模糊数学论文及代码实现方法的研究报告

模糊数学论文及代码实现方法的研究报告

二十世纪六十年代，产生了模糊数学这门新兴学科。 模糊数学的产生 现代数学是建立在集合论的基础上。集合论的重要意义就一个侧面看，在与它把数学的抽象能力延伸到人类认识过程的深处。一组对象确定一组属性，人们可以通过说明属性来说明概念（内涵），也可以通过指明对象来说明它。符合概念的那些对象的全体叫做这个概念的外延，外延其实就是集合。从这个意义上讲，集合可以表现概念，而集合论中的关系和运算又可以表现判断和推理，一切现实的理论系统都一可能纳入集合描述的数学框架。 但是，数学的发展也是阶段性的。经典集合论只能把自己的表现力限制在那些有明确外延的概念和事物上，它明确地限定：每个集合都必须由明确的元素构成，元素对集合的隶属关系必须是明确的，决不能模棱两可。对于那些外延不分明的概念和事物，经典集合论是暂时不去反映的，属于待发展的范畴。 在较长时间里，精确数学及随机数学在描述自然界多种事物的运动规律中，获得显著效果。但是，在客观世界中还普遍存在着大量的模糊现象。以前人们回避它，但是，由于现代科技所面对的系统日益复杂，模糊性总是伴随着复杂性出现。 各门学科，尤其是人文、社会学科及其它“软科学”的数学化、定量化趋向把模糊性的数学处理问题推向中心地位。更重要的是，随着电子计算机、控制论、系统科学的迅速发展，要使计算机能像人脑那样对复杂事物具有识别能力，就必须研究和处理模糊性。 我们研究人类系统的行为，或者处理可与人类系统行为相比拟的复杂系统，如航天系统、人脑系统、社会系统等，参数和变量甚多，各种因素相互交错，系统很复杂，它的模糊性也很明显。从认识方面说，模糊性是指概念外延的不确定性，从而造成判断的不确定性。 在日常生活中，经常遇到许多模糊事物，没有分明的数量界限，要使用一些模糊的词句来形容、描述。比如，比较年轻、高个、大胖子、好、漂亮、善、热、远……。在人们的工作经验中，往往也有许多模糊的东西。例如，要确定一炉钢水是否已经炼好，除了要知道钢水的温度、成分比例和冶炼时间等精确信息外，还需要参考钢水颜色、沸腾情况等模糊信息。因此，除了很早就有涉及误差的计算数学之外，还需要模糊数学。 人与计算机相比，一般来说，人脑具有处理模糊信息的能力，善于判断和处理模糊现象。但计算机对模糊现象识别能力较差，为了提高计算机识别模糊现象的能力，就需要把人们常用的模糊语言设计成机器能接受的指令和程序，以便机器能像人脑那样简洁灵活的做出相应的判断，从而提高自动识别和控制模糊现象的效率。这样，就需要寻找一种描述和加工模糊信息的数学工具，这就推动数学家深入研究模糊数学。所以，模糊数学的产生是有其科学技术与数学发展的必然性。 模糊数学的研究内容 1965年，美国控制论专家、数学家查德发表了论文《模糊集合》，标志着模糊数学这门学科的诞生。 模糊数学的研究内容主要有以下三个方面： 第一，研究模糊数学的理论，以及它和精确数学、随机数学的关系。察德以精确数学集合论为基础，并考虑到对数学的集合概念进行修改和推广。他提出用“模糊集合”作为表现模糊事物的数学模型。并在“模糊集合”上逐步建立运算、变换规律，开展有关的理论研究，就有可能构造出研究现实世界中的大量模糊的数学基础，能够对看来相当复杂的模糊系统进行定量的描述和处理的数学方法。 在模糊集合中，给定范围内元素对它的隶属关系不一定只有“是”或“否”两种情况，而是用介于0和1之间的实数来表示隶属程度，还存在中间过渡状态。比如“老人”是个模糊概念，70岁的肯定属于老人，它的从属程度是 1，40岁的人肯定不算老人，它的从属程度为 0，按照查德给出的公式，55岁属于“老”的程度为5，即“半老”，60岁属于“老”的程度8。查德认为，指明各个元素的隶属集合，就等于指定了一个集合。当隶属于0和1之间值时，就是模糊集合。 第二，研究模糊语言学和模糊逻辑。人类自然语言具有模糊性，人们经常接受模糊语言与模糊信息，并能做出正确的识别和判断。 为了实现用自然语言跟计算机进行直接对话，就必须把人类的语言和思维过程提炼成数学模型，才能给计算机输入指令，建立和是的模糊数学模型，这是运用数学方法的关键。查德采用模糊集合理论来建立模糊语言的数学模型，使人类语言数量化、形式化。 如果我们把合乎语法的标准句子的从属函数值定为1，那么，其他文法稍有错误，但尚能表达相仿的思想的句子，就可以用以0到1之间的连续数来表征它从属于“正确句子”的隶属程度。这样，就把模糊语言进行定量描述，并定出一套运算、变换规则。目前，模糊语言还很不成熟，语言学家正在深入研究。 人们的思维活动常常要求概念的确定性和精确性，采用形式逻辑的排中律，既非真既假，然后进行判断和推理，得出结论。现有的计算机都是建立在二值逻辑基础上的，它在处理客观事物的确定性方面，发挥了巨大的作用，但是却不具备处理事物和概念的不确定性或模糊性的能力。 为了使计算机能够模拟人脑高级智能的特点，就必须把计算机转到多值逻辑基础上，研究模糊逻辑。目前，模糊罗基还很不成熟，尚需继续研究。 第三，研究模糊数学的应用。模糊数学是以不确定性的事物为其研究对象的。模糊集合的出现是数学适应描述复杂事物的需要，查德的功绩在于用模糊集合的理论找到解决模糊性对象加以确切化，从而使研究确定性对象的数学与不确定性对象的数学沟通起来，过去精确数学、随机数学描述感到不足之处，就能得到弥补。在模糊数学中，目前已有模糊拓扑学、模糊群论、模糊图论、模糊概率、模糊语言学、模糊逻辑学等分支。 模糊数学的应用 模糊数学是一门新兴学科，它已初步应用于模糊控制、模糊识别、模糊聚类分析、模糊决策、模糊评判、系统理论、信息检索、医学、生物学等各个方面。在气象、结构力学、控制、心理学等方面已有具体的研究成果。然而模糊数学最重要的应用领域是计算机职能，不少人认为它与新一代计算机的研制有密切的联系。 目前，世界上发达国家正积极研究、试制具有智能化的模糊计算机，1986年日本山川烈博士首次试制成功模糊推理机，它的推理速度是1000万次/秒。1988年，我国汪培庄教授指导的几位博士也研制成功一台模糊推理机——分立元件样机，它的推理速度为1500万次/秒。这表明我国在突破模糊信息处理难关方面迈出了重要的一步。 模糊数学还远没有成熟，对它也还存在着不同的意见和看法，有待实践去检验。

模糊数学又称Fuzzy 数学，研究和处理模糊性现象的一种数学理论和方法。模糊数学法采用模糊数学模型，须先进行单项指标的评价，然后分别对各单项指标给予透当的权重，最后应用模糊矩阵复合运算的方法得出综合评价的结果。这一方法在地下水环境质量评价中已得到广泛的应用。模糊数学为一门新兴学科，它已初步应用于模糊控制、模糊识别、模糊聚类分析、模糊决策、模糊评判、系统理论、信息检索、医学、生物学等各个方面。在气象、结构力学、控制、心理学等方面已有具体的研究成果。然而模糊数学最重要的应用领域是计算机智能，不少人认为它与新一代计算机的研制有密切的联系。扩展资料1965年，美国控制论专家扎德Zadeh(Lotfi A．Zadeh)教授在Information and Control杂志上发表了题为Fuzzy Sets的论文，提出用“隶属函数”来描述现象差异的中间过渡，从而突破了经典集合论中属于或不属于的绝对关系。Zadeh教授这一开创性的工作，标志着数学的一个新分支——模糊数学的诞生。模糊数学的基本思想就是：用精确的数学手段对现实世界中大量存在的模糊概念和模糊现象进行描述、建模，以达到对其进行恰当处理的目的。模糊数学为以不确定性的事物为其研究对象的。模糊集合的出现为数学适应描述复杂事物的需要，Zadeh的功绩在于用模糊集合的理论将模糊性对象加以确切化，从而使研究确定性对象的数学与不确定性对象的数学沟通起来，过去精确数学、随机数学描述感到不足之处，就能得到弥补。参考资料来源：百度百科-模糊数学法参考资料来源：百度百科-模糊数学

模糊数学是研究现实中许多界限不分明问题的一种数学工具，其基本概念之一是模糊集合。利用模糊数学和模糊逻辑，能很好地处理各种模糊问题。 模式识别是计算机应用的重要领域之一。人脑能在很低的准确性下有效地处理复杂问题。如计算机使用模糊数学，便能大大提高模式识别能力，可模拟人类神经系统的活动。在工业控制领域中，应用模糊数学，可使空调器的温度控制更为合理，洗衣机可节电、节水、提高效率。在现代社会的大系统管理中，运用模糊数学的方法，有可能形成更加有效的决策。 模糊数学这种相当新的数学方法和思想方法，虽有待于不断完善，但其应用前景却非常广阔。

1、模糊数学作为一个新兴的数学分支，使过去那些与数学毫不相关或关系不大的学科（如生物学、心理学、语言学、社会科学等）都有可能用定量化和数学化加以描述和处理，从而显示了强大的生命力和渗透力，使数学的应用范围大大扩展2、模糊数学的研究内容主要有以下三个方面：第一，研究模糊数学的理论，以及它和精确数学、随机数学的关系第二，研究模糊语言学和模糊逻辑。人类自然语言具有模糊性，人们经常接受模糊语言与模糊信息，并能做出正确的识别和判断。第三，研究模糊数学的应用。3、模糊数学的应用 模糊数学是一门新兴学科，它已初步应用于模糊控制、模糊识别、模糊聚类分析、模糊决策、模糊评判、系统理论、信息检索、医学、生物学等各个方面。在气象、结构力学、控制、心理学等方面已有具体的研究成果。然而模糊数学最重要的应用领域是计算机职能，不少人认为它与新一代计算机的研制有密切的联系。

模糊数学论文及代码实现方法的研究

定义在1965 年美国控制论学者LA扎德发表论文《模糊集合》，标志着这门新学科的诞生。现代数学建立在集合论的基础上。一组对象确定一组属性，人们可以通过指明属性来说明概念，也可以通过指明对象来说明。符合概念的那些对象的全体叫做这个概念的外延，外延实际上就是集合。一切现实的理论系统都有可能纳入集合描述的数学框架。经典的集合论只把自己的表现力限制在那些有明确外延的概念和事物上，它明确地规定：每一个集合都必须由确定的元素所构成，元素对集合的隶属关系必须是明确的。对模糊性的数学处理是以将经典的集合论扩展为模糊集合论为基础的，乘积空间中的模糊子集就给出了一对元素间的模糊关系。对模糊现象的数学处理就是在这个基础上展开的。从纯数学角度看，集合概念的扩充使许多数学分支都增添了新的内容。例如模糊拓扑学、不分明线性空间、模糊代数学、模糊分析学、模糊测度与积分、模糊群、模糊范畴、模糊图论、模糊概率统计、模糊逻辑学等。其中有些领域已有比较深入的研究。模糊性数学发展的主流是在它的应用方面。由于模糊性概念已经找到了模糊集的描述方式，人们运用概念进行判断、评价、推理、决策和控制的过程也可以用模糊性数学的方法来描述。例如模糊聚类分析、模糊模式识别、模糊综合评判、模糊决策与模糊预测、模糊控制、模糊信息处理等。这些方法构成了一种模糊性系统理论，构成了一种思辨数学的雏形，它已经在医学、气象、心理、经济管理、石油、地质、环境、生物、农业、林业、化工、语言、控制、遥感、教育、体育等方面取得具体的研究成果。模糊性数学最重要的应用领域应是计算机智能。它已经被用于专家系统和知识工程等方面，在各个领域中发挥看非常重要的作用，并已获得巨大的经济效益。编辑本段产生现代数学是建立在集合论的基础上。集合论的重要意义就一个侧面看，在于它把数学的抽象能力延伸到人类认识过程的深处。一组对象确定一组属性，人们可以通过说明属性来说明概念（内涵），也可以通过指明对象来说明它。符合概念的那些对象的全体叫做这个概念的外延，外延其实就是集合。从这个意义上讲，集合可以表现概念，而集合论中的关系和运算又可以表现判断和推理，一切现实的理论系统都一可能纳入集合描述的数学框架。但是，数学的发展也是阶段性的。经典集合论只能把自己的表现力限制在那些有明确外延的概念和事物上，它明确地限定：每个集合都必须由明确的元素构成，元素对集合的隶属关系必须是明确的，决不能模棱两可。对于那些外延不分明的概念和事物，经典集合论是暂时不去反映的，属 控制论模型于待发展的范畴。在较长时间里，精确数学及随机数学在描述自然界多种事物的运动规律中，获得显著效果。但是，在客观世界中还普遍存在着大量的模糊现象。以前人们回避它，但是，由于现代科技所面对的系统日益复杂，模糊性总是伴随着复杂性出现。各门学科，尤其是人文、社会学科及其它“软科学”的数学化、定量化趋向把模糊性的数学处理问题推向中心地位。更重要的是，随着电子计算机、控制论、系统科学的迅速发展，要使计算机能像人脑那样对复杂事物具有识别能力，就必须研究和处理模糊性。我们研究人类系统的行为，或者处理可与人类系统行为相比拟的复杂系统，如航天系统、人脑系统、社会系统等，参数和变量甚多，各种因素相互交错，系统很复杂，它的模糊性也很明显。从认识方面说，模糊性是指概念外延的不确定性，从而造成判断的不确定性。在日常生活中，经常遇到许多模糊事物，没有分明的数量界限，要使用一些模糊的词句来形容、描述。比如，比较年轻、高个、大胖子、好、漂亮、善、热、远……。这些概念是不可以简单地用是、非或数字来表示的。在人们的工作经验中，往往也有许多模糊的东西。例如，要确定一炉钢水是否已经炼好，除了要知道钢水的温度、成分比例和冶炼时间等精确信息外，还需要参考钢水颜色、沸腾情况等模糊信息。因此，除了很早就有涉及误差的计算数学之外，还需要模糊数学。人与计算机相比，一般来说，人脑具有处理模糊信息的能力，善于判断和处理模糊现象。但计算机对模糊现象识别能力较差，为了提高计算机识别模糊现象的能力，就需要把人们常用的模糊语言设计成机器能接受的指令和程序，以便机器能像人脑那样简洁灵活的做出相应的判断，从而提高自动识别和控制模糊现象的效率。这样，就需要寻找一种描述和加工模糊信息的数学工具，这就推动数学家深入研究模糊数学。所以，模糊数学的产生是有其科学技术与数学发展的必然性。编辑本段研究内容现代计算机的计算速度及贮存能力几乎达到了无与伦比的程度，它不仅可以解决复杂的数学问题，还可以参与控制航天飞机等。既然计算机有如此威力，那么为什么在判断和推理方面有时不如人脑呢？ 美国加利福尼亚大学Zadeh（扎德）教授仔细的研究了这个问题，以至于她在科研工作中 经常回旋与“人脑思维”、“大系统”与“计算机”的矛盾之中。1965年，他发表了论文《模糊集合论》“隶属函数”这个概念来描述现象差异中的中间过渡，从而突破了古典集合论中属于或不属于的绝对关系。Zadeh教授这一开创性的工作，标志着模糊数学这门学科的诞生。模糊数学的研究内容主要有以下三个方面：第一，研究模糊数学的理论，以及它和精确数学、随机数学的关系。查德以精确数学集合论为基础，并考虑到对数学的集合概念进行修改和推广。他提出用“模糊集合”作为表现模糊事物的数学模型。并在“模糊集合”上逐步建立运算、变换规律，开展有关的理论研究，就有可能构造出研究现实世界中的大量模糊的数学基础，能够对看来相当复杂的模糊系统进行定量的描述和处理的数学方法。在模糊集合中，给定范围内元素对它的隶属关系不一定只有“是”或“否”两种情况，而是用介于0和1之间的实数来表示隶属程度，还存在中间过渡状态。比如“老人”是个模糊概念，70岁的肯定属于老人，它的从属程度是 1，40岁的人肯定不算老人，它的从属程度为 0，按照查德给出的公式，55岁属于“老”的程度为5，即“半老”，60岁属于“老”的程度8。查德认为，指明各个元素的隶属集合，就等于指定了一个集合。当隶属于0和1之间值时，就是模糊集合。第二，研究模糊语言学和模糊逻辑。人类自然语言具有模糊性，人们经常接受模糊语言与模糊信息，并能做出正确的识别和判断。为了实现用自然语言跟计算机进行直接对话，就必须把人类的语言和思维过程提炼成数学模型，才能给计算机输入指令，建立合适的模糊数学模型，这是运用数学方法的关键。查德采用模糊集合理论来建立模糊语言的数学模型，使人类语言数量化、形式化。如果我们把合乎语法的标准句子的从属函数值定为1，那么，其他近义的，以及能表达相仿的思想的句子，就可以用以0到1之间的连续数来表征它从属于“正确句子”的隶属程度。这样，就把模糊语言进行定量描述，并定出一套运算、变换规则。目前，模糊语言还很不成熟，语言学家正在深入研究。人们的思维活动常常要求概念的确定性和精确性，采用形式逻辑的排中律，即：非真即假，然后进行判断和推理，得出结论。现有的计算机都是建立在二值逻辑基础上的，它在处理客观事物的确定性方面，发挥了巨大的作用，但是却不具备处理事物和概念的不确定性或模糊性的能力。为了使计算机能够模拟人脑高级智能的特点，就必须把计算机转到多值逻辑基础上，研究模糊逻辑。目前，模糊逻辑还很不成熟，尚需继续研究。第三，研究模糊数学的应用。模糊数学是以不确定性的事物为其研究对象的。模糊集合的出现是数学适应描述复杂事物的需要，查德的功绩在于用模糊集合的理论找到解决模糊性对象加以确切化，从而使研究确定性对象的数学与不确定性对象的数学沟通起来，过去精确数学、随机数学描述感到不足之处，就能得到弥补。在模糊数学中，目前已有模糊拓扑学、模糊群论、模糊图论、模糊概率、模糊语言学、模糊逻辑学等分支。编辑本段应用模糊数学是一门新兴学科，它已初步应用于模糊控制、模糊识别、模糊 智能化聚类分析、模糊决策、模糊评判、系统理论、信息检索、医学、生物学等各个方面。在气象、结构力学、控制、心理学等方面已有具体的研究成果。然而模糊数学最重要的应用领域是计算机智能，不少人认为它与新一代计算机的研制有密切的联系。目前，世界上发达国家正积极研究、试制具有智能化的模糊计算机，1986年日本山川烈博士首次试制成功模糊推理机，它的推理速度是1000万次/秒。1988年，我国汪培庄教授指导的几位博士也研制成功一台模糊推理机——分立元件样机，它的推理速度为1500万次/秒。这表明我国在突破模糊信息处理难关方面迈出了重要的一步。模糊数学还远没有成熟，对它也还存在着不同的意见和看法，有待实践去检验。编辑本段产生历史模糊数学是运用数学方法研究和处理模糊性现象的一门数学新分支。它以“模糊集合”论为基础。模糊数学提供了一种处理不肯定性和不精确性问题的新方法，是描述人脑思维处理模糊信息的有力工具。它既可用于“硬”科学方面，又可用于“软”科学方面。 模糊数学由美国控制论专家LA扎德（LAZadeh，1921--）教授所创立。他于1965年发表了题为《模糊集合论》（《FuzzySets》）的论文，从而宣告模糊数学的诞生。LA扎德教授多年来致力于“计算机”与“大系统”的矛盾研究，集中思考了计算机为什么不能象人脑那样进行灵活的思维与判断问题。尽管计算机记忆超人，计算神速，然而当其面对外延不分明的模糊状态时，却“一筹莫展”。可是，人脑的思维，在其感知、辨识、推理、决策以及抽象的过程中，对于接受、贮存、处理模糊信息却完全可能。计算机为什么不能象人脑思维那样处理模糊信息呢？其原因在于传统的数学，例如康托尔集合论（Cantor′sSet），不能描述“亦此亦彼”现象。集合是描述人脑思维对整体性客观事物的识别和分类的数学方法。康托尔集合论要求其分类必须遵从形式逻辑的排中律，论域（即所考虑的对象的全体）中的任一元素要么属于集合A，要么不属于集合A，两者必居其一，且仅居其一。这样，康托尔集合就只能描述外延分明的“分明概念”，只能表现“非此即彼”，而对于外延不分明的“模糊概念”则不能反映。这就是目前计算机不能象人脑思维那样灵活、敏捷地处理模糊信息的重要原因。为克服这一障碍，LA扎德教授提出了“模糊集合论”。在此基础上，现在已形成一个模糊数学体系。模糊数学产生的直接动力，与系统科学的发展有着密切的关系。在多变量、非线性、时变的大系统中，复杂性与精确性形成了尖锐的矛盾。LA扎德教授从实践中总结出这样一条互克性原理：“当系统的复杂性日趋增长时，我们作出系统特性的精确然而有意义的描述的能力将相应降低，直至达到这样一个阈值，一旦超过它，精确性和有意义性将变成两个几乎互相排斥的特性。”这就是说，复杂程度越高，有意义的精确化能力便越低。复杂性意味着因素众多，时变性大，其中某些因素及其变化是人们难以精确掌握的，而且人们又常常不可能对全部因素和过程都进行精确的考察，而只能抓住其中主要部分，忽略掉所谓的次要部分。这样，在事实上就给对系统的描述带来了模糊性。“常规数学方法的应用对于本质上是模糊系统的分析来说是不协调的，它将引起理论和实际之间的很大差距。”因此，必须寻找到一套研究和处理模糊性的数学方法。这就是模糊数学产生的历史必然性。模糊数学用精确的数学语言去描述模糊性现象，“它代表了一种与基于概率论方法处理不确定性和不精确性的传统不同的思想，……，不同于传统的新的方法论”。它能够更好地反映客观存在的模糊性现象。因此，它给描述模糊系统提供了有力的工具。LA扎德教授于1975年所发表的长篇连载论著《语言变量的概念及其在近似推理中的应用》（《TheConceptofaLinguisticVariable&ItsApplicationtoApproximateReasoning》），提出了语言变量的概念并探索了它的含义。模糊语言的概念是模糊集合理论中最重要的发展之一，语言变量的概念是模糊语言理论的重要方面。语言概率及其计算、模糊逻辑及近似推理则可以当作语言变量的应用来处理。人类语言表达主客观模糊性的能力特别引人注目，或许从研究模糊语言入手就能把握住主客观的模糊性、找出处理这些模糊性的方法。有人预言，这一理论和方法将对控制理论、人工智能等作出重要贡献。模糊数学诞生至今仅有22年历史，然而它发展迅速、应用广泛。它涉及纯粹数学、应用数学、自然科学、人文科学和管理科学等方面。在图象识别、人工智能、自动控制、信息处理、经济学、心理学、社会学、生态学、语言学、管理科学、医疗诊断、哲学研究等领域中，都得到广泛应用。把模糊数学理论应用于决策研究，形成了模糊决策技术。只要经过仔细深入研究就会发现，在多数情况下，决策目标与约束条件均带有一定的模糊性，对复杂大系统的决策过程尤其是如此。在这种情况下，运用模糊决策技术，会显得更加自然，也将会获得更加良好的效果。编辑本段应用前景模糊数学是研究现实中许多界限不分明问题的一种数学工具，其基本概念之一是模糊集合。利用模糊数学和模糊逻辑，能很好地处理各种模糊问题。模式识别是计算机应用的重要领域之一。人脑能在很低的准确性下有效地处理复杂问题。如计算机使用模糊数学，便能大大提高模式识别能力，可模拟人类神经系统的活动。在工业控制领域中，应用模糊数学，可使空调器的温度控制更为合理，洗衣机可节电、节水、提高效率。在现代社会的大系统管理中，运用模糊数学的方法，有可能形成更加有效的决策。模糊数学这种相当新的数学方法和思想方法，虽有待于不断完善，但其应用前景却非常广阔。编辑本段模糊数学研究[1]模糊数学研究 是一本关注运筹学与模糊学领域最新进展的国际中文期刊，由汉斯出版社发行，主要刊登数学规划、数学统筹、模糊信息与工程、模糊管理学相关内容的学术论文和成果评述。本刊支持思想创新、学术创新，倡导科学，繁荣学术，集学术性、思想性为一体，旨在为了给世界范围内的科学家、学者、科研人员提供一个传播、分享和讨论运筹与模糊学领域内不同方向问题与发展的交流平台。运筹学研究　研究领域： · 数学规划· 图论组合优化· 随机模型· 决策与对策（博弈）· 金融数学· 统筹论· 军事运筹· 计算机仿真· 数据挖掘· 统计与预测学· 模糊数学与系统· 启发式演算法· 模糊控制· 智能、软计算· 可靠性· 管理与模糊管理学· 模糊信息与工程编辑本段模糊数学在中国在美国，日本，法国等世界数学强国相继研究模糊数学，并取得一些阶段性的进展的同时，1976年中国开始注意模糊数学的研究，世界著名模糊学家考夫曼（Akaufman，法国）、山泽（ESanchZ法国）、营野（日本）和美籍华人PPZ等先后来华讲学，推动了我国模糊数学的高速发展，很快就拥有一支较强的研究队伍。1980年成立了中国模糊集与系统协会。1981年，创办《模糊数学》杂志，1987年，创办了《模糊系统与数学》杂志。还出版过大量的颇有价值的论著。例如：汪培庄教授所著《模糊集与随机集落影》，《模糊集合论及其应用》，张文修教授编著的《模糊数学基础》等。1988年我国汪培庄教授指导几位博士生研制成功了一台模糊推理机-----分立元件样机。它的推理速度为1500万次/秒，这表明中国在突破模糊信息处理难关方面迈出重要一步。中国科研人员在Fuzzy领域中取得了卓越成就。何新贵院士将Fuzzy方面的论文在国内外权威杂志上发表。这标志着中国研究已经达到国内外先进水平。至此，中国已成为全球四大模糊数学研究中心之一。（美国，西欧，中国，日本）2005年，是一个值得中国所有模糊研究人员和学者庆祝的一个丰收年，在这个丰收年里有两件值得庆祝的大事。一，经国际模糊系统协会（IFSA）专家评审，最终确定授予中国四川大学副校长刘应明院士“FuzzyFellow奖”。“FuzzyFellow奖”是模糊数学领域的最高奖项，专门授予得到国际公认的，在模糊数学领域做出杰出贡献的科学家。二，2005年8月20日，中国运筹会Fuzzy信息与工程分会正式成立。Fuzzy信息与工程分会成立，是隶属于全国两大数学方向的一级学会之一------中国运筹会，表明Fuzzy数学在中国已取得了应有的地位，尤其是Fuzzy数学的创始人扎德教授的出席会议，中国运筹学会理事长，中国科学院数学与系统科学研究院副院长袁亚湘教授和广州大学校长廖建设教授为学会揭牌，这给成立大会增添的极大的光彩。也极大的鼓舞了全国Fuzzy研究工作者。Fuzzy信息与工程分会的宗旨：在完善和加强Fuzzy集理论研究的同时，更侧重于Fuzzy技术的应用和Fuzzy产品的开发研究。注：1、广州大学校长为庾建设。2、中国运筹会Fuzzy信息与工程分会首任理事长为广州大学曹炳元教授。

再举一个例子，我们现在要从一片西瓜地里找出一个最大的西瓜，那是件很麻烦的事。必须把西瓜地里所有的西瓜都找出来，再比较一下，才知道哪个西瓜最大。西瓜越多，工作量就越大。如果按通常说的，到西瓜地里去找一个较大的西瓜，这时精确的问题就转化成模糊的问题，反而容易多了。由此可见，适当的模糊能使问题得到简化。确实，像上面的“一粒”与“一堆”，“最大的”与“较大的”都是有区别的两个概念。但是它们的区别都是逐渐的，而不是突变的，两者之间并不存在明确的界限，换句话说，这些概念带有某种程度的模糊性。类的，我们说一个人很高或很胖，但是究竟多少厘米才算高，多少千克才算胖呢？像这里的高和胖都是很模糊了。模糊数学模糊数学是研究现实中许多界限不分明问题的一种数学工具，其基本概念之一是模糊集合。利用模糊数学和模糊逻辑，能很好地处理各种模糊问题。模式识别是计算机应用的重要领域之一。人脑能在很低的准确性下有效地处理复杂问题。如计算机使用模糊数学，便能大大提高模式识别能力，可模拟人类神经系统的活动。在工业控制领域中，应用模糊数学，可使空调器的温度控制更为合理，洗衣机可节电、节水、提高效率。在现代社会的大系统管理中，运用模糊数学的方法，有可能形成更加有效的决策。模糊数学这种相当新的数学方法和思想方法，虽有待于不断完善，但其应用前景却非常广阔。模糊数学是运用数学方法研究和处理模糊性现象的一门数学新分支。它以“模糊集合”论为基础。模糊数学提供了一种处理不肯定性和不精确性问题的新方法，是描述人脑思维处理模糊信息的有力工具。它既可用于“硬”科学方面，又可用于“软”科学方面。模糊数学由美国控制论专家LA扎德（LAZadeh，1921--）教授所创立。他于1965年发表了题为《模糊集合论》（《Fuzzy Sets》）的论文，从而宣告模糊数学的诞生。LA扎德教授多年来致力于“计算机”与“大系统”的矛盾研究，集中思考了计算机为什么不能象人脑那样进行灵活的思维与判断问题。尽管计算机记忆超人，计算神速，然而当其面对外延不分明的模糊状态时，却“一筹莫展”。可是，人脑的思维，在其感知、辨识、推理、决策以及抽象的过程中，对于接受、贮存、处理模糊信息却完全可能。计算机为什么不能象人脑思维那样处理模糊信息呢？其原因在于传统的数学，例如康托尔集合论（Cantor′s Set），不能描述“亦此亦彼”现象。集合是描述人脑思维对整体性客观事物的识别和分类的数学方法。康托尔集合论要求其分类必须遵从形式逻辑的排中律，论域（即所考虑的对象的全体）中的任一元素要么属于集合A，要么不属于集合A，两者必居其一，且仅居其一。这样，康托尔集合就只能描述外延分明的“分明概念”，只能表现“非此即彼”，而对于外延不分明的“模糊概念”则不能反映。这就是目前计算机不能象人脑思维那样灵活、敏捷地处理模糊信息的重要原因。为克服这一障碍，LA扎德教授提出了“模糊集合论”。在此基础上，现在已形成一个模糊数学体系。所谓模糊现象，是指客观事物之间难以用分明的界限加以区分的状态，它产生于人们对客观事物的识别和分类之时，并反映在概念之中。外延分明的概念，称为分明概念，它反映分明现象。外延不分明的概念，称为模糊概念，它反映模糊现象。模糊现象是普遍存在的。在人类一般语言以及科学技术语言中，都大量地存在着模糊概念。例如，高与短、美与丑、清洁与污染、有矿与无矿、甚至象人与猿、脊椎动物与无脊椎动物、生物与非生物等等这样一些对立的概念之间，都没有绝对分明的界限。一般说来，分明概念是扬弃了概念的模糊性而抽象出来的，是把思维绝对化而达到的概念的精确和严格。然而模糊集合不是简单地扬弃概念的模糊性，而是尽量如实地反映人们使用模糊概念时的本来含意。这是模糊数学与普通数学在方法论上的根本区别。恩格斯说：“辩证法不知道什么绝对分明的和固定不变的界限，不知道什么无条件的普遍有效的‘非此即彼！’它使固定的形而上学的差异互相过渡，除了‘非此即彼！’，并且使对立互为中介；辩证法是唯一的、最高度地适合于自然观的这一发展阶段的思维方法。模糊数学产生的直接动力，与系统科学的发展有着密切的关系。在多变量、非线性、时变的大系统中，复杂性与精确性形成了尖锐的矛盾。LA扎德教授从实践中总结出这样一条互克性原理：“当系统的复杂性日趋增长时，我们作出系统特性的精确然而有意义的描述的能力将相应降低，直至达到这样一个阈值，一旦超过它，精确性和有意义性将变成两个几乎互相排斥的特性。”这就是说，复杂程度越高，有意义的精确化能力便越低。复杂性意味着因素众多，时变性大，其中某些因素及其变化是人们难以精确掌握的，而且人们又常常不可能对全部因素和过程都进行精确的考察，而只能抓住其中主要部分，忽略掉所谓的次要部分。这样，在事实上就给对系统的描述带来了模糊性。“常规数学方法的应用对于本质上是模糊系统的分析来说是不协调的，它将引起理论和实际之间的很大差距。”因此，必须寻找到一套研究和处理模糊性的数学方法。这就是模糊数学产生的历史必然性。模糊数学用精确的数学语言去描述模糊性现象，“它代表了一种与基于概率论方法处理不确定性和不精确性的传统不同的思想，……，不同于传统的新的方法论”。它能够更好地反映客观存在的模糊性现象。因此，它给描述模糊系统提供了有力的工具。LA扎德教授于1975年所发表的长篇连载论著《语言变量的概念及其在近似推理中的应用》（《The Concept of a Linguistic Variable &Its Application to Approximate Reasoning》），提出了语言变量的概念并探索了它的含义。模糊语言的概念是模糊集合理论中最重要的发展之一，语言变量的概念是模糊语言理论的重要方面。语言概率及其计算、模糊逻辑及近似推理则可以当作语言变量的应用来处理。人类语言表达主客观模糊性的能力特别引人注目，或许从研究模糊语言入手就能把握住主客观的模糊性、找出处理这些模糊性的方法。有人预言，这一理论和方法将对控制理论、人工智能等作出重要贡献。模糊数学诞生至今仅有22年历史，然而它发展迅速、应用广泛。它涉及纯粹数学、应用数学、自然科学、人文科学和管理科学等方面。在图象识别、人工智能、自动控制、信息处理、经济学、心理学、社会学、生态学、语言学、管理科学、医疗诊断、哲学研究等领域中，都得到广泛应用。把模糊数学理论应用于决策研究，形成了模糊决策技术。只要经过仔细深入研究就会发现，在多数情况下，决策目标与约束条件均带有一定的模糊性，对复杂大系统的决策过程尤其是如此。在这种情况下，运用模糊决策技术，会显得更加自然，也将会获得更加良好的效果。我国学者对模糊数学的研究始于70年代中期，然而发展甚速，已有了一支较强的研究队伍，成立了中国模糊集与系统学会，出版了《模糊数学》杂志。出版了许多颇有价值的论著，例如，汪培庄教授所著《模糊集与随机集落影》、《模糊集合论及其应用》，张文修教授编著的《模糊数学基础》等等。我国学者把模糊数学理论应用于气象预报，提高了预报质量，在1980年召开的国际气象学术讨论会上，我国所提交论文得到会议的好评。在中医医疗诊断方面，还制成了《关幼波教授治疗肝病计算机诊断程序》。实践表明，该计算机的医疗效果良好，为继承、发扬祖国医学作出了贡献。这一经验也被推广应用于治疗急腹症等方面。我国学者应用模糊数学理论，在地质探矿、生态环境、企业管理、生物学、心理学等领域，也都分别取得了较好的应用成果。

举个例子：判断一个人是不是秃子，假设500根头发以下算秃子那么计算机会认为499根是秃子，501根不是秃子，可是我们人会认为多一根也是秃子呀？那502根呢？503……那我们都是秃子……那么用模糊数学这个结论是什么呢？499根是秃子的几率100%，501根，99%10000根呢？嗯，001%的可能性是秃子。呵呵，机器也能判断了

在日常生活中，我们遇到的概念不外乎只有两类：一类是清晰的概念，对象是否属于这个概念是明确的。如人、自然数、正方形等概念，要么是人，要么不是人；非此即彼。另一类概念，对象从属的界限是模糊的，判断随人的思维而定。如美不美、早不早、便不便宜等概念。西施是我国古代公认的美女，但有道是“情人眼里出西施”，即便是相貌平平，可是在情人的眼里相貌可以与西施媲美。可见“美”与“不美”，是没有精确界限的。第二类概念，就是模糊数学研究的范畴。

模糊数学论文及代码实现方法的研究现状

哈哈，数学一个分支，太有用了，天文上

模糊数学是数学中的一门新兴学科，其前途未可限量。1965年，《模糊集合》的论文发表了。作者是著名控制论专家、美国加利福尼亚州立大学的扎德（LAZadeh）教授。康托的集合论已成为现代数学的基础，如今有人要修改集合的概念，当然是一件破天荒的事。扎德的模糊集的概念奠定了模糊性理论的基础。这一理论由于在处理复杂系统特别是有人干预的系统方面的简捷与有力，某种程度上弥补了经典数学与统计数学的不足，迅速受到广泛的重视。近40年来，这个领域从理论到应用，从软技术到硬技术都取得了丰硕成果，对相关领域和技术特别是一些高新技术的发展产生了日益显著的影响。有一个古老的希腊悖论，是这样说的：“一粒种子肯定不叫一堆，两粒也不是，三粒也不是……另一方面，所有的人都同意，一亿粒种子肯定叫一堆。那么，适当的界限在哪里？我们能不能说，123585粒种子不叫一堆而123586粒就构成一堆？”确实，“一粒”和“一堆”是有区别的两个概念。但是，它们的区别是逐渐的，而不是突变的，两者之间并不存在明确的界限。换句话说，“一堆”这个概念带有某种程度的模糊性。类似的概念，如“年老”、“高个子”、“年轻人”、“很大”、“聪明”、“漂亮的人”、“价廉物美”等等，不胜枚举。经典集合论中，在确定一个元素是否属于某集合时，只能有两种回答：“是”或者“不是”。我们可以用两个值0或1加以描述，属于集合的元素用1表示，不属于集合的元素用0表示。然而上面提到的“年老”、“高个子”、“年轻人”、“很大”、“聪明”、“漂亮的人”、“价廉物美” 等情况要复杂得多。假如规定身高8米算属于高个子范围，那么，79米的算不算？照经典集合论的观点看：不算。但这似乎很有些悖于情理。如果用一个圆，以圆内和圆周上的点表示集A，而且圆外的点表示不属于A。A的边界显然是圆周。这是经典集合的图示。现在，设想将高个子的集合用图表示，则它的边界将是模糊的，即可变。因为一个元素（例如身高75米的人）虽然不是100%的高个子，却还算比较高，在某种程度上属于高个子集合。这时一个元素是否属于集合，不能光用0和1两个数字表示，而可以取0和1之间的任何实数。例如对75米的身高，可以说具有70%属于高个子集合的程度。这样做似乎罗嗦，但却比较合乎实际。精确和模糊，是一对矛盾。根据不同情况有时要求精确，有时要求模糊。比如打仗，指挥员下达命令：“拂晓发起总攻。”这就乱套了。这时，一定要求精确：“×月×日清晨六时正发起总攻。”我们在一些旧电影中还能看到各个阵地的指挥员在接受命令前对对表的镜头，生怕出个半分十秒的误差。但是，物极必反。如果事事要求精确，人们就简直无法顺利的交流思想——两人见面，问：“你好吗？”可是，什么叫“好”，又有谁能给“好”下个精确的定义？有些现象本质上就是模糊的，如果硬要使之精确，自然难以符合实际。例如，考核学生成绩，规定满60分为合格。但是，59分和60分之间究竟有多大差异，仅据1分之差来区别及格和不及格，其根据是不充分的。不仅普遍存在着边界模糊的集合，就是人类的思维，也带有模糊的特色。有些现象是精确的，但是，适当的模糊化可能使问题得到简化，灵活性大为提高。例如，在地里摘玉米，若要找一个最大的，那很麻烦，而且近乎迂腐。我们必须把玉米地里所有的玉米都测量一下，再加以比较才能确定。它的工作量跟玉米地面积成正比。土地面积越大，工作越困难。然而，只要稍为改变一下问题的提法：不要求找最大的玉米，而是找比较大的，即按通常的说法，到地里摘个大玉米。这时，问题从精确变成了模糊，但同时也从不必要的复杂变成意外的简单，挑不多的几个就可以满足要求。工作量甚至跟土地无关。因此，过分的精确实际成了迂腐，适当的模糊反而灵活。显然，玉米的大小，取决于它的长度、体积和重量 。大小虽是模糊概念，但长度、体积、重量等在理论上都可以是精确的。然而，人们在实际判断玉米大小时，通常并不需要测定这些精确值。同样，模糊的“堆”的概念是建立在精确的“粒”的基础上，而人们在判断眼前的东西叫不叫一堆时，从来不用去数“粒”。有时，人们把模糊性看成一种物理现象。近的东西看得清，远的东西看不清，一般的说，越远越模糊。但是，也有例外的情况：站在海边，海岸线是模糊的；从高空向下眺望，海岸线却显得十分清晰。太高了，又模糊。精确与模糊，有本质区别，但又有内在联系，两者相互矛盾、相互依存也可相互转化。所以，精确性的另一半是模糊。对模糊性的讨论，可以追溯得很早。20世纪的大哲学家罗素（BRussel）在1923年一篇题为《含糊性》（Vagueness）的论文里专门论述过我们今天称之为“模糊性”的问题（严格地说，两者梢有区

你说的是啥？请说明白点，行不？

模糊数学论文及代码实现方法的研究背景

二十世纪六十年代，产生了模糊数学这门新兴学科。 模糊数学的产生 现代数学是建立在集合论的基础上。集合论的重要意义就一个侧面看，在与它把数学的抽象能力延伸到人类认识过程的深处。一组对象确定一组属性，人们可以通过说明属性来说明概念（内涵），也可以通过指明对象来说明它。符合概念的那些对象的全体叫做这个概念的外延，外延其实就是集合。从这个意义上讲，集合可以表现概念，而集合论中的关系和运算又可以表现判断和推理，一切现实的理论系统都一可能纳入集合描述的数学框架。 但是，数学的发展也是阶段性的。经典集合论只能把自己的表现力限制在那些有明确外延的概念和事物上，它明确地限定：每个集合都必须由明确的元素构成，元素对集合的隶属关系必须是明确的，决不能模棱两可。对于那些外延不分明的概念和事物，经典集合论是暂时不去反映的，属于待发展的范畴。 在较长时间里，精确数学及随机数学在描述自然界多种事物的运动规律中，获得显著效果。但是，在客观世界中还普遍存在着大量的模糊现象。以前人们回避它，但是，由于现代科技所面对的系统日益复杂，模糊性总是伴随着复杂性出现。 各门学科，尤其是人文、社会学科及其它“软科学”的数学化、定量化趋向把模糊性的数学处理问题推向中心地位。更重要的是，随着电子计算机、控制论、系统科学的迅速发展，要使计算机能像人脑那样对复杂事物具有识别能力，就必须研究和处理模糊性。 我们研究人类系统的行为，或者处理可与人类系统行为相比拟的复杂系统，如航天系统、人脑系统、社会系统等，参数和变量甚多，各种因素相互交错，系统很复杂，它的模糊性也很明显。从认识方面说，模糊性是指概念外延的不确定性，从而造成判断的不确定性。 在日常生活中，经常遇到许多模糊事物，没有分明的数量界限，要使用一些模糊的词句来形容、描述。比如，比较年轻、高个、大胖子、好、漂亮、善、热、远……。在人们的工作经验中，往往也有许多模糊的东西。例如，要确定一炉钢水是否已经炼好，除了要知道钢水的温度、成分比例和冶炼时间等精确信息外，还需要参考钢水颜色、沸腾情况等模糊信息。因此，除了很早就有涉及误差的计算数学之外，还需要模糊数学。 人与计算机相比，一般来说，人脑具有处理模糊信息的能力，善于判断和处理模糊现象。但计算机对模糊现象识别能力较差，为了提高计算机识别模糊现象的能力，就需要把人们常用的模糊语言设计成机器能接受的指令和程序，以便机器能像人脑那样简洁灵活的做出相应的判断，从而提高自动识别和控制模糊现象的效率。这样，就需要寻找一种描述和加工模糊信息的数学工具，这就推动数学家深入研究模糊数学。所以，模糊数学的产生是有其科学技术与数学发展的必然性。 模糊数学的研究内容 1965年，美国控制论专家、数学家查德发表了论文《模糊集合》，标志着模糊数学这门学科的诞生。 模糊数学的研究内容主要有以下三个方面： 第一，研究模糊数学的理论，以及它和精确数学、随机数学的关系。察德以精确数学集合论为基础，并考虑到对数学的集合概念进行修改和推广。他提出用“模糊集合”作为表现模糊事物的数学模型。并在“模糊集合”上逐步建立运算、变换规律，开展有关的理论研究，就有可能构造出研究现实世界中的大量模糊的数学基础，能够对看来相当复杂的模糊系统进行定量的描述和处理的数学方法。 在模糊集合中，给定范围内元素对它的隶属关系不一定只有“是”或“否”两种情况，而是用介于0和1之间的实数来表示隶属程度，还存在中间过渡状态。比如“老人”是个模糊概念，70岁的肯定属于老人，它的从属程度是 1，40岁的人肯定不算老人，它的从属程度为 0，按照查德给出的公式，55岁属于“老”的程度为5，即“半老”，60岁属于“老”的程度8。查德认为，指明各个元素的隶属集合，就等于指定了一个集合。当隶属于0和1之间值时，就是模糊集合。 第二，研究模糊语言学和模糊逻辑。人类自然语言具有模糊性，人们经常接受模糊语言与模糊信息，并能做出正确的识别和判断。 为了实现用自然语言跟计算机进行直接对话，就必须把人类的语言和思维过程提炼成数学模型，才能给计算机输入指令，建立和是的模糊数学模型，这是运用数学方法的关键。查德采用模糊集合理论来建立模糊语言的数学模型，使人类语言数量化、形式化。 如果我们把合乎语法的标准句子的从属函数值定为1，那么，其他文法稍有错误，但尚能表达相仿的思想的句子，就可以用以0到1之间的连续数来表征它从属于“正确句子”的隶属程度。这样，就把模糊语言进行定量描述，并定出一套运算、变换规则。目前，模糊语言还很不成熟，语言学家正在深入研究。 人们的思维活动常常要求概念的确定性和精确性，采用形式逻辑的排中律，既非真既假，然后进行判断和推理，得出结论。现有的计算机都是建立在二值逻辑基础上的，它在处理客观事物的确定性方面，发挥了巨大的作用，但是却不具备处理事物和概念的不确定性或模糊性的能力。 为了使计算机能够模拟人脑高级智能的特点，就必须把计算机转到多值逻辑基础上，研究模糊逻辑。目前，模糊罗基还很不成熟，尚需继续研究。 第三，研究模糊数学的应用。模糊数学是以不确定性的事物为其研究对象的。模糊集合的出现是数学适应描述复杂事物的需要，查德的功绩在于用模糊集合的理论找到解决模糊性对象加以确切化，从而使研究确定性对象的数学与不确定性对象的数学沟通起来，过去精确数学、随机数学描述感到不足之处，就能得到弥补。在模糊数学中，目前已有模糊拓扑学、模糊群论、模糊图论、模糊概率、模糊语言学、模糊逻辑学等分支。 模糊数学的应用 模糊数学是一门新兴学科，它已初步应用于模糊控制、模糊识别、模糊聚类分析、模糊决策、模糊评判、系统理论、信息检索、医学、生物学等各个方面。在气象、结构力学、控制、心理学等方面已有具体的研究成果。然而模糊数学最重要的应用领域是计算机职能，不少人认为它与新一代计算机的研制有密切的联系。 目前，世界上发达国家正积极研究、试制具有智能化的模糊计算机，1986年日本山川烈博士首次试制成功模糊推理机，它的推理速度是1000万次/秒。1988年，我国汪培庄教授指导的几位博士也研制成功一台模糊推理机——分立元件样机，它的推理速度为1500万次/秒。这表明我国在突破模糊信息处理难关方面迈出了重要的一步。 模糊数学还远没有成熟，对它也还存在着不同的意见和看法，有待实践去检验。

模糊就是不明确的意思

模糊数学是研究现实中许多界限不分明问题的一种数学工具，其基本概念之一是模糊集合。利用模糊数学和模糊逻辑，能很好地处理各种模糊问题。 模式识别是计算机应用的重要领域之一。人脑能在很低的准确性下有效地处理复杂问题。如计算机使用模糊数学，便能大大提高模式识别能力，可模拟人类神经系统的活动。在工业控制领域中，应用模糊数学，可使空调器的温度控制更为合理，洗衣机可节电、节水、提高效率。在现代社会的大系统管理中，运用模糊数学的方法，有可能形成更加有效的决策。 模糊数学这种相当新的数学方法和思想方法，虽有待于不断完善，但其应用前景却非常广阔。

灰色模型:灰色系统是既含有已知信息，又含有未知信息或非确知信息的系统，这样的系统普遍存在。研究灰色系统的重要内容之一是如何从一个不甚明确的、整体信息不足的系统中抽象并建立起一个模型，该模型能使灰色系统的因素由不明确到明确，由知之甚少发展到知之较多提供研究基础。灰色系统理论是控制论的观点和方法延伸到社会、经济领域的产物，也是自动控制科学与运筹学数学方法相结合的结果。模糊性数学是一门新兴学科，它已初步应用于模糊控制、模糊识别、模糊聚类分析、模糊决策、模糊评判、系统理论、信息检索、医学、生物学等各个方面。不过应用现在不多。神经网络：现在还是用神经网络的多，但神经网络的权重设计比较麻烦，用MATLAB做神经网络比较常见。在环境预测方面还是用神经网络吧，只要权值设计合适，精度相比应该比较高。

模糊数学论文及代码实现方法设计

摘要：为了制定出切实可行的贫困生认定标准和助学金分配方案，本课题将运用模糊数学法和综合评定法建立了贫困生判定体系，提出一个既公平又明确的贫困生认定方法；再综合考虑了学生、院校类型等因素，建立贫困生助学金分配模型，合理地解决贫困生助学金分配问题。 关键词：助学金；模糊数学法；综合评定法；层次分析法；多元线性回归 Abstract：In order to formulate feasible impoverished fresh determinationstandards and grant allocation scheme， the subject will use the fuzzymathematics method and the comprehensive evaluation method to establish thesystem of poor students， this paper puts forward a judge is fair and clearformation at affirming methods; Again considering the students， colleges typesand other factors， establish formation at grants distribution model， reasonablesolution impoverished grant allocation Keywords：Grants; Fuzzy mathematical method; Comprehensive evaluation method;Analytic hierarchy process; Analytic hierarchy process; Multivariate linear regression 目录 模型背景 （1） 问题提出 （1） 问题分析 （1） 基本假设及定义 （1） 变量及符号说明 （2） 模型的建立及求解 （3）1 问题一：贫困生的认定 （3）2 问题二：国家分配助学金至学校模型 （7）3 问题三：助学金分配到贫困生 （16） 模型评价 （18）1 模型优点 （18）2 模型缺点 （18）参考文献 （19）致谢 （20） 高校贫困生助学金的分配模型 模型背景 我国现行的贫困生助学金分配政策存在不完善的地方，在一定程度上导致了助学金分配的不公平性。如，在贫困生的评定工作中，缺乏明确的标准，导致了贫困生评定工作中的不合理。再如，国家在给予各地贫困生发放助学金时，未考虑到各地学生的情况的差异性，而笼统地发放相同的金额，缺乏合理性。为了完善贫困生资助体系，综合考虑了学生、院校以及所属地域等各项因素，建立了贫困生助学金分配模型。 问题提出为了制定出合理的贫困生分配方案，需要解决一下三个问题：（1）提出一个明确的贫困生认定体系。（2）根据学院的类型、所处的地域等因素，建立国家将助学金分配到学校的模型。（3）学校根据各自院校贫困生的情况进行调整，将助学金合理分配到每个贫困生。 问题分析（1）针对问题（1），选取学生的贫困程度、消费情况、学习情况、品德素质作为主要评定因素，运用“模糊数学法”和“综合评定法”确定贫困生的人数。（2）针对问题（2），首先，考虑到不同地域的经济发展水平不同，导致不同地区的人均消费水平存在差异，因此，将地域列为评定因素。其次，对于不同类型的学校，国家的资助率不同，因此，将学院类型列为评定因素。（3）针对问题（3），考虑到国家助学金有等级之分，各个等级金额不同，分别为一等3000元，二等2000元，三等1000元。综合问题（1），采用线性回归的方法求出以贫困程度、消费情况、学习情况以及品德素质为自变量，建立关于等级资助金额的函数关系。 基本假设及定义定义一：仿照经济学思想，定义学校中的恩格尔系数=定义贫困因子。（为月总生活费用，为月饮食消费费用）假设一：假设参加给贫困生打分的学生及老师都是公正的，因为用打分法确定贫困生是合理的。假设二：假设在综合评价模型中，为考察一学生的贫困程度，消费情况，学习情况和品德素质而选取的考察时段和考察项目是具有代表性的。假设三：假设学生每月从银行卡中提取的金额就为该生当月的生活消费金额假设四：假设学生每月在饮食上的费用全都用饭卡支付 变量及符号说明：贫困程度的评价因素：消费情况的评价因素：学习情况的评价因素：品得素质的评价因素：作为评价因素的等级标记：四种评价因素之间的权重：贫困程度中家庭月收入，家庭月支出和学生专业费用这些子因素之间的权重：消费程度中饮食节俭程度和穿着节俭程度之间的权重：学习情况中专业考试成绩和竞赛成绩之间的权重：品德素质中对尊师爱友以及是否受过处分之间的权重：因素着眼于该学生是否能被评定为贫困生的对决策等级的隶属度：的单因素评判：某贫困生该月消费的总金额：某贫困生该月饭卡消费的总金额：大学生月消费平均金额：恩格尔系数=：贫困因子：节俭因子：学习因子：德育因子：贫困生评价指标：第i类学校的生均平均生活费用：每一类院校设定了资助比率n：各院校的贫困生人数w：各院校的学费：根据学校的类别划分，属于第i类院校的学校数目T：所有院校希望获得的总资助金额：国家计划投放的总助学金金额e：国家基于财政计划和所有院校的助学金期望值所决定的资助率t：每所院校获得的助学金金额s：在调查中，同学和老师认为该生应获得的贫困生资助金额 模型的建立及求解1 问题一：贫困生的认定由于一名学生在一个学校内是否为贫困生实际上是一个相对的概念，对于这种模糊概念可以采取模糊数学法和综合评价法，考虑多种因素的影响，得出一个较为合理的决策。1 模糊数学法（1）确定评价因素选取贫困程度、消费情况，学习情况和品德素质作为综合评价对象的4种评价因素，分别设为，，，。考虑到这四方面的广泛性，运用层次分析法做出更加详细的考虑，建立如图所示的贫困生评价体系：图1 贫困生综合评价体系图（2）确定评价等级 将每一种因素的评价等级设定为“优，良，中，差”四等，分别记为，，，；（3）各个指标值权重 通过文献查询，获得各个指标值权重，分别为：①四种评价因素之间的权重A =（4，25，15，2）②贫困程度中家庭月收入和家庭月支出之间的权重=（4，6）③消费情况中饮食节俭和衣着节俭之间的权重=（4，6）④学习情况中专业学习和非专业学习之间的权重=（8，2）⑤品德素质中尊师爱友和是否受过处分之间的权重=（4，6）（4）进行一级评判，对每个子评价因素进行综合评判为保证评价结果的可靠性和有效性，可以设计贫困生申请助学金的评价表，让学生所在学院老师和同学进行打分评价，表格如下：表1 ＿＿＿＿＿＿＿＿申请助学金的评价表评价因素 评价等级贫困程度消费情况学习情况品德素质家庭月收入家庭月支出饮食节俭衣着节俭专业学习非专业学习尊师爱友是否受过处分优 良 中 差 您认为该生应获得助学金额（s）＿＿＿＿＿＿＿＿＿＿＿＿通过以上评定表格所获得的信息，可以确定因素着眼于该学生是否能被评定为贫困生的对决策等级的隶属度：=对评价为的人数/参加评价的总人数从而确定的单因素评价集合：=综合4个评价因素所对应的评价集合，组合成一个总的评价矩阵：（5）进行二级评判，得出结论将每个子因素集看作一个整体因素，用作为它的单因素评判，建立由评估因素集U到评语集V的模糊映射。将所得的B归一化之后，按最大隶属原则可得：取经过大家评定后等级为中以上学生为有资格获得助学金的贫困生。2 综合分析法将学生的贫困程度、消费情况、学习情况以及品德素质作为评定因子。（1）假设学生每月从银行卡中提取的金额为该月的总消费金额，而每月饭卡上消费的金额为。利用恩格尔系数=定义贫困因子。若每月饭卡上的消费金额不少于该月总消费金额的50%，则认为该生贫困；若每月饭卡上的消费金额多于该月总消费金额的50%，则认为该生不贫困。（2）假设大学生月消费平均金额为，定义节俭因子若学生每月总消费金额不多于大学生月消费平均金额，则认为该生相对节俭；若学生每月总消费金额多于大学生月消费平均金额，则认为该生相对不节俭。（3）假设学习情况主要体现在学习成绩的排名以及是否进步，定义学习因子。将分为A、B两部分，一方面，若学生各门课程均及格或排名位于总体前2/3，则认为该生学习认真，否则不认真；另一方面，若学生进步了h名以上（h为总体人数的10%），则认为该生学习认真，否则不认真。将两者运用“或”算子，只要该生成绩优良或者取得一定的进步，便认为该生学习认真。令（4）假设德育情况主要体现在档案中是否有处分、警告或批评的记录，定义德育因子。综合考虑贫困程度、消费情况、学习情况以及品德素质，采用“与”算子，令=为贫困生资格评定的指标。若>0，则认为该生具有获得国家助学金的资格；若=0，则认为该生为非贫困生。2 问题二：国家分配助学金至学校模型国家教育部根据不同学校的属性，将助学金总额分配到各学校。其中，各学校所得的助学金总金额受各学校的地域、类型以及国家资助力度的共同影响。1 地域因素分析（1）依据各城市的社会消费品零售总额、国内生产总值等各因素，把我国城市分类，依次为A类（上海、北京等）、B类（重庆、天津等）、C类（汕头、中山等）、D类（佛山、三亚等）、E类（肇庆、嘉兴等）。（2）将每一类地域的人均基本生活消费作为该地读书学生的月平均生活费用。第A类：67第B类：71第C类：83第D类：62第E类：2高校类型和国家资助力度分析我国高等院校根据学院类型，可分为普通本科院校、211院校、省部共建院校、985院校。根据由不同类别的院校培养出来的学生的回报率，确定国家对不同院校学生的资助率。1 问题分析国家拨款给各类院校助学金是期望得到高收益，考虑到各类院校大学生的产出效益由多方面的因素决定，主要包括政治效益、经济效益、文化效益、科技效益、道德效益，而且这些因素有大有小，在作比较、判断、评价、决策时，这些因素的重要性、影响力或者有限程度往往难以量化，人的主观选择会起着相当重要的作用，无法较客观地出各院校大学生的产出比，因此可以运用层次分析法，建立层次结构模型。2 建立层级结构模型将决策问题分解为3个层次，最上层为目标层，即院校产出效益；最下层为方案层，有普通院校、211院校、省部共建院校以及、985院校共4个方案供选择；中间层为准则层，有政治效益、经济效益、文化效益、科技效益、道德效益共5个准则，各层间的联系用直线表示。如下图：图2 院校产出效益的层次结构3 构造成对比较矩阵（1）准则层对目标层的成对比较矩阵：（2）方案层对准则层的每一个准则的成对比较矩阵：①对政治效益：②对经济效益③对文化效益④对科技效益⑤对道德效益4 计算权向量并做一致性检验（1）对计算权向量并做一致性检验①在MATLAB软件中输入如下程序代码：=[1 2 1/4 1/3 31/2 1 1/5 1/4 24 5 1 5/3 63 4 3/5 1 51/3 1/2 1/6 1/5 1][V，D]=eig()其运算结果为V =-2363 -1775 + 2010i -1775 - 2010i 0669 - 2307i 0669 + 2307i-1482 -1351 - 0393i -1351 + 0393i 0377 + 1773i 0377 - 1773i-7801 7970 7970 7033 7033 -5517 3437 + 3746i 3437 - 3746i -5667 + 2952i -5667 - 2952i-0963 0021 - 1205i 0021 + 1205i -0401 - 0702i -0401 + 0702iD =0811 0 0 0 0 0 -0040 + 6386i 0 0 0 0 0 -0040- 6386i 0 0 0 0 0 -0366 + 0491i 0 0 0 0 0 -0366 - 0491i②从上述计算结果可知：=0811CI==020275RI=12CR=CI/RI=018<1则的一致性检验通过权向量：（1304，0818，4304，3044，0531）（2）对计算权向量并做一致性检验①在MATLAB软件中输入如下程序代码：=[1 2 3/5 4/71/2 1 1/5 1/45/3 5 1 5/47/4 4 4/5 1][V，D]=eig()其运算结果为V = 3556 -1588 - 4241i -1588+ 4241i -0000 1550 -1088 + 1130i -1088- 1130i -1658 7014 8307 8307 -3317 5980 -0229 + 2824i -0229- 2824i 9287 D = 0161 0 0 0 0 -0080 + 2538i 0 0 0 0 -0080 - 2538i 0 0 0 0 0000 ②从上述计算结果可知：=0161CI==0053667RI=90CR=CI/RI=00596297<1则的一致性检验通过权向量：（1965，0856，3875，3304）（3）对计算权向量并做一致性检验①在MATLAB软件中输入如下程序代码：=[1 5 4/5 5/6 1/5 1 1/6 1/5 5/4 6 1 8/7 6/5 5 7/8 1][V，D]=eig()其运算结果为V = 5063 -2687 + 5876i -2687 - 5876i 1987 1071 -0647 - 1049i -0647+ 1049i 0814 6406 -1054 - 1160i -1054+ 1160i -9575 5673 7368 7368 1924 D = 0029 0 0 0 0 -0018 + 1072i 0 0 0 0 -0018 - 1072i 0 0 0 0 0007 ②从上述计算结果可知：=0029CI==00096667RI=90CR=CI/RI=00107408<1则的一致性检验通过权向量：(2780，0588，3517，3115)（4）对计算权向量并做一致性检验①在MATLAB软件中输入如下程序代码：=[1 3/5 4/5 1/2 5/3 1 5/4 6/7 5/4 4/5 1 4/7 2 7/6 7/4 1][V，D]=eig()其运算结果为V = -3260 6718 -0002 - 0756i -0002 + 0756i -5388 -5391 -3250 - 4241i -3250+ 4241i -4053 -1277 -1890 + 4127i -1890- 4127i -6627 -4916 7091 7091 D = 0029 0 0 0 0 0006 0 0 0 0 -0018 + 1076i 0 0 0 0 -0018 - 1076i②从上述计算结果可知：=0029CI==00096667RI=90CR=CI/RI=00107408<1则的一致性检验通过权向量：（1687，2788，2097，3429）（5）对计算权向量并做一致性检验①在MATLAB软件中输入如下程序代码：=[1 1/5 7/6 1/7 5 1 6 5/7 6/7 1/6 1 1/8 7 7/5 8 1][V，D]=eig()其运算结果为V = -1150 -2152 -0282 - 0361i -0282 + 0361i -5792 4612 4388 - 4335i 4388 + 4335i -0984 -0000 0451 + 1045i 0451- 1045i -8010 8608 -7775 -7775 D = 0002 0 0 0 0 0000 0 0 0 0 -0001 + 0300i 0 0 0 0 -0001 - 0300i②从上述计算结果可知：=0002 CI==00006667RI=90CR=CI/RI=00007408<1则的一致性检验通过权向量：（0722，3635，0617，5026）（6）对计算权向量并做一致性检验①在MATLAB软件中输入如下程序代码：=[1 3 3/5 4 1/3 1 2/7 7/3 5/3 7/2 1 5 1/4 3/7 1/5 1][V，D]=eig()其运算结果为V = -5562 -1546 - 5855i -1546 + 5855i 5468 -2342 2985 - 0307i 2985 + 0307i -1342 -7866 -7209 -7209 -8223 -1302 -0125 + 1532i -0125 - 1532i 0822 D = 0480 0 0 0 0 -0055 + 4402i 0 0 0 0 -0055 - 4402i 0 0 0 0 -0371 ②从上述计算结果可知：=0480CI==016RI=90CR=CI/RI=01777778<1则的一致性检验通过权向量：（3258，1372，4608，0763）5 计算组合权向量并做一致性检验 对总目标的权值为：1304*1965+0818*2780+4304*1687+3044*0722+0531*3258=16025 对总目标的权值为：1304*0856+0818*0588+4304*2788+3044*3635+0531*1372=253902 对总目标的权值为：1304*3875+0818*3517+4304*2097+3044*0617+0531*4608=212804 对总目标的权值为：1304*3304+0818*3115+4304*3429+3044*5026+0531*0763=373192决策层对总目标的权向量为：（16025，253902，212804，373192） =00229427<1故层组合权向量通过一致性检验。因此，（16025，253902，212804，373192）可作为最后的决策依据。即各方案的权重排序为：>>>。根据投入产出法，国家期望投入给各院校的助学金能够得到相应的回报值，因此，由上述四类院校的效益可知，这四类院校的期望值回报比为：985院校：211院校：省部共建院校：普通高校=373：254：213：由于假设国家会根据各类院校的回报率来投放助学金，因此可以把上述所得的回报率比作为国家对各类院校的资助率比，即： ： ： =373：254：213：3 各院校所得助学金分析假设每所学校的贫困生人数n，每一类学校的院校个数，分别记为：。再结合所得的相对期望值，可以得到所有院校希望获得的总资助金额T:假设国家该年计划拨放的总资助金额为，可以得到全国平均的资助率为e:因此各院校应获得的助学金为：3 问题三：助学金分配到贫困生根据助学金等级，采用多元线性回归的方法求出以贫困程度、消费情况、学习情况以及品德素质为自变量，建立关于理想资助金等级的函数关系。1 模型背景将贫困程度、消费情况、学习情况以及品德素质分为优、良、中、差四个等级，给予3、2、1、0的打分，得分为10-12，可获得一等助学金3000元，得分为7-9可获得二等助学金2000元，得分为4-6可获得三等助学金1000元，假设某校贫困生获得助学金金额与贫困程度、消费情况、学习情况以及品德素质四个因素的联系，如下表：表2 助学金额与各影响因素表助学金金额（元） 贫困程度 消费情况 学习情况 品德素质 3000 3 3 3 3 3000 3 2 2 3 2000 2 3 1 2 2000 3 2 1 1 2000 1 3 2 2 1000 1 2 1 1 1000 1 1 1 1 1000 2 1 1 2 2000 3 1 3 2 3000 3 3 3 2 2 问题的分析及模型的建立首先，对该问题作以下假设：设助学金金额为研究指标Y，贫困程度、消费情况、学习情况以及品德素质分别为自变量、、、。Y与自变量、、、成线性函数关系。Y是随机变量，服从均值为零的正态分布，所以可以建立多元线性回归模型3 模型求解在MATLAB软件中的实现在MATLAB软件中求解该模型的程序代码如下：x=[3000 3 3 3 3 3000 2 2 2 32000 2 3 1 22000 3 2 1 12000 1 3 2 21000 1 2 1 11000 1 1 1 1 1000 2 1 1 22000 3 1 3 13000 3 3 3 2]；X=[ones(size(x(:，1)))，x(:，2:5)]；Y=x(:，1)；[b，bint，r，rint，stats]=regress(Y，X，05)b，bint，stats其运算结果为b=-2253 0511 9779 2415 4610bint= -5724 7859 -1713 7874 -1736 7435 -2080 7765 -1750 8820stats= 0000 0001 0000 5857从上述计算结果可知：回归方程：Y=-2253+0511*+9779*+2415*+4610*因此，可以得到理想助学金等级与贫困程度、消费情况、学习情况以及品德素质的函数关系式为：Y=-2253+0511*+9779*+2415*+4610* 模型评价1 模型优点：运用了层次分析法和模糊综合评价法的集成，在模糊的环境下，考虑了多种因素的影响，给予判定因素做了综合的评价。（2）通过量化的思想将各种模糊的评定因素化为简单的0-1变量，建立了贫困生的综合评价模型。（3）运用了多元线性回归的方法，建立关于理想资助金等级的函数关系。2 模型缺点：（1）尽管是查阅了多份文献资料下确定了各项的权值，但仍存在一定误差。（2）采用问卷调查的方式来确定贫困生的人选，但不可避免填写调查表中存在的主观性。参考文献[1] 杨得利，熊志忠高校贫困生认定方法研究[J]煤炭高等教育9月第5期：63-[2] 周国平民办高校贫困生资助研究[J]浙江树人大学学报第6期：12-17[3] 田军鹏对高校贫困生认定工作的几点思考[J]科技信息(学术研究，第4期)[4] 林良夫，吕澜，费英勤高校贫困生助学策略管见[J]教育发展研究，第24卷第3期[5] 姜启源，谢金星，叶俊《数学模型（第三版）》[M]北京高等教育出版社2003：224-244；294-302[6] 王立波《数学建模及其基础知识详解》[M]武汉武汉大学出版社5：175-178[7] 费培之《数学模型实用教程》[M]程度四川大学出版社1998：87-94[8] 李鸿吉《模糊数学基础及实用算法》[M]北京科学出版社2005：1-148；208-351[9] 谢季坚，刘承平《模糊数学方法及其应用(第二版)》[M]武汉华中理工大学出版社2000：1-254

模式识别§2-1模式识别及识别的直接方法在日常生活中生活中，经常需要进行各种判断、预测。如图象文字识别、故障（疾病）的诊断、矿藏情况的判断等，其特点就是在已知各种标准类型前提下，判断识别对象属于哪个类型的问题。这样的问题就是模式识别。一、模糊模式识别的一般步骤 模式识别的问题，在模糊数学形成之前就已经存在，传统的作法主要用统计方法或语言的方法进行识别。但在多数情况下，标准类型常可用模糊集表示，用模糊数学的方法进行识别是更为合理可行的，以模糊数学为基础的模式识别方法称为模糊模式识别。 模式识别主要包括三个步骤： 第一步：提取特征，首先需要从识别对象中提取与识别有关的特征，并度量这些特征，设 分别为每个特征的度量值，于是每个识别对象 就对应一个向量 ，这一步是识别的关键，特征提取不合理，会影响识别效果。 第二步：建立标准类型的隶属函数，标准类型通常是论域 的模糊集， 是识别对象的第 个特征。 第三步：建立识别判决准则，确定某些归属原则，以判定识别对象属于哪一个标准类型。常用的判决准则有最大隶属度原则（直接法）和择近原则（间接法）两种。 二、最大的隶属度原则 若标准类型是一些表示模糊概念的模糊集，待识别对象是论域中的某一元素（个体）时，往往由于识别对象不绝对地属于某类标准类型，因而隶属度不为1，这类问题人们常常是采用称为“最大隶属度原则”的方法加以识别，这种方法（以及下面的“阈值原则”）是处理个体识别问题的，称为直接法。 最大隶属度原则：设 是 个标准类型， ，若 则认为 相对隶属于 所代表的类型。例1 通货膨胀识别问题通货膨胀状态可分成五个类型:通货稳定;轻度通货膨胀;中度通货膨胀;重度通货膨胀;恶性通货膨胀以上五个类型依次用 (非负实数域，下同)上的模糊集 表示，其隶属函数分别为:其中对 ，表示物价上涨 。问 时，分别相对隶属于哪种类型？解 ， ， ， ， 由最大隶属原则， 应相对隶属于 ，即当物价上涨 时，应视为轻度通货膨胀； ，应相对隶属于 ，即当物价上涨 时，应视为恶性通货膨胀。三、阈值原则 在使用最大隶属度原则进行识别中，还会出现以下两种情况，其一是有时待识别对象 关于模糊集 中每一个隶属程度都相对较低，这时说明模糊集合 对元素 不能识别；其二是有时待识别对象 关于模糊集 中若干个的隶属程度都相对较高，这时还可以缩小 的识别范围，关于这两种情况有如下阈值原则。阈值原则： 是 个标准类型， 为一阈值（置信水平）令 若 则不能识别，应查找原因另作分析。若d且有 ， … 则判决 相对地属于 例2 三角形识别问题我们把三角形分成等腰三角形 ，直角三角形 ， 正三角形 ，非典型三角形 ，这四个标准类型，取定论域 这里 是三角形三个内角的度数，通过分析建立这四类三角形的隶属函数为：现给定， ， 对上述四个标准类型的隶属度为： 由于 关于 ， 的隶属程度都相对高，故采用阈值原则，取 ，因 ， ，按阈值原则， 相对属于 ∩ ，即 可识别为等腰直角三角形。例3 癌细胞识别在癌细胞识别问题中细胞分成四个标准类型，即：癌细胞 ，重度核异质细胞 ，轻度核异质细胞 ，正常细胞 选取表征细胞状况的七个特征： 根据病理知识，反映细胞是否癌变的主要指标有以下六个，它们都是 上的模糊集： 上述 是适当选取的常数细胞识别中的几个标准类型分别定义为： 上述定义中的模糊集 的隶属函数为 。另两个模糊集 、 的隶属函数类似定义。给定待识别细胞 ，设 的核面积等七个特征值为 据此可算出 、 、 、 ，最后按最大隶属度原则识别。例4 冬季降雪量预报内蒙古丰镇地区流行三条谚语：（1）夏热冬雪大，（2）秋霜晚冬雪大，（3）秋分刮西北风冬雪大，现在根据三条谚语来预报丰镇地区冬季降雪量。为描述“夏热” 、秋霜晚 、秋分刮西北风 等概念，在气象现象中提取以下特征： ：当年6~7月平均气温 ：当年秋季初霜日期 ：当年秋分日的风向与正西方向的夹角。于是模糊集 （夏热）， （秋霜晚）、 （秋分刮西北风）的隶属函数可分别定义为： 其中 是丰镇地区若干年6、7月份气温的平均值， 为方差，实际预报时取 = =98 其中 是若干年秋季初霜日的平均值， 是经验参数，实际预报时取 =17（即9月17日）， =10（即9月10日）。取论域 ，“冬雪大”可以表示为论域 上的模糊集 ，其隶属函数为： ∧ ∨ 采用阈值原则，取阈值 ，测定当年气候因子 。计算 ，若 则预报当年冬季“多雪”，否则预报“少雪”。用这一方法对丰镇1959~1970年间隔12年作了预报，除1965年以外均报对，历史拟合率为11/12。§2-2 贴近度与模式识别的间接方法 一、贴近度 表示两个模糊集接近程度的数量指标，称为贴近度，其严格的数学定义如下： 定义1 设映射 : 满足下列条件：(1) ， (2) ， (3) 若 满足 有 则称映射 为 上的贴近度，称 为 与 的贴近度。贴近度的具体形式较多，以下介绍几种常见的贴近度公式 （1） Hamming 贴近度 或 （2）Euclid贴近度 或 （3）格贴近度定义7 映射 ⊙ ，（或= ⊙ ）称为格贴近度，称 为 与 格贴近度。其中， (称为 与 的内积) ⊙ (称为 与 的外积)若 ，则 ⊙ 值得注意的是，这里的格贴近度是通过定义来规定的，事实上，格贴近度不满足定义1中(1)，即 ，但是，当 时，格贴近度满足定义1的(1)-(3)。另外格贴近度的计算很方便，且用于表示相同类型模糊度的贴近度比较有效，所以在实际应用中也常选用格贴近度来反映模糊集接近程度。还有许多贴近度，这里不在一一介绍。贴近度主要用于模糊识别等具体问题，以上介绍的贴近度表示式各有优劣，具体应用时，应根据问题的实际情况，选用合适的贴近度。 二、模式识别的间接方法——择近原则在模式识别问题中，各标准类型（模式）一般是某个论域 上的模糊集，用模式识别的直接方法（最大隶属度原则、阈值原则）解决问题时，其识别对象是论域 中的元素。另有一类识别问题，其识别对象也是 上的模糊集，这类问题可以用下面的择近原则来识别判决。择近原则：已知 个标准类型 、 、…、 ， 为待识别的对象， 上的贴近度，若 则认为 与 最贴近，判定 属于 一类。例5 岩石类型识别岩石按抗压强度可以分成五个标准类型：很差（ ）、差（ ）、较好（ ）、好（ ）、很好（ ）。它们都是 上的模糊集，其隶属函数如下（图2-1）0 200 400 600 900 1100 1800 2000图 2-1今有某种岩体，经实测得出其抗压强度为 上的模糊集 ，隶属函数为（图2-3）。 图 2-3 试问岩体 应属于哪一类。计算 与 的格贴近度，得： 按择近原则， 应属于 类，即 属于“较好”类（ 类）的岩石。例6 小麦亲本识别在小麦杂交育种过程中，亲本选择是关键。现有五种类型的小麦亲本，它们是： ：早熟型， ：矮杆型， ：大粒型， ：高肥丰产型， ：中肥丰产型。判断小麦亲本类型的主要依据是以下五种性状特征： ：抽穗期， ：株高， ：有效穗数， ：主穗粒数， ：百粒重。第 种类型亲本的第 个特征，是模糊集 ，这些模糊集除 （早熟型的抽穗期）与 （矮杆型的株高）外，其余都是中间型的正态分布模糊集。为简单计，将正态分布函数展开，取前两项作它的近似值，则有 于是 的隶属函数可表示为： 而 ， 的隶属函数取为偏小值型： 为确定隶属函数中的参数值，在熟知的标准类型中，每类型选出 个新本为样本，分别计算各样本的第 个特征的均值 及方差 ，取 以上参数值见表（2-1）表 2-1亲本参数性状 早熟 矮杆 大粒 高肥丰产 中肥丰产抽穗期 - 7 1 5 6 0 8 9 2 2 3 9 1 9 2株高 1 7 0 - 0 4 9 9 2 9 2 9 5 6 5有效穗数 1 2 1 3 2 8 4 2 6 8 2 3 2 2 8主穗粒数 2 0 0 5 5 7 2 5 2 2 0 3 6 3 9百粒重 0 4 3 4 4 3 0 0 3 6 2 3 3 0 2现有一待识对象 ，它的第 个特征 是中间型正态分布模糊集，隶属函数可近似表示为： 。式中参数值见表（2-2）表 2-2特性参数 抽穗期 株高 有效穗数 主穗粒数 百粒重 5 6 2 2 43 5 4 9 70 28计算识别对象 的第 个特征与第 种标准类型对应特征 的格贴近度 并定义第 种标准类型 与识别对象 的贴近度为： 计算结果列于表（2-3）表 2-3 早熟（ ）矮杆（ ）大粒（ ）高肥（ ）中肥（ ） ( ， )50 00 00 00 00 ( ， )00 00 00 76 99 ( ， )00 88 77 64 96 ( ， )23 98 89 83 98 ( ， )00 00 98 00 00 ( ， )23 00 77 64 96表（2-3）的最后一行为 与各标准类型的贴近度。由于 与 的贴近度最高（96），故判定识别对象 为 代表的类型，即 为中肥丰产类型的亲本。例7 遥感土地复盖类型分类遥感是根据不同的地物对电磁波谱有不同的响应这一原理，来识别土地复盖的类型。空间遥感的一个象元相当于地面45公倾地物的综合。遥感图象识别分类中，要涉及不少模糊概念，例如，“以红松为主的针叶林”就是一个没有明确界线的模糊概念。这是遥感本身的特性决定的。因此用模糊数学的方法对遥感图象进行识别分类应该是行之有效的方法。美国爱达荷大学RCHeller 教授指出，国际上当以水体、沙地、森林、城镇、作物、干草作为分类单位（即标准类型）时，空间遥感的分类精度可达93%甚至更高。但当分类单位深入到更小的土地复盖单元时，精度就不理想了。现在将分类单位细分阶段为以下五种标准类型： ：公路， ：村庄农田， ：红松为主的针叶林， ：阔、针混交林， ：白桦林。对于多波段遥感技术，假设采用 个波段，则每一地物对应一个 维数据向量 。1975年1月22日美国发射LandSat-2，提供了MSS-4，5，6，7这四个波段的数据，故有 。取论域 其中 分别为象元对应于MSS-4，5，6，7各波段的光谱强度。于是五种标准类型 可表为 上的模糊集。由于各波段光谱强度是正态分布模糊集，故第 个标准类型的（ +3）波段光谱强度的隶属函数为： 定义第 种标准类型 为： 因而 其中 为若干个第 种类型第（ +3）个波段光谱强度的均值， 为方差，东北凉水林场的这些参数值见表（2-4）表 2-4标准类型 MSS-4 MSS-5 MSS-6 MSS-06 56 24 60 24 32 24 98 89 88 68 82 37 09 63 39 46 22 58 88 54 55 33 08 22 64 78 58 41 87 22 50 17 82 2 42 45 94 20 42设 为识别对象，定义 与 的贴近度为： （1）其中 = ⊙ （2）表 2-5类型N识别对象 max 判别 结果 效果 92 72 50 50 50 92 正确 65 99 50 50 50 99 正确 50 50 99 60 50 99 正确 50 50 61 99 65 99 正确 50 50 50 62 89 89 正确按 及 ⊙ （3-26）（这里 与 是 的均值与方差）。现有东北凉水林场空间遥感象元（待识别对象）五个，按（1）与（2）计算它们与五个标准类型的贴近度，计算结果在表（2-5）按择近原则进行识别判决，准确率100%。例8 雷达识别现有 个雷达类，每个雷达类可用发射频率、脉冲重复频率、脉冲宽度等特征来刻画，假设共有 个特征，第 类雷达的第 个特征可以取 个值。由于保密的需要及信号环境的日益复杂，这些特征及其取值都带有一定的模糊性。设第 类 雷达的 个特征为 类雷达的第 个特征 取值为 ，其隶属函数为中间型柯西分布，即 设 为待识别对象，它的 个特征为 的第 个特征 的隶属函数也取中间型柯西分布： 采用格贴近度，令 则 为识别对象 的第 个特征与 类雷达第 个特征贴近程度的度量。一般情况可令 （ 是各 的加权平均值，权系数 表示 个特征的重要性程度） 可作为识别对象 与第 类雷达总贴近的度量。根据 的大小可判定 属于何类雷达，但是，由于权系数 的确定有一定的模糊性， 及 的隶属函数的确定带有一定的主观性，从而导致贴近度 有一定的模糊性。因此对 及 进行模糊化处理，设 这里 ， 都是 模糊数（见第五章），取 。令 的隶属函数为 则 为识别对象 与第 类雷达的贴近程度的模糊测度。为得到 所属雷达类别的确切判决，类似于阈值法则，给定水平值 ，令 若 且 唯一，则判定 为 类雷达；若 且 ，则判定 为 类雷达。用上述方法（将权系数及贴近度模糊化），经上千次仿真试验，比传统的贴近度及线性加弘平均法，误判率有所下降。第三章 模糊规划§3-1 模糊极值一、有界函数的模糊极值设 （ 为实数集） 是有界函数，求函数 的普通极值问题是求 使 满足上式的 为 在 上的最大值点， 为最大值，最大值点不一定唯一 设 的一切最大值点的集合为 称 为 的优越集当 时，函数在 处取到最大值 ， 使 达到最优当 时， 虽不是最大值，但对不同的 ， 与最大值的差异有所不同，也就是说，对于不属于 的 ，它们的“优越性”程度有所不同，为了反映 中各点不同的优越程度，将优越集 模糊化，并利用它将极值模糊化定义1设 是有界函数，定义 的隶属函数为 ( ) 称 为 的无条件模糊优越集称 的 的无条件模糊极大值这里 ，它的求属函数按扩张原理为 (约定 )注 (1)当 为 的极大点，即 时 ，当 为 的极小点，即 时 ， 充分必要条件是 (2)当 时， 当 时， 当 时， 因此， 反映了在模糊意义下， 对 的模糊数大值的求属程度例1 设 ， ，定义 ， ， ， ，则 ， 并且 于是 又 故 的无条件模糊极小集 定义为 的无条件极大集，显然有 且有， ，所有极小集 是极大集 的余集二、模糊约束下有界函数的模糊极值设： 是有界函数， ，考虑 在 约束下的最大值问题，这是一个模糊规划问题，求解这个问题意味着既要最大限度地满足约束，又要最大限度地达到理想目标，为此定义如下：定义2 设目标函数 是有界函数， 是模糊约束，令 这里的 是定义1中 的无条件模糊优越集，称 为 在 约束下的条件模糊优越集，称 为 在 约束下的条件模糊极大值它们的求属函数分别为：求解目标函数 在模糊约束 下的条件极大值有如下三个步骤： (1)求无条件模糊优越集 (2)求条件模糊优越集 (3)求条件最佳决策，即选择 ，使 就是所求的条件极大点， 就是在模糊约束 下的条件极大值例2采区巷道布置是矿井开拓中的重要内容，其目的就是建立完善的矿井生产系统，实现采区合理集中生产，改善技术经济指标因此，合理地选择最优巷道布置方案，对于矿井生产具有十分重要的意义根据煤矿开采的特点和采区在矿井生产的作用，在选择最优巷道布置方案时，要求达到下列标准：(1)生产集中程度高； (2)采煤机械化程度高；(3)采区生产系统十分完善； (4)安全生产可靠性好；(5)煤炭损失率低； (6)巷道掘进费用尽可能低上述问题，实际上就是一个模糊约束下的条件极值问题，我们可以把(1)～(5)作为模糊约束，而把(6)作为目标函数设某矿井的采区巷道布置有六种方案可供选择，即 =｛ (方案Ⅰ)， (方案Ⅱ)， (方案Ⅲ)， (方案Ⅳ)， (方案Ⅴ)， (方案Ⅵ)｝经过对六种方案进行审议，评价后，将其结果列于表1方案评价项目 :生产集中程度高较低 高 较高 很高 较高 较高 :采煤机械化程度高高 较高 较高 高 很高 高 :采区生产系统完善一级 较低 较低 很高 高 较高 :安全生产可靠度高较低 一般 较低 高 一般 高 :煤炭损失率低高 较高 一般 一般 一般 很低 : 巷道掘进费用(万元)40 10 80 50 20 60将表1中的语言真值(评价结果)转化为各模糊约束集 ， 的隶属度转化的对应关系如下：对 ， ， ， 而言，对应关系为：很 低 较 低 一 般 较 高 高 很 高0 2 4 6 8 0对 而言，对应关系为很 低 较 低 一 般 较 高 高 很 高0 8 6 4 2 0将表1中的巷道掘进费用目标函数 用公式 计算出，因此得表2 其值语言与隶属函数转换表2方案2 8 4 0 6 6 8 6 6 8 0 8 4 2 2 0 8 6 2 4 2 8 4 8 2 4 6 6 6 0 44 22 0 1 78 34计算模糊判决集 为 (按列求最小) 由 根据最大求属度原则，方案四最优例3 在某种食品中投放某种调味剂，每公斤食品中的含量设为 克，对顾客爱好作调查统计，得爱好函数为 对于使爱好函数值越大的 值，所制产品越畅销，因而收益越大，但是由于成本核算等等原因，对 值需要进行限制，这种限制集合的边界是模糊的，即 的约束条件为一模糊集 ，其隶属函数为 试确定合理的剂量 ，使得在接受约束的条件下，获得最优收益解 这是一个规划问题，分三步进行（1） 求无条件模糊优越集 ，由于 ，令 ，得 又当 时， ， 时， ，因而 ， 因此 （2） 求条件模糊优越集 其中 满足方程 （3） 选择 ，使 ，即 对目标 的可能度为93%，而要实现这种可能性，应选择调味剂的最佳剂量为085克需要说明的是，在本例中如果将约束条件确切化，以 的核[0，1]为约束，这是一个普通规划问题，所得结论是选择最佳剂量为1克从约束条件看，已是100%遵守，但所能达到的最高目标相对整个目标函数来说是很低的，由 ，说明相对整个目标来说，其优越程度仅达6%如果把条件放松为模糊约束条件 ，且适当降低 的水平，却可以获得较好的目标值如例中的结果，当 时，从接受约束条件来看虽仅达9%，但目标函数的优越程度也升到了9%，从而提高了整体优化水平由于在实际问题中，约束条件往往不是绝对的，有一定的伸缩性，模糊规划的思想就是利用这点灵活性，兼顾目标函数与约束条件综合地选择最优方案例4 植物的种植密度与产量有密切的关系已知某种杉树的种植密度 与产量 的关系如下： 这里 表示每公顷土地上种植的棵数， 表示每公顷土地产出木材的体积现有一片杉树森林，其密度不均匀，估计 “大约是三千”试估计该森林每公顷木材最高产量解 设 表示“大约是三千”这一模糊， 的隶属函数为 估计木材产量的问题，就是求在 的约束下函数 的模糊条件极大值为此先求有界函数 的无条件模糊优越集因 ， ，所以 在约束条件 下的条件模糊优越集为： 条件模糊极值为 ，其隶属函数为： 为求条件最佳决策 ，即满足条件 的 注意到 的隶属函数曲线是单调降的，而 是正态分布模糊集， 在约束 下的模糊最佳决策（即模糊条件极大点），是方程 的两个根当中的较小者，解之得 由 可知， 时，接受约束的程度为9%，同时，相对于整体目标函数，优越程度也是9%由 可知，该森林每公顷木材最高产量估计为 §3-2 模糊线性规划一、普通线性规划普通线性规划的一般形式为 目标函数 约束条件 矩阵表达形式 其中线性规划问题的标准形式 （3-1） 二、模糊线性规划在实际问题中，有时线性规划的约束条件带有模糊性，这就是解谓的模糊线性规划，其模型为这是“ ”表示一种弹性约束，可读作“近似小于等于”“近似小于等于”是一个模糊概念，可以用一个模糊集来表示它 表示第 个约束的左边表达式，模糊集 表示“ ”这一事实，当 时，完全接受约束，应有 ;适当选择一个伸缩系数 ，约定当 时，不认为 ，这时应有 ;当 时， 应从1下降到0，表示约束程度降低为了简单可行， 规定如下：设 ，对每一个约束 ，相应地有 中一个模糊渠 与之对应，它的隶属函数为其中 是适当选择的常数，叫做伸缩指标， ，这样一来，我们将弹性约束转化成模糊约束，再令 就将全部约束条件转化成一个模糊约束当 时， 退化为普通约束集 ，模糊约束条件中“ ”退化为“ ”模糊线性规划的模型简记为 （3-2）约束的弹性必然导致目标的弹性，为将目标函数模糊化，先求解普通线性规划问题： 满足 （3-3）以及 满足 （3-4）其中 称为（3-2）的伸缩指标向量设 是(3-32)的最优值， 是(3-4)的最优值 所满足的约束条件为 ，对应的模糊约束 若适当降低模糊约束的隶属度 ，可以相应提高目标函数值 ， 所满足的约束条件已放到最宽 ，对应的模糊约束 也接近于于是目标函数的弹性可表示为 为此构造模糊目标集 其隶属函数为其中 由模糊目标的上述隶属函数可知，当 时， ，要提高目标函数值使之大于 就必须降低 为了兼顾目标与约束，可采用模糊决策为 ，最佳决策为 ， 满足 若令 ， 则有 于是求最佳决策 的问题，就转化为求普通线性规划问题：即 （3-5） 求解上述普通规划问题，可得最佳决策 目标函数值 例5：求解模糊线性规划问题 (3-6) 解 (一)解普通线性规划(二)解普通线性规划 (三) 解普通线性规划 解 这个线性规划采用大 法 原线性规划改写为 ∴ 从而(3-4)的最优值 例6某企业根据市场信息及自身生产能力，准备开发甲、乙两种系列产品甲种系列产品最多大约能生产400套，乙种系列产品最多大约能生产250套据测算，甲种产品每套成本3万元，每套获纯利润7万元；乙种系列产品每套成本2万元，每套获纯利润3万元生产甲、乙两种系列产品的资金总投入大约不能超过1500万元在上述条件下，如何安排两种系列产品的生产，才能使企业获利最大？解 设甲种系列产品生产 套，乙种系列产品生产 套，则目标: 约束: （3-7）设约束条件（1）、（2）、（3）的伸缩系数分别取为 （元）， （套）， （套）为将目标函数模糊化，解经典线性规划问题使 （4）用单纯形法求解，得 ， ， 再解经典线性规划问题 (5)解得 ， ， 于是 将 、 、 、 、 代入(3-5)，将原问题经为经典线性规划问题： 使 上述线性规划问题最优解为 ， ， 因此安排甲种系列产品403套、乙种系列产品159套（取整数）时，能获得最大利润，最大利润为： 万元对比经典线性规划问题（4），利润提高75万元，这是因为甲种系列产品403套比400套多3套；乙种系列产品生产159套比150套多9套，这是在伸缩指标允许范围内总费用 元虽然比1500超出27元，这也是伸缩指标允许的以上讨论说明，在适当放松约束时可以提高利润