TEI Πειραιά Σχολή Τεχνολογικών Εφαρμογών Τμήμα Μηχανικών Αυτοματισμού ΤΕ Τομέας Βιομηχανικής Πληροφορικής. Σημειώσεις ΕΥΦΥΟΥΣ ΕΛΕΓΧΟΥ

Transcript

1 TEI Πειραιά Σχολή Τεχνολογικών Εφαρμογών Τμήμα Μηχανικών Αυτοματισμού ΤΕ Τομέας Βιομηχανικής Πληροφορικής Σημειώσεις ΕΥΦΥΟΥΣ ΕΛΕΓΧΟΥ ΑΝΑΣΤΑΣΙΟΣ ΝΤΟΥΝΗΣ Αναπληρωτής Καθηγητής 03

2 ΠΕΡΙΕΧΟΜΕΝΑ. Εισαγωγή Ασαφή Σύνολα Αρχή της Επέκτασης Ασαφείς Σχέσεις και Συνθέσεις Ασαφής Αριθμητική Ασαφής Λογική Ασαφής Συλλογισμός Δομή Συστήματος Ασαφούς Λογικής Σύστημα Ασαφούς Λογικής μια Μη Γραμμική Προσέγγιση Ασαφής Συλλογισμός με τη Μέθοδο TSK Βασικά Στοιχεία Μηχανικής Μάθησης και Τεχνητών Νευρωνικών Δικτύων Εξαγωγή Γνώσης από Δεδομένα Εισόδου Εξόδου Βελτιστοποίηση Συστημάτων Ασαφούς Λογικής Ρύθμιση των Κερδών PID Ελεγκτή με Σύστημα Ασαφούς Λογικής Βιβλιογραφία Παράρτημα...67

3 . ΕΙΣΑΓΩΓΗ Η τεχνητή νοημοσύνη (rtificia Inteigence) είναι μια από τις νεότερες επιστήμες και αποτελεί έναν κλάδο της επιστήμης των υπολογιστών. Ουσιαστικά γεννήθηκε το 956 και ο στόχος που τέθηκε ήταν να δημιουργήσει μηχανές με σκοπό να λειτουργούν αυτόνομα μέσα σε πολύπλοκα και δυναμικά μεταβαλλόμενα περιβάλλοντα. Η θεωρία συστημάτων και ειδικότερα η θεωρία ελέγχου προσέφεραν το μαθηματικό υπόβαθρο για την προσέγγιση της λύσης αυτού του προβλήματος. Τα εργαλεία της τεχνητής νοημοσύνης χρησιμοποιήθηκαν στη θεωρία ελέγχου για να ξεπεραστούν οι μαθηματικοί περιορισμοί της θεωρίας ελέγχου. Ο συγκερασμός της τεχνητής νοημοσύνης και τα θεωρίας των συστημάτων δημιούργησε έναν νεοσύστατο επιστημονικό κλάδο αυτό της υπολογιστικής νοημοσύνης (Computationa Inteigence). Η υπολογιστική νοημοσύνη εμπεριέχει και συνδυάζει συνεργατικά τρία βασικά δομικά επιστημονικά πεδία, δηλαδή τα συστήματα ασαφούς λογικής (Fuzzy Logic Systems), τα νευρωνικά δίκτυα (Neura Networks) και τους γενετικούς αλγόριθμους (Genetic gorithms). Στο σχήμα φαίνεται ότι τα συστήματα σαφούς λογικής αναδεικνύονται μέσα από τον συγκερασμό που προκύπτει από την τομή δύο επιστημονικών κλάδων. Τεχνητή Νοημοσύνη (Πληροφορική) Θεωρία Συστημάτων Υπολογιστική Νοημοσύνη Συστήματα Ασαφούς Λογικής Νευρωνικά Δίκτυα Γενετικούς Αλγόριθμους Σχήμα. Από την τομή δύο επιστημονικών κλάδων προκύπτει ένας νέος επιστημονικός τομέας των συστημάτων ασαφούς λογικής. Ένα από τα κύρια πεδία έρευνας της τεχνητής νοημοσύνης είναι η τεχνολογία της γνώσης (Knowedge engineering). Η τεχνητή νοημοσύνη χρησιμοποιεί εξειδικευμένη γνώση (π.χ. για προβλήματα διάγνωσης) του υπό μελέτη πεδίου και τεχνικές συλλογισμού για την αναζήτηση της λύσης σε συγκεκριμένα προβλήματα. Τα συστήματα αυτά περιέχουν: βάση γνώσης (κανόνες με σύμβολα), μηχανισμό απόκτησης γνώσης, σύστημα επεξήγησης, διεπικοινωνία χρήστη με το σύστημα και έναν μηχανισμό συμπερασμού και ονομάστηκαν έμπειρα συστήματα (Epert Systems). Η γλώσσα παράστασης που χρησιμοποιείται είναι η προτασιακή λογική ή λογική Booe και για περίπλοκα περιβάλλοντα η λογική πρώτης τάξης (first-order ogic, FOL) ή κατηγορηματικός λογισμός πρώτης τάξης. Η FOL είναι η κλασική Αριστοτέλεια λογική. Παράδειγμα: Όλοι οι άνδρες είναι θνητοί. Ο Σωκράτης είναι άνδρας. Ως εκ τούτου ο Σωκράτης είναι θνητός. 3

4 Η βασική αρχή της τεχνολογίας των έμπειρων συστημάτων είναι η συλλογική ανθρώπινης γνώσης και μέσα από τον μηχανισμό συλλογισμού να παράγεται ένα συμπέρασμα όμοιο με αυτό του εμπειρογνώμονα. Το λογισμικό των συμβατικών υπολογιστικών συστημάτων είναι η «εξίσωση» Δεδομένα + αλγόριθμος = Λογισμικό Στην τεχνητή νοημοσύνη η εξίσωση μετασχηματίζεται ως Γνώση + Μηχανισμός Συμπεράσματος = Έμπειρο Σύστημα Ένα σημαντικό στοιχείο αυτής της διαδικασίας είναι η παράσταση της αβεβαιότητας (uncertainty) που υπάρχει στην ανθρώπινη γνώση. Η διαχείριση της αβεβαιότητας μπορεί να προσεγγιστεί με διάφορες μεθοδολογίες όπως: Δίκτυα Bayes, θεωρία Dempster-Shafer, ασαφής λογική και εμπειρικές τεχνικές. Η ασαφής λογική είναι μια αναγκαία συνθήκη αλλά όχι ικανή για να εντοπίσει λύσεις γενικότερα στα προβλήματα της τεχνητής νοημοσύνης όπως για παράδειγμα η αναγνώριση προτύπων (Zadeh). Η τεχνητή νοημοσύνη σήμερα μελετά ορθολογικούς ή ευφυείς πράκτορες (Inteigent agents) οι οποίοι προσλαμβάνουν αντιλήψεις από το περιβάλλον και πραγματοποιούν συγκεκριμένες ενέργειες. Η υπολογιστική νοημοσύνη για τον επιτυχή σχεδιασμό ευφυών συστημάτων χωρίς την ύπαρξη μαθηματικού προτύπου (mode-free) συνδυάζει υποκειμενική γνώση (γλωσσική πληροφορία) και κανόνες που προκύπτουν από αριθμητικά δεδομένα του συστήματος. Η μεθοδολογία η οποία έχει συμβάλλει στην υλοποίηση mode-free συστημάτων είναι η ασαφής λογική. Η ασαφής λογική προέκυψε από τη θεωρία των ασαφών συνόλων. Ο μηχανισμός συμπεράσματος χρησιμοποιεί muti-vaued λογική (ασαφής λογική) και έτσι ξεφεύγει από τα στενά πλαίσια της Αριστοτέλειας λογικής και έρχεται κοντύτερα στο ανθρώπινο συλλογισμό. Στην υπολογιστική νοημοσύνη η παραπάνω εξίσωση διαμορφώνεται ως Πληροφορία (αριθμητική και γλωσσική) + Ασαφής Μηχανισμός Συμπεράσματος = Σύστημα Ασαφούς Λογικής Μια πρώτη αίσθηση του ασαφούς συνόλου Έστω ότι το υπερσύνολο αναφοράς U περιλαμβάνει τους αριθμούς 3,4,5,6,7 και 8. Στο U ορίζουμε το κλασικό-σαφές μονοσύνολο Α={/5} το οποίο περιλαμβάνει τον αριθμό 5 με βαθμό συμμετοχής. Εάν χρησιμοποιήσουμε την έκφραση «οι ακέραιοι αριθμοί κοντά στο 5» τότε μπορούμε να ορίσουμε ένα ασαφές σύνολο τα οποίο να περιλαμβάνει και τους ακέραιους αριθμούς 3,4,6,7 που είναι κοντά στο 5 με βαθμούς συμμετοχής μικρότερους από το. Για παράδειγμα Α = {0.5/ /4 + / / /7 + 0/8} 4

5 Υπερσύνολο αναφοράς U Ασαφές σύνολο Ασαφές όριο Σαφές σύνολο Α Σχήμα. Διάγραμμα Venn ασαφούς συνόλου. Το ασαφές σύνολο μπορεί να θεωρηθεί ως ένας ασαφής αριθμός (fuzzy number) που περιγράφεται με τη γλωσσική τιμή «περίπου 5». Οι γλωσσικές τιμές της γλωσσικής μεταβλητής ύψος ανθρώπου είναι οι όροι «κοντός» και «ψηλός» άνθρωπος. Οι όροι αυτοί στην κλασική θεωρία των συνόλων περιγράφονται από δύο διαστήματα π.χ. [0,.85] και [.85,.0]. Όμως το καθοριστικό όριο του διαχωρισμού της έννοιας κοντός και ψηλός έχει καθοριστεί στο.85 υποκειμενικά. Επομένως μια περισσότερο πραγματική παράσταση, η οποία θα αντιπροσώπευε ίσως περισσότερους ανθρώπους, θα ήταν μια προοδευτική μετάβαση από την έννοια του κοντού στην έννοια του ψηλού (Σχήμα 3). Γα να επιτευχθεί αυτό εισάγουμε την έννοια του βαθμού συμμετοχής στο σύνολο [0,]. Συνάρτηση συμμετοχής Συνάρτηση συμμετοχής Κοντοί.85 Ψηλοί.85 Συνάρτηση συμμετοχής Κοντοί Ψηλοί Σχήμα 3. Κλασικά και ασαφή σύνολα που περιγράφουν τις γλωσσικές τιμές «κοντός και ψηλός άνθρωπος» της γλωσσικής μεταβλητής ύψος. 5

6 . Ποια είναι τα κύρια ερευνητικά πεδία της ασαφούς θεωρίας συνόλων; Όλες οι θεωρίες και τα συστήματα που χρησιμοποιούν τη θεμελιώδη έννοια του ασαφούς συνόλου και της συνάρτησης συμμετοχής ανήκουν στο πλαίσιο της θεωρίας ασαφών συνόλων.. Ασαφή Μαθηματικά (ασαφή σύνολα, ασαφείς σχέσεις και μετρήσεις, ασαφής τοπολογία, ανάλυση διαστημάτων κ.α.).. Συστήματα Ασαφούς Λογικής Ασαφής έλεγχος Ασαφής επεξεργασία σήματος Ασαφής Μοντελοποίηση Ψηφιακές Τηλεπικοινωνίες 3. Ασαφής Λήψη Αποφάσεων (Ασαφής μαθηματικός προγραμματισμός, πολυκριτηριακή βελτιστοποίηση κ.α.). 4. Αβεβαιότητα και Πληροφορία (Μέτρηση της αβεβαιότητας, θεωρία δυνατότητας κ.α.). 5. Ασαφής Λογική και Τεχνητή Νοημοσύνη (Προσεγγιστικός συλλογισμός, ασαφή έμπειρα συστήματα κ.α.).. Ιστορική εξέλιξη της θεωρίας των ασαφών συνόλων Το 937, ο φιλόσοφος Μαξ Μπλακ (Ma Back), παρουσίασε το πρώτο ασαφές σύνολο, που είχε την ίδια μορφή με τα ασαφή σύνολα που χρησιμοποιούμε σήμερα. Το ονόμασε αόριστο σύνολο. Επίσης όρισε και το αντίστροφο σύνολο ενός αόριστου συνόλου. Ο Μπλακ, έδειξε ότι τα αόριστα σύνολα ταιριάζουν με τις έννοιες που χρησιμοποιούμε στην καθημερινή μας ζωή. Όλες αυτές οι εργασίες, έμειναν άγνωστες για πολύ καιρό. Αυτό γιατί η ιδέα ότι μπορεί κάτι να είναι αλήθεια και να μην είναι αλήθεια, ήταν επαναστατική, προκλητική και επομένως πολύ δύσκολο να γίνει αποδεκτή. Η θεμελίωση του ασαφούς ελέγχου και γενικότερα της ασαφούς λογικής, έγινε με την θεωρία των ασαφών συνόλων (Fuzzy set theory), που δημοσίευσε για πρώτη φορά ολοκληρωμένη, στην σημερινή της μορφή, ο Zadeh. Ιστορικά, έχουν γίνει και άλλες προσπάθειες προσέγγισης αυτής της λογικής, κυρίως σε θεωρητικό επίπεδο, οι οποίες δεν έτυχαν ιδιαίτερης προσοχής. Δεκαετία του 960: Η ασαφής θεωρία ξεκίνησε με τον καθορισμό των ασαφών συνόλων από τον Lotfi Zadeh. Δεκαετία του 970: Εφαρμογές της ασαφούς λογικής στην Ευρώπη (974: Ασαφής ελεγκτής Mamdani). Δεκαετία του 980: Ασαφής μοντελοποίηση (TSK mode) με πληθώρα εφαρμογών στην Ιαπωνία. 6

7 Δεκαετία του 990: Ευρεία βιομηχανική εφαρμογή των ασαφών συστημάτων στην Ευρώπη και στις Ηνωμένες Πολιτείες. Συνέργια Νευρωνικών Δικτύων, Γενετικών Αλγόριθμων και Ασαφών Συστημάτων. 000-σήμερα: Η ασαφής θεωρία γίνεται επιστήμη και εφαρμόζεται σε ποικίλους επιστημονικούς τομείς: Αυτόματος έλεγχος, Αναγνώριση προτύπων, Επιχειρησιακή έρευνα, Διοικητική και Οικονομική επιστήμη..3 Η αρχή της ασυμβατότητας (Principe of incompatibiity) Η αρχή αυτή διατυπωμένη από τον Zadeh λέει ότι: Καθώς η πολυπλοκότητα ενός συστήματος αυξάνει μειώνεται η ικανότητά μας να προβούμε σε ακριβείς και σημαντικές περιγραφές όσον αφορά τη συμπεριφορά του συστήματος μέχρι που φθάνουμε σε ένα όριο πέρα από το οποίο τα χαρακτηριστικά της ακρίβειας και της σημαντικότητας γίνονται σχεδόν αμοιβαία αποκλειόμενα. Στο διάγραμμα του σχήματος 4 φαίνεται η αρχή της ασυμβατότητας δηλαδή δείχνει τελικά ότι τα συστήματα ασαφούς λογικής αντιμετωπίζουν την πολυπλοκότητα του συστήματος χωρίς να μειώνεται σημαντικά η ακρίβεια της περιγραφής του. Ανακρίβεια μοντέλου Μαθηματικές εξισώσεις Μέθοδοι άνευμοντέλου (ΝΔ) Συστήματα ασαφούς λογικής Πολυπλοκότητα συστήματος Σχήμα 4. Διάγραμμα σχέσεως πολυπλοκότητας συστήματος και ανακρίβειας μοντέλου με μεθοδολογίες περιγραφής του. Η αύξηση της μαθηματικής ακρίβειας στην περιγραφή ενός συστήματος αυξάνει εκθετικά τα κόστος υλοποίησης της προτεινόμενης λύσης. Είναι δηλαδή πολύ ακριβή λύση για να είναι πρακτικά εφαρμόσιμη (Σχήμα 5). Παράδειγμα: Ένας οδηγός χρειάζεται λιγότερο από ένα λεπτό γι να παρκάρει σε μια θέση. Θα ήθελε πολύ περισσότερο χρόνο εάν του λέγαμε να παρκάρει στην ίδια θέση αλλά με ακρίβεια 0.0 mm από τη διαχωριστική γραμμή και οι τροχοί να στρίψουν κατά 0.0 μοίρες δεξιά. Ερώτηση: Ποια είναι η διαφορά μεταξύ του κόστους μιας ασαφούς προσέγγισης και μιας κλασικής προσέγγισης. 7

8 Απάντηση: Υπάρχει μια θεμελιώδης διαφορά μεταξύ των θεωρητικώς δυνατών λύσεων και των πρακτικώς εφικτών (Hirota, NS 99) Κόστος και πρακτικότητα Κόστος Ωφέλεια Μη ακρίβεια Ακρίβεια Σχήμα 5. Διάγραμμα που δείχνει τα σχέση ακρίβειας της περιγραφής το συστήματος με το κόστος και την ωφέλεια..4 Η έννοια της αβεβαιότητας (uncertainty) Στις αρχές του 9 ου αιώνα οι επιστήμονες πίστευαν ότι η κλασική μηχανική μπορούσε να λύσει τα προβλήματα τα κίνησης των σωμάτων. Όταν όμως αντιμετώπισαν ν- σώματα (κίνηση μορίων σε αέρια) η κλασική μηχανική δε μπόρεσε να εφαρμοστεί και οδηγήθηκαν στη στατιστική μηχανική. Δηλαδή αποδέχτηκαν το γεγονός ότι δεν μπορούμε να μιλάμε για κάτι με την καθιερωμένη ακρίβεια αλλά μιλάμε για αυτό στατιστικά. Η θεμελίωση της κβαντομηχανικής ουσιαστικά ξεκίνησε με τον όρο αβεβαιότητα και μη ακρίβεια. Ο Heisenberg διατύπωσε την αρχή της αβεβαιότητας (97) Είναι αδύνατο να προσδιορίσουμε με ακρίβεια συγχρόνως τη θέση και την ορμή ενός μικρού σωματιδίου (π.χ. ηλεκτρόνιο). Την ίδια εποχή ο Schrodinger υιοθετώντας την αρχή της αβεβαιότητας και την αρχή του De Brogie έδωσε την περίφημη κυματική εξίσωση καταρρίπτοντας όλα τα ατομικά πρότυπα της εποχής. Η κυματική εξίσωση δίνει λύσεις για υδρογονοειδή άτομα δηλαδή άτομα με ένα ηλεκτρόνιο στην εξωτερική στιβάδα. Για πολυ-ηλεκτρονιακά άτομα η κυματική εξίσωση δίνει λύσεις κατόπιν κατάλληλων προσεγγίσεων. Σήμερα το ίδιο συμβαίνει και με την επίλυση των διαφορικών εξισώσεων. Αποδεχόμαστε δηλαδή την αριθμητική λύση τους. Όπως διαπιστώνουμε η αβεβαιότητα ενυπάρχει στα φυσικά συστήματα και συνυπάρχει και στις έννοιες των λέξεων που χρησιμοποιούμε καθημερινά. Πριν αναφέρουμε τους τύπους των αβεβαιοτήτων που συναντούμε σε πραγματικά προβλήματα είναι σημαντικό να κατανοηθεί η διαφορετικότητα εννοιολογικά κρίσιμων όρων: η ασάφεια (fuzziness), το τυχαίο (randomness) και η πιθανότητα (probabiity). 8

9 Ασάφεια (Fuzziness): H ασάφεια μετρά το βαθμό στο οποίο ένα γεγονός συμβαίνει. Περιγράφει ένα αμφίβολο γεγονός (event ambiguity). Τυχαίο (Randomness): Περιγράφει την αβεβαιότητα της ύπαρξης ενός γεγονότος (event occurrence). Ένα γεγονός συμβαίνει ή όχι. Πιθανότητα (Probabiity): Περιγράφει ένα γεγονός με συχνότητες..4. Ποια είναι η σχέση ασάφειας και πιθανότητας Ερώτηση: Μήπως τα ασαφή σύνολα είναι στατιστικά μοντέλα έντεχνα παραλλαγμένα; Απάντηση: Έστω το σύνολο Π = {όλα τα κατάλληλα πόσιμα ποτά}. Σ ένα τραπέζι υπάρχουν δύο δοχεία που έχουν κάποια ποτά Α και Β. Η ετικέτα στο ένα δοχείο γράφει μ(αєπ) = 0.9 όπου μ είναι η συνάρτηση συμμετοχής και στο άλλο P(ΒЄΠ) = 0.9 όπου P είναι η πιθανότητα. μ(αєπ) = 0.9: σημαίνει ότι το ποτό που έχει το πρώτο δοχείο συμμετέχει στο σύνολο Π με βαθμό συμμετοχής 0.9. P(ΒЄΠ) = 0.9: σημαίνει ότι η πιθανότητα να είναι το περιεχόμενο του δεύτερου δοχείου πόσιμο ποτό είναι 9%, δηλαδή υπάρχει ένα ποσοστό 9% να είναι μη πόσιμο (Θειικό οξύ). Επομένως κάποιος διαβάζοντας τις ετικέτες θα άνοιγε για να πιει προφανώς το πρώτο δοχείο με μ(αєπ) = 0.9. Αν ανοίξουμε τα δοχεία και διαπιστώσουμε ότι το υγρό Α είναι μπύρα και το υγρό Β είναι θειικό οξύ τότε μετά την παρατήρηση θα έχουμε μ(αєπ) = 0.9 και P(ΒЄΠ) = 0. Συμπέρασμα: Στο παράδειγμα αυτό έχουμε δύο είδη πληροφορίας: ο είδος πληροφορίας: η ασαφής συμμετοχή σε ένα σύνολο περιγράφει ομοιότητες αντικειμένων. ο είδος πληροφορίας: Η πιθανότητα περιέχει πληροφορία με σχετικές συχνότητες..4. Τύποι αβεβαιότητας Η αβεβαιότητα ενυπάρχει στις καθημερινό μας λεξιλόγιο και όπως δήλωσε και ο J. Mende words mean different things to different peope. Συνεπώς τα ασαφή σύνολα μπορούν να χρησιμοποιηθούν για να περιγράψουν την αβεβαιότητα και έτσι να κάνουμε υπολογισμούς με λέξεις. Οι τύποι αβεβαιότητας είναι τρεις:. Fuzziness (Vagueness): οι έννοιες των λέξεων που χρησιμοποιούνται στα αίτια και στα αποτελέσματα των κανόνων μπορεί να είναι αβέβαιες.. Non specificity (information-based imprecision): πιθανές αβεβαιότητες. η αβεβαιότητα μπορεί να οφείλεται στο θόρυβο των μετρήσεων που ενεργοποιούν το σύστημα ασαφούς λογικής.. Η αβεβαιότητα μπορεί να οφείλεται στο θόρυβο των δεδομένων εκπαίδευσης (training data) που χρησιμοποιούνται για να ρυθμιστούν οι παράμετροι του συστήματος ασαφούς λογικής. 9

10 3. Strife (discord) (διαφωνία-ασυμφωνία): τα συμπεράσματα των κανόνων μπορεί να έχουν ένα ιστόγραμμα τιμών ειδικά όταν η γνώση λαμβάνεται από μια ομάδα εμπειρογνωμόνων και οι οποίοι δεν συμφωνούν. Ασαφείς έννοιες στην τεχνολογία Υπάρχουν αρκετοί τεχνολογικοί όροι που χρησιμοποιούνται ευρέως στον έλεγχο, στην επεξεργασία σήματος και τις τηλεπικοινωνίες τους οποίους συχνά επικαλούμαστε με ασαφές περιεχόμενο. Η συσχέτιση είναι ένας όρος που υπολογίζεται με ακρίβεια από μαθηματικό τύπο. Εάν η συσχέτιση κανονικοποιηθεί στο διάστημα [0,] και για ένα σύνολο δεδομένων υπολογίσουμε την συσχέτιση 0. τότε συνήθως λέμε τα δεδομένα αυτά έχουν χαμηλή συσχέτιση. Η ευστάθεια είναι και αυτός ένας όρος ο οποίος συχνά περιγράφεται με τα βαθμό της σχετικής ευστάθειας. Παράδειγμα: ένα σύστημα έχει δύο μιγαδικούς πόλους και συντελεστή απόσβεσης 0.4. Το σύστημα το χαρακτηρίζουμε με μικρή απόσβεση. Άρα έχουμε ασαφοποιήσει τον αριθμό 0.4 στο ασαφές σύνολο «μικρή απόσβεση». Το σφάλμα σχολιάζεται με ασαφείς έννοιες όπως: μικρό, μεγάλο, σχεδόν μηδέν πολύ μεγάλο κ.α. Η συχνότητα και η ανάλυση χαρακτηρίζεται ως υψηλή, χαμηλή. Για τη δειγματοληψία χρησιμοποιούμε χαμηλού ρυθμού, υψηλού ρυθμού κ.α..5 Γιατί χρησιμοποιούνται Συστήματα Ασαφούς Λογικής Για σύνθετα και πολύπλοκα συστήματα για τα οποία διαθέτουμε λίγα αριθμητικά δεδομένα και αμφίβολη μη ακριβή πληροφορία ο ασαφής συλλογισμός μας δίνει τη δυνατότητα να κατανοήσουμε τη συμπεριφορά του συστήματος. Τα συστήματα ασαφούς λογικής μπορούν να συνδυάσουν δύο διαφορετικά είδη πληροφορίας για το σύστημα. Το ένα είδος πληροφορίας είναι αριθμητικό και προέρχεται από τις μετρήσεις των αισθητήρων και το άλλο είδος της πληροφορίας προέρχεται από τη γνώση των εμπειρογνωμόνων του συστήματος και εκφράζεται με φυσική γλώσσα.6 Τι είναι τα Συστήματα Ασαφούς Λογικής Τα συστήματα ασαφούς λογικής ανήκουν στην κατηγορία των ευφυών συστημάτων και βρίσουν εφαρμογή σε πολλά πρακτικά προβλήματα. Τα συστήματα αυτά βασίζονται σε γνώση. Ένα παράδειγμα ασαφούς κανόνα: Εάν η ταχύτητα του αυτοκινήτου είναι μεγάλη Τότε εφάρμοσε μικρή επιτάχυνση () όπου ο λέξεις μεγάλη και μικρή μοντελοποιούνται με ασαφή σύνολα. Το σύστημα σαφούς λογικής περιέχει ένα σύνολο τέτοιων κανόνων 0

11 Οι τύποι των συστημάτων ασαφούς λογικής είναι τρεις: ) θεωρητικά ασαφή συστήματα, ) Takagi-Sugeno-Kang ασαφή συστήματα και 3) ασαφή συστήματα με ασαφοποιητή και αποασαφοποιητή. ) Θεωρητικά ασαφή συστήματα Τα συστήματα αυτά έχουν είσοδο και έξοδο ασαφή σύνολα. Στα τεχνολογικά προβλήματα όμως οι είσοδοι και ο έξοδοι είναι πραγματικές τιμές. Οι κανόνες σε αυτόν τον τύπο συστήματος είναι της μορφής (). Εάν χρησιμοποιείται και η ανάδραση τότε το μετατρέπει σε ασαφές δυναμικό σύστημα. Ασαφείς Κανόνες (Τύπου ) Ασαφή σύνολα n στο U R Μηχανή Ασαφούς Συλλογισμού (Mamdani) Ασαφή σύνολα στο U R Σχήμα 6. Διάγραμμα θεωρητικού συστήματος ασαφούς λογικής. ) Συστήματα ασαφούς λογικής Tagaki-Sugeno-Kang (TSK) Το πρόβλημα της πρώτης κατηγορίας ασαφών συστημάτων επιλύθηκε από το TSK. Οι κανόνες τώρα είναι της μορφής: Εάν η ταχύτητα του αυτοκινήτου είναι μεγάλη Τότε η επιτάχυνση είναι y=c () όπου c είναι μια σταθερά. Παρατηρούμε ότι το αποτέλεσμα του κανόνα τώρα είναι μια μαθηματική σχέση και δεν περιέχει ανθρώπινη γνώση. Ένα άλλο πρόβλημα με τους TSK είναι ότι δεν υπάρχει η δυνατότητα εφαρμογής διαφορετικών μεθοδολογιών ασαφούς συλλογισμού. Στον αντίποδα αυτών το TSK συνδυάζει ευκολότερα τους κανόνες. Ασαφείς Κανόνες (Τύπου ) Μετρήσεις n R Μηχανή Ασαφούς Έξοδος y R Συλλογισμού (TSK) Σχήμα 7. Διάγραμμα συστήματος ασαφούς λογικής TSK.

12 3) Συστήματα ασαφούς λογικής με ασαφοποιητή και αποασαφοποιητή Τα μειονεκτήματα του θεωρητικού ασαφούς συστήματος και του TSK υπερκαλύπτονται με το ασαφές σύστημα εφοδιασμένο με ασαφοποιητή και αποασαφοποιητή. Η σημαντική συνεισφορά των συστημάτων ασαφούς λογικής είναι ότι αυτά παρέχουν μια συστηματική διαδικασία μετασχηματισμού μιας βάσης γνώσης σε μια μη γραμμική απεικόνιση. y=f() Ασαφείς κανόνες Μετρήσεις Ασαφοποιητής Αποασαφοποιητής Έξοδος Ασαφή σύνολα εισόδου Μηχανή ασαφούς συλλογισμού Ασαφές σύνολο εξόδου Σχήμα 8. Διάγραμμα συστήματος ασαφούς λογικής με ασαφοποιητή και αποασαφοποιητή..7 Πού χρησιμοποιούνται Συστήματα Ασαφούς Λογικής. Συστήματα ελέγχου (έλεγχος αεροσκαφών-rockwe Corp.). Συστήματα πρόβλεψης (μετεωρολογικές παράμετροι) πρόγνωση σεισμών 3. Επεξεργασία σήματος και εικόνας 4. Τηλεπικοινωνίες 5. Κατασκευή ολοκληρωμένων κυκλωμάτων 6. Έμπειρα συστήματα σε διάφορους επιστημονικούς τομείς όπως Διοίκηση επιχειρήσεων Ιατρική Οικονομία Ψυχολογία 7. Αναγνώριση προτύπων 8. Ρομποτική 9. Εφαρμογές στη βιομηχανία τσιμέντου, στη βιομηχανία χημικών διεργασιών, στα κτήρια (κλιματισμός Mitsubishi, αντισεισμικά συστήματα ελέγχου), στα τραίνα της Ιαπωνίας (Sendai) κ.α.

13 0. Καταναλωτικά προϊόντα Πλυντήρια (Matsushita, Hitachi) Σταθεροποιητές ψηφιακής εικόνας (Panasonic, Sanyo) Αυτοκίνητα (κλιματισμός, αμορτισέρ, BS, κατανάλωση καυσίμου) Τηλεόραση (Sony). Ευφυείς πράκτορες (Inteigent agents). Ευφυείς πράκτορες μοντελοποιούν συναισθήματα 3

14 . ΑΣΑΦΗ ΣΥΝΟΛΑ Βασικοί ορισμοί και ορολογία Η επέκταση ενός κλασικού συνόλου σε ασαφές σύνολο όσον αφορά τις συναρτήσεις συμμετοχής είναι συγκρίσιμη με την επέκταση του συνόλου των ακεραίων Ζ στο σύνολο των πραγματικών αριθμών R. Έτσι η διαστολή του πεδίου τιμών της συνάρτησης συμμετοχής από το {0,} στο [0,] είναι ανάλογη με την επέκταση από το Ζ στο R. Τα ασαφή σύνολα πρότειναν έναν εναλλακτικό τρόπο σε σχέση με τη θεωρία των πιθανοτήτων για τη μοντελοποίηση της αβεβαιότητας αμφισβητώντας την Αριστοτέλεια λογική. Με τα ασαφή σύνολα μπορούμε να επιτύχουμε: μοντελοποίηση της αβεβαιότητας και παράσταση υποκειμενικής ανθρώπινης γνώσης. Εάν Χ (universe of discourse) είναι μια συλλογή αντικειμένων που καθορίζονται με τη μεταβλητή, τότε ένα ασαφές σύνολο Α στο Χ ορίζεται από ένα σύνολο διατεταγμένων ζευγών: = {(, µ ( ) X )} όπου µ Α ( ) ονομάζεται συνάρτηση συμμετοχής (membership function, MF) για το σύνολο Α. Η MF απεικονίζει σε κάθε στοιχείο του Χ έναν βαθμό ή τιμή συμμετοχής μεταξύ 0 και. Συνάρτηση συμμετοχής µ του συνόλου είναι η συνάρτηση που δίνει το βαθμό συμμετοχής των στοιχείων του υπερσυνόλου αναφοράς στο σύνολο. Έστω το διακριτό υπερσύνολο αναφοράς Χ με στοιχεία i. Αν το ανήκει στο X, τότε αυτό περιγράφεται με ζευγάρια των στοιχείων και του αντίστοιχου βαθμού συμμετοχής τους στο σύνολο: µ ( ) µ ( ) = + + Τα στοιχεία που έχουν βαθμό συμμετοχής 0, δεν είναι απαραίτητο να σημειώνονται. Το σύμβολο + στην παραπάνω εξίσωση, σημαίνει ένωση και όχι πρόσθεση, ενώ το σύμβολο του κλάσματος δε σημαίνει διαίρεση, απλώς χρησιμοποιείται για να προσδιορίζουμε σε ποιο στοιχείο του X, αντιστοιχεί ο κάθε βαθμός συμμετοχής. Για παράδειγμα, εάν το σύνολο έχει ως στοιχεία δύο αριθμούς, έστω τον αριθμό με βαθμό συμμετοχής µ () = 0.8 και τον αριθμό με µ () = 0.4, τότε ɶ = {0.8 /+ 0.4 / } Αν το X είναι συνεχές, τότε το συμβολίζεται ως: µ ( ) = ή Χ µ ( ) = S 4

15 Το σύμβολο του ολοκληρώματος εκφράζει το σύνολο και δεν έχει την έννοια του ολοκληρώματος. Το S καλείται σύνολο στήριξης (support set) του συνόλου και είναι το σύνολο των του X για τα οποία ισχύει µ ( ) > 0. support( ) = { µ ( ) > 0} Στο παρακάτω σχήμα φαίνονται ένα διακριτό σύνολο = {0./ + 0.5/ / + / / / + 0./ } και ένα συνεχές με συνάρτηση συμμετοχής: ( ) µ = e ì ì Σχήμα 9. Διακριτό ( ) και συνεχές ( ) ασαφές σύνολο. Γλωσσικές μεταβλητές και γλωσσικές τιμές Υποθέτουμε τη γλωσσική μεταβλητή Χ όπου Χ = θερμοκρασία. Η γλωσσική μεταβλητή Χ μπορεί να πάρει διαφορετικές γλωσσικές τιμές: υψηλή, χαμηλή κ.α. Δηλαδή η έκφραση η θερμοκρασία είναι χαμηλή σημαίνει ότι έχουμε καταχωρίσει τη γλωσσική τιμή χαμηλή στη γλωσσική μεταβλητή θερμοκρασία. Επομένως μπορούμε να καθορίσουμε ασαφή σύνολα με ονόματα υψηλή θερμοκρασία (ΥΘ), χαμηλή θερμοκρασία (ΧΘ) και µ ΥΘ ( ), µ ( ) X Θ τα αντίστοιχα ασαφή σύνολα που να καθορίζουν πλήρως τις αντίστοιχες γλωσσικές τιμές. Παράδειγμα: Έστω ότι η μέτρηση της θερμοκρασίας σε ένα σύστημα θεωρείται ικανοποιητική μεταξύ 40 ο C και 60 ο C. Κάτω από τους 40 ο C η θερμοκρασία θεωρείται χαμηλή και πάνω από τους 60 ο C θεωρείται υψηλή. Στο σχήμα 0 δίνονται οι συναρτήσεις συμμετοχής που ικανοποιούν τις παραπάνω γλωσσικές τιμές. Στο σχήμα αυτό ορίζεται μερικές βασικές έννοιες όπως η στήριξη, ο πυρήνας και τα σημεία καμπής ενός ασαφούς συνόλου που αποτελούν βασική ορολογία στη βιβλιογραφία. 5

16 crossover point crossover point Membersip grades support core Temperature Σχήμα 0. Συναρτήσεις συμμετοχής των ασαφών συνόλων υψηλή θερμοκρασία και χαμηλή θερμοκρασία. Η στήριξη (support) του ασαφούς συνόλου Χ είναι ένα σύνολο σημείων στο X τέτοιων ώστε µ Α ( ) > 0 ήτοι support() = { ( ) > 0} Ο πυρήνας (core) ενός ασαφούς συνόλου είναι το σύνολο όλων των σημείων στο X έτσι ώστε µ Α ( ) =, core( ) = { ( ) = } µ Α Ένα ασαφές σύνολο έχει την ιδιότητα της κανονικότητας (normaity) εάν ο πυρήνας του δεν είναι το κενό σύνολο, δηλαδή υπάρχει ένα σημείο X τέτοιο ώστε µ Α ( ) =. Το σημείο του ασαφούς συνόλου στο οποίο συμβαίνει µ Α ( ) > 0.5 ονομάζεται σημείο καμπής ή σημείο διασταυρώσεως (crossover point) ήτοι crossover ( ) = { ( ) = 0.5}. µ Α Σ ένα ασαφές σύνολο του οποίου η στήριξη είναι ένα σημείο =α στο X με µ Α ( a) = ονομάζεται ασαφές μονοσύνολο (fuzzy singeton). µ Α μ Α () α Σχήμα. Ασαφές μονοσύνολο. 6

17 Το μέτρο (cardinaity) ή η πληθικότητα ενός ασαφούς συνόλου ορίζεται ως η ποσότητα = µ ( ) όπου U το διακριτό υπερσύνολο αναφοράς. Επίσης U U = πλήθος των στοιχείων του U. Το σχετικό μέτρο ενός ασαφούς συνόλου ορίζεται ως η ποσότητα =. U Ένα ασαφές σύνολο καλείται κυρτό ήτοι η συνάρτηση συμμετοχής µ Α ( ) είναι κυρτή καμπύλη όταν και μόνον όταν µ [ λ + ( λ ) ] min( µ ( ), µ ( )) λ (0,) α-cuts ή eve sets: ένα α-cut είναι ένα σαφές σύνολο το οποίο περιέχει τα στοιχεία του ασαφούς συνόλου με βαθμό συμμετοχής τουλάχιστον α. Μια α-τομή ορίζεται ως εξής: α = { U, µ ( ) α} όπου 0 < α Παράδειγμα: Θεωρούμε ένα ασαφές σύνολο Α των «μικρών ακεραίων» = Τότε το 0.5-cut του Α είναι απλά το σαφές σύνολο a = {,,3, 4}. Οι α-τομές προσφέρουν μια άλλη μέθοδο για την αναλυτική παράσταση οποιουδήποτε ασαφούς συνόλου: µ ( ) = ( α µ ( )) 0< α Οι α-τομές θα αναφερθούν αναλυτικά στο κεφάλαιο της ασαφούς αριθμητικής. α Περιγραφή συναρτήσεων συμμετοχής Η δυνατότητα χρησιμοποίησης παραμετροποιημένων συναρτήσεων για τον καθορισμό συναρτήσεων συμμετοχής (Membership Function) είναι πολύ σημαντική στο σχεδιασμό προσαρμοζόμενων ασαφών συστημάτων (daptive Fuzzy Systems).. Τριγωνική συνάρτηση συμμετοχής. Μια τριγωνική συνάρτηση συμμετοχής καθορίζεται από τρεις παραμέτρους (a, b, c), οι οποίες ορίζουν τις τετμημένες των τριών γονιών (corner). Το b είναι η κορυφή του τριγώνου (ape of the triange) όπου µ Α ( b) =. a c triange( ; a, b, c) = ma(min(, ),0) b a c b 7

18 μ Α () α b c Σχήμα. Ασαφές σύνολο με τριγωνική συνάρτηση συμμετοχής.. Τραπεζοειδής συνάρτηση συμμετοχής. Μια τραπεζοειδής συνάρτηση συμμετοχής καθορίζεται από τέσσερις παραμέτρους (a, b, c, d), οι οποίες ορίζουν τις τετμημένες των τεσσάρων γονιών (corner). Έχουμε µ Α ( ) = για b c. a d trapezoid( ; a, b, c, d) = ma(min(,, ),0) b a d c μ Α () α b c d Σχήμα 3. Ασαφές σύνολο με τραπεζοειδή συνάρτηση συμμετοχής. Οι παραπάνω συναρτήσεις συμμετοχής χρησιμοποιούνται ευρέως σε πραγματικού χρόνου εφαρμογές εξαιτίας της υπολογιστικής τους απλότητας. Επειδή οι συναρτήσεις αυτές δεν είναι ομαλές (smooth) στα σημεία καμπής (switching points) εισάγονται άλλοι τύποι συναρτήσεων συμμετοχής που είναι ομαλές και μη γραμμικές. 3. Γκαουσιανή συνάρτηση συμμετοχής. Μια Gaussian συνάρτηση συμμετοχής καθορίζεται από δύο παραμέτρους (σ, c). ( c) { [ ] } σ gaussian( ; σ, c) = e όπου c είναι το κέντρο της συνάρτησης συμμετοχής και το σ καθορίζει το εύρος της. Ένα παράδειγμα Γκαουσιανής συνάρτησης με c=0 και τυπική απόκλιση σ=. 8

19 Σχήμα 4. Γκαουσιανή ή ακτινική συνάρτηση ( y = e ). 4. Γενικευμένη Be συνάρτηση συμμετοχής. Μια γενικευμένη Be συνάρτηση συμμετοχής καθορίζεται από τρεις παραμέτρους (a, b, c), όπου η παράμετρος b είναι συνήθως θετική. be( ; a, b, c) = c + a Στη συνάρτηση αυτή ρυθμίζοντας τις παραμέτρους α και c μεταβάλλονται το κέντρο και το εύρος της συνάρτησης συμμετοχής. Η παράμετρος b καθορίζει τις κλίσεις στα crossover points της καμπύλης. Ένα παράδειγμα be με c=50, a=0 και b=4. b = (0 : 0.:00) y = + ^./( ( abs( 50) / 0). 8) pot(, y) saveas(,'c:\figure','eps') 9

20 a=30 a= Σχήμα 5. Γενικευμένη συνάρτηση συμμετοχής be(;α,4,50). 5. Σιγμοειδής συνάρτηση συμμετοχής. Μια σιγμοειδής συνάρτηση συμμετοχής καθορίζεται από δύο παραμέτρους (a, c). sigmoid ( ; a, c) = + ep[ a( c)] Η παράμετρος a ρυθμίζει την κλίση στο crossover point =c. Ένα παράδειγμα σιγμοειδούς συνάρτησης με c=0 και διαφορετικές τιμές κλίσεων α. Σχήμα 6. Σιγμοειδής συνάρτηση με διαφορετικές τιμές του α. y =, a = 0,, 0.6, 0.3 a + e 0

21 6. Υπερκωνική (Hyperconic) συνάρτηση συμμετοχής. Χρησιμοποιείται συχνά σε ασαφή συστήματα ελέγχου. Οι ασαφείς κανόνες που χρησιμοποιούν υπερκωνικές συναρτήσεις συμμετοχής έχουν μια τοπική επίπτωση, επειδή το σύνολο αναφοράς τους περιορίζεται σε μια κλειστή υπερσφαίρα (hyperba) ακτίνας r με κέντρο u. Η υπερκονική συνάρτηση συμμετοχής καθορίζεται από τρεις παραμέτρους (α,u,r) ως εξής: a u, for u r, a > 0 hyperconic( ; a, u, r) = r 0 αλλού Η παράμετρος u καθορίζει το κέντρο της συνάρτησης συμμετοχή και το r ορίζει το εύρος της. Πώς καθορίζονται οι συναρτήσεις συμμετοχής Υπάρχουν δύο βασικές προσεγγίσεις για να καθοριστούν οι συναρτήσεις συμμετοχής. Η πρώτη προσέγγιση είναι να χρησιμοποιηθεί η γνώση των εμπειρογνωμόνων για την προδιαγραφή της συνάρτησης συμμετοχής. Η δεύτερη προσέγγιση είναι να χρησιμοποιηθούν δεδομένα από πολλούς αισθητήρες και οι συναρτήσεις συμμετοχής να καθοριστούν είτε με τη χρησιμοποίηση νευρωνικών δικτύων είτε με γενετικούς αλγόριθμους. Βασικές πράξεις με ασαφή σύνολα Έχοντας υπερσύνολο αναφοράς το X με στοιχεία και τα και B να ανήκουν σε αυτό. Κενό σύνολο (empty set): µ ( ) 0 Υπερσύνολο αναφοράς (universe): µ ( ) Ισοτιμία (identity ή equivaent): = B µ ( ) = µ ( ) X Υποσύνολο (subset): B µ ( ) µ ( ) X Ένωση (union): µ B ( ) = ma( µ ( ), µ B ( )) X Τομή (intersection): µ B ( ) = min( µ ( ), µ B ( )) X Συμπλήρωμα (compement): µ ( ) = µ ( ) Παράδειγμα: X B Έστω ότι έχουμε ένα διακριτό υπερσύνολο αναφοράς X με τους ακέραιους αριθμούς από το έως και το 7, και δύο ασαφή σύνολα = περίπου 3 και B = περίπου 5 που ανήκουν σε αυτό, όπου B

22 = {0 /+ 0.5 / + / / / / / 7} και B = {0 /+ 0 / + 0 / / 4 + / / / 7}. Τότε: = {/ + 0.5/ + 0 / / 4 + / 5 + / 6 + / 7}, B = {/ + / + / / / / 6 + / 7} B = {0 /+ 0.5 / + / / 4 + / / / 7} B = {0 /+ 0 / + 0 / / / / / 7} Παράδειγμα των τριών βασικών πράξεων με συνεχείς συναρτήσεις συμμετοχής ì 0.6 ì ì Σχήμα 7. Συμπλήρωμα, Ένωση και Τομή. Βασικές ταυτότητες με ασαφή σύνολα Νόμος διπλής άρνησης (invoution): = Μεταθετική ιδιότητα (commutativity): B = B B = B

23 Μοναδιαία ποσότητα (idempotency): = = ( B ) C = ( B C ) Προσεταιριστική ιδιότητα (associativity): ( B) C = ( B C) Επιμεριστική ιδιότητα (distributivity): ( ) ( ) ( ) ( ) ( ) ( ) B C = B C B C = B C Νόμος απορρόφησης (absorption): ( ) ( ) B = B = ( ) Θεώρημα De Morgan (De Morgan s Law) : ( ) B = B B = B Γενίκευση και επέκταση των τριών βασικών πράξεων μεταξύ αριθμητικών μεταβλητών Γενίκευση της ασαφούς τομής (T-norm τελεστές) Λογικό γινόμενο y = min[, y] Αλγεβρικό γινόμενο y Φραγμένο γινόμενο y = ma[0, + y ] if y = Δραστικό γινόμενο ɺ y = y if = 0 if, y < Γενίκευση της ασαφούς ένωσης (T-conorm ή S norms τελεστές) Λογικό άθροισμα y = ma[, y] Αλγεβρικό άθροισμα + y y Φραγμένο άθροισμα y = min[, + y] Δραστικό άθροισμα if y = 0 ɺ y = y if = 0 if y 0 3

24 Γενίκευση του ασαφούς συμπληρώματος a Συμπλήρωμα Sugeno Ns ( a) = όπου s (, ) και το α + s a παριστάνει την τιμή μιας συνάρτησης συμμετοχής. Εάν s = 0 τότε προκύπτει το κλασικό ασαφές συμπλήρωμα. w w Συμπλήρωμα Yager Nw ( a) = ( a ) όπου w (0, ). Εάν w = τότε προκύπτει το κλασικό ασαφές συμπλήρωμα. Ο τελεστής ασαφούς συμπληρώματος είναι μια συνεχής συνάρτηση N :[0,] [0,] η οποία ικανοποιεί τις παρακάτω απαιτήσεις: N(0) = και N() = 0, N( a) b if a b όπου α και b είναι συναρτήσεις συμμετοχής κάποιων ασαφών συνόλων. Οι παραπάνω τελεστές ικανοποιούν την ιδιότητα της ενέλιξης (invoution): N( N( a)) = a Η συνάρτηση Ν μετασχηματίζει τη συνάρτηση συμμετοχής του ασαφούς συνόλου Α σε συνάρτηση συμμετοχής του συμπληρώματος. N( µ ( )) = µ ( ). Επιπλέον της ένωσης, της τομής και του συμπληρώματος πράξεις με ασαφή σύνολα Έστω ένα υπερσύνολο αναφοράς U = {,,3,4,5,6,7}, και δύο ασαφή σύνολα με συναρτήσεις συμμετοχής µ ( ) = και µ ( ) = B Αλγεβρικό γινόμενο Φραγμένο άθροισμα µ ( B ) = µ ( B ) = Φραγμένο γινόμενο µ ( B ) = Αλγεβρικό άθροισμα µ ( + B ) =

25 Ασκήσεις στα ασαφή σύνολα. Το ασαφές σύνολο Α έχει συνάρτηση συμμετοχής be( ; a, b, c) = µ ( ) =. Να δειχτεί ότι το ασαφές συμπλήρωμα του Α b c + a περιγράφεται από τη συνάρτηση συμμετοχής be( ; a, b, c).. Να δειχτεί ότι οι τελεστές του Sugeno και Yager ικανοποιούν το νόμο της ενέλιξης: Ν(Ν(α))=α. 3. Έστω δύο ασαφή σύνολα Α και Β στο υπερσύνολο αναφοράς U. Να αποδειχθεί η σχέση + B = B + B όπου ο τελεστής ορίζει την πληθικότητα του ασαφούς συνόλου. 4. Να αποδειχτεί ότι οι νόμοι του De Morgan ισχύουν και για ασαφή σύνολα, δηλαδή, ( ),( ) B = B B = B. 5. Έστω το υπερσύνολο αναφοράς U= και τα ασαφή σύνολα Α=0.8/3+/5+0.6/6 και Β=0.7/3+/4+0.5/6. Να γίνουν οι παρακάτω πράξεις:. or B. and B 3. B 4. a για α=0.5 a 5. για α= 6. ( ),( ) B = B B = B

26 3. Η ΑΡΧΗ ΤΗΣ ΕΠΕΚΤΑΣΗΣ Η αρχή της επέκτασης (etension principe) προτάθηκε από τον Zadeh. Η αρχή της επέκτασης είναι μια σημαντική τεχνική στη θεωρία των ασαφών συνόλων η οποία δημιουργεί την εικόνα ενός αρχέτυπου ασαφούς συνόλου μέσα από μια συνάρτηση. Έστω f : U V μια κλασική συνάρτηση από το σαφές σύνολο U στο σαφές σύνολο V. Υποθέτουμε ότι δίνεται ένα ασαφές σύνολο Α στο U και θέλουμε να καθορίσουμε το ασαφές σύνολο B = f ( ) στο V. Εάν η συνάρτηση f είναι μονοτονική ή αμφιμονοσήμαντη ή αντιστρέψιμη «-» τότε η συνάρτηση συμμετοχής του συνόλου Β είναι: µ y = µ f y y V () B ( ) [ ( )], Εάν η συνάρτηση f δεν είναι αντιστρέψιμη τότε προκύπτει το πρόβλημα ότι υπάρχουν δύο διαφορετικές τιμές του πεδίου ορισμού της συνάρτησης στις οποίες αντιστοιχεί μια τιμή στο πεδίο τιμών δηλαδή, υπάρχουν, : f ( ) = f ( ), και μπορεί να είναι µ ( ) µ ( ). Στην περίπτωση αυτή στο δεύτερο μέλος της () θα υπάρχουν δύο διαφορετικές τιμές µ ( f ( y = )) και µ ( f = ( y )). Για την επίλυση αυτού του προβλήματος προτάθηκε να λαμβάνεται η μεγαλύτερη από τις τιμές συμμετοχής. Επομένως τελική συνάρτηση συμμετοχής του συνόλου Β δίνεται από τη σχέση (). µ ( y ) = ma µ ( ), y V () B f ( y) όπου f ( y) το σύνολο των σημείων του U για τα οποία ισχύει η σχέση f ( ) = y. Η () αποτελεί την αρχή της επέκτασης η οποία ουσιαστικά είναι ένας fuzzy cacuator. 3. Αριθμητική με ασαφείς αριθμούς Ένα ασαφές σύνολο Α στο σύνολο των πραγματικών αριθμών R ονομάζεται ασαφής αριθμός εάν το Α έχει α) την ιδιότητα της κανονικότητας, β) την ιδιότητα της κυρτότητας, γ) ένα φραγμένο σύνολο στήριξης και δ) όλα τα α-cuts κλειστά διαστήματα του R. Στην πράξη χρησιμοποιούνται οι τριγωνικοί και τραπεζοειδείς ασαφείς αριθμοί των οποίων οι συναρτήσεις συμμετοχής ικανοποιούν τις παραπάνω συνθήκες. Χρησιμοποιώντας την αρχή της επέκτασης μπορούμε να ορίσουμε τις τέσσερις βασικές πράξης της αριθμητικής. Πρόσθεση: Η συνάρτηση συμμετοχής του αθροίσματος δύο ασαφών αριθμών ορίζεται ως µ ( z) = sup min[ µ ( ), µ ( y)] όπου sup είναι το supremum:μέγιστο + B B + y= z Αφαίρεση: Η συνάρτηση συμμετοχής της διαφοράς δύο ασαφών αριθμών ορίζεται ως µ ( z) = sup min[ µ ( ), µ ( y)] B B y= z 6

27 Πολλαπλασιασμός: Η συνάρτηση συμμετοχής του γινομένου δύο ασαφών αριθμών ορίζεται ως µ ( z) = sup min[ µ ( ), µ ( y)] B B y= z Διαίρεση: Η συνάρτηση συμμετοχής της διαίρεσης δύο ασαφών αριθμών ορίζεται ως µ ( z) = sup min[ µ ( ), µ ( y)] / B B / y= z Άλλες προσεγγίσεις για να μελετηθούν οι βασικές πράξεις είναι τα α-cuts και η μέθοδος verte. Οι πράξεις με α-cuts θα τις γνωρίσουμε στο 5 ο κεφάλαιο της ασαφούς αριθμητικής. Ασκήσεις στην αρχή της επέκτασης. Έστω συνάρτηση f ( ) = και ένα διακριτό ασαφές σύνολο Α=μικρό=/+0.8/+0.6/3+0./4. Να βρεθεί η ασαφής εικόνα f ( ) δηλαδή η συνάρτηση συμμετοχής της µ ( y ). B. Έστω η συνάρτηση f ( ) = 3 και ένα διακριτό ασαφές σύνολο Α=0./(-)+0.4/(-)+0.8/0+0.9/+0.3/. Να βρεθεί η ασαφής εικόνα f ( ) δηλαδή η συνάρτηση συμμετοχής της µ B ( y ). 3. Θεωρούμε ένα κλασικό σαφές αλγεβρικό σύστημα y = f ( ) όπου y και η έξοδος και η είσοδος του συστήματος και η συνάρτηση f περιγράφει το σύστημα. Να εφαρμοστεί η αρχή της επέκτασης () στις παρακάτω συναρτήσεις f με τις αντίστοιχες συναρτήσεις συμμετοχής: y Από την εξίσωση της έλλειψης + = με α= και b= προκύπτει a b η συνάρτηση y = f ( ) = με και 0 y και το 4 ασαφές σύνολο Α πάνω στο µ ( ) = y = f ( ) = και εάν 3 ( ) µ = 5 εάν 3 5 y f = ( ) = και εάν 4 µ ( ) = 3 5 εάν 4 5 7

28 Άσκηση στις βασικές πράξεις. Δίνονται οι ασαφείς αριθμοί «περίπου 3» και B «περίπου». Να γίνουν οι τέσσερις βασικές πράξεις της πρόσθεσης, της αφαίρεσης, του πολλαπλασιασμού και της διαίρεσης. ={0.3/+0.6/+/3+0.7/4+0./5} B={0.5/0+/+0.5/} 8

29 4. ΑΣΑΦΕΙΣ ΣΧΕΣΕΙΣ ΚΑΙ ΣΥΝΘΕΣΕΙΣ 4. Κλασικές σχέσεις Μια κλασική σχέση δείχνει την παρουσία ή την απουσία μιας σύνδεσης μεταξύ των στοιχείων δύο ή περισσότερων συνόλων. Τα ζευγάρια αυτά είναι διατεταγμένα με συγκεκριμένη διάταξη στην οποία το πρώτο στοιχείο του ζεύγους ανήκει στο πρώτο σύνολο και το δεύτερο στοιχείο στο δεύτερο σύνολο. Οι κλασικές σχέσεις ορίζονται πάνω στο καρτεσιανό γινόμενο (Cartesian product: Το όνομα προήλθε από τον φιλόσοφο-μαθηματικό Rene Descartes). Το καρτεσιανό γινόμενο δύο συνόλων Α και Β που συμβολίζεται ως B και ορίζεται ως το σύνολο των διατεταγμένων ζευγών (, y ) με και y Β όπου: B = {(, y); και y B} Παράδειγμα Καρτεσιανού γινομένου δύο κλασικών σαφών συνόλων Έστω τα κλασικά σύνολα Α={,} και Β={,,3} τότε το Καρτεσιανό γινόμενο είναι: Α B = {(,), (,), (,3), (,), (,), (,3)}. Ας θεωρήσουμε δύο μεταβλητές και y των οποίων οι τιμές είναι πραγματικοί αριθμοί στα κλειστά διαστήματα [, ] και [ y, y ] αντίστοιχα. Η γεωμετρική παράσταση του καρτεσιανού γινομένου [, ] [ y, y] αποτελείται από όλα τα στοιχεία του ορθογώνιου παραλληλογράμμου που φαίνεται στο παρακάτω διάγραμμα. y y R : = y [, ] [ y, y ] y Σχήμα 8. Γεωμετρική παράσταση Καρτεσιανού γινομένου και κλασικής σχέσης R. Στο προηγούμενο σχήμα φαίνεται και ένα παράδειγμα κλασικής δυαδικής σχέσης R η οποία εκφράζεται από την ισότητα των μεταβλητών. Ισχύει R [, ] [ y, y]. Η σχέση αυτή περιγράφει την έννοια «το είναι ίσο με το y». 9

30 4. Ασαφείς σχέσεις στον ίδιο Καρτεσιανό χώρο Ως ασαφής η προηγούμενη έννοια με γλωσσικούς όρους θα είναι: «το είναι προσεγγιστικά ίσο με το y». Για τη σύλληψη αυτής της ευρύτερης έννοιας χρειαζόμαστε ένα ασαφές σύνολο δύο διαστάσεων. Η συνάρτηση συμμετοχής η οποία περιγράφει την έννοια αυτή είναι μια ασαφής σχέση. Ένα παράδειγμα τέτοιας συνάρτησης συμμετοχής είναι: (, ) ma(0, y µ ) R y = c όπου το c είναι ένας θετικός πραγματικός αριθμός, ο οποίος επιλέγεται έτσι ώστε η ασαφής σχέση R να παριστάνει κατά τον καλύτερο τρόπο την έννοια που περιγράφει. Στο συγκεκριμένο παράδειγμα θα μπορούσε το c να πάρει την τιμή 0.0 και να περιγράψουμε με αυτόν τον τρόπο την προσέγγιση της ισότητας = y ± 0.0. Ορισμός ασαφούς σχέσης: Έστω U και V δύο υπερσύνολα. Τότε η ασαφής σχέση R ορίζεται ως: R = {(, y), µ (, y);(, y) U V} R µ (, y) µ (, y) = min( µ ( ), ( y)) R = B µ B Παράδειγμα: Η ασαφοποίηση της κλασικής σχέσης = μπορεί να γίνει με την ασαφή σχέση R η οποία έχει συνάρτηση συμμετοχής: µ (, R ) = Η παραπάνω ασαφής σχέση προσεγγίζει την σχέση =. Αυτό σημαίνει ότι εάν τα δεδομένα ικανοποιούν τη σχέση τότε ο βαθμός συμμετοχής που προκύπτει είναι. Δεδομένα που ικανοποιούν για παράδειγμα την =. θα έχουν βαθμό συμμετοχής μικρότερο από. Παράσταση ασαφούς σχέσης Γλωσσική περιγραφή (π.χ. «το είναι όμοιο με το y») Λίστα διατεταγμένων ζευγών με τις αντίστοιχες τιμές της συνάρτησης συμμετοχής Γράφημα Πίνακας Σχεσιακός πίνακας Παράδειγμα: Έστω τα υπερσύνολα αναφοράς U={+} και V={++3} και δύο ασαφή σύνολα Α και Β, αντίστοιχα: Α={/+0.9/} και Β={0.5/+0.7/+/3}. και y B. Γλωσσική περιγραφή: «το είναι λίγο μικρότερο από το y» Χρησιμοποιώντας τον ορισμό της ασαφούς σχέσης έχουμε: B = { } (,) (, ) (,3) (,) (,) (,3) 30

31 η ίδια σχέση με τη μορφή πίνακα γράφεται: R = B = Σχήμα 9. Το γράφημα της ασαφούς σχέσης R. Επειδή οι ασαφείς σχέσεις είναι ασαφή σύνολα υψηλής διάστασης (Καρτεσιανά γινόμενα) ισχύουν όλες ο βασικές λειτουργίες των ασαφών συνόλων (ένωση, τομή, συμπλήρωμα, α-cuts κ.α.) και στις ασαφείς σχέσεις. 0.4 Παράδειγμα: Έστω R = και R = 0.3 τότε µ R (, ) (, ) (, ) R y = µ R y µ R y = τότε 0.8 µ R (, ) (, ) (, ) R y = µ R y µ R y = 0.5 Συμπέρασμα: Η διαφορά μιας κλασικής και μιας ασαφούς σχέσης είναι ότι στη μεν κλασική σχέση ισχύει µ (, y ) = {0,} ενώ στην ασαφή σχέση ισχύει R µ ( R, y ) = [0,]. Ουσιαστικά η ασαφής σχέση είναι ένα ασαφές σύνολο δύο διαστάσεων. Άσκηση Θεωρούμε δύο ανεξάρτητα ασαφή σύνολα Α και Β (Non-interactive fuzzy sets) με συνεχείς συναρτήσεις συμμετοχής µ ( ) = 0. με [ 0, + 0] και µ B ( y) = 0. y με y [ 0, + 5]. Να βρεθεί η σχέση R του Καρτεσιανού γινομένου B με διακριτές και συνεχείς συναρτήσεις συμμετοχής. Λύση Για να εφαρμόσουμε τη διαδικασία εύρεσης της ασαφούς σχέσης R μετατρέπουμε τα συνεχή ασαφή σύνολα σε διακριτά χρησιμοποιώντας 5 τιμές. Α={0.9/+0.7/3+0.5/5+0.3/7+0./9} Β={0./+0.4/+0.6/3+0.8/4+/5} 3

32 R (, y) = min( µ ( ), B ( y)) = = µ B µ Αφήνετε στον αναγνώστη η εύρεση της σχέσης R με συνεχείς συναρτήσεις συμμετοχής. 4.. Προβολή και κυλινδρική επέκταση H Προβολή (Projection) μιας δυαδικής ασαφούς σχέσης πάνω σε μια διάσταση είναι μια ασαφής σχέση με συνάρτηση συμμετοχής που ορίζεται από τη σχέση: Πρώτη προβολή πάνω στο για όλα τα y: Δεύτερη προβολή πάνω στο y για όλα τα : Η συνολική προβολή είναι τελικά η μέγιστη τιμή της R µ ( ) = ma[ µ (, y)] R R y V µ ( y) = ma[ µ (, y)] U R R µ = ma [ µ (, y)] RT U, y V Η κυλινδρική επέκταση είναι η αντίθετη διαδικασία της προβολής. Η συνάρτηση συμμετοχής της νέας ασαφούς σχέσης ορίζεται από τον τύπο: R Παράδειγμα: µ (, y) = µ ( y) ή RC R µ (, y) = µ ( ) RC R R = µ R ( ) [ ] [ ] µ R ( y ) µ R T µ R C = Ασαφείς σχέσεις σε διαφορετικούς Καρτεσιανούς χώρους Έστω οι ασαφείς σχέσεις R ( U, V ) και R (, ) V W. Η σύνθεση (compositiona) δηλώνεται ως R R και ορίζεται ως μια ασαφής σχέση στο U W με συνάρτηση συμμετοχής 3

33 µ (, z) = ma min[ µ (, y), µ ( y, z)] R R R R y V ή µ (, z) = ma[ µ (, y) µ ( y, z)] R R R R y V Αλγόριθμος υπολογισμού της σύνθεσης δύο ασαφών σχέσεων Ma-Μin σύνθεση: ) Δημιουργούμε τις ασαφείς σχέσεις R και R με τη μορφή πίνακα και στη συνέχεια ακολουθούμε τη γνωστή διαδικασία πολλαπλασιασμού δύο πινάκων αλλά ) αντικαθιστούμε τον κάθε πολλαπλασιασμό με την min λειτουργία και 3) την πρόσθεση με τη ma λειτουργία. Ma-Product σύνθεση: ) Δημιουργούμε τις ασαφείς σχέσεις R και R με τη μορφή πίνακα και στη συνέχεα ακολουθούμε τη γνωστή διαδικασία πολλαπλασιασμού δύο πινάκων αλλά ) αντικαθιστούμε τον κάθε πολλαπλασιασμό με τη λειτουργία του αλγεβρικού πολλαπλασιασμού και 3) την πρόσθεση με τη ma λειτουργία. Ασκήσεις. Θεωρούμε τρεις δυαδικές ασαφείς σχέσεις που ορίζονται από τους παρακάτω πίνακες: P = P = , και P3 = Να υπολογιστούν με τους κανόνες σύνθεσης ma-min και ma-product οι συνθέσεις P P, P P P3.. Έστω τα υπερσύνολα U={+}, V={++3} και W={α+β+γ}. Θεωρούμε τρία ασαφή σύνολα: Α={/+0.9/}, Β={0.5/+0.7/+/3} και Γ={0.3/α+0./β+0.8/γ}. α) Θεωρούμε τις ασαφείς σχέσεις P και P οι οποίες ορίζονται στο UV και VW αντίστοιχα και υπολογίζονται από τις σχέσεις P = B και P = BΓ. Να υπολογιστούν οι συναρτήσεις συμμετοχής της ασαφούς σχέσης P P με τους δύο τρόπους σύνθεσης ma-min και ma-product. β) Αν δοθεί ένα ασαφές σύνολο που ανήκει στο υπερσύνολο U με συνάρτηση συμμετοχής = {0.9 /+ 0.8 / } να βρεθεί το αντίστοιχο ασαφές σύνολο στο υπερσύνολο W, (Να γίνει η πράξη ( P P ) ). 3. Χρησιμοποίησε τη σύνθεση ma-min για να υπολογίσεις το ασαφές σύνολο Β όταν δοθεί το ασαφές μονοσύνολο Α =/3 με τα δεδομένα της άσκησης, δηλαδή να γίνουν οι πράξεις B = P, B = P και B = P3 4. Η συσχέτιση της έντασης των σεισμικών κυμάτων και της επιτάχυνσης του εδάφους είναι μη ακριβής. Υποθέτουμε ότι έχουμε ένα υπερσύνολο με σεισμικές εντάσεις της κλίμακας Mercai, I={5,6,7,8,9} και ένα υπερσύνολο των 33

34 επιταχύνσεων σε g, ={0.,0.4,0.6,0.8,.0,.}. Η ασαφής σχέση R Καρτεσιανό χώρο ΙΑ είναι: στο R = ( I) ( ) Εάν ένα ασαφές σύνολο «σεισμικής έντασης κοντά στο 7» ορίζεται ως Ι ={0./5+0.6/6+/7+0.8/8+0./9} να καθοριστεί η συνάρτηση συμμετοχής Α των επιταχύνσεων χρησιμοποιώντας τη σύνθεση ma-product. 34

35 5. ΑΣΑΦΗΣ ΑΡΙΘΜΗΤΙΚΗ Σε πολλές πραγματικές εφαρμογές (συστήματα λήψης αποφάσεων) χρησιμοποιούμε διαστήματα πραγματικών αριθμών για να περιγράψουμε την αβεβαιότητα που υπάρχει για την πραγματική τιμή μιας αριθμητικής μεταβλητής. Το ίδιο συμβαίνει και σε τεχνολογικά προβλήματα όπου χρησιμοποιούνται συχνά διαστήματα για να χαρακτηρίσουμε αποδεκτές τις μεταβολές των παραμέτρων. Έτσι οι μαθηματικοί (956) για να αντιμετωπίσουν τη μη-ακριβή παράσταση πραγματικών αριθμών εισήγαγαν και μελέτησαν τα κλειστά διαστήματα (Interva anaysis). Η ανάλυση διαστημάτων είναι ο θεμελιώδης λίθος του ψηφιακού υπολογισμού στον οποίο η ακρίβεια μιας μεταβλητής είναι περιορισμένη αφού περιγράφεται από ένα πεπερασμένο πλήθος bits. Για παράδειγμα, η πρόσθεση δύο διαστημάτων οδηγεί σε ένα ευρύτερο διάστημα. Επομένως, η συσσωρευμένη αβεβαιότητα στο νέο διάστημα εξαρτάται από τις αλγεβρικές λειτουργίες που εφαρμόζονται στα δύο διαστήματα. Όταν προσθέτουμε ή πολλαπλασιάζουμε δύο σαφείς αριθμούς, το αποτέλεσμα ένας σαφής αριθμός. Όταν προσθέτουμε ή πολλαπλασιάζουμε δύο διαστήματα, το αποτέλεσμα είναι ένα νέο διάστημα. Στο νέο αυτό διάστημα πρέπει να καθορίσουμε τα δύο άκρα του, δηλαδή το κάτω και το άνω φράγμα. Για να υπολογίσουμε τα όρια του νέου διαστήματος χρησιμοποιούμε τα άκρα των δύο αρχικών διαστημάτων. Οι πράξεις με αριθμητικά διαστήματα ουσιαστικά είναι πράξεις μεταξύ ανισοτήτων. Αλγεβρικές πράξεις (operations) σε αριθμητικά διαστήματα Πράξεις Αποτέλεσμα Πρόσθεση [α, β]+[γ, δ] [α+γ, β+δ] Αφαίρεση [α, β]-[γ, δ] [α-δ, β-γ] Πολλαπλασιασμός [α, β] [γ, δ] [min(αγ, αδ, βγ, βδ), ma(αγ, αδ, βγ, βδ)] Διαίρεση [α, β] / [γ, δ]= [α, β] [/δ, /γ] [min(α/δ, α/γ, β/δ, β/γ), ma(α/δ, α/γ, β/δ, β/γ)] Για τα κλειστά διαστήματα [α, β] και [γ, δ] ισχύει α β και γ δ. Για την πράξη της διαίρεσης στο διάστημα [γ, δ] δεν πρέπει να περιλαμβάνεται ο αριθμός μηδέν ή διαφορετικά οι αριθμοί γ και δ δεν πρέπει να είναι ετερόσημοι. Παράδειγμα Έστω δύο αριθμητικά διαστήματα Α=[, 6] ή [, ] και Β=[, 4] ή [-4, -]. Να γίνουν οι 4 πράξεις μεταξύ του πρώτου ζεύγους των διαστημάτων [, 6] και [, 4] και του δεύτερου ζεύγους [, ] και [-4, -]. Πρόσθεση Α + Β = [, 6] + [, 4] = [+, 6+4] = [3, 0] Α + Β = [, ] + [-4, -] = [-4, -] = [-3, ] Αφαίρεση Α - Β = [, 6] - [, 4] = [-4, 6-] = [-, 5] Α - Β = [, ] - [-4, -] = [+, +4] = [, 6] 35

36 Πολλαπλασιασμός Α Β = [, 6] [, 4] = [min (, 4, 6, 6 4), ma ((, 4, 6, 6 4)] = [, 4] Α Β = [, ] [-4, -] = [min ( (-), (-4), (-), (-4)), ma ( (-), (-4), (- ), (-4))] = [min(-,-4,-,-8), ma(-,-4,-,-8)] = [-8, -] Διαίρεση Α / Β = [, 6] / [, 4] = [, 6] [/4, /] = [min ( /4, /, 6 /4, 6 /), ma (( /4, /, 6 /4, 6 /)] = [min(0.5,,.5, 6), ma(0.5,,.5, 6)] = [0.5, 6] Α / Β = [, ] [-4, -] = [, ] [/(-), /(-4)] = [min ( (-/4), (-), (-/4), (- )), ma ( (-/4), (-), (-/4), (-))] = [min(-0.5,-,-0.5,-), ma(-0.5,-,- 0.5,-)] = [-, -0.5] Αλγεβρικές πράξεις (operations) σε ασαφείς αριθμούς Ένα ασαφές σύνολο μπορεί να παρασταθεί με τις α-τομές, δηλαδή μια συνάρτηση συμμετοχής μπορεί να παραμετροποιηθεί με την παράμετρο α. Η παράμετρος α είναι ένας αριθμός που παίρνει τιμές στο διάστημα [0,]. Η παραμετροποίηση της συνάρτησης του ασαφούς αριθμού από το α μας προσφέρει τη δυνατότητα του μετασχηματισμού του ασαφούς αριθμού σε κλειστά διαστήματα. Έτσι οι ασαφείς αριθμητικές πράξεις ουσιαστικά μετατρέπονται σε πράξεις αριθμητικών διαστημάτων. To α-cut ενός ασαφούς συνόλου Α στο R ορίζεται ως α = { R, µ ( ) α} Για να κάνουμε ακριβή παράσταση του ασαφούς συνόλου ορίζουμε ένα ασαφές σύνολο με συνάρτηση συμμετοχής a µ ( ). α Το θεώρημα της ανάλυσης (Resoution Principe ή Decomposition Theorem) δηλώνει ότι η συνάρτηση συμμετοχής του ασαφούς συνόλου Α ισούται με την ασαφή ένωση (τελεστής ma) των συναρτήσεων συμμετοχής a µ ( ) ήτοι το sup πάνω στο α Є [0,]. Η σχέση είναι: 0< α α µ ( ) = ( α µ ( )) και προκύπτει εποπτικά από το επόμενο σχήμα. Στο παρακάτω σχήμα φαίνεται το ασαφές σύνολο Α με τριγωνική συνάρτηση συμμετοχής και η έννοια του α-cut. Η λειτουργία του α-cut είναι να μετατρέψει ένα ασαφές σύνολο με τη χρήση μιας στάθμης α σε ένα διάστημα εμπιστοσύνης [ a α, a α + ]. α 36

37 µ ( ) µ α α µ ( a = α ) α µ α ( ) α a α a α + Σχήμα 0. Η λειτουργία του α-cut μετασχηματίζει ένα ασαφές σύνολο σε ένα κλειστό διάστημα. Μια εδική κατηγορία ασαφών αριθμών που συχνά χρησιμοποιούνται στην πράξη και είναι οι τριγωνικοί ασαφείς αριθμοί. Ένας τριγωνικός ασαφής αριθμός Α είναι ένα ασαφές σύνολο στο R με τριγωνική συνάρτηση συμμετοχής: µ ( ) = µ ( ; a, b, c) Πρόσθεση και αφαίρεση με τη μέθοδο α-cut Έστω δύο τριγωνικοί ασαφείς αριθμοί Α και Β. Τα αντίστοιχα α-cuts αυτών είναι: + + = [ a, a ], B = [ b, b ] α α α α α α Τότε η πρόσθεση Α+Β είναι ένας ασαφής αριθμός που ορίζεται με τον τύπο: + + ( + B) = [ a + b, a + b ] α α α α α η αφαίρεση Α-Β είναι ένας ασαφής αριθμός που ορίζεται από τον τύπο: + + ( B) = [ a b, a b ] α α α α α Πολλαπλασιασμός και διαίρεση με τη μέθοδο α-cut Ο πολλαπλασιασμός του Α και του Β, Α Β, είναι ένας ασαφής αριθμός που δίνεται από τον τύπο: ( B) = [min( a b, a b, a b, a b ), ma( a b, a b, a b, a b )] α α α α α α α α α α α α α α α α α + Εάν 0 [ bα, bα ] τότε η διαίρεση του Α και Β, Α/Β, είναι ένας ασαφής αριθμός που δίνεται από τον τύπο: ( / B) = [min( a / b, a / b, a / b, a / b ),ma( a / b, a / b, a / b, a / b )] α α α α α α α α α α α α α α α α α 37

38 Παράδειγμα: Πρόσθεση και αφαίρεση διακριτών ασαφών αριθμών Ας υπολογίσουμε το άθροισμα των δύο ασαφών αριθμών Α = περίπου 3 και Β = περίπου με 0.5-cut. ={0.3/+0.6/+/3+0.7/4+0./5} B={0.5/0+/+0.5/} = [ a, a ] = [, 4] B = [ b, b ] = [0,] ( + B) = [ + 0,4 + ] = [,6] 0.5 εάν [,6] µ ( + B) 0.5 ( ) = 0 εάν [,6] ( B) = [,4 0] = [ 0, 6] 0.5 Παράδειγμα: Πολλαπλασιασμός και διαίρεση διακριτών ασαφών αριθμών ( B) = [min(0, 4, 40, 48), ma(0, 4, 40, 48)] = [0, 48] 0.5 ( / B ) 0.5 = [min(/ 5,/ 6, / 5,/ 3), ma(/ 5,/ 6, / 5,/ 3)] = [/ 6, / 5] Παράδειγμα: Αφαίρεση ασαφών αριθμών με συνεχή συνάρτηση συμμετοχής Ας υπολογίσουμε το άθροισμα δύο ασαφών αριθμών Α = 8 και Β = 5. Οι ασαφείς αριθμοί εκφράζονται από τους τύπους: + = [ a, a ] α α α 0 για 7 7 για 7 8 µ ( ) = + 9 για για 9 και 0 για 4 4 για 4 5 µ B ( ) = + 6 για για 6 ( a ) a 7 a µ α = α = α α = α + 7 και ( a + ) a + 9 a + µ α = α = α + α = 9 α επομένως α = [ α + 7, 9 α ] + B = [ b, b ] α α α ( b B ) b 4 b µ α = α = α α = α + 4 και ( b + B ) b + 6 b + µ α = α = α + α = 6 α επομένως B α = [ α + 4, 6 α ]. 38