Fuzzymengen – Was ist das? • Menge – Zuordnung von Werten zu Elementen x aus X einer Menge M durch charakteristische Funktion: 1 x M x : mM ( x) , M 0 x M • Problem – Anwendungen fordern „Übergänge“ zwischen Zugehörigkeit und Nicht-Zugehörigkeit zu einer Menge • Zugehörigkeitswerte 0,1 werden erweitert zu reellem Einheitsintervall I I 0 , 1 x 0 x 1 Fuzzymengen – Ein Modellansatz Frieder Jacobi Fuzzymengen – Was ist das? • man erhält neue charakteristische Funktion x : mA ( x) 0 , 1, A – scharfe Mengen sind spezielle unscharfe Mengen • unscharfe Menge ist durch Zugehörigkeitsfunktion eindeutig bestimmt: A, B , x : A B mA ( x) mB ( x) • wichtige Größen: – Träger: – Höhe: – Kern: supp( A) def x mA ( x) 0 hgt( A) def sup mA ( x) x ker( A) def x mA ( x) 1 Fuzzymengen – Ein Modellansatz Frieder Jacobi Fuzzymengen – Was ist das? • weitere scharfe Mengen zuordenbar: – – – – A def x mA (x) α-Schnitt: scharfer α-Schnitt: A def x mA (x) A def x mA (x) α-Komponente: A ist durch (scharfen) α-Schnitt eindeutig bestimmt und lässt sich in scharfe Mengen zerlegen x : mA ( x) sup mA ( x) sup mA ( x) sup mA ( x) 0,1 0,1 • Kern: ker( A) A1 • Träger: supp( A) A 0 Fuzzymengen – Ein Modellansatz Frieder Jacobi 0,1 Mengenoperationen t-Norm-basierte Operationen • t-Norm-basierte Operation: – ist eine binäre Operation t: 0 , 12 0 , 1 – kommutativ, assoziativ, monoton wachsend – 1 als neutrales Element, 0 als Nullelement – für beliebige x, y, z, u, v 0 , 1 muss gelten: (T1) (T 2) (T 3) (T 4) xt y yt x x t( y t z ) ( x t y ) t z x u y v xt y utv x t 1 x und x t 0 0 – nicht interaktiv heißt eine t-Norm, wenn gilt: u t v u , v und besonders: u t u u • daraus folgt Idempotenz Fuzzymengen – Ein Modellansatz Frieder Jacobi Mengenoperationen t-Norm-basierte Operationen • Durchschnitt t ist definiert durch: D : A t B : x : mD ( x) def mA ( x) t mB ( x) – übliche t-Normen ( u, v 0 , 1 ): • • • • Durchschnitt t0: algebraisches Produkt t1: beschränktes Produkt t2: drastisches Produkt t3: u t 0 v minu, v u t1 v u v u t 2 v max0, u v 1 min u, v u 1 v 1 u t3 v 0 sonst – es gilt: u t 3 v u t 2 v u t1 v u t 0 v Fuzzymengen – Ein Modellansatz Frieder Jacobi Mengenoperationen t-Norm-basierte Operationen • t-Conorm st ist eine zu t duale t-Conorm – Definition: u, v 0 , 1 : u s t v def 1 (1 u ) t(1 v) – binäre Operation 0 , 12 0 , 1 – kommutativ, assoziativ, monoton wachsend – für beliebige u 0 , 1 muss gelten: u s t 0 u u st 1 1 Fuzzymengen – Ein Modellansatz Frieder Jacobi Mengenoperationen t-Norm-basierte Operationen • Vereinigung t – wird aus Durchschnitt mittels Komplementbildung erzeugt: A t B def ( AC t B C )C – D : A t B : x : mV ( x) def mA ( x) s t mB ( x) – übliche t-Conormen ( u, v 0 , 1 ): • • • • Vereinigung s0: algebraische Summe s1: beschränkte Summe s2: drastische Summe s3: u s0 v maxu, v u s1 v u v uv u s2 v min1, u v maxu, v u 0 v 0 u s3 v 1 sonst – es gilt: u s3 v u s2 v u s1 v u s0 v Fuzzymengen – Ein Modellansatz Frieder Jacobi Mengenoperationen • ZADEH (1965) – Verallgemeinerungen der elementaren mengenalgebraischen Operationen für unscharfe Mengen • Vereinigung: C : A B : x : mC ( x) def maxmA ( x), mB ( x) • Durchschnitt: D : A B : mD ( x) def min mA ( x), mB ( x) • Komplement: K : AC : x : mK ( x) def 1 mA ( x) – erkannte t 0 min, s0 max als einzige nicht-interaktive Verknüpfung, es gilt: A A A, A A A – deutete andere Varianten an Fuzzymengen – Ein Modellansatz Frieder Jacobi Mengenoperationen einparametrische t-Norm-basierte Operationen • einparametrische Familien von t-Normen – Teilklassen der Menge der möglichen t-Normen – für bestimmte Parameterwerte streben die Durchschnitte und Vereinigungen gegen die bereits definierten – ausreichend umfangreich – einfach handhabbar, überschaubar Fuzzymengen – Ein Modellansatz Frieder Jacobi Mengenoperationen • Erweiterungsprinzip: sei g eine n-stellige Funktion in X: g : n lässt sich g auf unscharfe Zahlen aus F ( X ) erweitern? supp(B) soll sich aus supp( Ai ) ergeben Zugehörigkeitswerte mAi (ai ) sollen Zugehörigkeitswert mB ( g (a1...an )) bestimmen – g : n wird so zu gˆ : F ( ) n F ( ) erweitert, dass gilt: – – – – Ai F ( ) : B : g ( A1... An ) : y : mB ( y ) def sup x1 ...x n y g ( x1 ...x n ) min mA1 ( x1 ),..., mAn ( xn ) – gilt auch α-Schnitt-weise: B g ( A1 ,..., An ) – statt min ist jede andere t-Norm möglich, min ist jedoch üblich Fuzzymengen – Ein Modellansatz Frieder Jacobi Zahlenarithmetik • praktischer Ansatz: – Zugehörigkeitsfunktion sollte nur 1 Maxima haben, d.h. die Menge ist konvex: a c b mA (c) minmA (a), mA (b) – Grundbereich sollte Menge der reellen Zahlen sein: – unscharfe Zahl: ker( A) a, d.h. Kern ist Einermenge – unscharfes Intervall: ker( A) a1 , a2 – jede unscharfe Zahl ist ein unscharfes Intervall – gewöhnliche Zahlen sind besondere unscharfe Zahlen Fuzzymengen – Ein Modellansatz Frieder Jacobi Zahlenarithmetik • Grundrechenarten: – Erweiterungsprinzip wird angewendet: a, x, y : mS (a) sup min mA ( x), mB ( y ) a x y – für Summe, Differenz und Produkt sei # das entsprechende Operationszeichen (+,-,*) – Negatives N : A : a : mN (a) mA (a) – Quotient: nur für 0 supp( B) unscharfes Intervall mB (1 / a) (1 / a) supp( B) – Kehrwert K : B : mK (a) 0 sonst 1 – Quotient Q : A B def A B 1 : mQ (a) sup min mA ( x), mB ( y ) x , y ax / y Fuzzymengen – Ein Modellansatz Frieder Jacobi Zahlenarithmetik • für Rechnen mit unscharfen Zahlen können folgende Vereinbarungen vorteilhaft sein: – mA (a0 ) 1 – Intervall (, a0 ) ist monoton steigend, Intervall (a0 , ) monoton fallend – beide Intervalle sind einem bestimmten Funktionstyp zuzuordnen • falls supp( A) (a1, a2 ) – die Einschränkungen der Zugehörigkeitsfunktion interessieren nur auf (a1, a0 ) und (a0 , a2 ) – werden mAL , mAR genannt Fuzzymengen – Ein Modellansatz Frieder Jacobi Zahlenarithmetik L/R-Darstellung unscharfer Zahlen • Definition – eine L/R-Darstellung einer unscharfen Zahl liegt vor, falls A durch mAL , mAR seiner Zugehörigkeitsfunktion angegeben wird – sind mAL , mAR lineare Funktionen, heißt A unscharfe Zahl mit linearer L/R-Zerlegung oder dreiecksförmig • gilt zusätzlich ker( A) (a0 , a0 ) und supp( A) (a1, a2 ) , dann heißt A trapezförmig – man schreibt A a0 ; a1, a2 genau dann, wenn mA (a0 ) 1 und supp( A) (a1, a2 ) Fuzzymengen – Ein Modellansatz Frieder Jacobi Zahlenarithmetik L/R-Darstellung unscharfer Zahlen • seien A a0 ; a1, a2 und B b0 ; b1, b2 unscharfe Zahlen mit linearer L/R-Darstellung – – – – – Summe A B a0 b0 ; a1 b1, a2 b2 Differenz A B a0 b0 ; a1 b2 , a2 b1 Negatives A a0 ;a2 ,a1 Multiplikation mit Skalar A a0 ; a1, a2 x 1 Beispiel: X 3;1,5 , Y 5;3,6 y x y 0.5 2 x 4 6 x1 x y x 8 10 x y x 0.5 -4 -2 Fuzzymengen – Ein Modellansatz Frieder Jacobi 2 4 6 8 10 Zahlenarithmetik L/R-Darstellung unscharfer Zahlen – Produkt und Quotient unscharfer Zahlen mit linearer L/R-Darstellung sind i.A. keine unscharfer Zahlen mit linearer L/R-Darstellung mehr • es existieren Näherungsformeln ( a1, b1 0 0 supp( A) ): – Produkt: A B a0 b0 ; a1 b1, a2 b2 – Quotient: A B a0 / b0 ; a1 / b2 , a2 / b1 , b1 0 – Kehrwert: B1 1/ b0 ;1/ b2 ,1/ b1 , b1 0 • Multiplikation ohne Einschränkung der Träger supp( A), supp( B) – man setzt supp( A B) (cl , cr ) und findet: cl min a1 b1 , a1 b2 , a2 b1 , a2 b2 , cr maxa1 b1 , a1 b2 , a2 b1 , a2 b2 und erhält als Näherungsformel: A B a0 b0 ; cl , cr Fuzzymengen – Ein Modellansatz Frieder Jacobi