模糊数学方法_模糊规划

null5模糊数学方法 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)：U→[0,1] 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.null 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：null还可用向量表示法：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 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，从而导出一个新的线性规划问题，它的最优解称为原问题的模糊最优解. null设普通线性规划的形式为 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di＞0，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.null把约束条件带有弹性的模糊线性规划记为null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(di＞0)的隶属函数定义为而将(2)中普通约束条件(di = 0)的隶属函数定义为 Ai (x) = 1, ti (x) = bi .由Ai (x)定义可知，∈[0, 1], 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d0＞0, 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.null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,相当于求解普通线性规划问题 null 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： ① 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； ② 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. null例1 解模糊线性规划问题(P129)： 多目标线性规划 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,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. null例2 解多目标线性规划问题(P131)： null⑴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. null⑵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. null 线性规划问题⑴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⑵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. null ⑶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.