1.0

1 0 0 0 .5 0 .5 0.5 0.5 1.0 0.9 1.0

1 0 1 0 .3 0 .5 0.5 0.9 1.0 0.9 0.9

1 0 2 0 .1 0 .5 1.0 0.2 1.0 0.9 1.0

1 1 0 0 .0 1 .0 0.5 1.0 1.0 1.0 1.0

1 1 1 0 .5 1 .0 0.5 0.5 1.0 1.0 0.9

1 1 2 1 .0 1 .0 1.0 1.0 1.0 1.0 1.0

6
認識 Fuzzy 理論與應用

■ 以上就是模糊關係的映射把一個 n 維的模糊關係映射至 m 維關係， (n<m) 。

■ 映射的反運算，從一個維數少的模糊關係變成一個維數多的模糊關係。
■ “ 柱形擴充 (cylindric extension)” ，以 {RV  W }
來表示即 RV 
 W (Uˆ )  R (Uˆ ) (5.8)
其中 W  U  V ，可見R V  W (Uˆ ) RV (V )
之維數將比 增多。

R V  U3 (u1 , u2 , u3 )  R(u1, u2 , u3,)對所有 u3 (5.9)

RV (u1 , u2 ) 複製變成R(u1, u2 , u3 )
R(u1 , u2 , u3 j )  R(u1 , u2 , u3k )

◊ 例 5.4 ：同表 5.1, 我們有 R V  U  (  , 0, 0)  R V  U  (  ,  ,  )  R V  U  (  ,  ,  )

 RV (  ,  )   . .
{RV  {U 3}}(u1 , u2 , u3 )
並不一定相等於映射之前原始的 R(u1 , u2 , u3 )
 
RV  U 3  ( 0, 0, 0 )  0.9  R ( 0, 0, 0)  0(.4原始的 )
R W  U (1, 0, 1)  0.9  R (1, 0, 1)  0(.3原始的 )
1

7
認識 Fuzzy 理論與應用

■ “ 柱形擴充”是“映射”之反運算，但卻發現一個模糊關係 R 經“映射”再經“柱形擴充”後不見得會還原成
原模糊關係 R ，也就是說模糊關係經過映射後再經柱形擴充後，歸屬度值將很可能失真了。

RY ( y 3 ) R X ( x 2 )  RY ( y 2 ) 1 0.9 0.8
0.7
0.3 0.4
y3 1
0.9 0.8 X
RY ( y1 )  R X ( x1 ) X
0.5 x1 0.9 x2 x3
0.6
y2 1
1 0.9 0.8
0.8
0.5
RX (x3)
y1
Y
Y

{R X  {Y }}
圖 5.1 模糊關係 R 及其部份映射 圖 5.2a 柱形擴充
0.7 0.7
0.7

0.9 0.9 0.9 X

1 1 1

{ RY  { X }}

圖 5.2b 柱形擴充 8
認識 Fuzzy 理論與應用

5.4 二元模糊關係
Dom ( R ( x ))  max R ( x , y ), 對任一 x  X (5.10)
yY

■ “ 某個 x 屬於
Dom( R) y Y
之程度為該 x 相對於所有 R( x , y )
之模糊關係 之最強者”
■ 模糊關係 R( X , Y ) 之值域 (range) 也是一個定義在 Y 上的模糊集合寫成
Ran( R)
Ran( R( y ))  max R( x, y ), 對任一 y  Y (5.11)
x X

Dom( R( x ))   R  { X }( x)

Ran( R( y))   R  {Y}( y)

 模糊關係 R( X , Y ) H ( R) H ( R)  max
之“高度”寫成 max R( x, y)
y Y x X
R  [rxy ] , rxy  R( x, y )
y1 y2 y3 y4 y5 0.8
x1 y1
x1 0.8 0.9 10
. 0.0 0.0 0.9
x2 0.0 0.5 0.6 0.5 0.0 (5.12) x2 0.5 y2 圖 5.3
  0.6 1.0
R  x3 0.0 0.0 0.4 0.6 0.8 x3 0.4 y3
  0.6 0.5
x4 0.0 0.0 0.0 0.7 10
.  x4 0.7
y4
x5 0.0 0.0 0.0 0.0 0.9 1.0 0.8
x5 y5
0.9
9
認識 Fuzzy 理論與應用

R 1 ( y, x)  ( R( x, y)) 1 , x  X , y Y , R 1  rˆyx  , ( R 1 ) 1  R
■ 標準合成法 (standard composition) ，
R( x, z )  ( P  Q)( x, z )  max min  P( x, y), Q( y, z )  (5.13)
yY

■ “ 標準合成”又稱為“最大 - 最小合成” (max-min composition) 。

rxz  max min( p xy , q yz ) (5.14)
y
R( x, z )  ( P  Q)( x, z )  [{P  Z }  {Q  X }]  { X  Z } (5.15)
◊ 例 5.5 ：
 0.3 0.5 0.8  0.3 0.5 0.7 0.9 . . . . 
若P  0.0 0.7 0.9  , 
Q   01
. 0.3 0.5 0.7

P  Q  .
R 則 . . . 
 0.5 0.7 1.0  0.0 10
. 0.5 0.5 . . . . 

其中 r12  max(min( p11 , q12 ), min( p12 , q22 ), min( p13 , q32 ))
 max(min(0.3, 0.5), min(0.5, 0.3), min(0.8, 1.0))
 max(0.3, 0.3, 0.8)  0.8.

r23  max(min( p21 , q13 ), min( p22 , q23 ), min( p23 , q33 ))
及  max(min(0.0, 0.7), min(0.7, 0.5), min(0.9, 0.5))
 max(0.0, 0.5, 0.5)  0.5.
10
認識 Fuzzy 理論與應用

R  PQ , P ( X , Y )  Q (Y , Z ), Q(Y , Z )  P ( X , Y ).


◊ 例 5.6 ：若 P 為一模糊關係，代表公司三位員工 x, y, z 的個性：積極性 
、外向 
、靈巧度
Q 為另一模糊關係，代表三種工作 a, b, c 需要的工作個性，則公司主管可以根據模糊關係合成之運
算
P Q
，來決定哪個員工適合哪種工作。
   a b c a b c
x  1 0.4 0.7   0.6 0.9 1  x 0.6 0.9 1 
 1 0.7 0.8  1 0.7 0.8
P  y 0.3 1 0.5 Q
  P Q  y
 
z 0.8 0.2 1   0.5 1 0.6
可得 z 0.6 1 0.8

5.5 本章總結

■ 模糊關係之定義、表示法、性質、及相關運算 .
■ 二元模糊關係之合成運算。
■ “ 映射關係 (projection)” 與“柱形擴充 (cylindric extension)”.

11