Нечетких множеств метод медианы примеры. Нечеткие множества

Нечеткое множество - ключевое понятие нечеткой логики. Пусть Е — универсальное множество, х — элемент Е, a R — некоторое свойство. Обычное (четкое) подмножество А универ-сального множества Е, элементы которого удовлетворяют свойству R, определяется как множество упорядоченных пар

А = { μ A (x ) / x },

где μ А (х) —характеристическая функция, принимающая значе-ние 1, если х удовлетворяет свойству R, и 0 - в противном случае.

Нечеткое подмножество отличается от обычного тем, что для элементов х из Е нет однозначного ответа «да-нет» относительно свойства R. В связи с этим нечеткое подмножество А универсаль-ного множества Е определяется как множество упорядоченных пар

А = { μ A (x ) / x },

где μ А (х) — характеристическая функция принадлежности (или просто функция принадлежности) , принимающая значения в некотором вполне упорядоченном множестве М (например, М = ).

Функция принадлежности указывает степень (или уровень) принадлежности элемента х подмножеству А. Множество М назы-вают множеством принадлежностей. Если М = {0, 1}, то нечеткое подмножество А может рассматриваться как обычное или четкое множество.

Примеры записи нечеткого множества

Пусть Е = {x 1 , x 2 , х з, x 4 , x 5 }, М = ; А — нечеткое множество, для которого μ A (x 1 )= 0,3; μ A (х 2 )= 0; μ A (х 3) = 1; μ A (x 4) = 0,5; μ A (х 5 )= 0,9.

Тогда А можно представить в виде

А = {0,3/x 1 ; 0/х 2 ; 1/х 3 ; 0,5/х 4 ; 0,9/х 5 },

или

А ={0,3/x 1 +0/х 2 +1/х 3 +0,5/х 4 +0,9/х 5 },

или

Замечание . Здесь знак «+» не является обозначением операции сложения, а имеет смысл объединения.

Основные характеристики нечетких множеств

Пусть М = и А — нечеткое множество с элементами из универсаль-ного множества Е и множеством принадлежностей М.

Величина называется высотой нечеткого множества А. Нечеткое множество А нормально, если его высота рав-на 1,т.е. верхняя граница его функции принадлежности равна 1 (= 1). При < 1нечеткое множество называется субнормальным.

Нечеткое множество пусто, если ∀x ϵ E μ A (x ) = 0. Непу-стое субнормальное множество можно нормализовать по формуле

Нечеткое множество унимодально, если μ A (x ) = 1 только на одном х из Е.

. Носителем нечеткого множества А является обычное под-множество со свойством μ A (x )>0, т.е. носитель А = {x /x ϵ E, μ A (x )>0}.

Элементы x ϵ E , для которых μ A (x ) = 0,5 , называются точками перехода множества А.

Примеры нечетких множеств

1. Пусть Е = {0, 1, 2, . . ., 10}, М = . Нечеткое множество «Несколько» можно определить следующим образом:

«Несколько» = 0,5/3 + 0,8/4 + 1/5 + 1/6 + 0,8/7 + 0,5/8; его характеристики: высота = 1, носитель = {3, 4, 5, 6, 7, 8}, точки перехода — {3, 8}.

2. Пусть Е = {0, 1, 2, 3,…, n ,… }. Нечеткое множество «Малый» можно определить:

3. Пусть Е = {1, 2, 3, . . ., 100} и соответствует понятию «Возраст», тогда нечеткое множество «Молодой» может быть определено с помощью

Нечеткое множество «Молодой» на универсальном множестве Е" = {ИВАНОВ, ПЕТРОВ, СИДОРОВ,...} задается с помощью функции при-надлежности μ Молодой (x ) на Е = {1, 2, 3, . . ., 100} (возраст), называемой по отношению к Е" функцией совместимости, при этом:

где х — возраст СИДОРОВА.

4. Пусть Е = {ЗАПОРОЖЕЦ, ЖИГУЛИ, МЕРСЕДЕС,… } - множе-ство марок автомобилей, а Е" = — универсальное множество «Сто-имость», тогда на Е" мы можем определить нечеткие множества типа:

Рис. 1.1. Примеры функций принадлежности

«Для бедных», «Для среднего класса», «Престижные», с функциями при-надлежности вида рис. 1.1.

Имея эти функции и зная стоимости автомобилей из Е в данный момент времени, мы тем самым определим на Е" нечеткие множества с этими же названиями.

Так, например, нечеткое множество «Для бедных», заданное на уни-версальном множестве Е = { ЗАПОРОЖЕЦ, ЖИГУЛИ, МЕРСЕДЕС,...}, выглядит так, как показано на рис. 1.2.

Рис. 1.2. Пример задания нечеткого множества

Аналогично можно определить нечеткое множество «Скоростные», «Средние», «Тихоходные» и т. д.

5. Пусть Е — множество целых чисел:

Е = {-8, -5, -3, 0, 1, 2, 4, 6, 9}.

Тогда нечеткое подмножество чисел, по абсолютной величине близких к нулю, можно определить, например, так:

А = {0/-8 + 0,5/-5 + 0,6/-3 +1/0 + 0,9/1 + 0,8/2 + 0,6/4 + 0,3/6 + 0/9}.

О методах построения функций принадлежности нечет-ких множеств

В приведенных выше примерах использованы пря-мые методы, когда эксперт либо просто задает для каждого х ϵ Е значение μ А (х), либо определяет функцию совместимости. Как правило, прямые методы задания функции принадлежности ис-пользуются для измеримых понятий, таких как скорость, время, расстояние, давление, температура и т.д., или когда выделяются полярные значения.

Во многих задачах при характеристике объекта можно выде-лить набор признаков и для каждого из них определить полярные значения, соответствующие значениям функции принадлежности, 0 или 1.

Например, в задаче распознавания лиц можно выделить шкалы, приведенные в табл. 1.1.

Таблица 1.1. Шкалы в задаче распознавания лиц

x 1	высота лба
x 2	профиль носа	курносый	горбатый
	длина носа	короткий
x 4	разрез глаз
	цвет глаз
	форма подбородка	остроконечный	квадратный
x 7	толщина губ
	цвет лица
	очертание лица	овальное	квадратное

Для конкретного лица А эксперт, исходя из приведенной шка-лы, задает μ A (х) ϵ , формируя векторную функцию принад-лежности { μ A (х 1 ) , μ A (х 2 ),…, μ A (х 9) }.

При прямых методах используются также групповые прямые методы, когда, например, группе экспертов предъявляют конкрет-ное лицо и каждый должен дать один из двух ответов: «этот че-ловек лысый» или «этот человек не лысый», тогда количество утвердительных ответов, деленное на общее число экспертов, дает значение μ лысый (данного лица). (В этом примере можно действо-вать через функцию совместимости, но тогда придется считать число волосинок на голове у каждого из предъявленных эксперту лиц.)

Косвенные методы определения значений функции принад-лежности используются в случаях, когда нет элементарных из-меримых свойств, через которые определяется интересующее нас нечеткое множество. Как правило, это методы попарных сравне-ний. Если бы значения функций принадлежности были нам из-вестны, например, μ A (х- i ) = ω i , i = 1, 2, ..., n ,то попарные срав-нения можно представить матрицей отношений А = { a ij }, где a ij = ω i / ω j (операция деления).

На практике эксперт сам формирует матрицу А , при этом пред-полагается, что диагональные элементы равны 1, а для элемен-тов симметричных относительно диагонали a ij = 1/a ij , т.е. если один элемент оценивается в α раз сильнее, чем другой, то этот по-следний должен быть в 1/α раз сильнее, чем первый. В общем случае задача сводится к поиску вектора ω, удовлетворяющего уравнению вида Aw = λ max w , где λ max — наибольшее собствен-ное значение матрицы А . Поскольку матрица А положительна по построению, решение данной задачи существует и является поло-жительным.

Можно отметить еще два подхода:

• использование типовых форм кривых для задания функций принадлежности (в форме (L-R)-Типа - см. ниже) с уточнением их параметров в соответствии с данными эксперимента;
• использование относительных частот по данным экспе-римента в качестве значений принадлежности.

Лекция 4. Моделирование и принятие решений в ГИС.

1. Нечеткие множества

2. Методы оптимизации

Нечеткие множества

Наиболее поразительным свойством человеческого интеллекта является способность принимать правильные решения в обстановке неполной и нечеткой информации. Построение моделей приближенных рассуждений человека и использование их в компьютерных системах представляет сегодня одну из важных задач развития ГИС, особенно по применению их в различных сферах управления.

Значительное продвижение в этом направлении сделано 30 лет тому назад про- ром Калифорнийского университета (Беркли) Лотфи А. Заде. Его работа «Fuzzy Sets», появившаяся в 1965 г. в журнале Information and Control, №8, заложила основы моделирования интеллектуальной деятельности человека и явилась начальным толчком к развитию новой математической теории.

Что же предложил Заде? Во-первых, он расширил классическое канторовское понятиемножества, допустив, что характеристическая функция (функция принадлежности элемента множеству) может принимать любые значения в интервале (0,1)), а не как в классической теории только значения 0 либо 1. Такие множества были названынечеткими(fuzzy).

Им были также определены операции над нечеткими множествами и предложены обобщения известных методов логического вывода.

Рассмотрим некоторые основные положения теории нечетких множеств.

Пусть Е - универсальное множество, х - элементЕ, аК - некоторое свойство. Обычное (четкое) подмножествоА универсального множестваЕ, элементы которого удовлетворяют свойству R , определяется как множество упорядоченных пар , где - характеристическая функция , принимающая значение 1 , если х удов­летворяет свойству R , и 0 - в противном случае.

Нечеткое подмножество отличается от обычного тем, что для элементов х из Е нет однозначного ответа «да - нет» относительно свойства R . В связи с этим не­четкое подмножество А универсального множестваЕ определяется как множество упорядоченных пар , где - характеристическая функция принадлежности (или просто функция принадлежности), принимающая значения в некотором вполне упорядоченном множестве М (например, М = ). Функция принадлежности указывает степень (или уровень) принадлежности элемента х подмножеству А . Множество М назы­вают множеством принадлежностей . Если М = {0,1} , то нечеткое подмножество А может рассматриваться как обычное или четкое множество.

Пусть М = и А - нечеткое множество с элементами из универсального множества Е и множеством принадлежностей М .

Величина называется высотой нечеткого множества А . Нечеткое множество А нормально , если его высота равна 1 , т. е. верхняя граница его функ­ции принадлежности равна 1 ( =1 ). При < 1 нечеткое множест­во называется субнормальным.

Нечеткое множество пусто , если Непустое субнормальное множество можно нормализовать по формуле

В приведенных выше примерах использованы прямые методы, когда эксперт либо просто задает для каждого значение , либо определяет функцию совместимости. Как правило, прямые методы задания функции принадлежности используются для измеримых понятий, таких как скорость, время, расстояние, дав­ление, температура и т. д., или когда выделяются полярные значения.

Косвенные методы определения значений функции принадлежности использу­ются в случаях, когда нет элементарных измеримых свойств, через которые опре­деляется интересующее нас нечеткое множество. Как правило, это методы попар­ных сравнений. Если бы значения функций принадлежности были нам известны, например то попарные сравнения можно представить мат­рицей отношений , где (операция деления).

На практике эксперт сам формирует матрицу А , при этом предполагается, что диагональные элементы равны 1, а для элементов, симметричных относительно диагонали, =1/ , т. е. если один элемент оценивается в а раз выше чем другой, то этот последний должен быть в 1/ раз сильнее. В общем случае задача сводится к поиску вектора , удовлетворяющего уравнению вида , где - наибольшее собственное значение матрицы А .

Введение понятия лингвистической переменной, и допущение, что в качестве ее значений (термов) выступают нечеткие множества, фактически позволяет создать аппарат описания процессов интеллектуальной деятельности, включая нечеткость и неопределенность выражений.

Поскольку матрица А положительно-определенная по построению, решение данной задачи существует при принятом значении () и является положительным. С(Т), где С(Т) - множество сгенерированных термов, называется расширен­ным терм-множеством лингвистической переменной;

М - семантическая процедура, позволяющая превратить каждое новое значе­ние лингвистической переменной, образуемое процедурой С, в нечеткую перемен­ную, т. е. сформировать соответствующее нечеткое множество.

Введя понятие лингвистической переменной и допуская, что в качестве ее зна­чений (термов) выступают нечеткие множества, фактически позволяет создать аппарат описания процессов интеллектуальной деятельности, включая нечеткость и неопределенность выражений.

Нечеткое множество представляет собой совокупность элементов произвольной природы, относительно которых нельзя с полной определенностью утверждать – принадлежит ли тот или иной элемент рассматриваемой совокупности данному множеству или нет. Другими словами, нечеткое множество отличается от обычного множества тем, что для всех, или части его элементов не существует однозначного ответа на вопрос: «Принадлежит или не принадлежит тот или иной элемент рассматриваемому нечеткому множеству»

Для построения нечетких моделей систем само понятие нечеткого множества следует определить строго, чтобы исключить неоднозначность толкования тех или иных его свойств. Наиболее естественным и интуитивно понятным является задание области значений подобной функции как интервал действительных чисел, заключенных между 0 и 1 (включая и сами эти значения).

Математическое определение нечеткого множества. Формально нечеткое множество определяется как множество упорядоченных пар или кортежей вида:
, гдеявляется элементом некоторого универсального множества, или универсума
, а
– функция принадлежности, которая ставит в соответствие каждому из элементов
некоторое действительное число из интервала
, т.е. данная функция определяется в форме отображения:

При этом значение
для некоторого
означает, что элементопределенно принадлежит нечеткому множеству, а значение
означает, что элементопределенно не принадлежит нечеткому множеству.

Формально конечное нечеткое множество в общем случае имеет вид:

Универсум
- это множество, содержащее в рамках некоторого контекста все возможные элементы. Формально удобно считать, что функция принадлежности универсума как нечеткого множества тождественно равна единице для всех без исключения элементов:
.

Пустое нечеткое множество , или множество, которое не содержит ни одного элемента, обозначаетсяи формально определяется как такое нечеткое множество, функция принадлежности которого тождественно равна нулю для всех без исключения элементов:

Формальное определение нечеткого множества не накладывает никаких ограничений на выбор конкретной функции принадлежности для его представления. Однако на практике удобно использовать те из них, которые допускают аналитическое представление в виде некоторой простой математической функции. Это упрощает не только соответствующие численные расчеты, но и сокращает вычислительные ресурсы, необходимые для хранения отдельных значений этих функций принадлежности.

Функция принадлежности – математическая функция, определяющая степень, с которой элементы некоторого множества принадлежат заданному нечеткому множеству. Данная функция ставит в соответствие каждому элементу нечеткого множества действительное число из интервала
Задать конкретное нечеткое множество означает определить соответствующую ему функцию принадлежности.

При построении функций принадлежности для нечетких множеств следует придерживаться некоторых правил, которые предопределяются характером неопределенности, имеющей место при построении конкретных нечетких моделей.

С практической точки зрения с каждым нечетким множеством удобно ассоциировать некоторое свойство, которое характеризует рассматриваемую совокупность объектов универсума. При этом по аналогии с классическими множествами рассматриваемое свойство может порождать некоторый предикат, который вполне естественно назвать нечетким предикатом. Данный нечеткий предикат может принимать не одно из двух значений истинности («истина» или «ложь»), а целый континуум значений истинности, которые для удобства выбираются из интервала
При этом значению «истина» по-прежнему соответствует число 1, а значению «ложь» - число 0.

Содержательно это означает следующее: чем в большей степени элемент
обладает рассматриваемым свойством, тем более близко к 1 должно быть значение истинности соответствующего нечеткого предиката. И наоборот, чем в меньшей степени элемент
обладает рассматриваемым свойством, тем более близко к 0 должно быть значение истинности этого нечеткого предиката. Если элемент
определенно не обладает рассматриваемым свойством, то соответствующий нечеткий предикат принимает значение «ложь» (или число 0). Если же элемент
определенно обладает рассматриваемым свойством, то соответствующий нечеткий предикат принимает значение «истина» (или число 1).

Тогда в общем случае задание нечеткого множества с использованием специального свойства эквивалентно заданию такой функции принадлежности, которая содержательно представляет степень истинности соответствующего одноместного нечеткого предиката.

Понятие нечеткого отношения наряду с понятием самого нечеткого множества следует отнести к фундаментальным основам всей теории нечетких множеств. На основе нечетких отношений определяется целый ряд дополнительных понятий, используемых для построения нечетких моделей сложных систем.

В общем случае нечетким отношением, заданном на множествах (универсумах)
, называется некоторое фиксированное нечеткое подмножество декартова произведения этих универсумов. Другими словами, если обозначить произвольное нечеткое отношение через, то по определению, где
- функция принадлежности данного нечеткого отношения, которая определяется как отображение. Через
обозначен кортеж изэлементов, каждый из которых выбирается из своего универсума:

Нечеткая логика, которая служит основой для реализации методов нечеткого управления, более естественно описывает характер человеческого мышления и ход его рассуждений, чем традиционные формально-логические системы. Именно поэтому изучение и использование математических средств, для представления нечеткой исходной информации позволяет строить модели, которые наиболее адекватно отражают различные аспекты неопределенности, постоянно присутствующей в окружающей нас реальности.

Нечеткая логика предназначена для формализации человеческих способностей к неточным или приближенным рассуждениям, которые позволяют более адекватно описывать ситуации с неопределенностью. Классическая логика по своей сути игнорирует проблему неопределенности, поскольку все высказывания и рассуждения в формальных логических системах могут иметь только значение «истина» (И ,1) или значение «ложь» (Л ,0). В отличие от этого в нечеткой логике истинность рассуждений оценивается в некоторой степени, которая может принимать и другие отличные
значения. Нечеткая логика использует основные понятия теории нечетких множеств для формализации неточных знаний и выполнения приближенных рассуждений в той или иной предметной области.

В предложенной Л.Заде варианте нечеткой логики множество истинностных значений высказываний обобщается до интервала действительных значений
, что позволяет высказыванию принимать любое значение истинности из этого интервала. Это численное значение является количественной оценкой степени истинности высказывания, относительно которого нельзя с полной уверенностью заключить о его истинности или ложности. Использование в качестве множества истинностных значений интервала
позволяет построить логическую систему, в рамках которой оказалось возможным выполнять рассуждения с неопределенностью и оценивать истинность высказываний.

Исходным понятием нечеткой логики является понятие элементарного нечеткого высказывания.

Элементарное нечеткое высказывание – это повествовательное предложение, выражающее законченную мысль, относительно которой мы можем судить об ее истинности или ложности только с некоторой степенью уверенности. В нечеткой логикестепень истинности элементарного нечеткого высказывания принимает значение из замкнутого интервала
, причем 0 и 1 являются предельными значениями степени истинности и совпадают со значениями «ложь» и «истина» соответственно.

Нечеткая импликация или импликация нечетких высказываний А и В (читается – «ЕСЛИ А, ТО В») – называется бинарная логическая операция, результат которой является нечетким высказыванием, истинность которого может принимать значение, например, определяемое формулой предложенной Э.Мамдани:

Эту форму нечеткой импликации также называют нечеткой импликацией Мамдани или нечеткой импликациейминимума корреляции.

По традиции четкие множества принято иллюстрировать кругами с резко оконтуренными границами. Нечеткие же множества – это круги, образованные отдельными точками: в центре круга точек много, а ближе к периферии их густота уменьшается до нуля; круг как бы растушевывается на краях. Такие «нечеткие множества» можно увидеть... в тире – на стене, куда вывешиваются мишени. Следы от пуль образуют случайные множества, математика которых известна. Оказалось, что для оперирования нечеткими множествами годится уже давно разработанный аппарат случайных множеств...

Понятие нечеткого множества – попытка математической формализации нечеткой информации с целью ее использования при построении математических моделей сложных систем. В основе этого понятия лежит представление о том, что составляющие данное множество элементы, обладающие общим свойством, могут обладать этим свойством в различной степени и, следовательно, принадлежать данному множеству с различной степенью.

Один из простейших способов математического описания нечеткого множества – характеризация степени принадлежности элемента множеству числом, например, из интервала . Пусть Х – некоторое множество элементов. В дальнейшем мы будем рассматривать подмножества этого множества.

Нечетким множеством А в Х называется совокупность пар вида (x, m A (x) ), где xÎX, а m А – функция x ® , называемая функцией принадлежности (membership function) нечеткого множества А . Значение m A (x) этой функции для конкретного x называется степенью принадлежности этого элемента нечеткому множеству А .

Как видно из этого определения, нечеткое множество вполне описывается своей функцией принадлежности, поэтому мы часто будем использовать эту функцию как обозначение нечеткого множества.

Обычные множества составляют подкласс класса нечетких множеств. Действительно, функцией принадлежности обычного множества B ÌX является его характеристическая функция: m В (x) =1, если x ÎB и m В (x) =0, если x ÏB. Тогда в соответствии с определением нечеткого множества обычное множество В можно также определить как совокупность пар вида (x, m В (x) ). Таким образом, нечеткое множество представляет собой более широкое понятие, чем обычное множество, в том смысле, что функция принадлежности нечеткого множества может быть, вообще говоря, произвольной функцией или даже произвольным отображением.

Мы говорим нечеткое множество . А множество чего? Если быть последовательным, то приходится констатировать, что элементом нечеткого множества оказывается... новое нечеткое множество новых нечетких множеств и т.д. Обратимся к классическому примеру – к куче зерна . Элементом этого нечеткого множества будет миллион зерен , например. Но миллион зерен это никакой не четкий элемент , а новое нечеткое множество . Ведь считая зерна (вручную или автоматически), немудрено и ошибиться – принять за миллион 999 997 зерен, например. Тут можно сказать, что элемент 999 997 имеет значение функции принадлежности к множеству “миллион”, равное 0.999997. Кроме того, само зерно – это опять же не элемент, а новое нечеткое множество: есть полноценное зерно, а есть два сросшихся зерна, недоразвитое зерно или просто шелуха. Считая зерна, человек должен какие-то отбраковывать, принимать два зерна за одно, а в другом случае одно зерно за два. Нечеткое множество не так-то просто запихнуть в цифровой компьютер с классическими языками: элементами массива (вектора) должны быть новые массивы массивов (вложенные вектора и матрицы, если говорить о Mathcad ). Классическая математика четких множеств (теория чисел, арифметика и т.д.) – это крюк, с помощью которого человек разумный фиксирует (детерминирует) себя в скользком и нечетком окружающем мире. А крюк, как известно, – инструмент довольно грубый, нередко портящий то, за что им цепляются. Термины, отображающие нечеткие множества – «много», «слегка», «чуть-чуть» и т.д. и т.п., – трудно «запихнуть» в компьютер еще и потому, что они контекстно зависимы . Одно дело сказать «Дай мне немного семечек» человеку, у которого стакан семечек, а другое дело – человеку, сидящему за рулем грузовика с семечками.

Нечеткое подмножество А множества Х характеризуется функцией принадлежности m A : Х→ , которая ставит в соответствие каждому элементу x ÎX число m A (x) из интервала , характеризующее степень принадлежности элемента х подмножеству А . Причем 0 и 1 представляют соответственно низшую и высшую степень принадлежности элемента к определенному подмножеству.

Дадим основные определения.

· Величина sup m A (x ) называется высотой нечеткого множества A . Нечеткое множество A нормально , если его высота равна 1 , т.е. верхняя граница его функции принадлежности равна 1. При sup m A (x )<1 нечеткое множество называется субнормальным.

· Нечеткое множество называется пустым , если его функция принадлежности равна нулю на всем множестве Х , т.е. m 0 (x)= 0 " x ÎX .

Нечеткое множество пусто , если " x ÎE m A (x )=0 . Непустое субнормальное множество можно нормализовать по формуле

(рис. 1).

Рис.1. Нормализация нечеткого множества с функцией принадлежности. .

Носителем нечеткого множества А (обозначение supp A ) с функцией принадлежности m A (x) называется множество вида suppA ={x|x ÎX, m A (x)> 0}. Для практических приложений носители нечетких множеств всегда ограничены. Так, носителем нечеткого множества допустимых режимов для системы может служить четкое подмножество (интервал), для которого степень допустимости не равна нулю (рис.2).

Рис. 3. Ядро, носитель и α- сечение нечеткого множества

Значение α называют α -уровнем . Носитель (ядро) можно рассматривать как сечение нечеткого множества на нулевом (единичном) α -уровне.

Рис. 3 иллюстрирует определения носителя, ядра, α- сечения и α- уровня нечеткого множества.

Под четким множеством или просто множеством, обычно понимают некоторую совокупность определенных и различимых между собой объектов нашей интуиции и интеллекта мыслимую как единое целое. В данном высказывании отметим следующий момент: множество A есть совокупность определенных объектов. Это означает, что относительно любого х можно однозначно сказать, принадлежит ли он множеству A или нет.

Условие принадлежности элемента х множеству A можно записать, используя понятие функции принадлежности m(х), a именно

Следовательно, множество можно задать в виде совокупности пар: элемента и значения его функции принадлежности

A = {(х|m(х)} (1)

Пример 1. Кафедра предлагает пять элективных курсов x 1 , x 2 , x 3 , x 4 и x 5 . В соответствии с программой необходимо сд три курса. Студент выбрал для изучения курсы x 2 , х 3 и x 5 . Запишем этот факт с помощью функции принадлежности

где первый элемент каждой пары означает название курса, а второй - описывает факт принадлежности его к подмножеству выбранному данным студентом ("да" или "нет").

Примеров четких множеств можно привести бесконечно много: список студентов учебной группы, множество домов на данной улице города, множество молекул в капле воды и т.д.

Между тем, огромный объем человеческих знаний и связей с внешним миром включают такие понятия, которые нельзя назвать множествами в смысле (1). Их следует скорее считать классами с нечеткими границами, когда переход от принадлежности одному классу к принадлежности другому происходит постепенно, не резко. Тем самым предполагается, что логика человеческого рассуждения основывается не на классической двузначной логике, а на логике с нечеткими значениями истинности, - нечеткими связками и нечеткими правилами вывода . Вот несколько тому примеров: объем статьи примерно 12 страниц, большая часть территории, подавляющее превосходство в игре, группа из нескольких человек.

Остановимся на последнем примере. Ясно, что группа людей из 3, 5, или 9 человек принадлежит к понятию: "группа людей, состоящее из нескольких человек". Однако для них будет неодинаковой степень уверенности в принадлежности к этому понятию, которая зависит от различных, в том числе и от субъективных, обстоятельств. Формализовать эти обстоятельства можно, если предположить, что функция принадлежности может принимать любые значения на отрезке . Причем крайние значения предписываются в том случае, если элемент безусловно не принадлежит или однозначно принадлежит данному понятию. В частности, множество людей A из нескольких человек может быть описано выражением вида:

A = {(1½0), 2½0.1), 3½0.4), (4½1), (5½1), (6½1), (7½0.8), (8½0.3), (9½0.1), (a½0)

Приведем определение нечеткого множества, данное основателем теории нечетких множеств Л.А.Заде. Пусть х есть элемент конкретного универсального (так называемого базового) множества E. Тогда нечетким (размытым) множеством A заданным на базовом множестве E называют множество упорядоченных пар

A = {xúm A ((x)}, "x Î E,

где m A (х) - функция принадлежности , отображающая множество E в единичный интервал , т.е. m A (х): E ® .

Очевидно, что если область значений m A (х) ограничить двумя числами 0 и 1, то данное определение будет совпадать с понятием обычного (четкого) множества.

Функция принадлежности нечеткого множества может задаваться не только перечислением всех ее значений для каждого элемента базового множества, но и в виде аналитического выражения. Например, множество вещественных чисел Z очень близких к числу 2, может быть задано так:

Z = {xúm Z (x)}, "x Î R,

где m Z (x) = .

Множество же вещественных чисел Y, достаточно близких к числу 2, есть

Y = {xúm Y (x)}, "x Î R,

M Y Z (x) = .

Графическое изображение этих двух функций принадлежности дано на рис.3.9.

Определение. Нечеткое множество A называется нечетким подмножеством B , если и A и B заданы на одном и том же базовом множестве E и "x Î E: m A (x) £ m B (x), что обозначают как A Ì B .

Условия равенства двух нечетких множеств A и B , заданных на одном и том же базовом множестве E, имеет следующий вид

A = B или "х Î E: m A (x) = m B (x).

Замечание . Между разными по своей сути понятиями "нечеткости" и "вероятности" чувствуется некоторое сходство. Во-первых, эти понятия используются в задачах, где встречается неопределенность либо неточность наших знаний или же принципиальная невозможность точных предсказаний результатов решений. Во-вторых, интервалы изменения и вероятности и функции принадлежности совпадают:

и P Î и m A (x) Î .

Вместе с тем вероятность является характеристикой объективной и выводы, полученные на основе применения теории вероятностей, в принципе могут быть проверены на опыте.

Функция же принадлежности определяется субъективно, хотя обычно она отражает реальные соотношения между рассматриваемыми объектами. Об эффективности применения методов, основанных на теории нечетких множеств, обычно судят после получения конкретных результатов.

Если в теории вероятностей предполагается, что вероятность достоверного события равна единице, т.е.

то соответствующая сумма всех значений функции принадлежности может принимать любые значения от 0 до ¥.

Итак, чтобы задать нечеткое множество A необходимо определить базовое множество элементов E, и сформировать функцию принадлежности m A (х), являющуюся субъективной мерой уверенности, с которой каждый элемент x из E принадлежит данному нечеткому множеству A .