Professional Documents
Culture Documents
CH 05 Ok
CH 05 Ok
CH 05 Ok
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
M W {(m1 , w1 ), ( m1 , w2 ), (m1 , w3 ), ( m2 , w1 ), (m , w ),
2 3
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)
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
max 0.4,
0.9,
0.2, 1.0,
0.8 1.0.
0.0,
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 )
6
認識 Fuzzy 理論與應用
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
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)
yY
■ “ 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)
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)
yY
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 PQ , 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