编号 S01 S02 S03 S04 个体串 1010 0100 1100 0111 x 10 4 12 7 适应值 百分比 累计百分比 选中次数 若规定选择概率为100%,选择算法为轮盘赌算法，且依次生成的4个随机数为0.42, 0.16, 0.89, 0.71，请填写上表中的全部内容，并求出经本次选择操作后所得到的新的种群。
解：表格的完整内容为：
编号 S01 S02 S03 S04 个体串 1010 0100 1100 0111 x 10 4 12 7 适应值 100 16 144 49 百分比 32.36 5.18 44.60 15.86 累计百分比 32.36 37.54 84.14 100 选中次数 1 0 2 1 本次选择后所得到的新的种群为： S01=1100 S02=1010 S03=0111 S04=1100
5.18 设某小组有5个同学，分别为S1,S2,S3,S4,S5。若对每个同学的“学习好”程度打分： S1:95 S2:85 S3:80 S4:70 S5:90
这样就确定了一个模糊集F，它表示该小组同学对“学习好”这一模糊概念的隶属程度，请写出该模糊集。 解：对模糊集为F，可表示为： F=95/ S1+85/S2+80/ S3+70/S4+90/S5 或
F={95/ S1, 85/S2, 80/ S3, 70/S4, 90/S5}
5.19 设有论域
U={u1, u2, u3, u4, u5} 并设F、G是U上的两个模糊集，且有 F=0.9/u1+0.7/u2+0.5/u3+0.3/u4 G=0.6/u3+0.8/u4+1/u5 请分别计算 F∩G，F∪G，﹁F。
解：F∩G=(0.9∧0)/ u1+(0.7∧0)/ u2+(0.5∧0.6)/u3+(0.3∧0.8)/u4+(0∧1)/u5 =0/ u1+0/ u2+0.5/u3+0.3/u4+0/u5 =0.5/u3+0.3/u4
F∪G=(0.9∨0)/ u1+(0.7∨0)/ u2+(0.5∨0.6)/u3+(0.3∨0.8)/u4+(0∨1)/u5
=0.9/ u1+0.7/ u2+0.6/u3+0.8/u4+1/u5
﹁F=(1-0.9)/ u1+(1-0.7)/ u2+(1-0.5)/u3+(1-0.3)/u4+(1-0)/u5
=0.1/ u1+0.3/ u2+0.5/u3+0.7/u4+1/u5
26
5.21设有如下两个模糊关系：
?0.30.70.2?R1??100.4?????00.51??请写出R1与R2的合成R1οR2。
?0.20.8?R2??0.60.4?????0.90.1?? 解：R(1,1)=(0.3∧0.2)∨(0.7∧0.6)∨(0.2∧0.9)= 0.2∨0.6∨0.2=0.6
R(1,2)=(0.3∧0.8)∨(0.7∧0.4)∨(0.2∧0.1)= 0.3∨0.4∨0.1=0.4 R(2,1)=(1∧0.2)∨(0∧0.6)∨(0.4∧0.9)= 0.2∨0∨0.4=0.4 R(2,2)=(1∧0.8)∨(0∧0.4)∨(0.4∧0.1)= 0.8∨0∨0.1=0.8 R(3,1)=(0∧0.2)∨(0.5∧0.6)∨(1∧0.9)= 0.2∨0.6∨0.9=0.9 R(3,2)=(0∧0.8)∨(0.5∧0.4)∨(1∧0.1)= 0∨0.4∨0.1=0.4
因此有
?0.60.4??
R1?R2??0.40.8????0.90.4??
5.22 设F是论域U上的模糊集，R是U×V上的模糊关系，F和R分别为：
F?{0.4,0.6,0.8}?0.10.30.5?R??0.40.60.8?????0.60.30??求模糊变换FοR。 解：
FR?{0.4?0.1?0.6?0.4?0.8?0.6,0.4?0.3?0.6?0.6?0.8?0.30.4?0.5?0.6?0.8?0.8?0} ={0.1∨0.4∨0.6, 0.3∨0.6∨0.3,0.4∨0.6∨0 } ={0.6, 0.6, 0.6}
第6章
6.8 设有如下一组推理规则: r1: IF E1 THEN E2 (0.6)
r2: IF E2 AND E3 THEN E4 (0.7) r3: IF E4 THEN H (0.8) r4: IF E5 THEN H (0.9)
27
不确定性推理部分参考答案
且已知CF(E1)=0.5, CF(E3)=0.6, CF(E5)=0.7。求CF(H)=? 解：(1) 先由r1求CF(E2) CF(E2)=0.6 × max{0,CF(E1)} =0.6 × max{0,0.5}=0.3
(2) 再由r2求CF(E4)
CF(E4)=0.7 × max{0, min{CF(E2 ), CF(E3 )}} =0.7 × max{0, min{0.3, 0.6}}=0.21
(3) 再由r3求CF1(H)
CF1(H)= 0.8 × max{0,CF(E4)} =0.8 × max{0, 0.21)}=0.168 (4) 再由r4求CF2(H)
CF2(H)= 0.9 ×max{0,CF(E5)} =0.9 ×max{0, 0.7)}=0.63
(5) 最后对CF1(H )和CF2(H)进行合成，求出CF(H) CF(H)= CF1(H)+CF2(H)+ CF1(H) × CF2(H) =0.692
6.10 设有如下推理规则
r1: IF E1 THEN (2, 0.00001) H1 r2: IF E2 THEN (100, 0.0001) H1 r3: IF E3 THEN (200, 0.001) H2 r4: IF H1 THEN (50, 0.1) H2
且已知P(E1)= P(E2)= P(H3)=0.6, P(H1)=0.091, P(H2)=0.01, 又由用户告知： P(E1| S1)=0.84, P(E2|S2)=0.68, P(E3|S3)=0.36 请用主观Bayes方法求P(H2|S1, S2, S3)=? 解：(1) 由r1计算O(H1| S1)
先把H1的先验概率更新为在E1下的后验概率P(H1| E1) P(H1| E1)=(LS1 × P(H1)) / ((LS1-1) × P(H1)+1) =(2 × 0.091) / ((2 -1) × 0.091 +1) =0.16682
由于P(E1|S1)=0.84 > P(E1)，使用P(H | S)公式的后半部分，得到在当前观察S1下的后验概率P(H1| S1)和后验几率O(H1| S1)
P(H1| S1) = P(H1) + ((P(H1| E1) – P(H1)) / (1 - P(E1))) × (P(E1| S1) – P(E1)) = 0.091 + (0.16682 –0.091) / (1 – 0.6)) × (0.84 – 0.6) =0.091 + 0.18955 × 0.24 = 0.136492 O(H1| S1) = P(H1| S1) / (1 - P(H1| S1)) = 0.15807 (2) 由r2计算O(H1| S2)
先把H1的先验概率更新为在E2下的后验概率P(H1| E2) P(H1| E2)=(LS2 × P(H1)) / ((LS2-1) × P(H1)+1)
28
=(100 × 0.091) / ((100 -1) × 0.091 +1) =0.90918
由于P(E2|S2)=0.68 > P(E2)，使用P(H | S)公式的后半部分，得到在当前观察S2下的后验概率P(H1| S2)和后验几率O(H1| S2)
P(H1| S2) = P(H1) + ((P(H1| E2) – P(H1)) / (1 - P(E2))) × (P(E2| S2) – P(E2)) = 0.091 + (0.90918 –0.091) / (1 – 0.6)) × (0.68 – 0.6) =0.25464
O(H1| S2) = P(H1| S2) / (1 - P(H1| S2)) =0.34163
(3) 计算O(H1| S1,S2)和P(H1| S1,S2) 先将H1的先验概率转换为先验几率
O(H1) = P(H1) / (1 - P(H1)) = 0.091/(1-0.091)=0.10011
再根据合成公式计算H1的后验几率
O(H1| S1,S2)= (O(H1| S1) / O(H1)) × (O(H1| S2) / O(H1)) × O(H1) = (0.15807 / 0.10011) × (0.34163) / 0.10011) × 0.10011 = 0.53942 再将该后验几率转换为后验概率
P(H1| S1,S2) = O(H1| S1,S2) / (1+ O(H1| S1,S2)) = 0.35040 (4) 由r3计算O(H2| S3)
先把H2的先验概率更新为在E3下的后验概率P(H2| E3) P(H2| E3)=(LS3 × P(H2)) / ((LS3-1) × P(H2)+1) =(200 × 0.01) / ((200 -1) × 0.01 +1) =0.09569
由于P(E3|S3)=0.36 < P(E3)，使用P(H | S)公式的前半部分，得到在当前观察S3下的后验概率P(H2| S3)和后验几率O(H2| S3)
P(H2| S3) = P(H2 | ? E3) + (P(H2) – P(H2| ?E3)) / P(E3)) × P(E3| S3) 由当E3肯定不存在时有
P(H2 | ? E3) = LN3 × P(H2) / ((LN3-1) × P(H2) +1) = 0.001 × 0.01 / ((0.001 - 1) × 0.01 + 1) = 0.00001 因此有
P(H2| S3) = P(H2 | ? E3) + (P(H2) – P(H2| ?E3)) / P(E3)) × P(E3| S3) =0.00001+((0.01-0.00001) / 0.6) × 0.36 =0.00600
O(H2| S3) = P(H2| S3) / (1 - P(H2| S3))
=0.00604
(5) 由r4计算O(H2| H1)
先把H2的先验概率更新为在H1下的后验概率P(H2| H1) P(H2| H1)=(LS4 × P(H2)) / ((LS4-1) × P(H2)+1)
29
=(50 × 0.01) / ((50 -1) × 0.01 +1) =0.33557
由于P(H1| S1,S2)=0.35040 > P(H1)，使用P(H | S)公式的后半部分，得到在当前观察S1,S2下H2的后验概率P(H2| S1,S2)和后验几率O(H2| S1,S2)
P(H2| S1,S2) = P(H2) + ((P(H2| H1) – P(H2)) / (1 - P(H1))) × (P(H1| S1,S2) – P(H1)) = 0.01 + (0.33557 –0.01) / (1 – 0.091)) × (0.35040 – 0.091) =0.10291
O(H2| S1,S2) = P(H2| S1, S2) / (1 - P(H2| S1, S2)) =0.10291/ (1 - 0.10291) = 0.11472 (6) 计算O(H2| S1,S2,S3)和P(H2| S1,S2,S3) 先将H2的先验概率转换为先验几率
O(H2) = P(H2) / (1 - P(H2) )= 0.01 / (1-0.01)=0.01010
再根据合成公式计算H1的后验几率
O(H2| S1,S2,S3)= (O(H2| S1,S2) / O(H2)) × (O(H2| S3) / O(H2)) ×O(H2) = (0.11472 / 0.01010) × (0.00604) / 0.01010) × 0.01010 =0.06832 再将该后验几率转换为后验概率
P(H2| S1,S2,S3) = O(H1| S1,S2,S3) / (1+ O(H1| S1,S2,S3)) = 0.06832 / (1+ 0.06832) = 0.06395
可见，H2原来的概率是0.01，经过上述推理后得到的后验概率是0.06395，它相当于先验概率的6倍多。
6.11设有如下推理规则
r1: IF E1 THEN (100, 0.1) H1 r2: IF E2 THEN (50, 0.5) H2 r3: IF E3 THEN (5, 0.05) H3
且已知P(H1)=0.02, P(H2)=0.2, P(H3)=0.4，请计算当证据E1，E2，E3存在或不存在时P(Hi | Ei)或P(Hi |﹁Ei)的值各是多少(i=1, 2, 3)？
解：(1) 当E1、E2、E3肯定存在时，根据r1、r2、r3有
P(H1 | E1) = (LS1 × P(H1)) / ((LS1-1) × P(H1)+1)
= (100 × 0.02) / ((100 -1) × 0.02 +1) =0.671
P(H2 | E2) = (LS2 × P(H2)) / ((LS2-1) × P(H2)+1)
= (50 × 0.2) / ((50 -1) × 0.2 +1)
=0.9921
P(H3 | E3) = (LS3 × P(H3)) / ((LS3-1) × P(H3)+1)
= (5 × 0.4) / ((5 -1) × 0.4 +1)
=0.769
(2) 当E1、E2、E3肯定存在时，根据r1、r2、r3有
P(H1 | ?E1) = (LN1 × P(H1)) / ((LN1-1) × P(H1)+1)
= (0.1 × 0.02) / ((0.1 -1) × 0.02 +1)
30