Quan hệ mờ và tích đề các của các tập mờ:

∫ Ω= ( x ) dP ( x )

1.7.Quan hệ mờ và tích đề các của các tập mờ:

Định nghĩa 1.15:

Một quan hệ mờ là một tập mờ (hoặc một phân phối khả năng) trên một tích đề các của các tập tham khảo.

Giả sử Ω1và Ω2là hai tập tham khảo. Quan hệ mờ R có hàm thành viên R

à =π có các tham số của nó là ω1∈Ω1 và ω2∈Ω2 .

Giả sử R là một quan hệ mờ trên tích đề các của các tập tham khảo

1

Ω và Ω2. Khi đó hình chiếu của R trên Ω1 là phân phối khả năng marginal π1 định nghĩa nh− sau: π1(ω1)=Π({ω1} ì Ω2)= sup ( 1, 2) 2 ω ω π ω Định nghĩa 1.16:

Nếu F1 là một tập mờ trên Ω1, thì một mở rộng của 1

F

à trên (Ω1ì Ω2) đ−ợc định nghĩa thoả mãn công thức sau:

∀ω1∈Ω1 và ω2∈Ω2, C ( )F ( 1, 2) 1 2 ω ω à = F ( 1) 1 ω à

Khi đó ta gọi C2(F1) là mở rộng hình trụ của F1 vào Ω2. Theo truyền thống ta có :

Tích đề các (Cartesian product)

A1ì A2= {(ω1,ω2)|ω1∈A1, ω2∈A2 }

Cartesian coproduct

A1+ A2= {(ω1,ω2)|ω1∈A1 }∪{(ω1,ω2)|ω2∈A2 }

Ta có thể mở rông các khái niệm tích đề các (product) và coproduct trên các tập mờ nh− sau:

Định nghĩa 1.17:

Giả sử F1và F2 là hai tập mờ t−ơng ứng trên Ω1, Ω2. Khi đó tích đề các (product) trên F1 và F2 đ−ợc định nghĩa nh− sau:

A1ì A2 = C2(A1) ∩ C1(A2)

Định nghĩa 1.18:

Giả sử F1và F2 là hai tập mờ t−ơng ứng trên Ω1, Ω2. Khi đó tích đề các coproduct trên F1 và F2 đ−ợc định nghĩa nh− sau:

A1+ A2 = C2(A1) ∩ C1(A2) = F1ìF2

Rõ ràng rằng tích đề các (hoặc coproduct) của các tập mờ có thể đ−ợc định nghĩa theo cách khác nh− sau:

Mệnh đề 1.8: )) ( F ), ( F min( ) , ( F F 1 2 2 1 2 1 2 1ì ω ω = à ω à ω à (1.36) )) ( F ), ( F max( ) , ( F F 2 2 1 1 2 1 2 1+ ω ω = à ω à ω à (1.37) Mệnh đề 1.9:

Gọi Proji(R) là hình chiếu của R vào Ωikhi đó:

R ⊆ Proj1(R) ì Proj2(R) trong đó phép toán ì là phép toán min, và ⊆ có ý nghĩa của (1.28):

Nếu phép toán “ì” là phép toán min thì quan hệ mờ R là lớn nhất khi và chỉ khi bao hàm thức trên đạt dấu bằng. Khi đó quan hệ mờ R đ−ợc gọi là separable.

R = Proj1(R) ì Proj2(R) (1.38)

Định nghĩa 1.19:

Các biến X1 và X2 mà phạm vi biến thiên của (X1,X2) bị hạn chế bởi R, là một quan hệ mờ thỏa mãn (1.38) trong đó “ì” là phép toán min đ−ợc gọi là không t−ơng tác (noneinteractive). (adsbygoogle = window.adsbygoogle || []).push({});

Mệnh đề 1.10:

Nếu Fi là tập mờ của các giá trị có khả năng trong Ωicủa Xi, X1và X2

là không t−ơng tác, nếu phân phối khả năng hợp (joint posibility) của (X1,X2) là 2 , 1X X π = ) F , F min( 2 1 à à

Điều đó có nghĩa là phạm vi của biến X1là độc lập với các giá trị của

2

X và ng−ợc lại. Ph−ơng trình trên là không đ−ợc thoả mãn nếu tồn tại một liên kết giữa X1 và X2.

Mệnh đề 1.11:

Giả sử Π12 là một độ đo khả năng định nghĩa d−ới dạng một phân phối 12

π trên Ω1ìΩ2. Nếu π12 là separable và chuẩn hoá, thì

∀A1ì A2⊆ Ω1ìΩ2, Π12(A1ìA2)= min(Π1(A1),Π2(A2)) (1.39) N12 (A1+ A2) = max(N1(A1), N2(A2)) (1.40) trong đó Πi đ−ợc định nghĩa từ hình chiếu của π12 trên Ωi, và N12, Ni t−ơng ứng với Π12, Πi.

Mệnh đề 1.12:

Nếu π12là separable và đ−ợc chuẩn hoá (1.39) và (1.40) có thể đ−ợc mở rộng cho các sự kiện mờ F1, F2 trong Ω1và Ω2nh− sau:

∀(F1, F2)∈ [ ]0,1Ω ì [ ]0,1Ω (F F ) 2 1 12 ì Π = min(Π1(F1),Π2(F2)) (1.41) ) F F ( N12 1+ 2 = max(Π1(F1),Π2(F2)) (1.42) Mệnh đề 1.13:

Giả sử π12 là không separable , và F1, F2 là các tập mờ hoặc không, ta có: ) A A ( 1 2 12 ì Π = max(Π1(A1),Π2(A2)) ) A A ( N12 1ì 2 = min(N1(A1),N2(A2))

trong khi (1.40) và (1.41) trở thành các bất đẳng thức ≤ và ≥ t−ơng ứng. ∀(F1, F2)∈ [ ]0,1Ω ì [ ]0,1Ω (F F ) 2 1 12 ì Π ≤ min(Π1(F1),Π2(F2)) ) F F ( N12 1+ 2 ≥ max(Π1(F1),Π2(F2)) Mệnh đề 1.13:

Nếu P12 là một độ đo xác suất hợp trên Ω1ìΩ2, P1 và P2 là phép đo xác suất marginal cho các biến X1,X2 vì vậy nếu các biến X1,X2 là độc lập thì:

,A A

,

A1 ⊆Ω1 ∀ 2 ⊆Ω2

∀ P12(A1ìA2)=P1(A1)P2(A2)

tuy nhiên, nếu hai sự kiện Α1và Α2 có mối quan hệ thì:

))A A ( P ), A ( P min( ) A A ( P12 1ì 2 = 1 1 2 2

1.8.Một cách tiếp cận về l−ợng đến việc lựa chọn đa khía cạnh Giả sử Ω là một tập các đối t−ợng (object) đ−ợc phân hạng theo một tập

C các tiêu chuẩn. Và Ω là hữu hạn và đủ nhỏ để chúng có thể liệt kê đ−ợc dễ dàng.

Các đánh giá từng phần các đối t−ợng tùy theo từng tiêu chuẩn sẽ lấy giá trị trong các tập có thể nhận biết đ−ợc dễ dàng.

Một mục tiêu từng phần sẽ đ−ợc coi nh− là một tập mờ ràng buộc các giá trị có thể chấp nhận đ−ợc của các tiêu chuẩnliên quan. Vì vậy có một giả thuyết ẩn là từng mục tiêu định nghĩa một trình tự tuyệt đối trên Ω.

Một giả thuyết cuối cùng ở đây sẽ là sự lựa chọn độc lập với khía cạnh liên quan đến tình trạng môi tr−ờng.

1.8.1.các qui luật cơ bản của cách tiếp cận

Giả sử Xilà phạm vi đánh giá của các đối t−ợng trong ý nghĩa của tiêu

chuẩn Ci∈ C ; Các đánh giá này có thể đ−ợc trình bầy nh− là một ánh xạ mi từ Ω vào Xi. (adsbygoogle = window.adsbygoogle || []).push({});

Mục tiêu liên quan đến điều kiện Cisẽ đ−ợc miêu tả bởi một tập mờ

i

G trên Ximà ∀x∈Xi, à ( )ω

i

G là mức độ t−ơng thích giữa giá trị của x và mong muốn của ng−ời quyết định.

dạng một phát biểu sát đ−ợc trình bầy bởi à

i

G .

G& (core) sẽ t−ơng ứng với các đánh giá t−ơng thích hoàn toàn với mục

tiêu.

Các đánh giá rơi ra ngoài support của Gilà hoàn toàn không t−ơng thích

với mục tiêu.

Ví dụ: giả sử rằng Ω là một tập các căn phòng, X là giá, và ng−ời ra quyết định mong muốn chọn một căn phòng “giá vừa phải”. “giá vừa phải” chính là mục tiêu của ng−ời ra quyết định.

à

i

G không thể đ−ợc đánh giá chính xác. Tuy nhiên, hình dạng của đ−ờng cong biểu diễn à

i

G có thể đ−a ra đ−ợc xu h−ớng chắc chắn của ng−ời ra quyết định.

Để tìm ra xu h−ớng ta không biểu diễn mức độ t−ơng thích đối với mục tiêu trên thang [0,1] , mà trên một thang rời rạc có 5-7 mức (level) tuỳ theo ng−ỡng nhận thức của ng−ời là quyết định.

Ví dụ: Một ý t−ởng đơn giản là biểu diễn sát mức độ t−ơng thích giữa mục tiêu và sự đánh giá, và chiếu các mức lên [0,1] nh− bảng 1.

Bảng 1. Qui −ớc thang ngôn ngữ Mức độ t−ơng thích giữa mục tiêu và

−ớc l−ợng

qui −ớc số sự đánh giá sát

A t−ơng thích hoàn toàn 1 rất tốt

B rất t−ơng thích 0.75 tốt

C t−ơng đối t−ơng thích 0.5 t−ơng đối tốt

D kém t−ơng thích 0.25 không tốt

E không t−ơng thích 0 rất tồi

Để nhận dạng à

i (adsbygoogle = window.adsbygoogle || []).push({});

-Rời rạc X thành một tập X’ và hỏi ng−ời làm quyết định đ−a ra một sự đánh giá cho từng −ớc l−ợng x’∈X’, và sau đó dàn xếp kết quả.

-Trình bầy G nh− là một số mờ kiểu LR mà ng−ời làm quyết định cung cấp thông số (bằng cách cố định sự giới hạn của core và của support của G) và hình dáng.

-Sử dụng một hệ thống trình bầy đồ hoạ cho phép ng−ời sử dụng tìm ra hình dạng của àG, theo cách này có hình dung trực tiếp mục tiêu đang tìm kiếm.

Đ−a ra một mục tiêu Givà tiêu chuẩn Ci, một sự đánh giá từng đối

t−ợng ω∈Ω có thể đ−ợc làm nh− thể sự t−ơng thích của nó với mục tiêu, nó có thể đ−ợc miêu tả bởi hàm thành viên đ−ợc định nghĩa :

( )ωài = ⎟ ài = ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ ω à mi( ) i G (1.43)

Giả sử rằng mục tiêu toàn cục (global objective) có thể đ−ợc biểu diễn nh− là một hệ thống cấp bậc các mục tiêu con, tại mức cuối cùng của chúng là mục tiêu thành phần q liên quan với q các tiêu chuẩn cơ bản Cid−ới dạng ta có thể đánh giá các mục tiêu trong Ω.

Mục tiêu toàn cục có thể đ−ợc biểu diễn nh− là phạm trù toàn cục phức hợp mà tập tham khảo của chúng là tích đề các X

1ì ... ì Xq.

Tập mờ D các đối t−ợng t−ơng thích với mục tiêu toàn cục có thể nhận đ−ợc bởi việc tổ hợp các tập mờ mà hàm thành viên àiđ−ợc định nghĩa bởi (1.43). Vì vậy ta có thể giả sử rằng tồn tại một ánh xạ h từ [ ]0,1q vào [0,1] mà:

∀ω∈Ω, àD( )ω = h(à1( )ω ,...,àq( )ω)

Do việc cần thiết phải đánh giá đ−ợc các đối t−ợng, nên cần thiết phải tìm kiếm một phép toán lý thuyết tập mờ tổ hợp các mục tiêu thành phần.

Một đòi hỏi tự nhiên là phép toán h cần thoả mãn các điều kiện sau: A1. Điều kiện biên: h(0,0,...,0) = 0; h(1,1,...,1) = 1

A2. ∀(si, ti)∈[0,1]2, nếu si ≥ ti thì h(s1,...,sq) ≥ h(t1,...., tq). A3. h là hàm đối xứng của các tham số của nó.

A4. h là liên tục.

1.8.2.Các phép toán của lý thuyết tập mờ

1.8.2.1.phép toán bù Định nghĩa 1.20: Một phép toán phần bù là một hàm c từ [0,1] vào [0,1] mà phủ định Fcủa tập mờ F đ−ợc định nghĩa: ∀ω∈Ω, à ( )ω