模糊控制_隶属度函数

模糊控制_隶属度函数
模糊控制_隶属度函数

第6章模糊逻辑【转】

2009-04-16 21:48

高斯隶属函数

函数gaussmf

格式 y=gaussmf(x,[sig c])

说明高斯隶属函数的数学表达式为:,其中为参数,x为自变量,sig为数学表达式中的参数。

例6-1

>>x=0:0.1:10;

>>y=gaussmf(x,[2 5]);

>>plot(x,y)

>>xlabel('gaussmf, P=[2 5]')

结果为图6-1。

图6-1

6.1.2 两边型高斯隶属函数

函数gauss2mf

格式 y = gauss2mf(x,[sig1 c1 sig2 c2])

说明 sig1、c1、sig2、c2为命令1中数学表达式中的两对参数

例6-2

>>x = (0:0.1:10)';

>>y1 = gauss2mf(x, [2 4 1 8]);

>>y2 = gauss2mf(x, [2 5 1 7]);

>>y3 = gauss2mf(x, [2 6 1 6]);

>>y4 = gauss2mf(x, [2 7 1 5]);

>>y5 = gauss2mf(x, [2 8 1 4]);

>>plot(x, [y1 y2 y3 y4 y5]);

>>set(gcf, 'name', 'gauss2mf', 'numbertitle', 'off');

结果为图6-2。

6.1.3 建立一般钟型隶属函数

函数gbellmf

格式 y = gbellmf(x,params)

说明一般钟型隶属函数依靠函数表达式

这里x指定变量定义域范围,参数b通常为正,参数c位于曲线中心,第二个参数变量params是一个各项分别为a,b和c的向量。

例6-3

>>x=0:0.1:10;

>>y=gbellmf(x,[2 4 6]);

>>plot(x,y)

>>xlabel('gbellmf, P=[2 4 6]')

结果为图6-3。

图6-2 图6-3

6.1.4 两个sigmoid型隶属函数之差组成的隶属函数

函数dsigmf

格式 y = dsigmf(x,[a1 c1 a2 c2])

说明这里sigmoid型隶属函数由下式给出

x是变量,a,c是参数。dsigmf使用四个参数a1,c1,a2,c2,并且是两个sigmoid

型函数之差:,参数按顺序列出。

例6-4

>>x=0:0.1:10;

>>y=dsigmf(x,[5 2 5 7]);

>>plot(x,y)

结果为图6-4

图6-4

6.1.5 通用隶属函数计算

函数evalmf

格式 y = evalmf(x, mfParams, mfType)

说明 evalmf可以计算任意隶属函数,这里x是变量定义域,mfType是工具箱提供的一种隶属函数,mfParams是此隶属函数的相应参数,如果你想创建自定义的隶属函数,evalmf仍可以工作,因为它可以计算它不知道名字的任意隶属函数。

例6-5

>>x=0:0.1:10;

>>mfparams = [2 4 6];

>>mftype = 'gbellmf';

>>y=evalmf(x,mfparams,mftype);

>>plot(x,y)

>>xlabel('gbellmf, P=[2 4 6]')

结果为图6-5。

图6-5

6.1.6 建立П型隶属函数

函数primf

格式 y = pimf(x,[a b c d])

说明向量x指定函数自变量的定义域,该函数在向量x的指定点处进行计算,参数[a,b,c,d]决定了函数的形状,a和d分别对应曲线下部的左右两个拐点,b 和c分别对应曲线上部的左右两个拐点。

例6-6

>>x=0:0.1:10;

>>y=pimf(x,[1 4 5 10]);

>>plot(x,y)

>>xlabel('pimf, P=[1 4 5 10]')

结果为图6-6。

6.1.7 通过两个sigmoid型隶属函数的乘积构造隶属函数

函数psigmf

格式 y = psigmf(x,[a1 c1 a2 c2])

说明这里sigmoid型隶属函数由下式给出

x是变量,a,c是参数。psigmf使用四个参数a1,c1,a2,c2,并且是两个sigmoid 型函数之积:,参数按顺序列出。

例6-7

>>x=0:0.1:10;

>>y=psigmf(x,[2 3 -5 8]);

>>plot(x,y)

>>xlabel('psigmf, P=[2 3 -5 8]')

结果为图6-7。

图6-6 图6-7 6.1.8 建立Sigmoid型隶属函数

函数sigmf

格式 y = sigmf(x,[a c])

说明,定义域由向量x给出,形状由参数a和c确定。例6-8

>>x=0:0.1:10;

>>y=sigmf(x,[2 4]);

>>plot(x,y)

>>xlabel('sigmf, P=[2 4]')

结果为图6-8。

图6-8

例6-9

>>x = (0:0.2:10)’;

>>y1 = sigmf(x,[-1 5]);

>>y2 = sigmf(x,[-3 5]);

>>y3 = sigmf(x,[4 5]);

>>y4 = sigmf(x,[8 5]);

>>subplot(2,1,1),plot(x,[y1 y2 y3 y4]);

>>y1 = sigmf(x,[5 2]);

>>y2 = sigmf(x,[5 4]);

>>y3 = sigmf(x,[5 6]);

>>y4 = sigmf(x,[5 8]);

>>subplot(2,1,2),plot(x,[y1 y2 y3 y4]);

结果为图6-9。

图6-9

6.1.9 建立S型隶属函数

函数smf

格式 y = smf(x,[a b]) % x为变量,a为b参数,用于定位曲线的斜坡部分。例6-10

>>x=0:0.1:10;

>>y=smf(x,[1 8]);

>>plot(x,y)

结果为图6-10。

图6-10

例6-11

>>x = 0:0.1:10;

>>subplot(3,1,1);plot(x,smf(x,[2 8]));

>>subplot(3,1,2);plot(x,smf(x,[4 6]));

>>subplot(3,1,3);plot(x,smf(x,[6 4]));

结果为图6-11。

图6-11

6.1.10 建立梯形隶属函数

函数trapmf

格式 y = trapmf(x,[a b c d])

说明这里梯形隶属函数表达式:

或 f(x;a,b,c,d) = max(min( ,定义域由向量x确定,曲线形状由参数a,b,c,d 确定,参数a和d对应梯形下部的左右两个拐点,参数b和c对应梯形上部的左右两个拐点。

例6-12

>>x=0:0.1:10;

>>y=trapmf(x,[1 5 7 8]);

>>plot(x,y)

>>xlabel('trapmf, P=[1 5 7 8]')

结果为图6-12。

例6-13

>>x = (0:0.1:10)’;

>>y1 = trapmf(x,[2 3 7 9]);

>>y2 = trapmf(x,[3 4 6 8]);

>>y3 = trapmf(x,[4 5 5 7]);

>>y4 = trapmf(x,[5 6 4 6]);

>>plot(x,[y1 y2 y3 y4]);

结果为图6-13。

图6-12 图6-13

6.1.11 建立三角形隶属函数

函数trimf

格式 y = trimf(x,params)

y = trimf(x,[a b c])

说明三角形隶属函数表达式:

或者f(x;a,b,c,) = max(min(

定义域由向量x确定,曲线形状由参数a,b,c确定,参数a和c对应三角形下部的左右两个顶点,参数b对应三角形上部的顶点,这里要求a ,生成的隶属函数总有一个统一的高度,若想有一个高度小于统一高度的三角形隶属函数,则使用trapmf函数。

例6-14

>>x=0:0.1:10;

>>y=trimf(x,[3 6 8]);

>>plot(x,y)

>>xlabel('trimf, P=[3 6 8]')

结果为图6-14。

图6-14

例6-15

>>x = (0:0.2:10)’;

>>y1 = trimf(x,[3 4 5]);

>>y2 = trimf(x,[2 4 7 ]);

>>y3 = trimf(x,[1 4 9]);

>>subplot(2,1,1),plot(x,[y1 y2 y3 ]);

>>y1 = trimf(x,[2 3 5]);

>>y2 = trimf(x,[3 4 7]);

>>y3 = trimf(x,[4 5 9]);

>>subplot(2,1,2),plot(x,[y1 y2 y3 ]);

结果为图6-15。

图6-15

6.1.12 建立Z型隶属函数

函数zmf

格式 y = zmf(x,[a b]) % x为自变量,a和b为参数,确定曲线的形状。例6-16

>>x=0:0.1:10;

>>y=zmf(x,[3 7]);

>>plot(x,y)

>>xlabel('zmf, P=[3 7]')

结果为图6-16。

例6-17

>>x = 0:0.1:10;

>>subplot(3,1,1);plot(x,zmf(x,[2 8]));

>>subplot(3,1,2);plot(x,zmf(x,[4 6]));

>>subplot(3,1,3);plot(x,zmf(x,[6 4]));

结果为图6-17。

图6-16 图6-17

6.1.13 两个隶属函数之间转换参数

函数mf2mf

格式 outParams = mf2mf(inParams,inType,outType)

图6-18

说明此函数根据参数集,将任意内建的隶属函数类型转换为另一种类型,inParams为你要转换的隶属函数的参数,inType为你要转换的隶属函数的类型的字符串名称,outType:你要转换成的目标隶属函数的字符串名称。

例6-18

>>x=0:0.1:5;

>>mfp1 = [1 2 3];

>>mfp2 = mf2mf(mfp1,'gbellmf','trimf');

>>plot(x,gbellmf(x,mfp1),x,trimf(x,mfp2))

结果为图6-18。

第4章_隶属函数的确定方法

第4章隶属函数的确定方法 在模糊理论的应用中,我们面临的首要问题就是建立模糊集的隶属函数。对于一个特定的模糊集来说,隶属函数不仅基本体现了它所反映的模糊概念的特性,而且通过量化还可以实现相应的数学运算和处理。因此,“正确地”确定隶属函数是应用模糊理论恰如其分地定量刻划模糊概念的基础,也是利用模糊方法解决各种实际问题的关键。 然而,建立一个能够恰如其分地描述模糊概念的隶属函数,并不是一件容易的事情。其原因就在于一个模糊概念所表现出来的模糊性通常是人对客观模糊现象的主观反映,隶属函数的形成过程基本上是人的心理过程,人的主观因素和心理因素的影响使得隶属函数的确定呈现出复杂性、多样性,也导致到目前为止如何确定隶属函数尚无定法,没有通用的定理或公式可以遵循。 但即便如此,鉴于隶属函数在模糊理论中的重要地位,确定隶属函数的方法还是受到了特别的重视,至今已经提出了十几种确定隶属函数的方法,而且其中一些方法基本上摆脱了人的主观因素的影响。本章将选择4种经常使用的、具有代表性的方法予以介绍,它们是:直觉方法,二元对比排序法,模糊统计试验法,最小模糊度法。 4.1 直觉方法 直觉的方法就是人们用自己对模糊概念的认识和理解,或者人们对模糊概念的普遍认同来建立隶属函 例1、“正好”、“热”和“很热” 图1 空气温度的隶属函数 例2根据人们对汽车行驶速度中“慢速”、“中速”和“快速”这三个概念的普遍认同,可以给出描

图2 汽车行驶速度的隶属函数 虽然直觉的方法非常简单,也很直观,但它却包含着对象的背景、环境以及语义上的有关知识,也包含了对这些知识的语言学描述。因此,对于同一个模糊概念,不同的背景、不同的人可能会建立出不完全相同的隶属函数。例如,模糊集A = “高个子”的隶属函数。如果论域是“成年男性”,其隶属函数的曲线如图3(a )所示;而如果论域是“初中一年级男生”,其隶属函数的曲线则为图3(b )所示的情形。 (a) (b) 图3 不同论域下“高个子”的隶属函数 4.2 二元对比排序法 建立一个模糊集的隶属函数,实际上可以看成是对论域中每个元素隶属于某个模糊概念的程度进行比较、排序。但一般来讲,人们对多个事物的同时比较存在着度量上的困难,为此Saaty 教授在设计层次分析法时提出了两两比较的策略。借鉴两两比较排序的思想,人们提出了确定隶属函数的二元对比排序法。 二元对比排序方法就是通过对多个事物进行两两对比来确定某种特征下的顺序,由此来决定这些事物对该特征的隶属函数的大致形状。这种方法更适用于根据事物的抽象性质由专家来确定隶属函数的情形,可以通过一名专家或者一个委员会,甚至一次民意测验来实施,是一种比较实用的确定隶属函数的方法。 二元对比排序方法的基本步骤如下:设X = {x , y , z , …} 为给定的论域。对于某一模糊概念A ,任取一

隶属度函数

隶属度函数 隶属度函数 若对论域(研究的范围)U中的任一元素x,都有一个数A(x)∈0,1与之对应,则称A 为U上的模糊集,A(x )称为x对A的隶属度。当x在U中变动时,A(x)就是一个函数,称为A的隶属函数。隶属度A(x)越接近于1,表示x属于A的程度越高,A(x)越接近于0表示x属于A的程度越低。用取值于区间0,1的隶属函数A(x)表征x 属于A的程度高低。隶属度属于模糊评价函数里的概念:模糊综合评价是对受多种因素影响的事物做出全面评价的一种十分有效的多因素决策方法,其特点是评价结果不是绝对地肯定或否定,而是以一个模糊集合来表示。 目录 隶属度函数及其确定方法分类 举例 隶属度函数及其确定方法分类 隶属度函数是模糊控制的应用基础,正确构造隶属度函数是能否用好模糊控制的关键之一。隶属度函数的确定过程,本质上说应该是客观的,但每个人对于同一个模糊概念的认识理解又有差异,因此,隶属度函数的确定又带有主观性。隶属度函数的确立目前还没有一套成熟有效的方法,大多数系统的确立方法还停留在经验和实验的基础上。对于同一个模糊概念,不同的人会建立不完全相同的隶属度函数,尽管形式不完全相同,只要能反映同一模糊概念,在解决和处理实际模糊信息的问题中仍然殊途同归。下面介绍几种常用的方法。(1)模糊统计法:模糊统计法的基本思想是对论域U上的一个确定元素vo是否属于论域上的一个可变动的清晰集合A3作出清晰的判断。对于不同的试验者,清晰集合A3可以有不同的边界,但它们都对应于同一个模糊集A。模糊统计法的计算步骤是:在每次统计中, vo是固定的,A3的值是可变的,作n次试验,其模糊统计可按下式进行计算v0对 A 的隶属频率= v0∈A 的次数/ 试验总次数n随着n的增大,隶属频率也会趋向稳定,这个稳定值就是vo对A 的隶属度值。这种方法较直观地反映了模糊概念中的隶属程度,但其计算量相当大。(2)例证法:例证法的主要思想是从已知有限个μA的值,来估计论域U 上的模糊子集 A 的隶属函数。如论域U代表全体人类,A 是“高个子的人”。显然 A 是一个模糊子集。为了确定μA,先确定一个高度值h,然后选定几个语言真值(即一句话的真实程度)中的一个来回答某人是否算“高个子”。如语言真值可分为“真的”、“大致真的”、“似真似假”、“大致假的”和“假的”五种情况,并且分别用数字1、0.75、0.5、0.25、0来表示这些语言真值。对n个不同高度h1、h2、…、hn都作同样的询问,即可以得到 A 的隶属度函数的离散表示。(3)专家经验法:专家经验法是根据专家的实际经验给出模糊信息的处理算式或相应权系数值来确定隶属函数

(完整版)基于层次分析法的模糊综合评价模型

2016江西财经大学数学建模竞赛 A题 城市交通模型分析 参赛队员: 黄汉秦、乐晨阳、金霞 参赛队编号:2016018 2016年5月20日~5月25日

承诺书 我们仔细阅读了江西财经大学数学建模竞赛的竞赛章程。 我们完全明白,在竞赛开始后参赛队员不能以任何方式(包括电话、电子邮件、网上咨询等)与队外的任何人研究、讨论与赛题有关的问题。 我们知道,抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料(包括网上查到的资料),必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。 我们郑重承诺,严格遵守竞赛规则,以保证竞赛的公正、公平性。如有违反竞赛规则的行为,我们将受到严肃处理。 我们参赛选择的题号是(从A/B/C中选择一项填写): A 我们的参赛队编号为2016018 参赛队员(打印并签名) : 队员1. 姓名专业班级计算机141 队员2. 姓名专业班级计算机141 队员3. 姓名专业班级计算机141 日期: 2016 年 5 月 25 日

编号和阅卷专用页 江西财经大学数学建模竞赛组委会 2016年5月15日制定

城市交通模型分析 摘要 随着国民经济的高速发展和城市化进程的加快,我国机动车保有量及道路交通流量急剧增加,交通出行结构发生了根本变化,城市道路交通拥挤堵塞问题已成为制约经济发展、降低人民生活质量、削弱经济活力的瓶颈之一。本篇论文针对道路拥挤的问题采用层次分析法进行数学建模分析,讨论拥堵的深层次问题及解决方案。 首先建立绩效评价指标的层次结构模型,确定了目标层,准则层(一级指标),子准则层(二级指标)。 其次,建立评价集V=(优,良,中,差)。对于目标层下每个一级评价指标下相对于第m 个评价等级的隶属程度由专家的百分数u 评判给出,即U =[0,100]应用模糊统计建立它们的隶属函数A(u), B(u), C(u) ,D(u),最后得出目标层的评价矩阵Ri ,(i=1,2,3,4,5)。利用A,B 两城相互比较法,根据实际数据建立二级指标对于相应一级指标的模糊判断矩阵P i (i=1,2,3,4,5) 然后,我们经过N 次试验调查,明确了各层元素相对于上层指标的重要性排序,构造模糊判断矩阵P ,利用公式 1 ,ij ij n kj k u u u == ∑ 1 ,n i ij j w u ==∑ 1 ,i i n j j w w w == ∑ []R W R W R W R W R W W R W O 5 5 4 4 3 3 2 2 1 1 ,,,,==计算出权重值,经过一致性检验公式 RI CI CR = 检验后,均有0.1CR <,由此得出各层次的权向量()12,,T n W W W W =K 。然后后, 给出建立绩效评价模型(其中O 是评价结果向量),应用模糊数学中最大隶属度原则,对被评价城市交通的绩效进行分级评价。 接着在改进方案中,我们具体以交叉口为中心建立模型,其中包括道路长度、宽度、车辆平均长度、车速等等考虑因素。通过车辆排队长度可以间接判断交通拥堵情况,不需要测量车速、时间等因素而浪费的人力物力和财力,有效的提高了工作成本和效率。为管理城市交通要道提供了良好的模型和依据。 【关键字】交通拥堵 层次分析法 模糊综合评判 绩效评价 隶属度

matlab里的模糊工具箱绘制隶属度函数曲线导入到word的方法

matlab里的模糊工具箱绘制隶属度函数曲线导入到word的方法 在fuzzy logic toolbox里有fuzzy membership function可以编辑隶属度函数,非常方便,但是我们写论文一般要把相应的曲线导入到word里,怎样将隶属度函数曲线导入到word里呢?本人也苦苦的寻找了好久。。。 方法如下: 先看看matlab帮助怎么说的: plotmf Plot all of the membership functions for a given variable Syntax plotmf(fismat,varType,varIndex) Description This function plots all of the membership functions in the FIS called fismat associated with a given variable whose type and index are respectively given b y (varType 'input'or 'o u tpu t'), and varIndex. This function can also be used with the MATLAB function, subplot. Examples a = readfis('t ipper'); plotmf(a,'inpu t',1) 看明白了吧?

原来强大的matlab给我们提供了这个函数给我们用,plotmf(模糊名,‘输入还是输出’,第几个输入或输出)。就可以画出来图像,然后和平时的方法一样再进行edit》copy figure就可以了。

隶属度函数

隶属度函数 ----------------------------精品word文档值得下载值得拥有---------------------------------------------- 美国加利福尼亚大学控制论教授扎得(L、A、Zadeh)经过多年的琢磨,终于在1965年首先发表了题为《模糊集》的论文。指出:若对论域(研究的范围)U中的任一元素x,都有一个数A(x)?[0,1]与之对应,则称A为U上的模糊集,A(x )称为x对A的隶属度。当x在U中变动时,A( x)就是一个函数,称为A的隶属函数。隶属度A(x)越接近于1,表示x属于A的程度越高,A(x)越接近于0表示x属于A的程度越低。用取值于区间[0,1]的隶属函数A(x)表征x 属于A的程度高低,这样描述模糊性问题比起经典集合论更为合理。 隶属度属于模糊评价函数里的概念:模糊综合评价是对受多种因素影响的事物做出全面评价的一种十分有效的多因素决策方法,其特点是评价结果不是绝对地肯定或否定,而是以一个模糊集合来表示。 隶属度函数及其确定方法分类 隶属度函数是模糊控制的应用基础,正确构造隶属度函数是能否用好模糊控制的关键之一。隶属度函数的确定过程,本质上说应该是客观的,但每个人对于同一个模糊概念的认识理解又有差异,因此,隶属度函数的确定又带有主观性。 隶属度函数的确立目前还没有一套成熟有效的方法,大多数系统的确立方法还停留在经验和实验的基础上。对于同一个模糊概念,不同的人会建立不完全相同的隶属度函数,尽管形式不完全相同,只要能反映同一模糊概念,在解决和处理实际模糊信息的问题中仍然殊途同归。下面介绍几种常用的方法。 (1)模糊统计法:

隶属函数确定问题

隶属函数确定问题 一、隶属函数的确定原则 1、表示隶属度函数的模糊集合必须是凸模糊集合; 即:在一定范围内或者一定条件下,模糊概念的隶属度具有一定的稳定性;从最大的隶属度函点出发向两边延伸时,其隶属度是单调递减的,而不许有波浪性,呈单峰;一般用三角形和梯形作为隶属度函数曲线。 2、变量所取隶属度函数通常是对称和平衡的 模糊变量的标值选择一般取3-9个为宜,通常取奇数(平衡),在“零”“适中”等集合的两边语言值通常取对称。 3、隶属度函数要避免不恰当的重复 在相同的论域上使用的具有语意顺序的若干标称的模糊集合,应该合力排序。 4、论语中的每个点应该至少属于一个隶属度函数的区域,同时它一般应该属于之多不超过两个隶属度函数的区域。 5、对于同一输入,没有两个隶属度函数会同时有最大隶属度 6、对两个隶属度函数重叠时,重叠部分对于两个隶属度函数的最大隶属度不应该有交叉。 二、隶属度函数确定的方法 1、模糊统计法 模糊统计法的基本思想是对论域U上的一个确定元素v是否属于论

域上的一个可变的清晰集的判断。(清晰集、模糊集) 模糊统计法计算步骤: Step1 确定论域 Step2形成调查表 Step3统计成频数分布表 Step4建立隶属函数 Step5隶属度(由频数分布表或者隶属函数可得) 所谓模糊统计实验包含以下四个要素: 假设做n次模糊统计试验,则可计算出: 实际上,当n不断增大时,隶属频率趋于稳定,其频率的稳定值称为0x对A的隶属度,即 2、例证法例证法由已知的有限个隶属度函数的值,来估计论域U 上的模糊子集A的隶属函数。 3、专家经验法是根据专家的实际经验给出模糊信息的处理算式或

隶属度函数

美国加利福尼亚大学控制论教授扎得(L、A、Zadeh)经过多年的琢磨,终于在1965年首先发表了题为《模糊集》的论文。指出:若对论域(研究的范围)U中的任一元素x,都有一个数A(x)∈[0,1]与之对应,则称A为U上的模糊集,A(x )称为x对A的隶属度。当x在U中变动时,A(x)就是一个函数,称为A的隶属函数。隶属度A(x)越接近于1,表示x属于A的程度越高,A(x)越接近于0表示x属于A的程度越低。用取值于区间[0,1]的隶属函数A(x)表征x 属于A的程度高低,这样描述模糊性问题比起经典集合论更为合理。 隶属度属于模糊评价函数里的概念:模糊综合评价是对受多种因素影响的事物做出全面评价的一种十分有效的多因素决策方法,其特点是评价结果不是绝对地肯定或否定,而是以一个模糊集合来表示。 隶属度函数及其确定方法分类 隶属度函数是模糊控制的应用基础,正确构造隶属度函数是能否用好模糊控制的关键之一。隶属度函数的确定过程,本质上说应该是客观的,但每个人对于同一个模糊概念的认识理解又有差异,因此,隶属度函数的确定又带有主观性。 隶属度函数的确立目前还没有一套成熟有效的方法,大多数系统的确立方法还停留在经验和实验的基础上。对于同一个模糊概念,不同的人会建立不完全相同的隶属度函数,尽管形式不完全相同,只要能反映同一模糊概念,在解决和处理实际模糊信息 的问题中仍然殊途同归。下面介绍几种常用的方法。 (1)模糊统计法: 模糊统计法的基本思想是对论域U上的一个确定元素vo是否属于论域上的一个可变动的清晰集合A3作出清晰的判断。对于不同的试验者,清晰集合A3可以有不同的边界,但它们都对应于同一个模糊集A。模糊统计法的计算步骤是:在每次统计中, v o是固定的,A3的值是可变的,作n次试验,其模糊统计可按下式进行计算v0对 A 的隶属频率= v0∈A 的次数/ 试验总次数n 随着n的增大,隶属频率也会趋向稳定,这个稳定值就是vo对A 的隶属度值。这种方法较直观地反映了模糊概念中的隶属程度,但其计算量相当大。 (2)例证法: 例证法的主要思想是从已知有限个μA的值,来估计论域U 上的模糊子集 A 的隶属函数。如论域U代表全体人类,A 是“高个子的人”。显然 A 是一个模糊子集。为了确定μA,先确定一个高度值h,然后选定几个语言真值(即一句话的真实程度)中的一个来回答某人是否算“高个子”。如语言真值可分为“真的”、“大致真的”、“似真似假”、“大致假的”和“假的”五种情况,并且分别用数字1、0.75、0.5、0.25、0来表示这些语言真值。对n个不同高度h1、h2、…、hn都作同样的询问,即可以得到 A 的隶属度函数的离散表示。 (3)专家经验法: 专家经验法是根据专家的实际经验给出模糊信息的处理算式或相应权系数值来 确定隶属函数的一种方法。在许多情况下,经常是初步确定粗略的隶属函数,然后再通过“学习”和实践检验逐步修改和完善,而实际效果正是检验和调整隶属函数的依据。

隶属度函数

隶属度函数 美国加利福尼亚大学控制论教授扎得(L、A、Zadeh)经过多年的琢磨,终于在1965年首先发表了题为《模糊集》的论文。指出:若对论域(研究的范围)U中的任一元素x,都有一个数A(x)?[0,1]与之对应,则称A为U上的模糊集,A(x )称为x对A的隶属度。当x在U中变动时,A( x)就是一个函数,称为A的隶属函数。隶属度A(x)越接近于1,表示x属于A的程度越高,A(x)越接近于0表示x属于A的程度越低。用取值于区间[0,1]的隶属函数A(x)表征x 属于A的程度高低,这样描述模糊性问题比起经典集合论更为合理。 隶属度属于模糊评价函数里的概念:模糊综合评价是对受多种因素影响的事物做出全面评价的一种十分有效的多因素决策方法,其特点是评价结果不是绝对地肯定或否定,而是以一个模糊集合来表示。 隶属度函数及其确定方法分类 隶属度函数是模糊控制的应用基础,正确构造隶属度函数是能否用好模糊控制的关键之一。隶属度函数的确定过程,本质上说应该是客观的,但每个人对于同一个模糊概念的认识理解又有差异,因此,隶属度函数的确定又带有主观性。 隶属度函数的确立目前还没有一套成熟有效的方法,大多数系统的确立方法还停留在经验和实验的基础上。对于同一个模糊概念,不同的人会建立不完全相同的隶属度函数,尽管形式不完全相同,只要能反映同一模糊概念,在解决和处理实际模糊信息的问题中仍然殊途同归。下面介绍几种常用的方法。 (1)模糊统计法: 模糊统计法的基本思想是对论域U上的一个确定元素vo是否属于论域上的一个可变动的清晰集合A3作出清晰的判断。对于不同的试验者,清晰集合 A3可以有

不同的边界,但它们都对应于同一个模糊集A。模糊统计法的计算步骤是:在每次统计中, vo是固定的,A3的值是可变的,作 n次试验,其模糊统计可按下式进行计算v0对 A 的隶属频率 = v0?A 的次数 / 试验总次数 n 随着 n的增大,隶属频率也会趋向稳定,这个稳定值就是 vo对A 的隶属度值。这种方法较直观地反映了模糊概念中的隶属程度,但其计算量相当大。 (2)例证法: 例证法的主要思想是从已知有限个μA的值,来估计论域 U 上的模糊子集 A 的隶属函数。如论域 U代表全体人类,A 是“高个子的人”。显然 A 是一个模糊子集。为了确定μA,先确定一个高度值 h,然后选定几个语言真值(即一句话的真实程度)中的一个来回答某人是否算“高个子”。如语言真值可分为“真的”、“大致真的”、“似真似假”、“大致假的”和“假的”五种情况,并且分别用数字1、0.75、0.5、0.25、0来表示这些语言真值。对 n个不同高度h1、h2、…、hn都作同样的询问,即可以得到 A 的隶属度函数的离散表示。 (3)专家经验法: 专家经验法是根据专家的实际经验给出模糊信息的处理算式或相应权系数值来确定隶属函数的一种方法。在许多情况下,经常是初步确定粗略的隶属函数,然后再通过“学习”和实践检验逐步修改和完善,而实际效果正是检验和调整隶属函数的依据。 (4)二元对比排序法: 二元对比排序法是一种较实用的确定隶属度函数的方法。它通过对多个事物之间的两两对比来确定某种特征下的顺序,由此来决定这些事物对该特征的隶属函数的大体形状。二元对比排序法根据对比测度不同,可分为相对比较法、对比平均法、优先关系定序法和相似优先对比法等。 举例

隶属度函数

编辑本段隶属度函数及其确定方法分类 隶属度函数是模糊控制的应用基础,正确构造隶属度函数是能否用好模糊控制的关键之一。隶属度函数的确定过程,本质上说应该是客观的,但每个人对于同一个模糊概念的认识理解又有差异,因此,隶属度函数的确定又带有主观性。 隶属度函数的确立目前还没有一套成熟有效的方法,大多数系统的确立方法还停留在经验和实验的基础上。对于同一个模糊概念,不同的人会建立不完全相同的隶属度函数,尽管形式不完全相同,只要能反映同一模糊概念,在解决和处理实际模糊信息的问题中仍然殊途同归。下面介绍几种常用的方法。 (1)模糊统计法: 模糊统计法的基本思想是对论域U上的一个确定元素vo是否属于论域上的一个可变动的清晰集合A3作出清晰的判断。对于不同的试验者,清晰集合A3可以有不同的边界,但它们都对应于同一个模糊集A。模糊统计法的计算步骤是:在每次统计中, vo 是固定的,A3的值是可变的,作 n次试验,其模糊统计可按下式进行计算v0对 A 的隶属频率= v0∈A 的次数 / 试验总次数 n 随着n的增大,隶属频率也会趋向稳定,这个稳定值就是vo对A 的隶属度值。这种方法较直观地反映了模糊概念中的隶属程度,但其计算量相当大。 (2)例证法: 例证法的主要思想是从已知有限个μA的值,来估计论域U 上的模糊子集 A 的

隶属函数。如论域U代表全体人类,A 是“高个子的人”。显然 A 是一个模糊子集。为了确定μA,先确定一个高度值h,然后选定几个语言真值(即一句话的真实程度)中的一个来回答某人是否算“高个子”。如语言真值可分为“真的”、“大致真的”、“似真似假”、“大致假的”和“假的”五种情况,并且分别用数字1、0.75、0.5、0.25、0来表示这些语言真值。对n个不同高度h1、h2、…、hn都作同样的询问,即可以得到 A 的隶属度函数的离散表示。 (3)专家经验法: 专家经验法是根据专家的实际经验给出模糊信息的处理算式或相应权系数值来确定隶属函数的一种方法。在许多情况下,经常是初步确定粗略的隶属函数,然后再通过“学习”和实践检验逐步修改和完善,而实际效果正是检验和调整隶属函数的依据。 (4)二元对比排序法: 二元对比排序法是一种较实用的确定隶属度函数的方法。它通过对多个事物之间的两两对比来确定某种特征下的顺序,由此来决定这些事物对该特征的隶属函数的大体形状。二元对比排序法根据对比测度不同,可分为相对比较法、对比平均法、优先关系定序法和相似优先对比法等。 编辑本段举例 【例一】 A(x )=表示模糊集“年老”的隶属函数,A表示模糊集“年老”,当年龄x≤50时A(x)=0表明x不属于模糊集A(即“年老”),当x ≥100时,A(x)=1表明x 完全属于A,当50くx〈100时,0〈A(x)〈1,且x越接近100,A(x)越接近1,x属于A的程度就越高。这样的表达方法显然比简单地说:“100岁以上的人是年老的,100岁以下的人就不年老。”更为合理。 【例二】 按照模糊综合分析法,我们对某企业效绩进行评价。 1.设因素集U:U={u1,u2, (9) 综合我国现行评价体系和平衡记分法(SEC),我们选取了u1(净资产收益状况)、u2(资产营运状况)、u3(长期偿债能力)、u4(短期偿债能力)。U5(销售增长状况),u6(市场占有能力)、u7(技术能力)、u8(发展创新能力)、u9(学习能力)等9个指标为反映企业效绩的主要指标。其中,u1、u2、u3、u4、u5是财务业绩方面的指标,原来都用精确的比率指标反映,但对它们适当地模糊化更能客观真实地反映企业效绩。例如,在评价企业短期偿债能力时,该企业流动比率为 1.8,但专家们发现该企业存货数额庞大,占了流动资产的较大部分,说明其资产的流动性并不好,因而仍可评定该指标为较低等级。U6是客户方面业绩指标,u7内部经营过程方面业绩指标,u8、u9是学习与增长方面业绩指标。 2.设评价集V={v1,v2……v4} 。简便起见,我们设v1:优秀,v2:良好,v3:平均,v4:较差。 3.我们选取了该企业的注册会计师、熟悉该企业情况的专家组成评判组,得到评

模糊控制_隶属度函数

第6章模糊逻辑【转】 2009-04-16 21:48 高斯隶属函数 函数gaussmf 格式 y=gaussmf(x,[sig c]) 说明高斯隶属函数的数学表达式为:,其中为参数,x为自变量,sig为数学表达式中的参数。 例6-1 >>x=0:0.1:10; >>y=gaussmf(x,[2 5]); >>plot(x,y) >>xlabel('gaussmf, P=[2 5]') 结果为图6-1。 图6-1 6.1.2 两边型高斯隶属函数 函数gauss2mf 格式 y = gauss2mf(x,[sig1 c1 sig2 c2]) 说明 sig1、c1、sig2、c2为命令1中数学表达式中的两对参数 例6-2 >>x = (0:0.1:10)'; >>y1 = gauss2mf(x, [2 4 1 8]); >>y2 = gauss2mf(x, [2 5 1 7]); >>y3 = gauss2mf(x, [2 6 1 6]);

>>y4 = gauss2mf(x, [2 7 1 5]); >>y5 = gauss2mf(x, [2 8 1 4]); >>plot(x, [y1 y2 y3 y4 y5]); >>set(gcf, 'name', 'gauss2mf', 'numbertitle', 'off'); 结果为图6-2。 6.1.3 建立一般钟型隶属函数 函数gbellmf 格式 y = gbellmf(x,params) 说明一般钟型隶属函数依靠函数表达式 这里x指定变量定义域范围,参数b通常为正,参数c位于曲线中心,第二个参数变量params是一个各项分别为a,b和c的向量。 例6-3 >>x=0:0.1:10; >>y=gbellmf(x,[2 4 6]); >>plot(x,y) >>xlabel('gbellmf, P=[2 4 6]') 结果为图6-3。 图6-2 图6-3 6.1.4 两个sigmoid型隶属函数之差组成的隶属函数 函数dsigmf 格式 y = dsigmf(x,[a1 c1 a2 c2]) 说明这里sigmoid型隶属函数由下式给出 x是变量,a,c是参数。dsigmf使用四个参数a1,c1,a2,c2,并且是两个sigmoid

隶属函数确定问题

隶属函数确定问题 一、隶属函数得确定原则 1、表示隶属度函数得模糊集合必须就是凸模糊集合; 即:在一定范围内或者一定条件下,模糊概念得隶属度具有一定得稳定性;从最大得隶属度函点出发向两边延伸时,其隶属度就是单调递减得,而不许有波浪性,呈单峰;一般用三角形与梯形作为隶属度函数曲线。 2、变量所取隶属度函数通常就是对称与平衡得 模糊变量得标值选择一般取3—9个为宜,通常取奇数(平衡),在“零"“适中”等集合得两边语言值通常取对称。 3、隶属度函数要避免不恰当得重复 在相同得论域上使用得具有语意顺序得若干标称得模糊集合,应该合力排序. 4、论语中得每个点应该至少属于一个隶属度函数得区域,同时它一般应该属于之多不超过两个隶属度函数得区域。 5、对于同一输入,没有两个隶属度函数会同时有最大隶属度 6、对两个隶属度函数重叠时,重叠部分对于两个隶属度函数得最大隶属度不应该有交叉. 二、隶属度函数确定得方法 1、模糊统计法 模糊统计法得基本思想就是对论域U上得一个确定元素v就是否属于论域上得一个可变得清晰集得判断。(清晰集、模糊集)

模糊统计法计算步骤: Step1 确定论域 Step2形成调查表 Step3统计成频数分布表 Step4建立隶属函数 Step5隶属度(由频数分布表或者隶属函数可得) 所谓模糊统计实验包含以下四个要素: 假设做n次模糊统计试验,则可计算出: 实际上,当n不断增大时,隶属频率趋于稳定,其频率得稳定值称为0x 对A得隶属度,即 2、例证法例证法由已知得有限个隶属度函数得值,来估计论域U 上得模糊子集A得隶属函数。 3、专家经验法就是根据专家得实际经验给出模糊信息得处理算式或者相应得权系数值隶属函数得一种方法。 4、二元对比排序法 5、群体决策法

相关文档
最新文档