
- •Оглавление
- •Глава 1. Нечеткость как вид неопределенности
- •1.2. Меры неопределенности суждений
- •Глава 2. Основы теории нечетких множеств
- •2.1. Понятие нечеткого множества
- •2.2. Теоретико-множественные операции над нечеткими множествами
- •2.3. Нечеткие отношения и отображения на нечетких множествах
- •2.4. Меры сходства и различия нечетких категорий
- •Алгоритм решения задачи нечеткой кластеризации методом нечетких -средних. Основные идеи алгоритма для решения сформулированной задачи нечеткой кластеризации были предложены д. К. Данном.
- •2.5. Четкость и нечеткость
- •2.6. Нечеткая и лингвистическая переменные
- •Глава 3. Методы построения функции принадлежности
- •3.1. Содержание функции принадлежности
- •3.2. Построение функции принадлежности нечеткого множества и оценка его вероятностных характеристик
- •3.3. Прямые методы построения функции принадлежности
- •3.4. Косвенные методы построения функции принадлежности
- •3.5. Метод построения функции принадлежности лингвистических термов с использованием статистических данных
- •3.7. Представление нечеткой и лингвистической переменных в эвм
- •Контрольные вопросы
- •4. Основы нечеткой логики
- •4.1. Многозначная логика
- •4.2. Нечеткозначная логика
- •Получим
- •4.3. Системы нечеткого вывода
- •Формирование базы правил систем нечеткого вывода.
- •Фаззификация
- •Агрегирование
- •Активизация
- •Аккумуляция
- •Дефаззификация
- •Заключение
- •Библиографический список
- •“Основы теории нечеткости” учебное пособие
- •153003 Иваново, Рабфаковская, 34
3.7. Представление нечеткой и лингвистической переменных в эвм
Прикладные исследования, проводимые в различных направлениях творческой деятельности, показали неспособность обычных методов анализа систем и моделирования на ЭВМ, основанных на точной обработке численных данных, в должной мере отразить огромную сложность и многообразие реальных процессов, явлений и объектов. Одним из преткновений на пути использования нечетких и лингвистических переменных, позволяющих расширить представление о реальных процессах, явлениях и объектах, повысить их информационное содержание, является недостаточная приспособленность традиционных моделей и баз данных к восприятию таких переменных и их последующему анализу. Попытаемся найти пути реализации этой проблемы.
Как было указано ранее, нечеткая и лингвистическая переменные представляются в виде кортежей соответственно:
-
< , X, C>,
(3.35)
<, T , X>.
(3.36)
Рассмотрим отдельно эти переменные в зависимости от характера их базового множества, т.е. когда Х представляется дискретным конечным множеством и когда Х является непрерывным множеством, расположенным на оси действительных чисел R (континуум).
Для дискретного Х, когда SA = {xi}, целесообразно первое поле реляционной базы данных заполнить SA = {xi}, где хХ, а следующее поле с индексом заполнить элементами (хi) с учетом связи C=<(хi) /хi>. Так как Cфактически отражает семантику, то можно утверждать, что в указанном виде нечеткая переменная будет полностью представлена. Более того, если на одном базовом множестве располагается несколько нечетких переменных хk(часто встречающийся на практике случай), то такая форма представления (табл.3.8) и в этом случае окажется приемлемой при условии
-
Ck = < k(хi) /хi > = <ik /хi>.
(3.37)
Последовательная группировка k по терм-множествам
-
Т = {Т11 = 1, Т21 = 2, ... , Тs1 = s1 },
Т2 = {Т12 = k+1, ... , Тs2 = k+s2}
. . . . . . . . . . . . . . .
(3.38)
дает возможность представления в указанной базе данных лингвистических переменных (табл.3.8).
Таблица 3.8. Представление нечетких и лингвистических переменных при дискретном
базовом множестве
Х (SA) |
1 |
2 |
3 |
4 |
5 |
6 |
… |
k |
… |
m-1 |
m | |||||||
x1 |
11 |
12 |
13 |
14 |
15 |
16 |
… |
1k |
… |
1,m-1 |
1m | |||||||
… |
… |
… |
… |
… |
… |
… |
… |
… |
… |
… |
… | |||||||
xi |
i1 |
i2 |
i3 |
i4 |
i5 |
i6 |
… |
ik |
… |
i,m-1 |
im | |||||||
… |
… |
… |
… |
… |
… |
… |
… |
… |
… |
… |
… | |||||||
xn |
n1 |
n2 |
n3 |
n4 |
n5 |
n6 |
… |
nk |
… |
n,m-1 |
nm | |||||||
|
|
|
|
|
|
|
|
|
|
|
| |||||||
|
|
|
|
|
|
|
|
|
|
|
|
Предлагаемая форма представления нечетких и лингвистических переменных не исключает комбинированного отображения состояния предметной области посредством реляционной модели базы данных. Такая возможность иллюстрируется примером (табл.3.9).
Таблица 3.9. Пример реляционной базы
Студ. группа |
Факультет |
Специальность |
Кол-во студентов |
Сильная |
Слабая |
Ровная |
Дружная |
1-51 |
ИФ |
41.01 |
20 |
0,8 |
0,2 |
0,7 |
0,8 |
1-52 |
ИФ |
41.02 |
18 |
0,4 |
0,7 |
0,6 |
0,5 |
… |
… |
… |
… |
… |
… |
… |
… |
1-61 |
МФ |
18.01 |
25 |
0,3 |
0,8 |
0,5 |
0,3 |
… |
… |
… |
… |
… |
… |
… |
… |
Для непрерывного базового множества Х R степени принадлежности ikмогут определяться через полученные тем или иным методом функции принадлежности А(х)=(х). При этом возникает задача, как хранения функции принадлежности, так и оперативного представления ее значений при изменении хR. Это может быть осуществлено при условии аппроксимации экспериментально полученной функции принадлежности. В общем случае функция принадлежности (рис.3.20) может быть аппроксимирована выражением (3.39).
(х)
а
а в
Рис.3.20.Общий случай представления функции принадлежности (х)
в
-
(x)=
при х х1
(А - а sin 2А) при х1< х< х10
1 при x10 x x20
(B - b sin 2B) при х20< х< х2
при х2< х,
(3.39)
где
;
а, в - аппроксимирующие коэффициенты;
sup (a, b) = 1/2, inf (a, b) = 0;
- коэффициент концентрации ( >1) или растяжения ( < 1).
Из (3.39) следует, что любую, полученную экспериментальным путем функцию принадлежности (х), можно охарактеризовать кортежем
-
< x1, x10, x20, x2, a, b, >.
(3.40)
Универсальность выражения (3.39) и кортежа (3.40) подтверждается иллюстрацией (рис.3.21).
(х )
х
а) б) в) г) д)
(х)
х
е) ж) з) и) к) л)
Рис.3.21. Различные варианты представления функции принадлежности (х)
при следующих значениях характеристик кортежа (3.40):
а) (x10 – x1) = (x2 - x20), x20 > x10 , a > 0, b > 0, = 1,
б) (x10 - x1) < (x2 - x20), x20 = x10 , a > 0, b > 0, = 1,
в) (x10 - x1) = (x2 - x20), x20 = x10 , a > 0, b > 0, = 1,
г)(x10 - x1) < (x2 - x20), x20 > x10 , a = 0, b = 0, = 1,
д)(x10 - x1) = (x2 - x20), x20 > x10 , a = 0, b = 0, = 1,
е) (x10 - x1) > (x2 - x20), x20 = x10 , a = 0, b = 0, = 1,
ж) (x10 - x1) = (x2 - x20), x20 = x10 , a = 0, b = 0, = 1,
з) x10 = x1 , x2 > x20 , x20 > x10 , a = 0, b > 0, = 1,
и) x10 > x1 , x2 = x20 , x20 > x10 , a = 0, b = 0, = 1,
к) (x10 - x1) = (x2 - x20), x20 = x10 , a = 0, b > 0, = 1,
л) x10 = x1 , x2 = x20 , x20 > x10 , a = 0, b = 0, = 1.
Влияние на характер функции принадлежности представлено на рис.3.22.
(х)
< 1
=1
> 1
х1 х10 х20 х2 х
Рис.3.22. Представление (х) при =1 и 1
Это влияние можно использовать как при аппроксимации экспериментально полученной функции принадлежности, так и при изменении требований принадлежности х к понятию А, появляющихся при возникновении различных ситуаций. В таких случаях представляется как функция от одного или нескольких факторов, определяющих суть ситуации, т.е.
-
= (у1, у2, ..., уk).
(3.41)
В отдельных случаях может изменяться путем переназначения.
Пример 3.9. При оценке стоимости продуктов в задачах экономического анализа и прогнозирования возможно использование лингвистической переменной - “стоимость продуктов” с терм-множеством Т = <”низкая”, “средняя”, “высокая”>. Известно, что оценка стоимости продуктов зависит от темпов инфляции. Эта зависимость может быть выражена через функцию = (у) вида
= k( I’ / I”),
где I’, I” – темпы инфляции (предшествующий и рассматриваемый периоды). Данное выражение определяет семантическое правило М лингвистической переменной , при котором с увеличением темпов инфляции оценка стоимости продуктов становится более растяжимой (2.17), а с уменьшением – более стабильной, концентрированной (2.16).
Процесс определения, аппроксимации и машинной реализации функции принадлежности, а также ее модернизации представлены схемой (рис.3.23).
ЭВМ
Ввод МФ
;
,
Т
,
(yi),
yi
=
(yi)
Yi
(yi)
х
Аппроксима-ция Аэ(х) х20,
х2 а, в РЛМ
(3.23)
(х) БИП Аэ(х) х1,
х10
Т
x1
х10 x20
x2
a b
Рис.3.23. Схема формирования и представления функции принадлежности (х)
для непрерывного Х
Полученные экспериментальным путем функции принадлежности Aэ(х), характеризующие нечеткую переменную или термы множества Т лингвистической переменной , аппроксимируются кортежем (3.40). Значения величин, входящих в кортеж (3.39), заносятся в базу индексов и параметров нечетких и лингвистических переменных (БИП). Ввод коэффициента осуществляется непосредственно или косвенно по значениям уi через модуль функции (3.41) (МФ). По значению х для соответствующей или с помощью расчетно-логического модуля (РЛМ), реализующего (3.39), определяется степень принадлежности (х).