|
|
|
|
|
احتمال فازی در پرداختن به این موضوع، این فرض را در نظر میگیرم که دوستان به تعاریف ابتدایی در نظریه احتمالات همانند امید ریاضی، احتمال یک پیشامد، تابع چگالی احتمال و ... آشنایی لازم را دارند. بحث خود را با یک نگاه شهودی به احتمال فازی آغاز میکنم: در نظریه احتمال غیرفازی، برای بدست آوردن احتمال رخدادن یک پیشامد -همان (P(A -آزمایشی تصادفی انجام میدهیم که عبارتست از: یک انتخاب تصادفی از یک فضای نمونه... (مثلاً در پرتاب یک تاس پیشامدهای ۱ و ۲ و .. و ۶ بطور یکسان و قطعی عضو فضای نمونه ما هستند و یا مثلاً پیشامدهای ۷ و ۸ و ... بطور قطعی و یکسان عضو فضای ما نیستند. بنابراین در احتمال فازی، تعبیر زیبایی برای (P(A بدست میآید که عبارتست از انتظار ما از اینکه آن عضوی که به تصادف انتخاب شده است تا چه حد دارای ویژگی آن فضای نمونهای است. (به بیان فازی، درجه عضویتش در آن مجموعه چند است؟) اگر در وهله اول بخواهم به بیان شباهت ها و اشتراکات نظریه فازی و نظریه احتمال بپردازم باید بگویم که : «هم نظریه فازی و هم نظریه احتمال، برای بررسی پدیدههایی به کار میروند که شامل عدم قطعیت و نبود اطمینان در مورد جواب است.» اما... عدم قطعیتی که در نظریه احتمال رخ میدهد، ناشی از عدم قطیعت آماری است و به پیشامدهای تصادفی ارتباط پیدا میکند. مثلاً فکر کنید که اولین نفری هستید که میخواهید آزمایش پرتاب سکه را انجام بدهید. برای شما بدیهی است که نتیجه کار یا شیر است یا خط و با انجام آزمایش به دفعات بسیار زیاد، متوجه میشوید که احتمال هر دو طرف یکسان و ۵۰٪ است. و اما... عدم قطعیتی که در نظریه مجموعههای فازی رخ میدهد، ناشی از عدم قطعیت در قضاوتهای انسانی است. یعنی اینجا دیگر برای ما بدیهی نیست که جواب نهایی ما شیر است یا خط و جواب ما به جای تغییر بین دو مقدار ۰ و ۱ (مثلاً شیر یا خط) در یک بازه به گستردگی [۱و۰] تغییر میکند و میتواند تمام مقادیر موجود در این بازه بسته را بگیرد. مثلاً: یک تپه شن را در نظر بگیرید. به آن یک «کپه شن» میگوییم. یک دانه از آن را برمیداریم و در گوشهای میگذاریم. به آن یک دانه هیچکس «کپه شن» نمیگوید... سپس دانه دیگری برمیداریم و کنار قبلی میگذاریم. باز هم این دو دانه را کسی «کپه شن» خطاب نمیکند... این کار را ادامه می دهیم... نظریه مجموعههای فازی به دلیل تقریب بسیار خوبی که از پدیدههای طبیعی اطراف ما ارائه میکند روزبروز کاربردهای وسیعتری مییابد... در مورد تابع عضويت و درجه عضویت من برای آنکه با خيال آسودهتری بتوانم مطالب فازی را دنبال کنم، تصميم گرفتم تا بطور تقريباً جامع به اين مفاهیم اوليه بپردازم تا همه در مورد آنها دیدگاه مشترک و يکسان داشته باشيم. سپس «احتمال فازی» را دنبال خواهیم کرد... الف) از نگاه تابع مشخصه : وقتی ما با یک مجموعه معمولی سر و کار داریم مثلاً مجموعهی { A={1,2,3,4,5 (که زير مجموعهای از اعداد طبيعی است) برای این مجموعه میتوانیم یک تابع X به اسم تابع نشانگر یا تابع مشخصه (charactristic function) در نظر بگیریم که به اینصورت تعریف می شود: اگر a عضو A باشد آنگاه X(a) =1 این تابع عدد دلخواه a را میگیرد. حالا اگر این عدد عضو مجموعهی A بود به آن عدد ۱ را نسبت میدهد و اگر عضو مجموعه A نبود، عدد ۰ را... مثلاً برای مجموعهی A که در بالا ذکر کردیم: X(9)=0 ولی X(2)=1 بدیهی است که یک مجموعه را میشود با کمک تابع مشخهاش کاملاً معلوم کرد. یعنی اگر من به شما بگویم که مجموعهای دارم که تابع نشانگر آن برای اعداد ۱ و ۶ و ۹ و ۱۳ برابر ۱ است و برای سایر اعداد برابر ۰ است، شما سریعاً متوجه میشوید که منظور من مجموعهای است با اعضای ۱ و ۶ و ۹ و ۱۳ بصورت روبرو : {A={1,6,9,13 حالا تفاوتی که یک مجموعه فازی با مجموعه معمولی دارد اینست که به جای اینکه تابع نشانگر ما اعدادی را که میگیرد فقط به دو عدد صفر و یک نسبت دهد، آنها را به تمام اعداد حقیقیای که در بازه [۱و۰] قرار دارند میتواند نسبت دهد. مثلاً میتواند یک عضو دلخواه را به ¾ نسبت دهد یا به ½ یا به ⅜ و غیره... یعنی دیگر اینجا محدود به دو عدد ۰ و ۱ نیستیم. بلکه دستمان بازتر شده و میتوانیم آن عدد دلخواه را به هریک از اعداد حقیقی که از ۰ تا ۱ هستند نسبت دهیم. ب) از نگاه ویژگیهای مجموعه از سال اول دبیرستان برای مجموعههای معمولی خواندیم که مجموعه گردآیهای از اشیاء مشخص و متمایز است که همه دارای یک صفت معین هستند. در واقع بدلیل آنکه همهی آن اشیاء دارای آن خاصیت و صفت بودهاند آنها را در آن مجموعه قرار دادهایم. و در ضمن برای هر شی دلخواه هم میتوانیم با قطعیت بگوییم که آیا به مجموعه ما تعلق دارد یا خیر؟ (یعنی بررسی میکنیم که آیا آن صفت مشترک در اعضای مجموعه که به خاطر آن این اعضا گردهم آمدهاند را دارد یا نه؟ اگر داشت که در مجموعه هست و اگر نه که نیست. ) مثلاً مجموعه E مجموعه اعداد زوج باشد. برای هر عدد میشود بررسی کرد که آیا زوج است یا خیر و بعد با قطعیت گفت که پس آیا در E میتواند باشد یا نه؟ اما در مجموعه فازی صفت مورد نظر ما که اعضای مجموعه را گرد هم میآورد دیگر مثل قبل، حالت مشخص و معین ندارد. بلکه یک واژه توصیفی است. مثلاً «کوچک بودن»، «بزرگ بودن»، «سرد بودن» و ... این واژهها : این عدد نسبت داده شده را درجه عضویت آن شی در آن مجموعه مینامند. پس یعنی هرچه یک شی درجه عضویتش به ۱ نزدیکتر باشد سردتر است و هرچه درجه عضویتش به ۰ نزدیکتر باشد گرمتر است. يک مثال مهم: مثلاً مجموعه مرجع را به اينصورت در نظر بگيريد: {5و4و3و2و1M={ و فرض کنید که زیر مجموعهای مانند B از M را با صفت «بزرگ بودن» میخواهیم تشکیل بدهیم. همانطور که قبلاً گفتیم میشود یک مجموعه را با تابع مشخصهاش کاملاً معلوم کرد. اینجا هم میتوانیم از «درجه عضویت» کمک بگیریم و اعضای مجموعه B را با کمک میزان عضویت هر یک از اعداد ۱ و ۲ و ۳ و ۴ و ۵ در این مجموعه مشخص کنیم. (یعنی معلوم کنیم که هر عدد تا چه اندازه دارای صفت بزرگ بودن بوده و تا چه حد متعلق به B خواهد بود) برای اینکار میشود درجه عضویت هر عضو را بصورت زیر تعریف کرد: ۰ = (۱)μ ذکر این نکته ضروریست که در مورد درجههای عضویت گفته شده، این اعداد منحصر به فرد نبوده و بر حسب نوع کاربردی که در نظر داریم تعریف میشود (که بحثاش مفصل است!) اما مثلاً اینجا میتوانستیم به عدد ۲ درجه 3/0 و به عدد ۳ درجه 4/0 و ... را نسبت دهیم. اکنون تابع عضویت ضابطهای است که هر عضو را به درجهاش نسبت میدهد. یعنی به جای آنکه برای تکتک اعضا بیاییم درجه عضویت را مشخص کنیم، یک ضابطهای را بنویسیم که هر عضو با قرار گرفتن در آن به درجه عضویتش نسبت داده شود. برای مثال بالا ضابطه این تابع اینگونه است: μ = ( x - 1 ) / 4 نحوه مشخص کردن یک مجموعه فازی: از آنجایی که اعضای یک مجموعه فازی، همه با یک نسبت عضو این مجموعه نیستند لازمست تا در هنگام مشخص کردن این مجموعه، به درجه عضویت اعضا نیز توجه شود. بنابراین یک مجموعه فازی را بدین صورت مشخص میکنند: B = { ( x , μ(x) ) ; x یعنی بصورت زوج مرتبهایی که مولفه اول آن عضو مربوطه و مولفه دوم آن درجه عضویت آن عضو میباشد. به عنوان مثال مجموعه B چنین خواهد بود: B = { ( 1 , 0 ) , ( 2 , 0.25 ) , ( 3 , 0.5 ) , ( 4 , 0.75 ) , ( 5 , 1 ) } به نقل از ریاضیات زیباست |
||
|
+
نوشته شده در سه شنبه 10 بهمن1385ساعت 14 توسط مهدی
|
|
||