Fuzzymenge

aus Wikipedia, der freien Enzyklopädie
Wechseln zu: Navigation, Suche

Eine Fuzzymenge (auch unscharfe Menge, engl. fuzzy set) ist eine Menge, deren Elemente nicht notwendig mit Gewissheit, sondern nur graduell zur Menge gehören.

So werden z. B. die „Menge der Besserverdienenden in Deutschland“, die „Menge der jungen Leute in Berlin“ oder die „Menge der reifen Äpfel auf einem Baum“ besser durch eine Fuzzymenge beschrieben als durch eine (scharfe) Menge mit klassischer Ja-Nein-Zugehörigkeit der Elemente.

Der Begriff Fuzzymenge wurde 1965 durch Lotfi Zadeh (1921–2017) geprägt [1], hat aber gedankliche Vorläufer bis hinein in die Antike (z. B. das Sorites-Problem), aber auch in der mehrwertigen Logik. Fuzzymengen sind Grundelemente der Fuzzylogik und der Fuzzy-Regler und dort in teils spezieller Terminologie eingeführt worden.

Definitionen[Bearbeiten | Quelltext bearbeiten]

Sei das sogenannte Universum, d. h. die Grundmenge, auf der die Untersuchungen durchgeführt werden, im einfachsten Fall beispielsweise die Menge der reellen Zahlen. Während eine klassische (scharfe) Menge durch ihre Indikatorfunktion beschrieben wird, ist eine Fuzzymenge auf durch ihre sogenannte Zugehörigkeitsfunktion (engl. membership function) charakterisiert:

.

, liegt also zwischen 0 und 1 und wird interpretiert als Grad der Akzeptanz (Möglichkeit oder Wahrheit), dass zu gehört. Eine wichtige Rolle spielen die sogenannten -Schnitte, (engl. -cuts)

,

d. h. die scharfen Mengen aller Elemente, die eine Mindestzugehörigkeit von zu von haben.

Operationen mit Fuzzymengen[Bearbeiten | Quelltext bearbeiten]

Der Durchschnitt und die Vereinigung zweier Fuzzymengen und ist in der Regel definiert durch

,
.

Anstelle von und können jedoch auch andere T-Normen bzw. T-Conormen verwendet werden, siehe z. B. [2] Die Komplementbildung zu geschieht meistens gemäß

,

kann aber auch anders gestaltet werden, z. B. durch das sogenannte -Komplement, das auf Sugeno zurückgeht [3]. Im Gegensatz zu scharfen Mengen sind hier und nicht notwendig disjunkt und geben vereinigt auch nicht notwendig das Universum, d. h.

,

bei Fuzzymengen gilt also nicht der Satz vom ausgeschlossenen Dritten.

Fuzzy-Zahlen[Bearbeiten | Quelltext bearbeiten]

Fuzzy-Zahlen sind spezielle Fuzzymengen. Das Universum ist die Menge der reellen Zahlen. heißt Fuzzy-Zahl, wenn es genau ein gibt, wo die Zugehörigkeitsfunktion den Wert 1 annimmt, d. h.

.

Dann kann als die Fuzzymenge interpretiert werden, die den Ausdruck „ungefähr beschreibt. Wenn z. B. die Raumtemperatur „ungefähr 20 Grad Celsius“ beträgt, könnte man die Menge der möglichen Raumtemperaturen durch eine Fuzzy-Zahl modellieren, deren Zugehörigkeitsfunktion bei 20 Grad Celsius eins ist und die links bzw. rechts davon auf null abfällt. Die einfachste Form einer Fuzzy-Zahl ist die Dreiecks-Fuzzy-Zahl , deren Zugehörigkeitsfunktion optisch wie ein gleichseitiges Dreieck mit der Spitze bei aussieht, d. h.

.

Dabei ist der sogenannte Spreizungsparameter, d. h. ist nur innerhalb des Intervalles größer als null. Bei einem Fuzzy-Regler werden die nötigen Fuzzymengen meistens durch Dreiecks-Fuzzy-Zahlen modelliert.

Addition von Fuzzy-Zahlen[Bearbeiten | Quelltext bearbeiten]

Anschaulich sollte „ungefähr 3“ plus „ungefähr 4“ gleich „ungefähr 7“ sein, aber es stellt sich die Frage, was genau man darunter verstehen soll. Mit Hilfe des recht allgemeinen Erweiterungsprinzips (siehe z. B. [4]) erhält man die Summe zweier Fuzzy-Zahlen durch

.

Für scharfe und reduziert sich diese Formel auf die Minkowski-Addition. Für zwei Dreiecks-Fuzzy-Zahlen ergibt sich z. B. ganz einfach

.

Weiteres[Bearbeiten | Quelltext bearbeiten]

  • Außer der Addition können weitere algebraische Operationen für Fuzzy-Zahlen wie Subtraktion, Multiplikation, Division u. a. eingeführt werden, siehe z. B. [5]
  • Eine wichtige Verallgemeinerung von Fuzzymengen sind Intuitionistische Fuzzymengen.
  • Sogenannte probabilistische Fuzzymengen sind Fuzzymengen, wo die Zugehörigkeitswerte Zufallsgrössen sind, siehe [6]
  • Bei sogenannten Typ-2-Fuzzymengen sind die Zugehörigkeitswerte keine reellen Zahlen zwischen Null und Eins, sondern selbst unscharfe Werte wie z. B. "hoch" oder "niedrig", siehe z. B. [7]
  • siehe auch Zufällige Fuzzymenge, Fuzzy-Zufallsvariable, Erweiterungsprinzip

Literaturhinweise[Bearbeiten | Quelltext bearbeiten]

  • D. Dubois and H. Prade (1980) Fuzzy Sets and Systems. Academic Press, New York.
  • G. J. Klir; Bo Yuan (1995). Fuzzy sets and fuzzy logic: theory and applications. Prentice Hall.
  • H.-J. Zimmermann (2001). Fuzzy set theory—and its applications (4th ed.). Kluwer
  • H. Bandemer and S.Gottwald (1995). Fuzzy sets, fuzzy logic, fuzzy methods: With applications. Wiley, Chichester

Einzelnachweise[Bearbeiten | Quelltext bearbeiten]

  1. L.A.Zadeh (1965): Fuzzy sets. Information and Control 8: 338–353. https://doi.org/10.1016/S0019-9958(65)90241-X
  2. Klement, E. P.; Mesiar, R.; and Pap, E. (2000): Triangular Norms. Dordrecht: Kluwer.
  3. Sugeno,M.(1974): Theory of fuzzy integrals and its applications. Ph.D. thesis.Tokyo Institute of Technology, Tokyo
  4. Bandemer, H. und Gottwald, S.(1993): Einführung in Fuzzy-Methoden. 4.überarbeitete und erweiterte Auflage, Akademieverlag Berlin
  5. D. Dubois and H. Prade (1980) Fuzzy Sets and Systems. Academic Press, New York
  6. Hirota, K. (1981). Concepts of probabilistic sets. Fuzzy Sets and Systems 5, 31-46
  7. Mizumoto, M. and Tanaka, K. (1976). Some properties of fuzzy sets of type-2. Information and Control 30, 312-340