definito
cybernetics professor at the University of California bar too (L, A, Zadeh) After years of pondering, and finally first published in 1965 entitled "fuzzy sets" papers. He noted: If for any domain of (range studied) U is an element x, has a number A (x) ∈ [0,1] corresponding thereto, then A is a fuzzy set U, A (x ) referred to as x membership degree of a. When x changes in U, A (x) is a function, called the membership function A. A membership degree (x) becomes closer to 1, the higher the degree of x is A, A (x) becomes closer to 0 indicates a lower degree of x is A. With values in the interval [0,1] of the membership function A (x) A x is characterized by low degree of fuzziness describes more reasonable than the classical set theory.
categorie
Le funzioni di appartenenza di Application Foundation sono il controllo fuzzy, le funzioni di appartenenza del costrutto corretto è la capacità di controllare una delle chiavi buon uso fuzzy. Il processo di determinazione della funzione di appartenenza, in sostanza dovrebbe essere oggettivo, ma per chiunque abbia una vaga comprensione del concetto di comprensione delle differenze ci sono, quindi, per determinare la funzione di appartenenza e soggettiva.
stabilire la funzione di appartenenza non ha un metodo maturo ed efficace per stabilire il metodo la maggior parte dei sistemi rimane ancora la base dell'esperienza e degli esperimenti. Per lo stesso concetto vago, persone diverse non stabiliranno la funzione di appartenenza esattamente la stessa, anche se non esattamente la stessa forma, purché rifletta lo stesso concetto vago, sempre la stessa cosa nella risoluzione pratica dei problemi e nell'elaborazione di informazioni confuse. Quanto segue descrive diversi metodi comunemente usati.
statistiche sfocate
The basic idea of fuzzy statistical method is to make a clear judgment on a certain element vo whether a clear set of A3 a variation on the domain of the domain U . For different test subject, clearly set A3 may have different borders, but they all correspond to the same fuzzy set A. Fuzzy calculation step statistical method is: in each statistics, VO is the fixed value A3 is variable, for n tests, which can blur the statistics calculated by the following equation
v0 di volte sotto la frequenza di a = v0∈A / numero totale di test n
all'aumentare di n, la frequenza tenderà ad essere stabile sotto questo valore stabile vo è il grado di appartenenza di a. Questo metodo riflette più direttamente il grado di appartenenza al concetto sfocato, ma una grande quantità di calcolo.
illustrazione
is the main idea of the exemplary method known finite values μA to estimate the fuzzy set membership function domain U of A. Such as domain U on behalf of all mankind, A is a "tall people." Clearly A is a fuzzy subset. To determine μA, first determine the value of a height h, and then select a few linguistic truth value (that is, the word of the true extent of) one to answer whether someone is considered as a "tall." Such as language true value can be divided into "real", "approximately true", "s real," "approximately false" and "false" five cases, and each digital 1,0.75,0.5,0.25, 0 to represent the true value of these languages. The n different heights h1, h2, ..., hn are the same as the query, which can obtain the membership function A discrete representation.
competenza
expert experience blurring method is given in equation corresponding weight coefficient values or information based on the actual experience of the expert to determine a method of membership function. In many cases, often initially determined rough membership function, and then through the "learning" and the test of practice and gradually modify and improve, but the actual effect is the basis for testing and adjusting the membership function.
Confronto binario ordinato
Il metodo di ordinamento del confronto binario è un metodo più pratico per determinare la funzione di appartenenza. E '22 di confronto tra una pluralità di cose al fine di determinare alcune caratteristiche attraverso, determinando così la forma generale delle cose caratteristica funzione di appartenenza. Confronto binario di diversi metodi di ordinamento secondo una misura comparativa, può essere suddiviso in metodo della media comparativa relativamente e metodo di sequenziamento delle relazioni di priorità metodo di confronto delle priorità simile.
Esempio
un'incarnazione
A (x) = rappresenta una funzione di appartenenza di un insieme fuzzy "vecchio", A rappresenta un insieme fuzzy "vecchio", quando Età x≤50 quando A (x) = 0 indica che x non appartiene all'insieme fuzzy A (cioè " old"), mentre quando x≥100, A (x) = 1 indica che x interamente A, quando 50
Esempio two
Secondo l'analisi completa fuzzy, valutiamo le prestazioni di un'azienda. .
1 insieme di fattori insieme U: U = {u1, u2, ...... u9}
l'attuale sistema di valutazione globale del mio paese e la Balanced Scorecard (SEC), scegliamo u1 (patrimonio netto), u2 (condizioni operative delle attività), u3 (solvibilità a lungo termine), u4 (solvibilità a breve termine). Gli indicatori U5 (condizioni di crescita delle vendite), u6 (potere di mercato), u7 (capacità tecnica), u8 (sviluppo della capacità innovativa), u9 (apprendimento) 9 riflettono i principali indicatori della performance aziendale. Quali, u1, u2, u3, u4, u5 sono indicatori finanziari della performance finanziaria, con tutti gli indicatori originali che riflettono il rapporto esatto, ma sono sfocati in modo più oggettivo e riflettono adeguatamente la performance aziendale reale. Ad esempio, nella valutazione della solvibilità a breve termine dell'impresa, l'attuale rapporto della società è di 1,8, ma gli esperti hanno rilevato una grande quantità di azioni della società, che rappresentano una porzione maggiore delle attività correnti, indicando che la liquidità delle sue attività è non va bene, quindi ancora l'indice di valutazione a un livello inferiore. U6 è l'aspetto del cliente degli indicatori di performance, u7 aspetti dei processi aziendali interni degli indicatori di performance, u8, u9 sono indicatori di performance di apprendimento e crescita.
2. La valutazione ha fornito l'insieme V = {v1, v2 ...... v4}. Semplicità, impostiamo v1: Eccellente, v2: buono, v3: mediocre, v4: scarso.
3. Abbiamo selezionato il commercialista della società, che ha familiarità con la situazione aziendale del gruppo di esperti giudicati per ottenere la matrice di valutazione
4. Secondo l'opinione degli esperti, determiniamo che l'insieme dei pesi A è:
5 secondo il modello M (,, +).
Pertanto, il principio massimo grado di appartenenza, la performance aziendale valutata come "soddisfacente". Successivamente, i leader aziendali ritengono che i risultati della valutazione siano più in linea con la situazione reale.