
- •1. Подходы к определению понятия «система». Классификация и характеристика систем. Модель «черного ящика». Статические и динамические модели.
- •1 Класс моделей – это модели типа черного ящика.
- •2 Класс моделей – это модель состава системы.
- •3 Класс моделей – структурная схема системы.
- •2. Определение, обозначение, примеры нечеткого множества. Основные характеристики нечетких множеств.
- •3. Расширение понятия нечеткого множества
- •4. Стандартные операции над нечеткими множествами и их свойства. Расширенные операции над нечеткими множествами.
- •Стандартная функция дополнения
- •Нечеткое разбиение. (это лучше не писать!)
- •Нечеткое пересечение (fuzzy intersection).
- •Нечеткое объединение. Fuzzy union
- •5. Операции для определения различия между нечеткими множествами:
- •6. Показатели неопределенности (размытости) нечетких множеств.
- •7. Определение и свойства нечетких чисел. Декомпозиция нечеткого числа. Операции над нечеткими числами на основе интервального метода.
- •9. Определение нечетких отношений. Способы представления нечетких отношений.
- •10. Нечеткие графы. Разновидности нг. Нечеткие гиперграфы.
- •11. Операции над нечеткими отношениями. Свойства нечетких отношений. Транзитивное замыкание нечетких отношений.
- •12. Расширение понятия нечеткого отношения.
- •13. Нечеткое отношение эквивалентности, неэквивалентности, сходства, различия, предпорядка, порядка. Нечеткий гомоморфизм между нечеткими отношениями.
- •14. Понятие нечеткой переменной, понятие лингвистической переменной, логико-лингвистическая шкала.
- •15. Области применения нечетких моделей. Классификация нечетких моделей.
- •16. Определение нечеткой продукционной модели. Компоненты нечетких продукционных моделей.
- •17. Определение нечеткой продукционной модели. Компоненты нечетких продукционных моделей.
- •18. Определение нечеткой продукционной модели. Компоненты нечетких продукционных моделей. Классы операций нечеткой импликации. Критерии оценки нечеткой импликации
- •19. Основные задачи создания базы нечетких продукционных правил. Формирование нечетких (простых и составных) высказываний в предпосылках и заключениях правил.
- •20. Основные задачи создания базы нечетких продукционных правил. Классификация лингвистических продукционных правил.
- •21. Основные задачи создания базы нечетких продукционных правил. Классификация нечетких продукционных правил с заключениями в виде четких значений или функций.
- •22. Основные задачи создания базы нечетких продукционных правил. Типы структур базы нечетких продукционных правил (siso-, miso-, mimo-структуры).
- •24. Основные задачи создания базы нечетких продукционных правил. Каскадное соединение баз нечетких продукционных правил.
- •25. Основные задачи создания базы нечетких продукционных правил. Обеспечение полноты и непротиворечивости базы нечетких правил.
- •26. Основные компоненты нечетких продукционных моделей.
- •27. Алгоритмы нечеткого вывода Мамдани, Ларсена
- •27. Алгоритмы нечеткого вывода Цукамото, Такаги–Сугено.
6. Показатели неопределенности (размытости) нечетких множеств.
Существует 2 подхода к определению неопределенности:
Показатели размытости могут интерпретироваться как показатели неопределенности, противоположности и так далее объектов, обусловленные неполной или частичной принадлежностью объектов к некоторому множеству или классу. Этот подход используется для решения задач классификации объектов.
Показатели размытости рассматриваются как мера отличия нечеткого множества от обычного четкого множества.
Существует 2 основных подхода к определению показателей размытости:
Аксиоматический – в этом подходе показатель размытости определяется как мера неопределенности объекта х множества Х по отношению к некоторому свойству А. При этом неопределенность объекта определяется в том что он в разной степени принадлежит к классу объектов обладающих этим свойством, и к классу не обладающих. Неопределенность максимальна, если степени принадлежности равны. Неопределенность минимальна, когда объект принадлежит к 1 классу. Показатель размытости можно определить в виде некоторого функционала
удовлетворяющий следующим условиям:
Можно доказать, что вещественный функционал является показателем размытости тогда и только тогда, если он допускает представление:
Tj
– вещественнозначные функции от
,
такие что Tj(0)=0,
Tj(y)=
Tj(1-y),
Tj(y)
– строго возрастает на интервале [0,0.5]
N – число элементов в множестве Х.
Примеры показателей размытости при аксиоматическом подходе:
Энтропия нечеткого множества:
Метрический
Показатель
размытости нечетких
множеств можно определить с помощью
метрики как меру отличия нечеткого
множества от ближайшего к нему обычного
множества. Другой способ задания
показателя размытости с помощью метрики
— это определение его с помощью расстояния
до максимального размытого множества
и
расстояния между нечетким множеством
и его дополнением.
Множество,
ближайшее к нечеткому множеству А,
называется множество
,
такое что
Показателем размытости называется функционал
Если вместо расстояния Хэмминга использовать евклидово расстояние, то получим
Еще одним способом является нахождения расстояния между нечетким множеством и его дополнением.
Помимо рассмотренных подходов, нашли развитие так же и другие подходы.
В ряде случаев удобно использовать возможности пребывания системы в различных состояниях.
Пусть существует N состояний системы и с ними связаны вероятности пребывания системы в этих состояниях, тогда Энтропия системы определяется следующим выражением:
Если
задано нечеткое множество А в виде
совокупности пар
То выражение энтропии для оценки его нечеткости можно задать следующим образом:
7. Определение и свойства нечетких чисел. Декомпозиция нечеткого числа. Операции над нечеткими числами на основе интервального метода.
Нечетким
числом А
называется нечеткое множество, которое
определено на множестве действительных
чисел и функция принадлежности которого
кусочно-непрерывна, при этом само
нечеткое множество:
Нормально
Выпукло
Нечеткое
число нормально,
если
Нечеткое число А выпукло, если:
в визуальном плане это отсутствие провалов в функции принадлежности.
Интервал
нечеткого
числа А обозначается
В
случае выпуклой функции принадлежности
множество
естественно
описывается 2 граничными точками.
Используя понятие нечеткого числа условие выпуклости можно записать в следующем виде:
Подмножество
действительных чисел, обозначаемое как
называется
носителем
нечеткого числа, если
Нечеткое
число А называется унимодальным,
если существует единственное значение
Х, для которого
само значение х при этом называется
модой
числа.
В том случае, если значение функции принадлежности оказывается равным 1 на некотором интервале, то такое число называется толерантным.
Унимодальное – треугольное, трапецеидальное – толерантно.
Множество значение некоторого числа А вне зависимости от того состоит оно из одной точки или из интервала будем обозначать следующим образом:
Естественно,
что
Выпуклое,
нечеткое число А называется нечетким
нулем,
если
Нечеткое
число А положительно,
если
Нечеткое
число А отрицательно,
если
Декомпозиция нечеткого числа.
Декомпозиция
нечеткого числа
А – это представление данного числа в
виде совокупности нечетких интервалов
в виде:
,
где
-
значение элемента уровневого множества
,
-интервал
-уровня
нечеткого числа А
αАα – нечеткий интервал -уровня нечеткого числа А
З
начение
функции принадлежности нечеткого
интервала
:
A0.7=[2;5]
A0.5=[1.5;5.5]
A0.3=[1;6]
A=0.3[1;6]∪0.5[1.5;5.5]∪0.7[2;5]∪1.0[3.5;3.5]
2
нечетких числа
и имеется некоторая арифметическая
операция
,
тогда будем обозначать аналогичную
операцию
над нечеткими числами, результатом
будет
Требования к операциям:
Адекватность расширенной операции семантике исходной операции.
Отсутствие или минимизация «накопление нечеткости», т.е. роста показателя размытости результата в ходе многократного использования расширенной операции.
Ограничение выхода результата за границы его базового диапазона.
Приемлемый уровень вычислительных затрат при используемой реализации.
Возможность использования в качестве операндов нечетких чисел с различным характером функции принадлежности.
Сохранение результатом определенных свойств операндов.
Наличие 0-го и обратного элементов относительно расширенных операций сложения и умножения.
Ассоциативность операций.
Дистрибутивность умножения относительно сложения.
Операции над нечеткими числами на основе интервального метода.
При использовании интервального метода операции над нечеткими числами рассматриваются как обобщение операций над интервалами, в качестве которых выступают все интервалы -уровней этих чисел.
Пусть даны нечеткие числа А=(a1, a2, a3) и В=(b1, b2, b3) и заданы соответствующие интервалы α-уровней этих нечетких чисел:
Сложение интервалов α-уровней нечетких чисел:
;
Противоположный элемент
;
Вычитание интервалов α-уровней нечетких чисел:
;
Умножение интервалов α-уровней нечетких чисел:
Умножение интервала α-уровня на четкое число
Обратный (инверсный) интервал нечеткого числа:
но
это при условии
Операция деления интервала α-уровня нечетких чисел:
при
условии 0∉Вα
Если нечеткие числа A и B определены на R+, то операции значительно упрощаются:
Также вводится еще две операции:
1. Минимум инт. α-ур. н. м.
1. Максимум инт. α-ур. н. м.
8. Операции над нечеткими числами на основе принципа нечеткого обобщения Л. Заде. Треугольные нечеткие числа (определение, операции). Трапецеидальные нечеткие числа (определение, операции). Нечеткие числа (L-R)-типа (определение, операции).
Операции над нечеткими числами на основе принципа нечеткого обобщения Л. Заде.
A,B,C
–нечеткие числа, заданные функциями
принадлежности
Тогда
результат произвольной бинарной операции
над неч. числами:
Вместо
звездочки могут быть любые арифметические
операции: +,-,
,/,min,max.
Треугольные нечеткие числа.
Треугольным
нечетким числом
называется нечеткое число
с носителем
и
и с функцией принадлежности:
Особенности:
Результаты операций сложения и вычитания треугольных нечетких чисел так же являются нечеткими треугольными числами.
Р
езультаты умножения, деления, минимума и максимума не являются треугольными нечеткими числами.
В
общем виде результат сложения и вычитания
над ТНЧ
Рассмотрим 2 числа:
A=(-7,3,6) B=(-5,-1,4)
A+B=[-12,2,10] A-B=[-11,4,11]
Для умножения (осуществляется на определенных α-уровнях):
Одним из условий выполнения операции деления является то, что ни одно из значений носителя числа, которое является делителем не равно 0.
A
=(1,4,9)
B=(5,11,13)
Выполнение операций над треугольными числами на основе принципа нечеткого обобщения (расширения) Заде.
Если
и
— треугольные
нечеткие числа,
то, согласно принципу
обобщения Заде, нечеткое
треугольное число
также
является треугольным и характеризуется
тройкой
,
где
Трапецеидальные нечеткие числа.
Т
рапецеидальным
нечетким числом является нечеткое число
заданное параметрами
с носителем
и отрезком толерантности
задаваемое
следующей функцией принадлежности:
Интервальный метод выполнения операций над трапецеидальными нечеткими числами. Для трапецеидальных нечетких чисел справедливы все правила свойственные треугольным нечетким числам.
Выражаем, как и с треугольными числами и получаем результат:
Умножение,
деление выполняется над интервалами,
либо с принципом обобщения Заде, так
же, как с треугольными НЧ.
Нечеткие числа (L-R)-типа, это разновидность нечетких чисел, функции принадлежности которых задаются с помощью невозрастающих на множестве неотрицательных действительных чисел функций действительного переменного, L(x) и R(x), удовлетворяющих следующим свойствам:
L
(-x)=L(x), R(-x)=R(x)
L(0)=R(0)
С функцией принадлежности заданной следующим образом:
Здесь отрезок [a,b] – отрезок толерантности, отрезок [c,d]- носитель нечеткого числа. Так же c,d называют левым и правыми границами нечеткости. Функции L и R типа могут быть линейны, тогда это трапецеидальное, или в частном случае, треугольное нечеткое число.