论文部分内容阅读
区间值模糊集在处理模糊性与不确定性方面具有更好的优势,使得区间值模糊集的研究得到广泛的关注.本文主要研究区间值模糊推理算法的鲁棒性.具体研究内容及创新点如下： 首先,研究区间值(1,2,1)-[α,β]型三I算法.将模糊假言推理模型和模糊反驳推理模型的区间值三I算法拓展成区间值(1,2,1)-[α,β]型三I算法,给出所对应的区间值(1,2,1)-[α,β]型三I解.证明区间值(1,2,1)-[α,β]型三I算法具有鲁棒性,得到基于区间值?ukasiewicz蕴涵和R0蕴涵的(1,2,1)-[α,β]型三I解的灵敏度.作为主要结论的推论,给出基于模糊集的(1,2,1)-α型三I解的灵敏度. 其次,研究基于区间值Schweizer-Sklar三角范数簇的三I算法.将区间值Schweizer-Sklar三角范数簇与模糊推理的三I原则相结合,给出基于区间值Schweizer-Sklar三I算法以及三I解,证明基于区间值Schweizer-Sklar三角范数(m∈(0,∞))的三I算法具有鲁棒性,其结果表明区间值模糊推理算法的鲁棒性直接依赖于区间值模糊联接词的选取. 最后,研究基于规范化Minkowski距离的区间值三I算法的鲁棒性.基于规范化Minkowski距离分别给出区间值Gdel蕴涵、ukasiewize蕴涵、Goguen蕴涵以及它们各自对应的区间值三角范数的扰动.进一步,证明基于区间值Gdel蕴涵算子、ukasiewize蕴涵算子、Goguen蕴涵算子的三I算法的鲁棒性.