S ZTUCZNA I NTELIGENCJA
W
YKŁAD9. Z
BIORY ROZMYTEDr hab. inż. Grzegorz Dudek Wydział Elektryczny
Politechnika Częstochowska
Klasyczne pojęcie zbioru związane jest z logiką dwuwartościową (Boole'a). Dla każdego zbioru A zawartego w pewnym zbiorze X istnieje funkcja fA : X → {0, 1}, która określa, czy dany element x ∈ X należy do A, czy też nie:
∉
= ∈
A x
A x x
fA
jeśli
jeśli 0 ) 1 (
W przypadku zbiorów rozmytych elementom x przypisuje się stopień przynależności do zbioru A.
Funkcja przynależności odwzorowuje elementy zbioru na przedział [0, 1]:
] 1 , 0 [ : ) (x X → µA
Zerowy stopień przynależności informuje, że element nie należy do zbioru.
Jedynka oznacza całkowitą przynależność.
Wartości pośrednie oznaczają częściową przynależność x do A.
Z BIORY ROZMYTE
158 163 168 173 178 183 188 193 198
0 0.5 1
wzrost, cm
µ
Funkcja przynależności do zbioru "wysoki człowiek"
Przykłady:
Funkcja przynależności do zbioru "liczby dużo większe od 1"
Funkcja przynależności do zbioru "liczba kromek zjadanych na śniadanie"
Funkcje przynależności do zbiorów rozmytych i "ostrych"
Funkcja przynależności do zbioru "liczba kromek zjadanych na śniadanie"
Funkcje przynależności do zbiorów rozmytych i "ostrych"
Z BIORY ROZMYTE
Za pomocą zbiorów rozmytych możemy formalnie określić pojęcia nieprecyzyjne i wieloznaczne, takie jak "wysoka temperatura", "młody człowiek", "średni wzrost" lub "duże miasto". Są to pojęcia opisowe (wielkości lingwistyczne), nieostre, rozmyte, nie związane ściśle z wartościami numerycznymi, zrozumiałe dla człowieka, ale trudne do przedstawienia w postaci numerycznej.
Zbiór rozmyty – zbiór uporządkowanych par A = {(x, μA(x)) | x ∈ X}
Centrum zbioru rozmytego A – zbiór takich punktów x ∈ A, w których μA(x) = 1 Nośnik zbioru rozmytego A – zbiór takich punktów x ∈ A, w których μA(x) > 0
Wysokość zbioru rozmytego A – supremum (kres górny) wartości funkcji przynależności zbioru A: sup μA(x), dla x ∈ X
Z BIORY ROZMYTE
Z BIORY ROZMYTE – DEFINICJE
Przecięcie dwu zbiorów rozmytych A i B (iloczyn, część wspólna) – A ∩ B, zbiór rozmyty o funkcji
przynależności
)) ( ), ( ( )
(x t A x B x
B
A µ µ
µ ∩ =
gdzie t jest tzw. t-normą. Najczęściej ma ona postać )}
( ), ( min{
)) ( ), (
( x x x x
t µA µB = µA µB
Suma dwu zbiorów rozmytychA i B – A ∪ B, zbiór rozmyty o funkcji przynależności
)) ( ), ( ( )
(x s A x B x
B
A µ µ
µ ∪ =
gdzie s jest tzw. s-normą. Najczęściej ma ona postać )}
( ), ( max{
)) ( ), (
( x x x x
s µA µB = µA µB
Dopełnienie zbioru rozmytego A (–A) – zbiór rozmyty o funkcji przynależności µ−A(x)=1−µA(x)
Z BIORY ROZMYTE – DEFINICJE
Zbiór rozmyty A zawiera się w zbiorze rozmytym B, gdy Zbiór rozmyty A jest równy zbiorowi rozmytemu B, gdy Iloczyn (produkt) kartezjański dwu
zbiorów rozmytych A i B
zdefiniowanych w przestrzeniach X i Y – zbiór rozmyty w przestrzeni X×Y o funkcji przynależności
)) ( ), ( min(
) ,
(x y A x B y
B
A µ µ
µ × =
Suma (koprodukt) kartezjańska dwu zbiorów rozmytych A i B
zdefiniowanych w przestrzeniach X i Y – zbiór rozmyty w przestrzeni X×Y o funkcji przynależności
)) ( ), ( max(
) ,
(x y A x B y
B
A µ µ
µ + =
Z BIORY ROZMYTE – DEFINICJE
Z BIORY ROZMYTE – DEFINICJE
Z BIORY ROZMYTE F UNKCJE PRZYNALEŻNOŚCI – DEFINICJE
Funkcja Gaussa
Asymetryczna funkcja Gaussa
Funkcja typu s
Funkcja typu π
Funkcja trójkątna
≥
<
− <
−
≤
− <
− ≤
=
c x dla
c x b b dla
c x c
b x a a dla
b a
x dla x a
c b a x
0 0
) , , , µ(
Funkcja trapezowa
>
<
− <
− < ≤
≤
− <
− ≤
=
d x dla
d x c c dla
d x d
c x b dla
b x a a dla
b a x
a x dla
d c b a x
0 1 0
) , , , , µ(
F UNKCJE PRZYNALEŻNOŚCI
F UNKCJE PRZYNALEŻNOŚCI
Funkcje przynależności mogą być wieloargumentowe. Np. przynależność do podzbioru rozmytego "wysoki na swój wiek" jest zależna od dwóch argumentów: wzrostu i wieku. Innym przykładem może być funkcja przynależności do zbioru "liczba x dużo większa od liczby y".
F UNKCJE PRZYNALEŻNOŚCI
Jeżeli X jest przestrzenią o skończonej liczbie elementów X = {x1, x2, …, xn}, to zbiór rozmyty A ⊆ X zapisuje się jako:
∑
== +
+
= n
i i
i A n
n A A
A
x x x
x x
x x
A x
2 1 2 1
1 ( ) ( )
) ...
( )
( µ µ µ
µ
gdzie kreska ułamkowa oznacza sparowanie elementu z jego stopniem przynależności, a znak + oznacza sumę mnogościową elementów.
Przykład.
Zbiór rozmyty "liczby naturalne bliskie 7":
10 2 , 0 9
5 , 0 8
8 , 0 7 1 6
8 , 0 5
5 , 0 4
2 ,
0 + + + + + +
= A Zbiór rozmyty "samochody luksusowe":
Xsara Citroen
3 , 0 Venga
Kia 4 , 0 Punto
Fiat 1 , 0 Majesta
Crown Toyota
98 , 0 XF
Jaguar 1 62
Maybach
1 + + + + +
= A
Z APIS SYMBOLICZNY ZBIORÓW ROZMYTYCH
Liczba rozmyta – zbiór rozmyty A określony w zbiorze liczb rzeczywistych A ⊆ R, którego funkcja przynależności µA(x):R→[0,1] spełnia warunki:
• normalności (maksymalna wartość μA(x) = 1)
• wypukłości
• ciągłości w przedziałach
Liczbę rozmyta nazywamy dodatnią, jeżeli μA(x) = 0 dla x < 0 Liczbę rozmyta nazywamy ujemną, jeżeli μA(x) = 0 dla x > 0
Liczba rzeczywista 2,.5 Liczba rozmyta
"około 2.5"
Przedział rzeczywisty [2.2, 3.0]
Przedział rozmyty [2.2, 3.0]
L ICZBY ROZMYTE
L ICZBY ROZMYTE
Zasada rozszerzania pozwala przenieść różne operacje matematyczne na grunt zbiorów rozmytych.
Np. dodawanie, odejmowanie, mnożenie i dzielenie dwóch liczb rozmytych A i B daje w wyniku liczbę rozmytą C o funkcji przynależności:
)) ( ), ( min(
sup ) (
# ,
y x
z A B
y x z
y x
C µ µ
µ
=
=
gdzie # oznacza jedną z operacji: +, –, *, /, sup oznacza maksymalną wartość w zbiorze Przykład. Wyznacz sumę i iloczyn liczb rozmytych
4 6 , 0 3 1 2
7 ,
0 + +
=
A ,
6 5 , 0 4 1 3
8 ,
0 + +
=
B .
10 5 , 0 9
5 , 0 8
6 , 0 7 1 6
8 , 0 5
7 , 0 10
...
9 ...
8 ...
7 ...
6
)}
8 , 0
; 1 min(
), 1
; 7 , 0 max{min(
5 ) 8 , 0
; 7 , 0
min( + + + + + = + + + + +
=
⊕B A
24 5 , 0 18
5 , 0 16
6 , 0 12
1 9
8 , 0 8
7 , 0 6
7 , 0 24
...
18 ...
16 ...
12 ...
9 ...
8 ) 1
; 7 , 0 min(
6 ) 8 , 0
; 7 , 0
min( + + + + + + = + + + + + +
=
⊗B A
Z ASADA ROZSZERZANIA I ARYTMETYKA ROZMYTA
Relacje rozmyte pozwalają sformalizować nieprecyzyjne sformułowania typu „x jest prawie równe y” lub „x jest znacznie większe od y”.
Relacją rozmytą między zbiorami (nierozmytymi) X i Y nazywamy zbiór rozmyty określony na iloczynie kartezjańskim X × Y:
] 1 , 0 [ :
gdzie ,
, ))},
, ( ), ,
{(( ∀ ∈ ∀ ∈ × →
= x y x y x X y Y μ X Y
R µR R
Przykład. Zdefiniuj relację rozmytą „y jest mniej więcej równe x” dla X = {3,4,5} i Y = {4,5,6}.
) 6 , 4 (
4 , 0 ) 6 , 4 (
6 , 0 ) 5 , 3 (
6 , 0 ) 6 , 5 (
8 , 0 ) 4 , 5 (
8 , 0 ) 5 , 4 (
8 , 0 ) 4 , 3 (
8 , 0 ) 5 , 5 (
1 ) 4 , 4 (
1 + + + + + + + +
=
R
Funkcja przynależności ma postać:
=
−
=
−
=
−
=
=
3
|
| jeżeli 4
, 0
2
|
| jeżeli 6
, 0
1
|
| jeżeli ,
8 , 0
jeżeli ,
1
y x
y x
y x
y x
µR
R ELACJE ROZMYTE
Relacja R zapisana macierzowo:
y1 y2 y3
x1
8 , 0 1 8 , 0
6 , 0 8 , 0 1
4 , 0 6 , 0 8 , 0 x2
x3
Otoczenie rozmyte składa się z:
• celów rozmytych
• ograniczeń rozmytych
• decyzji rozmytej
Rozważa się pewien zbiór opcji (wyborów/wariantów decyzji) Xop = {x}.
Cel rozmyty to zbiór rozmyty G określony w zbiorze opcji i opisany funkcją przynależności ]
1 , 0 [ :
)
( op →
G x X
µ . µG(x) informuje na ile opcja x spełnia cel G.
Ograniczenie rozmyte to zbiór rozmyty C określony w zbiorze opcji i opisany funkcją przynależności µC(x):Xop →[0,1]. µC(x) informuje w jakim stopniu opcja x spełnia ograniczenie C.
P ODEJMOWANIE DECYZJI W OTOCZENIU ROZMYTYM
Decyzja rozmyta to zbiór rozmyty D powstały w wyniku przecięcia (iloczyn) zbiorów G i C:
C G D= ∩
przy czym µD(x)=t(µG(x),µC(x))
gdzie t(.,.) to t-norma, która najczęściej przybiera postać min(.,.).
W przypadku wielu celów i wielu ograniczeń możemy przyjąć:
m
n C C
G G
D= 1∩...∩ ∩ 1∩...∩
)) ( ),..., ( ), ( ),..., ( ( )
(x t G1 x Gn x C1 x Gm x
D µ µ µ µ
µ =
Szukamy takiej opcji x*∈ Xop, dla której osiągamy maksimum µD(x): )
( max arg
* x
x D
X x opµ
= ∈
P ODEJMOWANIE DECYZJI W OTOCZENIU ROZMYTYM
Wybór uczelni
Rozważamy studia na jednej z czterech uczelni – Xop = {U1, U2, U3, U4}
Nasz cel: uczenie się w renomowanej uczelni. Miarą renomy jest miejsce w rankingu szkół wyższych. Przyjmijmy:
4 5 , 0 3 25 , 0 2 1 1 75 , 0
U U U
G= U + + + Jednocześnie chcemy, aby spełnione były pewne warunki:
„niezbyt duża odległość od domu”:
4 5 , 0 3 4 , 0 2 9 , 0 1 8 , 0
1 U U U U
C = + + +
„bogaty program wymiany międzynarodowej”:
4 6 , 0 3 9 , 0 2 2 , 0 1 2 , 0
2 U U U U
C = + + +
„dobre zaplecze techniczne uczelni”:
4 7 , 0 3 6 , 0 2 3 , 0 1 5 , 0
3 U U U U
C = + + +
„duże możliwości znalezienia pracy”:
4 7 , 0 3 7 , 0 2 5 , 0 1 6 , 0
4 U U U U
C = + + +
P ODEJMOWANIE DECYZJI W OTOCZENIU ROZMYTYM –
PRZYKŁAD 1
Wyznaczając µD(x) za pomocą min otrzymujemy następującą decyzję rozmytą:
4 5 , 0 3 25 , 0 2 2 , 0 1 2 , 0
4 3 2
1 C C C U U U U
C G
D= ∩ ∩ ∩ ∩ = + + +
Teraz przyjmijmy, że t-norma ma postać iloczynową µD(x)=µG(x)⋅µC1(x)⋅µC2(x)⋅µC3(x)⋅µC4(x):
4 0735 , 0 3 0378 , 0 2 027 , 0 1 036 , 0
U U
U
D= U + + +
W obu przypadkach największy stopień przynależności wskazuje uczelnię U4.
P ODEJMOWANIE DECYZJI W OTOCZENIU ROZMYTYM –
PRZYKŁAD 1
Ustalanie ceny nowego produktu
Zadaniem ekspertów jest ustalenie ceny nowego produktu.
Opcją jest cena produktu Xop = [20, 60].
Ustalono trzy cele:
• „produkt powinien mieć niską cenę” — zbiór G1
• „produkt powinien mieć cenę bliska konkurencyjnej” — zbiór G2
• „produkt powinien mieć cenę bliska podwójnej cenie wytworzenia” — zbiór G3 Funkcje przynależności przedstawiono na rysunku.
Maksymalna wartość w zbiorze D wynosi x* = 37,14 zł.
P ODEJMOWANIE DECYZJI W OTOCZENIU ROZMYTYM
G1
W OTOCZENIU ROZMYTYM –
PRZYKŁAD 2
G2 G3