Soft set软集合

本文探讨了幂集和参数族的概念,并通过房屋选择条件为例,介绍了软集合如何表示一组近似值,每个近似值由谓词和集合组成。通过实例说明,软集合实际上是参数化的房屋描述集合,有助于理解不确定性在决策过程中的作用。

估计有错, 仅供参考

基础概念

幂集(Power Set), 就是原集合中所有的子集(包括全集和空集)构成的集族。
参数族(参数化族):参数族或参数化族是一组对象(一组相关对象),其差异仅为对象选择的参数值不同。
举个例子,概率密度函数 fX(⋅;θ)f_{X}(\cdot ; \theta)fX(;θ) 取决于参数θ{\theta}θ 。参数θ{\theta}θ不同都会得出不同的概率密度函数,那么{fX(⋅;θ)∣θ∈Θ}\{f_{X}(\cdot ; \theta) | \theta \in \Theta \}{fX(;θ)θΘ}就是一个参数族

软集合定义

UUU:universe set 全集
EEE:参数集
P(U)P(U)P(U):U的幂集
A∈EA \in EAE

定义:(F,A)(F,A)(F,A)称作UUU上的软集合 ,FFF是一个映射F:A→P(U)F:A\rightarrow P(U)F:AP(U)。换句话说UUU上的软集是UUU子集的参数族。假设e∈Ae \in AeA , F(e)F(e)F(e)可以被认为是软集(F,A)(F,A)(F,A)的e近似元素集合。所以可知软集合不是集合(论文上这么说的)

软集合的例子

假如有一个六间房子组成的集合UUU(这个就是全集)
U=h1,h2,h3,h4,h5,h6U = {h1,h2,h3,h4,h5,h6}U=h1,h2,h3,h4,h5,h6
再给定一个房子条件构成的参数集
E=e1,e2,e3,e4,e5E={e1,e2,e3,e4,e5}E=e1,e2,e3,e4,e5
e1 :昂贵
e2 :漂亮
e3 :木质结构
e4 :便宜
e5 :绿化好

根据这些条件,可以得到符合该条件的房屋集合
F(e1)=h2,h4F(e1) = {h_{2},h_{4}}F(e1)=h2,h4
F(e2)=h1,h3F(e2) = {h_{1}, h_{3}}F(e2)=h1,h3
F(e3)=h3,h4,h5F(e3) = {h_{3},h_{4},h_{5}}F(e3)=h3,h4,h5
F(e4)=h1,h3,h5F(e4)= {h_{1}, h_{3},h_{5}}F(e4)=h1,h3,h5
F(e5)=h1F(e5) = {h_{1}}F(e5)=h1

软集合(F,E)(F,E)(F,E)是U子集的的参数族 F(ei),i=1,2,3,...,8{F(e_{i}), i = 1,2,3,...,8}F(ei),i=1,2,3,...,8 它给出了一个对象的近似描述集合。

例如映射FFF为“houses(.)”,其中(.)将由一个参数e∈Ee \in EeE填充。因此,F(e1)F(e_{1})Fe1表示houses(昂贵)”,其函数值是集合{hz,ha}\{{h_{z},h_{a}}\}{hzha}

因此,我们可以将软集(F,E)(F,E)(FE)视为一组近似值,如下所示:
(F,E)={(F,E)=\{(FE)={昂贵的房屋={h2,h4}= \{h2,h4\}={h2h4},漂亮的房屋={h1,h3}= \{{h_{1}, h_{3}}\}={h1,h3},木制房屋={h3,h4,h5}= \{ {h_{3},h_{4},h_{5}}\}={h3,h4,h5},便宜房子={h1,h3,h5}= \{{h_{1}, h_{3},h_{5}}\}={h1,h3,h5},在绿色环境= {h1}}\{h_{1}\}\}{h1}}中,其中每个近似值都有两个部分:

  1. 谓词p
  2. 近似值集合v

比如,对于“昂贵的房屋={h2,h4}= \{h2,h4\}={h2h4}”有以下两部分
3. 谓词为昂贵的房屋
4. 近似值集合为 {h2,h4}\{h2,h4\}{h2h4}

因此软集合(F,E)(F,E)(F,E)可以视为下面这样的一组近似值:
(F,E)={p1=v1,p2=v2,...,pn=vn}(F,E)=\{p_{1} = v_{1}, p_{2} = v_{2},...,p_{n} = v_{n}\}(FE)={p1=v1,p2=v2,...,pn=vn}

如果看不懂可以看看第二篇参考文献,定义讲的很详细

参考文献:

  1. Molodtsov D.Soft set theory—first results[J].Computers and Mathematics with Application, 1999, 37 (4/5) :19~31.
  2. Gong K, Xiao Z, Zhang X. The bijective soft set with its operations[J]. Computers & Mathematics with Applications, 2010, 60(8): 2270-2278.
单向双向V2G 环境下分布式电源与电动汽车充电站联合配置方法(Matlab代码实现)内容概要:本文介绍了在单向和双向V2G(Vehicle-to-Grid)环境下,分布式电源与电动汽车充电站的联合配置方法,并提供了基于Matlab的代码实现。研究涵盖电力系统优化、可再生能源接入、电动汽车充放电调度、储能配置及微电网经济调度等多个关键技术领域,重点探讨了在不同电价机制和需求响应策略下,如何通过智能优化算法实现充电站与分布式电源的协同规划与运行优化。文中还展示了多种应用场景,如有序充电调度、鲁棒优化模型、多目标优化算法(如NSGA-II、粒子群算法)在电力系统中的实际应用,体现了较强的工程实践价值和技术综合性。; 适合人群:具备电力系统、新能源、智能优化算法等相关背景的科研人员、研究生及从事能源系统规划与优化的工程技术人员;熟悉Matlab/Simulink仿真工具者更佳。; 使用场景及目标:①用于科研项目中关于电动汽车与分布式电源协同配置的模型构建与仿真验证;②支持毕业论文、期刊投稿中的案例分析与算法对比;③指导实际电力系统中充电站布局与能源调度的优化设计。; 阅读建议:建议结合文中提供的Matlab代码与具体案例进行同步实践,重点关注优化模型的数学建模过程与算法实现细节,同时可参考文末网盘资源获取完整代码与数据集以提升学习效率。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值