03.06 一點都不“模糊”的“模糊數學”

嚴密性與精確性是數學最顯著的特徵,也正因為如此,數學被譽為“科學的皇后”,成為各門科學,尤其是自然科學研究的基礎工具。馬克思甚至曾經說過:“一門科學只有當它達到了能夠成功地運用數學時,才能真正達到了完善的地步”。

那麼,是不是所有的事物都可以嚴密化和精確化呢?我們可以考慮以下幾個問題。

  • 如何判斷一個人是否是“高個子”呢?

如果一個身高179cm的人站在你面前,那你來說他算不算高個子呢?對這個問題不同的人會有不同的回答。有人覺得算有人覺得不算,當然還有更多的人可能會回答:勉強算。

  • 如何判斷一個男生是否是“帥哥”呢?

把吳彥祖拉過來你當然會毫不猶豫地說是,把宋小寶拉過來你當然會說不是,但是從學校裡隨便拉一個男生出來,大家的意見可能就沒法統一了。

所以我們會發現,很多問題是無法明確地用“是”和“否”來回答的。

再比如下面兩個著名的問題:

  • 禿子悖論

一個人長著一頭烏黑茂密的長髮,那如果拔掉一根,從外觀上看不出有什麼變化吧。再拔掉一根,也不會有什麼變化。那就不妨再拔一根,反正頭髮很茂密嘛,再拔一根仍然還是茂密。那如果再一根一根的拔下去......總有一個時刻頭髮會被拔光變成禿子。那麼問題就是,既然茂密的頭髮拔掉一根還是茂密的頭髮,那怎麼最終還會變成禿子呢?或者更準確的問法,當我拔掉第幾根的時候,頭髮就從茂密變為不茂密了呢?你會發現這是個非常難以回答的問題。

一點都不“模糊”的“模糊數學”
  • 沙堆悖論

沙堆悖論與禿子悖論相似:地上有一個沙堆,我取走一粒沙子,它依然還是個沙堆,再取走一粒,它還是沙堆,那如果我一粒一粒不停地往下取,總有一天會全部取光。那麼我來問你,取到第幾粒的時候,它就不再是沙堆了呢?

如果說上面兩個悖論還只是停留在純粹的思維層面,那下面這個問題就事關現實生活了。

我們國家制定了《未成年人保護法》,規定了年齡未滿18週歲的為未成年人。那如果有兩個人犯了相同的罪,一個人的確切年齡是17週年零364天零23小時59秒,另一個人是18週年0天0小時01秒。只因為出生時間相差了兩秒,而一個人需要坐牢,另一個人不需要坐牢,那這樣來看是合理的嗎?(雖然這種情況在現實生活中幾乎不會出現,但我們不妨當成一個問題來思考)

剛才提到的這幾個現象都可以稱之為模糊現象,模糊在我們生活中隨處可見,比如“高矮”,“胖瘦”,“美醜”,“冷熱”,幾乎每一個形容詞都是一個模糊現象。其實,數學家們早就注意到這類問題了,只不過苦於沒有辦法來處理。直到1965年,美國加州大學伯克利分校教授,自動控制專家L.A.扎德(L.A. Zadeh),極具創造性地提出了一種全新的數學思想,專門來解決這一類所謂的模糊問題,由此開創了一門名為“模糊數學”的數學分支。

一點都不“模糊”的“模糊數學”

扎德(L.A Zadeh,1921-2017)

本文就來介紹一下模糊數學的主要思想。

1.傳統數學遭遇的困難

我們在高中都學過集合這一概念,老師肯定都曾經說過,集合是整個數學大廈的基礎。

集合中的元素需要滿足三個性質:確定性,無重複性和無序性。所謂確定性是指,你需要非常明確的知道集合中包含哪些元素。換句話說,任給你一個元素,你能夠非常明確的判斷它是屬於這個集合,還是不屬於這個集合。比如我們用N來表示全體自然數的集合,給你一個3,我知道它肯定屬於這個集合;給你一個0.5,我知道它肯定不屬於這個集合。

確定性從表面上看起來似乎沒有什麼問題,而且它是集合之所以成為集合的重要保證:你得告訴我這個集合裡包含什麼東西,才相當於告訴了我這個集合是什麼吧!但是,傳統的集合在處理模糊現象時,卻遭遇了前所未有的困難。因為我們發現,在模糊現象裡,是不能用絕對的“屬於”或“不屬於”來界定的。

比如上文提到的例子,我讓F表示中國所有高個子男人的集合,一個身高195的男人肯定屬於這個集合,一個身高160的男人肯定不屬於這個集合,但是對於一個身高179的人呢?大家的意見肯定就有分歧了。

再比如,中國所有帥哥組成的集合。吳彥祖肯定屬於這個集合,宋小寶肯定不屬於這個集合。但是你家隔壁那個大男孩,屬不屬於這個集合呢?估計你自己都很難說清楚。

這就是傳統數學所遭遇的困難,扎德為了解決這個問題,創造性地發明了“模糊集合”這個概念。

2.模糊集合

扎德是這樣考慮問題的,179cm的男人到底屬不屬於高個子男人這個集合呢?問題就出在,我們非得用絕對的“屬於”或絕對的“不屬於”來回答這個問題。我們為什麼不能回答:“大概算是吧”。對於一個身高174的人,我們為什麼不說:“大概不算吧”。因此,扎德就想用一個數來衡量這種大概的程度,稱為這個元素對這個集合的隸屬度

。隸屬度介於0~1之間,數值越大說明屬於這個集合的程度就越大。比如,195的男人 100%的算是高個子,我們就說195男人對高個子男人這個集合的隸屬度為1,179的男人隸屬度則是0.95,178的男人隸屬於度為0.91,以此類推,170的男人隸屬度可能只有0.3,而160的男人隸屬度則為0。

通過這個例子,扎德給出了模糊集合的概念:

一點都不“模糊”的“模糊數學”

比如上面的例子,U表示所有身高的男人組成的集合,那麼μ(195的男人)=1,μ(179的男人)=0.95,μ(170的男人)=0.3,μ(160的男人)=0,等等。

可以看出來,想表示一個模糊集合非常的繁瑣,通常情況下我們有三種表示方法:扎德表示法,序偶表示法和向量表示法。我們介紹一下其中最直觀的序偶表示法:

一點都不“模糊”的“模糊數學”

比如還是剛才那個高子男人那個例子,我們就可以這樣表示

一點都不“模糊”的“模糊數學”

再比如中國的帥哥這個模糊集合,可以寫成如下這個樣子:

一點都不“模糊”的“模糊數學”

當然,寫成這個樣子,我相信李易峰的女粉絲們肯定就不高興了:俺們家峰峰明明是100%的帥哥,怎麼能說只有95%呢。於是這就涉及到下一個問題,某一個元素的隸屬度是如何確定的?

3.隸屬度的確定

隸屬度的確定通常有三種辦法

  • 調查統計

通俗地講就是做問卷調查,比如我去高校中隨便挑100個女同學,問她們李易峰是不是帥哥?回答中95個人說是,5個人說不是,那麼李易峰對帥哥這個集合的隸屬度就是0.95。

當然這樣做隸屬度跟你所選取的人有關,如果換另外一批100個人,可能隸屬度會發生變化,或者把人數擴大到1000人,隸屬度也會發生變化。

當然,你做抽查的人數越多,那麼就越接近於一個固定的值。而且,概率論裡面的大數定律和中心極限定理也告訴我們,抽查的人數達到無窮大時就會有一個極限值,那麼這個極限值就可以看成是可信的隸屬度。

  • 指派函數

人類的科學和數學經歷了幾千年的發展,研究和完善了各種類型的函數。尤其是在統計學中我們有各種各樣現成的分佈函數,比如正態分佈函數,二項分佈函數,泊松分佈函數等等。那麼在面臨具體問題時,科學家們就會根據以往的經驗和科學研究的結果,給它指定一個現成的函數。比如科學家在研究東亞地區人們的智商時,可以指定“智力普通的人”,它的隸屬函數就是,期望為105,方差為5的正態分佈函數。

  • 借用現有指標

我們在科學研究中會有各種各樣的指標,比如化學中有ph值,地質學中有地震震級,統計學中有相關係數,經濟學中有GDP等等,有的時候,這些指標本身就可以作為隸屬度。

比如經濟學中的恩格爾係數。是衡量一個家庭財政支出狀況的指標,具體的計算方法是,先指定一段時間,用這段時間家庭用來購買食物的支出,除以家庭的總支出得到的數。恩格爾係數是衡量家庭貧困程度的一個重要指標,恩格爾係數越高,家庭越貧困;反之,恩格爾係數越低,家庭越富裕。這是因為,吃飯是人類生存的第一需求,人們只有先吃飽肚子,再去考慮其他的事情。你每個月掙的錢,第一要用來吃飯,餘下的錢才會去考慮買好看的衣服,看喜歡的電影。

從計算方法可以看出恩格爾係數一定是位於0~1之間的,如果我考慮“貧困家庭”組成的集合,就不妨直接把恩格爾係數當成它的隸屬度。比如恩格爾係數是0.33的家庭,那麼它屬於貧困家庭的隸屬度就是0.33。

4.模糊數學及其發展

模糊集合的提出,徹底顛覆了人們對經典集合的認識,甚至可以模仿經典集合,定義模糊集合之間的包含關係,子集,交集,並集,特徵函數等概念。

我們知道,經典數學就是建立在經典集合之上的,而模糊集合的出現,則是可以完全改變經典數學的面貌。經典數學中的一些已有理論與方法,如果套用在模糊集合上,就形成了新的理論與方法。這些理論與方法放在一起,就是所謂的模糊數學這一門學科。

模糊數學最常用的應用有,模糊聚類分析,模糊模式識別,模糊決策,模糊線性規劃等等,應用非常廣泛,而且還在飛速發展中。可以想見,模糊數學是比傳統數學更實用的方法,因為在現實生活中,我們所接觸到的大部分其實都是模糊現象。

所以說,數學界從此一分為三:研究精確與確定現象的傳統數學,研究不確定現象的概率論,和研究模糊現象的模糊數學。

從上面的敘述中也可以看出,模糊數學其實一點都不模糊,它只是研究的對象是模糊現象而已,但是研究方法還是傳統數學的方法。給每一個對象賦予一個確定的數字,這不僅不模糊,反而是把模糊現象精確化了。這裡要多說一句,概率論也不是不確定的數學,而只是研究不確定現象的數學,它的方法也是非常確定的。

最後不得不提一下扎德老先生,是學術界德高望重的老前輩。他可謂是學界“常青樹”,出生於1921年,1965年提出模糊集合理論;1978年提出“模糊邏輯”理論,1981年提出“可能性理論”;1990年提出“軟計算”的概念;2002年提出“詞語計算”理論;2010年提出“不確定性的一般理論”。可以算一下,這個時候老先生已經90高齡了。扎德老先生於2017年去世,他這種驚人的毅力與勤奮的精神,值得我們永遠學習!



分享到:


相關文章: