L. A. ZADEH
Departemen Laboratorium Teknik Elektro dan Penelitian Elektronik, Universitas California,
Berkeley, California
Satu set fuzzy adalah kelas objek dengan kontinum nilai keanggotaan. Set
seperti itu yaitu dicirikan oleh fungsi keanggotaan (karakteristik) yang
menetapkan setiap objek tingkat keanggotaan berkisar antara nol dan satu.
Pengertian inklusi, penyatuan, persimpangan, komplemen, relasi, konveksitas,
dll., Diperluas ke set tersebut, dan berbagai properti dari gagasan ini dalam
konteks set fuzzy ditetapkan. Secara khusus, teorema pemisahan untuk
himpunan fuzzy cembung dibuktikan tanpa mengharuskan himpunan fuzzy
dipisahkan.
I. PENDAHULUAN
Lebih sering daripada tidak, kelas-kelas objek yang dijumpai di dunia fisik nyata
tidak memiliki kriteria keanggotaan yang tepat. Sebagai contoh, kelas hewan jelas termasuk
anjing, kuda, burung, dll sebagai anggotanya, dan dengan jelas mengecualikan objek seperti
batu, cairan, tanaman, dll. Namun, objek seperti bintang laut, bakteri, dll memiliki status
ambigu. sehubungan dengan cla.ss hewan. Ambiguitas yang sama muncul dalam kasus
angka seperti 10 dalam kaitannya dengan "kelas" semua bilangan real yang jauh lebih besar
dari 1.
Jelas, "kelas semua bilangan real yang jauh lebih besar dari 1," atau "kelas wanita
cantik," atau "kelas pria tinggi," tidak membentuk kelas atau set dalam pengertian
matematika yang umum dari istilah-istilah ini. Namun, kenyataannya tetap bahwa "kelas"
yang didefinisikan secara tidak tepat memainkan peran penting dalam pemikiran manusia,
khususnya dalam bidang pengenalan pola, komunikasi informasi, dan abstraksi.
Tujuan dari catatan ini adalah untuk mengeksplorasi dengan cara pendahuluan
beberapa sifat dasar dan implikasi konsep yang dapat digunakan dalam berurusan dengan
"kelas" dari jenis yang dikutip di atas. Konsep yang dimaksud adalahJuzzy seperangkat,1
yaitu, "kelas" dengan kontinum nilai keanggotaan. Seperti yang akan dilihat dalam
sekuelnya, pernyataan tentang himpunan fuzzy memberikan titik tolak yang nyaman untuk
pembangunan kerangka kerja konseptual yang paralel dalam banyak hal kerangka yang
digunakan dalam kasus himpunan biasa, tetapi lebih umum daripada yang terakhir dan,
berpotensi, dapat membuktikan memiliki cakupan penerapan yang jauh lebih luas,
khususnya dalam bidang klasifikasi pattcrn dan proses informasi. Pada dasarnya, frarneworl
tersebut menyediakan cara alami untuk mengatasi masalah di mana sumber ketidaktepatan
adalah tidak adanya definisi yang jelas dari keanggotaan kelas. Selain dari adanya variabel
acak.
Kami memulai diskusi tentang set fuzzy dengan beberapa definisi dasar.
II. DEFENISI
Biarkan X menjadi ruang titik (objek), dengan elemen generik X dilambangkan dengan 𝑥.
Jadi, X = {𝑥}
Himpunan fuzzy (kelas) A dalam X ditandai dengan fungsi keanggotaan
(karakteristik) 𝑓𝐴 (𝑥) yang terkait dengan setiap titik2 dalam X bilangan real dalam interval
[0, 1], dengan nilai 𝑓𝐴 (𝑥) pada x mewakili "tingkat keanggotaan" x dalam A. Dengan
demikian, semakin dekat nilai 𝑓𝐴 (𝑥) ke kesatuan, semakin tinggi tingkat keanggotaan x
dalam A. Ketika A adalah himpunan dalam pengertian istilah biasa, fungsi keanggotaannya
dapat
mengambil hanya dua nilai 0 dan 1, dengan 𝑓𝐴 (𝑥) = 1 atau 0 sesuai dengan x yang bukan
atau bukan milik A. Dengan demikian, dalam hal ini 𝑓𝐴 (𝑥) mengurangi ke fungsi
karakteristik familiar dari himpunan A. (Ketika ada kebutuhan untuk membedakan antara
himpunan tersebut dan himpunan fuzzy, himpunan dengan bernilai dua fungsi
karakteristikakan disebut sebagai himpunan biasa atau himpunan sederhana.) Contoh.
Biarkan X menjadi garis nyata R dan biarkan A menjadi himpunan angka fuzzy
1
Aplikasi konsep ini untuk merumuskan kelas masalah dalam klasifikasi pola
dijelaskan dalam RAND Memorandum RM-4307-PR, " Abstraksi dan Klasifikasi Pola," oleh
R. Bellman, R. Kalaba dan LA Zadeh, Oktober, 1964.
2
Secara lebih umum, domain definisi 𝑓𝐴 (𝑥) dapat dibatasi untuk sub set X.
3
Dalam pengaturan yang lebih umum, rentang fungsi keanggotaan dapat dianggap
sebagai himpunan yang dipesan secara parsial sesuai pesanan. Untuk tujuan kami, mudah dan
cukup untuk membatasi rentang f hingga interval unit. Jika nilai-nilai 𝑓𝐴 (𝑥) ditafsirkan
sebagai nilai-nilai kebenaran, kemudahan yang terakhir sesuai dengan Iogic multivaiued
dengan kontinum nilai-nilai kebenaran dalam interval [0, 1].
Yang mana jauh lebih besar dari 1. Kemudian, seseorang dapat memberikan tepat, meskipun
karakterisasi A yang subyektif, dengan menetapkan 𝑓𝐴 (𝑥) sebagai fungsi pada R1. Nilai-nilai
representatif dari fungsi tersebut mungkin: 𝑓𝐴 (0) = O; 𝑓𝐴 (1) = O; 𝑓𝐴 (5) = 0,01; 𝑓𝐴 (10) = 0,2; 𝑓𝐴
(100) = 0,95; 𝑓𝐴 (500) = 1.
Perlu dicatat bahwa, meskipun fungsi keanggotaan dari fuzzy set memiliki beberapa
kemiripan dengan fungsi probabilitas ketika X adalah himpunan yang dapat dihitung (atau fungsi
kerapatan probabilitas ketika X adalah sebuah kontinum), ada perbedaan penting antara konsep-
konsep ini yang akan menjadi lebih jelas dalam sekuel setelah aturan kombinasi fungsi keanggotaan
dan sifat-sifat dasarnya telah ditetapkan. Bahkan, gagasan tentang himpunan fuzzy benar-benar
nonstatistik.
Kita mulai dengan beberapa definisi yang melibatkan set fuzzy yang merupakan
ekstensi yang jelas dari definisi yang sesuai untuk set biasa.
Sebuah himpunan fuzzy kosong jika dan hanya jika fungsi keanggotaannya adalah identik
dengan nol pada X.
Dua fuzzy set A dan B sama, ditulis sebagai A = B, jika dan hanya jika 𝑓𝐴 (𝑥) =
𝑓𝐵 (𝑥) untuk semua x di X. (dalam sekuel, bukan writing 𝑓𝐴 (𝑥) = 𝑓𝐵 (𝑥) untuk semua x di
X, kita akan menulis lebih sederhana 𝑓𝐴 = 𝑓𝐵
komplemen dari himpunan A fuzzy dilambangkan dengan A' dan didefinisikan oleh
𝑓𝐴′ = 1 - 𝑓𝐴 (1)
Seperti dalam kemudahan set biasa, gagasan penahanan memainkan peran sentral dalam
kemudahan set fuzzy. Gagasan ini dan gagasan terkait tentang persatuan dan persimpangan
didefinisikan sebagai berikut. Penahanan. A terkandung dalam B (atau, ekuivalen, A adalah
himpunan bagian dari B,
atau A lebih kecil dari atau sama dengan B) jika dan hanya jika 𝑓𝐴 ≦ 𝑓𝐵 Dalam simbol
A ⊂ 𝐵 ⇔ 𝑓𝐴 ≦ 𝑓𝐵 . (2)
Persatuan. Penyatuan dua fuzzy set A dan B dengankeanggotaanmasing-masing fungsi
𝑓𝐴 (𝑥) dan 𝑓𝐵 (𝑥)adalah satu set C fuzzy, ditulis sebagai C = AUB, yang fungsi keanggotaan
berhubungan dengan orang-orang dari A dan B dengan
𝑓𝑐 (𝑥) = Max [𝑓𝐴 (𝑥) , 𝑓𝐵 (𝑥)], x ∈ X (3)
atau, dalam bentuk yang disingkat
𝑓𝑐 = 𝑓𝐴 ˅ 𝑓𝐵 (4)
Max [𝑓𝐴 , 𝑓𝐵 ] ≧ 𝑓𝐴
dan
Max [𝑓𝐴 , 𝑓𝐵 ] ≧ 𝑓𝐵
Selanjutnya, jika D adalah himpunan fuzzy yang mengandung A dan B, maka
𝑓𝐷 ≧ 𝑓𝐴
𝑓𝐷 ≧ 𝑓𝐵
dan karenanya
𝑓𝐷 ≧ 𝑀𝑎𝑥 [𝑓𝐴 , 𝑓𝐵 ] ≧ 𝑓𝑐
𝑓𝑐 = 𝑓𝐴 ˄ 𝑓𝐵 (6)
Seperti dalam kasus gabungan, mudah untuk menunjukkan bahwa persimpangan A dan B
adalah terbesar himpunan fuzzyyang terkandung dalam A dan B. Seperti dalam kasus
himpunan biasa, A dan B yang menguraikan jika A ∩ B kosong. Perhatikan bahwa ∩ , seperti
U, memiliki properti asosiatif.
Perpotongan dan penyatuan dua set fuzzy dalam R1 diilustrasikan pada
Gambar. 1. Fungsi keanggotaan serikat terdiri dari segmen kurva
1 dan 2; bahwa persimpangan terdiri dari segmen 3 dan 4 (garis berat).
Komentar.Perhatikan bahwa gagasan ""memiliki, yang memainkan peran fundamental
dalam kasus perangkat biasa, tidak memiliki peran yang sama dalam
kasus set fuzzy. Dengan demikian, tidak berarti untuk berbicara tentang poin x: "milik" ke
himpunan fuzzy A kecuali dalam arti sepele dari 𝑓𝐴 (𝑥) menjadi positif. Kurang sepele,
seseorang dapat memperkenalkan dua level α dan β (0 < α < 1, 0 < β <1, α > β) dan setuju
untuk mengatakan bahwa (1) “x: milik A” jika 𝑓𝐴 (𝑥) ≧ α; (2) “x bukan milik A” jika
𝑓𝐴 (𝑥) ≤ β; dan (3) “x memiliki status tak tentu relatif terhadap A” jika 𝛽 < 𝑓𝐴 (𝑥) < 𝛼. Ini
mengarah pada logika bernilai tiga (Kleene, 1952) dengan tiga nilai kebenaran:
(𝑓𝐴 (𝑥) ≧ α), F (𝑓𝐴 (𝑥) ≦ 𝛽), dan ∪ (𝛽 < 𝑓𝐴 (𝑥) < 𝛼).
C ∩ (A ∪ 𝐵) = (C ∩ A) ∪ (C ∩ B) Distribusi (9)
C ∪ (A ∩ 𝐵) = (C ∪ A) ∩ (C ∪ B) (10)
persamaan ini dan yang sejenisnya dapat dengan mudah dibangun dengan menunjukkan
bahwa hubungan yang sesuai untuk fungsi keanggotaan A, B, dan C adalah identitas.
Misalnya, dalam kasus (7), kami memiliki
1- Max [𝑐 , 𝑓𝐵 ] = Min [1 - [𝑓𝐴 , 1 - 𝑓𝐵 ] (11)
yang dapat dengan mudah diverifikasi menjadi identitas dengan mengujinya untuk dua
kasus yang mungkin: 𝑓𝐴 (𝑥) > 𝑓𝐵 (𝑥) dan 𝑓𝐴 (𝑥) < 𝑓𝐵 (𝑥)
Demikian pula, dalam kasus (10) hubungan yang sesuai dalam hal 𝑓𝐴 , 𝑓𝐵 , 𝑑𝑎𝑛 𝑓𝐶 adalah :
Max [𝑓𝐶 , Min [𝑓𝐴 , 𝑓𝐵 ] =Min [Max [𝑓𝑐 , 𝑓𝐴 ], Max [𝑓𝑐 , 𝑓𝐵 ]] (12)
yang dapat diverifikasi menjadi identitas dengan mempertimbangkan enam kemudahan:
𝑓𝐴 (𝑥) > 𝑓𝐵 (𝑥) > 𝑓𝑐 (𝑥), 𝑓𝐴 (𝑥) > 𝑓𝑐 (𝑥) > 𝑓𝐵 (𝑥), > 𝑓𝐵 (𝑥) > 𝑓𝐴 (𝑥) > 𝑓𝑐 (𝑥),
𝑓𝐵 (𝑥) > 𝑓𝑐 (𝑥) > 𝑓𝐴 (𝑥), 𝑓𝑐 (𝑥) > 𝑓𝐴 (𝑥) > 𝑓𝐵 (𝑥), 𝑓𝑐 (𝑥) > 𝑓𝐵 (𝑥) > 𝑓𝐴 (𝑥).
Pada dasarnya, set fuzzy dalam X merupakan kisi distributif dengan 0 dan 1 (Birkhoff, 1948).