1、5模糊数学方法,模糊子集与隶属函数,设U是论域，称映射 A(x)：U0,1 确定了一个U上的模糊子集A，映射A(x)称为A的隶属函数，它表示x对A的隶属程度.使A(x) = 0.5的点x称为A的过渡点，此点最具模糊性.当映射A(x)只取0或1时，模糊子集A就是经典子集，而A(x)就是它的特征函数. 可见经典子集就是模糊子集的特殊情形.,例 设论域U = x1 (140), x2 (150), x3 (160), x4 (170), x5 (180), x6 (190)(单位：cm)表示人的身高，那么U上的一个模糊集“高个子”(A)的隶属函数A(x)可定义为,也可用Zadeh表示法：,还可用向量
2、表示法：,A = (0, 0.2, 0.4, 0.6, 0.8, 1).,另外，还可以在U上建立一个“矮个子”、“中等个子”、“年轻人”、“中年人”等模糊子集.从上例可看出：(1) 一个有限论域可以有无限个模糊子集,而经典子集是有限的；(2) 一个模糊子集的隶属函数的确定方法是主观的.隶属函数是模糊数学中最重要的概念之一，模糊数学方法是在客观的基础上，特别强调主观的方法.,模糊线性规划,普通线性规划其约束条件和目标函数都是确定的，但在一些实际问题中，约束条件可能带有弹性，目标函数可能不是单一的，必须借助模糊集的方法来处理.模糊线性规划是将约束条件和目标函数模糊化，引入隶属函数，从而导出一个新的
3、线性规划问题，它的最优解称为原问题的模糊最优解.,设普通线性规划的标准形式为,若约束条件带有弹性，即右端常数bi可能取 (bi di , bi + di ) 内的某一个值，这里的di0，它是决策人根据实际问题选择的伸缩指标. 这样的规划称为模糊线性规划.,把约束条件带有弹性的模糊线性规划记为,这里的ti (x) = bi, di 表示当di = 0(普通约束)时, ti (x) = bi；当di0(模糊约束)时, ti (x) 取(bi - di, bi + di )内的某一个值.,下面将约束条件和目标函数模糊化.,将(2)中带有弹性的约束条件(di0)的隶属函数定义为,而将(2)中普通约束条
4、件(di = 0)的隶属函数定义为 Ai (x) = 1, ti (x) = bi .,其图形如右图,由Ai (x)定义可知，0, 1,设普通线性规划(1)和(3)的最优值分别为 f0, f1 , 记 d0 = f 0 - f 1 , 则d00, 它为模糊线性规划(2)中目标函数的伸缩指标，d0也可由决策人确定.,定义模糊线性规划(2)中目标函数的隶属函数为,由Gi (x)定义可知，0, 1,Gi (x) t0 (x) + d0 f0,要求模糊线性规划(2)的模糊最优解x*，则要求使所有约束条件及目标函数的隶属函数尽可能达到最大，即求x* 满足 Ai (x)及G(x)， 且使达到最大值,相当于
5、求解普通线性规划问题,i = 1, 2, , m.,设普通线性规划(4)的最优解为x*, , 则模糊线性规划(2)的模糊最优解为x*, 最优值为t0 (x*).,所以，求解模糊线性规划(2)相当于求解普通线性规划(1), (3), (4). 此外，再补充两点说明： 若要使某个模糊约束条件尽可能满足，只需将其伸缩指标降低直至为0； 若模糊线性规划(2)中的目标函数为求最大值，或模糊约束条件为近似大(小)于等于，其相应的隶属函数可类似地写出.,例1 解模糊线性规划问题(P129)：,多目标线性规划,在相同的条件下,要求多个目标函数都得到最好的满足,这便是多目标规划. 若目标函数和约束条件都是线性的
6、,则为多目标线性规划.,一般来说,多个目标函数不可能同时达到其最优值,因此只能求使各个目标都比较“满意”的模糊最优解.,例2 解多目标线性规划问题(P131)：,解普通线性规划问题：,得最优解为x1 = 0, x2 = 2, x3 = 2, 最优值为2，此时 f 2 = 8.,解普通线性规划问题：,得最优解为x1 = 10, x2 = 0, x3 = 0, 最优值为20，此时f 1 = 10.,线性规划问题的最优解为 x1 = 0, x2 = 2, x3 = 2, 最优值为2,此时 f 2 = 8.线性规划问题的最优解为 x1 = 10, x2 = 0, x3 = 0, 最优值为20，此时f 1 = 10.,同时考虑两个目标，合理的方案是使 f 1 2, 10 , f 2 8, 20 , 可取伸缩指标分别为 d1 = 10 - 2 = 8, d2 = 20 - 8 = 12. 如果认为目标 f 1更重要,可单独缩小d1; 如果认为目标 f 2更重要，可单独缩小d2.,再分别将两个目标函数模糊化,变为解普通线性规划问题：,得最优解为 x1 = 6.29, x2 = 0.29, x3 = 1.43, = 0.57.,此时f 1 = 5.43, f 2 = 14.86.,
