Основные характеристики нечетких множеств

Лекция №8. Нечеткая логика

Наверное, самым впечатляющим у человеческого интеллекта является способность принимать правильные решения в условиях неполной и нечеткой информации. Построение моделей приближенных размышлений человека и использование их в компьютерных системах представляет сегодня одну из важнейших проблем науки.

Основы нечеткой логики были заложены в конце 60-х лет в работах известного американского математика Латфи Заде. Исследования такого рода было вызвано возрастающим неудовольствием экспертными системами. Хваленый "искусственный интеллект", который легко справлялся с задачами управления сложными техническими комплексами, был беспомощным при простейших высказываниях повседневной жизни, типа "Если в машине перед тобой силит неопытный водитель - держись от нее подальше". Для создания действительно интеллектуальных систем, способных адекватно взаимодействовать с человеком, был необходим новый математический аппарат, который переводит неоднозначные жизненные утверждения в язык четких и формальных математических формул. Первым серьезным шагом в этом направлении стала теория нечетких множеств, разработанная Заде. Его работа "Fuzzy Sets", опубликованная в 1965 году в журнале "Information and Control", заложила основы моделирования интеллектуальной деятельности человека и стала начальным толчком к развитию новой математической теории. Он же дал и название для новой области науки - "fuzzy logic" (fuzzy - нечеткий, размытый, мягкий).

Чтобы стать классиком, надо немного опередить свое время. Существует легенда о том, каким образом была создана теория "нечетких множеств". Один раз Заде имел длинную дискуссию со своим другом относительно того, чья из жен более привлекательна. Термин "привлекательная" является неопределенным и в результате дискуссии они не смогли прийти к удовлетворительному итогу. Это заставило Загде сформулировать концепцию, которая выражает нечеткие понятия типа "привлекательная" в числовой форме.

Дальнейшие работы профессора Латфи Заде и его последователей заложили фундамент новой теории и создали предпосылки для внедрения методов нечеткого управления в инженерную практику.

Аппарат теории нечетких множеств, продемонстрировав ряд многообещающих возможностей применения - от систем управления летательными аппаратами до прогнозирования итогов выборов, оказался вместе с тем сложным для воплощения. Учитывая имеющийся уровень технологии, нечеткая логика заняла свое место среди других специальных научных дисциплин - где-то посредине между экспертными системами и нейронными сетями.

Свое второе рождение теория нечеткой логики пережила в начале восьмидесятых годов, когда несколько групп исследователей (в-основном в США и Япони) всерьез занялись созданием электронных систем различного применения, использующих нечеткие управляющие алгоритмы. Теоретические основы для этого были заложены в ранних работах Коско и других ученых.

Третий период начался с конца 80-х годов и до сих пор. Этот период характеризуется бумом практического применения теории нечеткой логики в разных сферах науки и техники. До 90-ого года появилось около 40 патентов, относящихся к нечеткой логике (30 - японских). Сорок восемь японских компаний создают лабораторию LIFE (Laboratory for International Fuzzy Engineering), японское правительство финансирует 5-летнюю программу по нечеткой логике, которая включает 19 разных проектов - от систем оценки глобального загрязнения атмосферы и предвидения землетрясений до АСУ заводских цехов. Результатом выполнения этой программы было появление целого ряда новых массовых микрочипов, базирующихся на нечеткой логике. Сегодня их можно найти в стиральных машинах и видеокамерах, цехах заводов и моторных отсеках автомобилей, в системах управления складскими роботами и боевыми вертолетами.
В США развитие нечеткой логики идет по пути создания систем для большого бизнеса и военных. Нечеткая логика применяется при анализе новых рынков, биржевой игре, оценки политических рейтингов, выборе оптимальной ценовой стратегии и т.п. Появились и коммерческие системы массового применения.

Смещение центра исследований нечетких систем в сторону практических применений привело к постановке целого ряда проблем, в частности:

• новые архитектуры компьютеров для нечетких вычислений;
• элементная база нечетких компьютеров и контроллеров;
• инструментальные средства разработки;
• инженерные методы расчета и разработки нечетких систем управления, и т.п..

Нечеткие множества

Пусть E - универсальное множество, x - элемент E, а R - определенное свойство. Обычное (четкое) подмножество A универсального множества E, элементы которого удовлетворяют свойство R, определяется как множество упорядоченной пары A = {mA (х)/х}, где mA(х) - характеристическая функция, принимающая значение 1, когда x удовлетворяет свойство R, и 0 - в другом случае.

Нечеткое подмножество отличается от обычного тем, что для элементов x из E нет однозначного ответа "нет" относительно свойства R. В связи с этим, нечеткое подмножество A универсального множества E определяется как множество упорядоченной пари A = {mA(х)/х}, где mA(х) - характеристическая функция принадлежности (или просто функция принадлежности), принимающая значение в некотором упорядоченном множестве M (например, M = [0,1]).

Функция принадлежности указывает степень (или уровень) принадлежности элемента x к подмножеству A. Множество M называют множеством принадлежностей. Если M = {0,1}, тогда нечеткое подмножество A может рассматриваться как обычное или четкое множество.

Рассмотрим множество X всех чисел от 0 до 10. Определим подмножество A множества X всех действительных чисел от 5 до 8.

A = [5,8]

Покажем функцию принадлежности множества A, эта функция ставит в соответствие число 1 или 0 каждому элементу в X, в зависимости от того, принадлежит данный элемент подмножеству A или нет. Результат представлен на следующем рисунке:

Можно интерпретировать элементы, соответствующие 1, как элементы, находящиеся в множестве A, а элементы, соответствующие 0, как элементы, не находящиеся в множестве A.

Эта концепция используется в многих областях. Но существуют ситуации, в которых данной концепции будет не хватать гибкости.

В данном примере опишем множество молодых людей. Формально можно записать так

B = {множество молодых людей}

Поскольку, вообще, возраст начинается с 0, то нижняя граница этого множества должна быть нулем. Верхнюю границу определить сложнее. Сначала установим верхнюю границу, скажем, равную 20 годам. Таким образом, имеем B как четко ограниченный интервал, буквально: B = [0,20]. Возникает вопрос: почему кто-то в свой двадцатилетний юбилей - молодой, а сразу на следующий день уже не молодой? Очевидно, это структурная проблема, и если передвинуть верхнюю границу в другую точку, то можно задать такой же вопрос.

Более естественный путь создания множества B состоит в ослаблении строгого деления на молодых и не молодых. Сделаем это, вынося не только четкие суждения "Да, он принадлежит множеству молодых людей" или "Нет, она не принадлежит множеству молодых людей", но и гибкие формулировки "Да, он принадлежит к довольно молодым людям" или "Нет, он не очень молодой".

Рассмотрим как с помощью нечеткого множества определить выражение "он еще молодой".

В первом примере мы кодировали все элементы множества с помощью 0 ли 1. Простым способом обобщить данную концепцию является введение значений между 0 и 1. Реально можно даже допустить бесконечное число значений между 0 и 1, в единичном интервале I = [0, 1].

Интерпретация чисел при соотношении всех элементов множества становится теперь сложнее. Конечно, число 1 соответствует элементу, принадлежащему множеству B, а 0 означает, что элемент точно не принадлежит множеству B. Все другие значения определяют степень принадлежности к множеству B.

Для наглядности приведем характеристическую функцию множества молодых людей, как и в первом примере.

Пусть E = {x1, x2, x3, x4, x5 }, M = [0,1]; A - нечеткое множество, для которого

mA(x1)=0,3; mA(x2)=0; mA(x3)=1; mA(x4)=0,5; mA(x5)=0,9

Тогда A можно представить в виде:

A = {0,3/x1; 0/x2; 1/x3; 0,5/x4; 0,9/x5 } или

A = 0,3/x1 + 0/x2 + 1/x3 + 0,5/x4 + 0,9/x5,

(знак "+" является операцией не сложения, а объединения) или

	x1	x2	x3	x4	x5
A =	0,3			0,5	0,9

Примеры нечетких множеств

4. Пусть E = {Запорожец, Жигули, Мерседес,....} - множество марок автомобилей, а E' = [0,µ] - универсальное множество "стоимость", тогда на E' мы можем определить нечеткие множества типа: "для небогатых ", "для среднего класса", "престижные", с функциями принадлежности типа:

Имея эти функции и зная цены автомобилей из E в данный момент времени, определим на E' нечеткие множества с этими же названиями.

Так, например, нечеткое множество "для небогатых", заданное на универсальном множестве E = {Запорожец, Жигули, Мерседес,....} выглядит таким образом:

Аналогично можно определить нечеткое множество "скоростные", "средние", "тихоходные" и т.д.

Свойства операций И і З

Пусть А, В, С - нечеткие множества, тогда выполняются следующие свойства:

• - коммутативность;
• - ассоциативность;
• - идемпотентность;
• - дистрибутивность;
• AИЖ = A, где Ж - пустое множество, то есть mЖ(x) = 0 "xОE;
• AЗЖ = Ж;
• AЗE = A, где E - универсальное множество;
• AИE = E;
• - теоремы де Моргана.

Пример

Пусть эксперт определяет толщину изделия, с помощью понятия "маленькая толщина", "средняя толщина" и "большая толщина", при этом минимальная толщина равняется 10 мм, а максимальная - 80 мм.

Формализация этого описания может быть проведена с помощью лингвистической переменной <b, T, X, G, M>, где

• b - толщина изделия;
• T - {"маленькая толщина", "средняя толщина", "большая толщина"};
• X - [10, 80];
• G - процедура образования новых термов с помощью связок "и", "или" и модификаторов типа "очень", "не", "слегка" и др. Например, "маленькая или средняя толщина", "очень маленькая толщина" и др.;
• М - процедура задания на X = [10, 80] нечетких подмножеств А1="маленькая толщина", А2 = "средняя толщина", А3="большая толщина", а также нечетких множеств для термов из G(T) соответственно правилам трансляции нечетких связок и модификаторов "и", "или", "не", "очень", "слегка", операции над нечеткими множествами вида: А З C, АИ C, , CON А = А² , DIL А = А^0,5 і ін.

Вместе с рассмотренными выше базовыми значениями лингвистической переменной "толщина" (Т={"маленькая толщина", "средняя толщина", "большая толщина"}) существуют значения, зависящие от области определения Х. В данном случае значения лингвистической переменной "толщина изделия" могут быть определены как "около 20 мм", "около 50 мм", "около 70 мм", то есть в виде нечетких чисел.

Функции принадлежности нечетких множеств:

"маленькая толщина" = А1, "средняя толщина"= А2, " большая толщина"= А3.

Функция принадлежности:

нечеткое множество "маленькая или средняя толщина" = А1ИА1.

Применение нечетких систем

Что касается отечественного рынка коммерческих систем на основе нечеткой логики, то его формирование началось в середине 1995 года. Популярными являются следующие пакеты:

• CubiCalc 2.0 RTC - одна из мощных коммерческих экспертных систем на основе нечеткой логики, позволяющая создавать собственные прикладные экспертные системы;
• CubiQuick - дешевая "университетская" версия пакета CubiCalc;
• RuleMaker - программа автоматического извлечения нечетких правил из входных данных;
• FuziCalc - электронная таблица с нечеткими полями, позволяющая делать быстрые оценки при неточных данных без накопления погрешности;
• OWL - пакет, содержащий исходные тексты всех известных видов нейронных сетей, нечеткой ассоциативной памяти и т.д.

Основными потребителями нечеткой логики на рынке СНГ являются банкиры и финансисты, а также специалисты в области политического и экономического анализа. Они используют CubiCalc для создания моделей разных экономических, политических, биржевых ситуаций. Что же касается пакета FuziCalc, то он занял свое место на компьютерах больших банкиров и специалистов по чрезвычайным ситуациям - то есть тех, для кого важна скорость проведения расчетов в условиях неполноты и неточности входной информации. Однако можно с уверенностью сказать, что эпоха расцвета прикладного использования нечеткой логики на отечественном рынке еще впереди.

Сегодня элементы нечеткой логики можно найти в десятках промышленных изделий - от систем управления электропоездами и боевыми вертолетами до пылесосов и стиральных машин. Без применения нечеткой логики немыслимы современные ситуационные центры руководителей западных стран, где принимаются ключевые политические решения и моделируются разные кризисные ситуации. Одним из впечатляющих примеров масштабного применения нечеткой логики стало комплексное моделирование систем

Лекция №8. Нечеткая логика

Наверное, самым впечатляющим у человеческого интеллекта является способность принимать правильные решения в условиях неполной и нечеткой информации. Построение моделей приближенных размышлений человека и использование их в компьютерных системах представляет сегодня одну из важнейших проблем науки.

Основы нечеткой логики были заложены в конце 60-х лет в работах известного американского математика Латфи Заде. Исследования такого рода было вызвано возрастающим неудовольствием экспертными системами. Хваленый "искусственный интеллект", который легко справлялся с задачами управления сложными техническими комплексами, был беспомощным при простейших высказываниях повседневной жизни, типа "Если в машине перед тобой силит неопытный водитель - держись от нее подальше". Для создания действительно интеллектуальных систем, способных адекватно взаимодействовать с человеком, был необходим новый математический аппарат, который переводит неоднозначные жизненные утверждения в язык четких и формальных математических формул. Первым серьезным шагом в этом направлении стала теория нечетких множеств, разработанная Заде. Его работа "Fuzzy Sets", опубликованная в 1965 году в журнале "Information and Control", заложила основы моделирования интеллектуальной деятельности человека и стала начальным толчком к развитию новой математической теории. Он же дал и название для новой области науки - "fuzzy logic" (fuzzy - нечеткий, размытый, мягкий).

Чтобы стать классиком, надо немного опередить свое время. Существует легенда о том, каким образом была создана теория "нечетких множеств". Один раз Заде имел длинную дискуссию со своим другом относительно того, чья из жен более привлекательна. Термин "привлекательная" является неопределенным и в результате дискуссии они не смогли прийти к удовлетворительному итогу. Это заставило Загде сформулировать концепцию, которая выражает нечеткие понятия типа "привлекательная" в числовой форме.

Дальнейшие работы профессора Латфи Заде и его последователей заложили фундамент новой теории и создали предпосылки для внедрения методов нечеткого управления в инженерную практику.

Аппарат теории нечетких множеств, продемонстрировав ряд многообещающих возможностей применения - от систем управления летательными аппаратами до прогнозирования итогов выборов, оказался вместе с тем сложным для воплощения. Учитывая имеющийся уровень технологии, нечеткая логика заняла свое место среди других специальных научных дисциплин - где-то посредине между экспертными системами и нейронными сетями.

Свое второе рождение теория нечеткой логики пережила в начале восьмидесятых годов, когда несколько групп исследователей (в-основном в США и Япони) всерьез занялись созданием электронных систем различного применения, использующих нечеткие управляющие алгоритмы. Теоретические основы для этого были заложены в ранних работах Коско и других ученых.

Третий период начался с конца 80-х годов и до сих пор. Этот период характеризуется бумом практического применения теории нечеткой логики в разных сферах науки и техники. До 90-ого года появилось около 40 патентов, относящихся к нечеткой логике (30 - японских). Сорок восемь японских компаний создают лабораторию LIFE (Laboratory for International Fuzzy Engineering), японское правительство финансирует 5-летнюю программу по нечеткой логике, которая включает 19 разных проектов - от систем оценки глобального загрязнения атмосферы и предвидения землетрясений до АСУ заводских цехов. Результатом выполнения этой программы было появление целого ряда новых массовых микрочипов, базирующихся на нечеткой логике. Сегодня их можно найти в стиральных машинах и видеокамерах, цехах заводов и моторных отсеках автомобилей, в системах управления складскими роботами и боевыми вертолетами.
В США развитие нечеткой логики идет по пути создания систем для большого бизнеса и военных. Нечеткая логика применяется при анализе новых рынков, биржевой игре, оценки политических рейтингов, выборе оптимальной ценовой стратегии и т.п. Появились и коммерческие системы массового применения.

Смещение центра исследований нечетких систем в сторону практических применений привело к постановке целого ряда проблем, в частности:

• новые архитектуры компьютеров для нечетких вычислений;
• элементная база нечетких компьютеров и контроллеров;
• инструментальные средства разработки;
• инженерные методы расчета и разработки нечетких систем управления, и т.п..

Нечеткие множества

Пусть E - универсальное множество, x - элемент E, а R - определенное свойство. Обычное (четкое) подмножество A универсального множества E, элементы которого удовлетворяют свойство R, определяется как множество упорядоченной пары A = {mA (х)/х}, где mA(х) - характеристическая функция, принимающая значение 1, когда x удовлетворяет свойство R, и 0 - в другом случае.

Нечеткое подмножество отличается от обычного тем, что для элементов x из E нет однозначного ответа "нет" относительно свойства R. В связи с этим, нечеткое подмножество A универсального множества E определяется как множество упорядоченной пари A = {mA(х)/х}, где mA(х) - характеристическая функция принадлежности (или просто функция принадлежности), принимающая значение в некотором упорядоченном множестве M (например, M = [0,1]).

Функция принадлежности указывает степень (или уровень) принадлежности элемента x к подмножеству A. Множество M называют множеством принадлежностей. Если M = {0,1}, тогда нечеткое подмножество A может рассматриваться как обычное или четкое множество.

Рассмотрим множество X всех чисел от 0 до 10. Определим подмножество A множества X всех действительных чисел от 5 до 8.

A = [5,8]

Покажем функцию принадлежности множества A, эта функция ставит в соответствие число 1 или 0 каждому элементу в X, в зависимости от того, принадлежит данный элемент подмножеству A или нет. Результат представлен на следующем рисунке:

Можно интерпретировать элементы, соответствующие 1, как элементы, находящиеся в множестве A, а элементы, соответствующие 0, как элементы, не находящиеся в множестве A.

Эта концепция используется в многих областях. Но существуют ситуации, в которых данной концепции будет не хватать гибкости.

В данном примере опишем множество молодых людей. Формально можно записать так

B = {множество молодых людей}

Поскольку, вообще, возраст начинается с 0, то нижняя граница этого множества должна быть нулем. Верхнюю границу определить сложнее. Сначала установим верхнюю границу, скажем, равную 20 годам. Таким образом, имеем B как четко ограниченный интервал, буквально: B = [0,20]. Возникает вопрос: почему кто-то в свой двадцатилетний юбилей - молодой, а сразу на следующий день уже не молодой? Очевидно, это структурная проблема, и если передвинуть верхнюю границу в другую точку, то можно задать такой же вопрос.

Более естественный путь создания множества B состоит в ослаблении строгого деления на молодых и не молодых. Сделаем это, вынося не только четкие суждения "Да, он принадлежит множеству молодых людей" или "Нет, она не принадлежит множеству молодых людей", но и гибкие формулировки "Да, он принадлежит к довольно молодым людям" или "Нет, он не очень молодой".

Рассмотрим как с помощью нечеткого множества определить выражение "он еще молодой".

В первом примере мы кодировали все элементы множества с помощью 0 ли 1. Простым способом обобщить данную концепцию является введение значений между 0 и 1. Реально можно даже допустить бесконечное число значений между 0 и 1, в единичном интервале I = [0, 1].

Интерпретация чисел при соотношении всех элементов множества становится теперь сложнее. Конечно, число 1 соответствует элементу, принадлежащему множеству B, а 0 означает, что элемент точно не принадлежит множеству B. Все другие значения определяют степень принадлежности к множеству B.

Для наглядности приведем характеристическую функцию множества молодых людей, как и в первом примере.

Пусть E = {x1, x2, x3, x4, x5 }, M = [0,1]; A - нечеткое множество, для которого

mA(x1)=0,3; mA(x2)=0; mA(x3)=1; mA(x4)=0,5; mA(x5)=0,9

Тогда A можно представить в виде:

A = {0,3/x1; 0/x2; 1/x3; 0,5/x4; 0,9/x5 } или

A = 0,3/x1 + 0/x2 + 1/x3 + 0,5/x4 + 0,9/x5,

(знак "+" является операцией не сложения, а объединения) или

	x1	x2	x3	x4	x5
A =	0,3			0,5	0,9

Основные характеристики нечетких множеств

Пусть M = [0,1] и A - нечеткое множество с элементами из универсального множества E и множеством принадлежностей M

• Величина mA(x) называется высотою нечеткого множества A. Нечеткое множество A является нормальным, если его высота равняется 1, то есть верхняя граница ее функции принадлежности равняется 1 ( mA(x)=1). При mA(x)<1 нечеткое множество называется субнормальным.
• Нечеткое множество является пустым, если "xОE m A(x)=0. Непустое субнормальное множество можно нормализировать по формуле mA(x):=
• Нечеткое множество является унимодальным, если mA(x)=1 лишь для одного x из E.
• Носителем нечеткого множества A является обычное подмножество со свойствомmA(x)>0, то есть носитель A = {x/mA(x)>0} " xОE.
• Элементы xОE, для которых mA(x)=0,5 называются точками перехода множества A.

Примеры нечетких множеств

4. Пусть E = {Запорожец, Жигули, Мерседес,....} - множество марок автомобилей, а E' = [0,µ] - универсальное множество "стоимость", тогда на E' мы можем определить нечеткие множества типа: "для небогатых ", "для среднего класса", "престижные", с функциями принадлежности типа:

Имея эти функции и зная цены автомобилей из E в данный момент времени, определим на E' нечеткие множества с этими же названиями.

Так, например, нечеткое множество "для небогатых", заданное на универсальном множестве E = {Запорожец, Жигули, Мерседес,....} выглядит таким образом:

Аналогично можно определить нечеткое множество "скоростные", "средние", "тихоходные" и т.д.