工程可变模糊集理论.pptx

提纲1、模糊概念的客观性、普遍性及可变性2、模糊概念的测度:对立相对隶属度3、模糊概念（例如优选）的计算模型4、模糊概念（例如评价）的可变模型1、模糊概念的客观性、普遍性在文学语言范围内的模糊概念傍晚，一群青年人漫步在宁静的凌水河畔。早晨好（Goodmorning!）在工程管理等专业范围内的模糊概念：工程质量好坏、选择方案的优劣；信用好坏、风险大小；在社会经济生活范围内的模糊概念：干部任用、晋升；选择对象（德才财）等。2、模糊概念的测度：对立相对隶属度相对隶属度与隶属函数：“三分像人，七分像鬼”；“九死一生”；2、模糊概念的测度：对立相对隶属度3、模糊概念（例如优选）的计算模型优与劣这一对立概念之间既有差异又是共维，且处于两个极点，具有中介过渡性，这是优选的模糊性，故称模糊优选。另一方面，优选是在有限论域的非劣解决策集中进行，且是对一定的标准而言，这是优选的相对性。设系统有n个决策，每个决策有m个目标特征值评价其优劣，则有目标特征值矩阵为消除m个目标特征值量纲不同的影响，需要将矩阵X规格化。即分别对越大越优、越小越优、中间型目标特征值采用不同的规格化公式，将矩阵X转化为目标相对优属度矩阵m个目标具有不同的权重，设权向量为(5)满足（6）由矩阵R知决策j的目标相对优属度向量(7)决策j与优、劣决策的广义权距离分别为：(8)(9)设决策j对优的相对隶属度即决策j的相对优属度以uj表示，对劣的相对隶属度以ujc表示，按对立模糊集定义，有为求解决策j相对优属度的最优值，建立目标函数为4、模糊概念（例如评价）的可变模型把公式(14)变换为可变模型：(1)在公式(8)、(9)中引入距离参数p（2）在式(14)中引入优化准则参数α通常情况下，p=1,p=2;α=1，α=2。可有4种搭配：（1）α=1,p=1，式（17）变为：（2）式（20）函数形态：又当BP神经网络模型智能决策支持系统的主要步骤如下：（1）以笔者建立的模糊优选理论为基础，确定模糊优选系统的层次结构；（2）根据模糊优选系统的层次结构图，构建神经网络的拓扑结构；（3）将模糊优选模型（20）作为神经网络隐含层、输出层节点的激励或作用函数，使神经网络系统的运算具有物理含义;(4)应用神经网络BP算法与遗传算法相结合的混合算法，对网络进行学习与训练。将训练结果用于决策系统。以3层的模糊优选神经网络系统，输入层有m个输入节点，即是有m个目标，隐含层有l个隐节点，即有l个单元系统，输出层仅有一个单节点输出，如图设有n个样本，对于样本j的输入为rij，i=1，2，…，m；j=1，2，…，n，在输入层节点i将信息直接传给隐含层节点，故节点的输出与输入相等，即输出为则输入层节点i与隐含层节点k的权重调整量公式为权重调整公式为：（4）5、以互补性准则为基础的非结构性决策单元系统理论伏羲六十四卦次序图伏羲六十四卦方位图中方形地象图一、可变模糊集理论与方法提出的背景1.哲学背景2.数学背景3.工程背景二、可变模糊集理论的数学表达1.相对隶属函数定义2.相对差异函数定义定义2:3.相对差异函数模型4.可变模糊集合与可拓集合的比较