41_fuzzy / Функции принадлежности

8

Функция принадлежности μ_A(x) ∈ [0, 1] ставит в соответствие каждому числу

x ∈ X число из интервала [0,1], характеризующее степень принадлежности решения к подмножеству А.

Т.е. это некоторая не вероятностная субъективная мера нечеткости, определяемая в результате опроса экспертов о степени соответствия элемента x понятию, формализуемому нечетким множеством A. В отличие от вероятностной меры, которая является оценкой стохастической неопределенности, имеющей дело с неоднозначностью наступления некоторого события в различные моменты времени, нечеткая мера является численной оценкой лингвистической неопределенности, связанной с неоднозначностью и расплывчатостью категорий человеческого мышления. При построении функции принадлежности μ_A(x) с каждым нечетким множеством A ассоциируется некоторое свойство, признак или атрибут, который характеризует некоторую совокупность объектов X. Чем в большей степени конкретный объект x ∈ X обладает этим свойством, тем более близко к 1 соответствующее значение μ_A(x). Если элемент x ∈ X определенно обладает этим свойством, то μ_A(x)=1, если же x ∈ X определенно не обладает этим свойством, то μ_A(x)=0.

Основные виды функций принадлежности

На практике удобно использовать те функции принадлежности, которые допускают аналитическое представление в виде некоторой простой математической функции.

1. Кусочно-линейные,

использующиеся для задания неопределенностей типа: «приблизительно равно», «среднее значение», «расположен в интервале», «подобен объекту», «похож на предмет» и т.п.

Треугольная trimf

Трапецеидальная trapmf

2. S-образные,

использующиеся для задания неопределенностей типа: «большое количество», «большое значение», «значительная величина», «высокий уровень» и т.п.

Квадратичный S-сплайн smf

3. Z-образные,

использующиеся для задания неопределенностей типа «малое количество», «небольшое значении е», «незначительная величина», «низкий уровень» и т.п.

Квадратичный Z-сплайн zmf

4. П-образные,

использующиеся для задания неопределенностей типа: «приблизительно в пределах от и до», «примерно равно», «около» и т.п.

К данному типу функций принадлежности можно отнести целый класс кривых, которые по своей форме напоминают колокол, сглаженную трапецию или букву "П".

Колоколообразная gbellmf

a - коэффициент концентрации функции принадлежности; b – коэффициент крутизны функции принадлежности; c – координата максимума функции принадлежности.

Гауссовская gaussmf

a – координата максимума функции принадлежности; b – коэффициент концентрации функции принадлежности.

Методы построения функций принадлежности

Прямые и косвенные

В зависимости от числа привлеченных к опросу экспертов как прямые, так и косвенные методы делятся на одиночные и групповые.

Прямые

В прямых методах эксперт либо группа экспертов просто задают для каждого

x ∈ X значение функции принадлежности μ_A(x).

Как правило, прямые методы построения функций принадлежности используются для таких свойств, которые могут быть измерены в некоторой количественной шкале. Например, такие физические величины, как скорость, время, расстояние, давление, температура и другие имеют соответствующие единицы и эталоны для своего измерения.

При прямом построении функций принадлежности следует учитывать, что теория нечетких множеств не требует абсолютно точного задания функций принадлежности. Зачастую бывает достаточно зафиксировать лишь наиболее характерные значения и вид функции принадлежности.

Так, например, если необходимо построить нечеткое множество, которое представляет свойство "скорость движения автомобиля примерно 50 км/ч", на начальном этапе может оказаться достаточным представить соответствующее нечеткое множество треугольной функцией принадлежности с параметрами а = 40 км/ч, b = 60 км/ч и с = 50 км/ч. В последующем функция принадлежности может быть уточнена опытным путем на основе анализа результатов решения конкретных задач.

Процесс построения или задания нечеткого множества на основе некоторого известного заранее количественного значения измеримого признака получил даже специальное название — фаззификация или приведение к нечеткости. Речь идет о том, что хотя иногда нам бывает известно некоторое значение измеримой величины, мы признаем тот факт, что это значение известно неточно, возможно с погрешностью или случайной ошибкой. При этом, чем меньше мы уверены в точности измерения признака, тем большим будет интервал носителя соответствующего нечеткого множества. Следует помнить, что в большинстве практических случаев абсолютная точность измерения является лишь удобной абстракцией для построения математических моделей. Именно по этой причине фаззификация позволяет более адекватно представить объективно присутствующую неточность результатов физических измерений.

Метод относительных частот (прямой групповой)

Пусть имеется m экспертов, n₁ из которых на вопрос о принадлежности элемента x ∈ X нечеткому множеству A отвечают положительно. Другая часть экспертов n₂ = m – n₁ отвечает на этот вопрос отрицательно. Тогда принимается μ_A(x) = n₁ / (n₁ + n₂) = n₁ / m.

Пример. Рассмотрим нечеткое множество A, соответствующее понятию «скорость изменения температуры положительная средняя». Объект x – скорость изменения температуры. Экспертам предъявляются различные значения скорости изменения температуры x, и каждому из них задается вопрос: считает ли эксперт, что данная скорость изменения температуры x положительная средняя. Результаты опроса сведены в табл.

В качестве непрерывного представления данной нечеткой переменной можно использовать гауссовскую ФП gaussmf с максимумом функции принадлежности а=5 и коэффициентом концентрации функции принадлежности b=1.7:

μ(x) = exp [ – (x–5)² / 2*1.7²]

Косвенные

Используются при решении задач, для которых свойства физических величин не могут быть измерены. Наибольшее распространение среди косвенных методов получил метод парных сравнений.

Метод парных сравнений

Интенсивность принадлежности определяют, исходя из попарных сравнений рассматриваемых элементов.

Для каждой пары элементов универсального множества эксперт оценивает преимущество одного элемента над другим по отношению к свойству нечеткого множества. Парные сравнения удобно представлять следующей матрицей:

,

где   - уровень преимущество элемента  над  (), определяемый по девятибальной шкале Саати:

1  - если отсутствует преимущество элемента  над элементом ;

3  - если имеется слабое преимущество  над ;

5  - если имеется существенное преимущество  над ;

7  - если имеется явное преимущество  над ;

9  - если имеется абсолютное преимущество  над ;

2, 4, 6, 8 - промежуточные сравнительные оценки.

Пример. Построить функцию принадлежности нечеткого множества "высокий мужчина" на универсальном множестве {170, 175, 180, 185, 190, 195}, если известны такие экспертные парные сравнения:

• абсолютное преимущество 195 над 170;

• явное преимущество 195 над 175;

• существенное преимущество 195 над 180;

• слабое преимущество 195 над 185;

• отсутствует преимущество 195 над 190.

Приведенным экспертным высказываниям соответствует такая матрица парных сравнений:

При согласованных мнениях эксперта матрица парных сравнений обладает следующими свойствами:

• она диагональная‚ т. е. a_ii=1 ‚ i=1..n ;

• она обратно симметрична‚ т. е. элементы‚ симметричные относительно главной диагонали‚ связаны зависимостью a_ij=1/a_ji , i,j=1..n ;

• она транзитивна‚ т. е. a_ika_kj=a_ij , i,j,k=1..n .

Наличие этих свойств позволяет определить все элементы матрицы парных сравнений:

После определения всех элементов матрицы парных сравнений, степени принадлежности нечеткого множества вычисляются по формуле:

Для нормализации нечеткого множества разделим все степени принадлежности на максимальное значение, т.е. на 0.3588.

ui	170	175	180	185	190	195
μ высокий мужчина (ui) (субнормальное нечеткое множество)	0.0399	0.0513	0.0718	0.1196	0.3588	0.3588
μ высокий мужчина (ui) ((нормальное нечеткое множество)	0.1111	0.1429	0.2000	0.3333	1.0000	1.0000