donya88
08-13-2010, 06:05 AM
پرداختن به این موضوع، این فرض را در نظر می‌گیرم که دوستان به تعاریف ابتدایی در نظریه احتمالات همانند امید ریاضی، احتمال یک پیشامد، تابع چگالی احتمال و ... آشنایی لازم را دارند.
بحث خود را با یک نگاه شهودی به احتمال فازی آغاز می‌کنم:
در نظریه احتمال غیرفازی، برای بدست آوردن احتمال رخدادن یک پیشامد -همان (P(A -آزمایشی تصادفی انجام می‌دهیم که عبارتست از: یک انتخاب تصادفی از یک فضای نمونه...
اما در نظریه احتمال فازی این انتخاب تصادفی از فضای نمونه‌ای انجام می‌شود که شامل عناصر و اعضایی است که هرکدام با درجه‌ای مخصوص ، متعلق به این فضا هستند.
(مثلاً در پرتاب یک تاس پیشامدهای ۱ و ۲ و .. و ۶ بطور یکسان و قطعی عضو فضای نمونه ما هستند و یا مثلاً پیشامدهای ۷ و ۸ و ... بطور قطعی و یکسان عضو فضای ما نیستند.
اما در یک فضای نمونه‌ای فازی این ۱ و ۲ و ... و ۶ بطور یکسان و همگون در فضای ما حضور ندارند بلکه با یک درجه عضویتی متعلق به این فضا هستند.
مثلاً ۱ با درجه عضویت ۱ بطور کامل متعلق به این فضاست و ۲ با درجه عضویت ۳/۱ و ۳ با درجه عضویت ۲/۱ و مثلاً ۷ با درجه عضویت ۰ اصلاً تعلقی به این فضا ندارد و الی آخر...)
بنابراین در احتمال فازی، تعبیر زیبایی برای (P(A بدست می‌آید که عبارتست از انتظار ما از اینکه آن عضوی که به تصادف انتخاب شده است تا چه حد دارای ویژگی آن فضای نمونه‌ای است. (به بیان فازی، درجه عضویتش در آن مجموعه چند است؟)
اگر در وهله اول بخواهم به بیان شباهت ها و اشتراکات نظریه فازی و نظریه احتمال بپردازم باید بگویم که : «هم نظریه فازی و هم نظریه احتمال، برای بررسی پدیده‌هایی به کار می‌روند که شامل عدم قطعیت و نبود اطمینان در مورد جواب است.»
اما... عدم قطعیتی که در نظریه احتمال رخ می‌دهد، ناشی از عدم قطیعت آماری است و به پیشامدهای تصادفی ارتباط پیدا می‌کند.
مثلاً فکر کنید که اولین نفری هستید که می‌خواهید آزمایش پرتاب سکه را انجام بدهید. برای شما بدیهی است که نتیجه کار یا شیر است یا خط و با انجام آزمایش به دفعات بسیار زیاد، متوجه می‌شوید که احتمال هر دو طرف یکسان و ۵۰٪ است.
(اگر بخواهیم دقیق‌تر صحبت کنم باید بگویم که بعد از انجام آزمایش در دفعات بسیار زیاد، به عدد ۲/۱ نزدیک می‌شویم! و در ضمن این آزمایش مربوط به یک پخش خاص است و قطعا خودتان می‌توانید در پخش پواسون یا پخش گاما و ... موارد را مشابهاً پیش‌بینی کنید)
و اما... عدم قطعیتی که در نظریه مجموعه‌های فازی رخ می‌دهد، ناشی از عدم قطعیت در قضاوت‌های انسانی است.
یعنی اینجا دیگر برای ما بدیهی نیست که جواب نهایی ما شیر است یا خط و جواب ما به جای تغییر بین دو مقدار ۰ و ۱ (مثلاً شیر یا خط) در یک بازه به گستردگی [۱و۰] تغییر می‌کند و می‌تواند تمام مقادیر موجود در این بازه بسته را بگیرد.
مثلاً:
یک تپه شن را در نظر بگیرید. به آن یک «کپه شن» می‌گوییم. یک دانه از آن را برمی‌داریم و در گوشه‌ای می‌گذاریم. به آن یک دانه هیچ‌کس «کپه شن» نمی‌گوید... سپس دانه دیگری برمی‌داریم و کنار قبلی می‌گذاریم. باز هم این دو دانه را کسی «کپه شن» خطاب نمی‌کند... این کار را ادامه می دهیم...
وقتی کار تمام می‌شود اگر به حاصل کار نگاه کنیم کپه شن قبلی از بین رفته و در طرف دیگر یک «کپه شن» پدید آمده است اما هیچ‌کس نمی‌تواند بگوید که با برداشتن کدام دانه و قرار دادن آن در محل جدید، کپه شن قبلی از رسمیت افتاد و کپه شن جدید به رسمیت شناخته شد و نام «کپه» به آن اطلاق شد!!
نظریه مجموعه‌های فازی به دلیل تقریب بسیار خوبی که از پدیده‌های طبیعی اطراف ما ارائه می‌کند روزبروز کاربردهای وسیع‌تری می‌یابد...
وقتی پرفسور لطفی عسگرزاده این نظریه را در آمریکا ارائه کرد ماه‌ها طول کشید تا طرفداران نظریه فازی دولت را متقاعد به استفاده از آن کردند، در حالیکه در همان زمان ژاپنی‌ها با بکارگیری این نظریه در صنعت، درآمد بسیار عظیمی را از صادرات محصولات فازی خود بدست آوردند.
بقول یکی از اساتید، ژاپنی‌ها اگرچه ممکنست خلاقیت بالایی در ابداع نظریات جدید نداشته باشند اما سیمیولاتورهای خوبی هستند و فوری یک نظریه را به کاربرد آن نزدیک می‌کنند و از آن بهره و منفعت مادی می‌برند...
یکی از دوستان کارشناسی ارشد مهندسی صنایع دانشگاه شریف می‌گفتند: الان از بچه‌های مهندس ایرانی که برای ادامه تحصیل به خارج می‌روند تقریباً این انتظار دارد همه‌گیر می‌شود که در زمینه نظریه فازی تحقیق کنند و یا لااقل از نظریه فازی چیزی بدانند (بدلیل ارائه این نظریه توسط یک ایرانی)
در مورد تابع عضويت و درجه عضویت
من برای آنکه با خيال آسوده‌تری بتوانم مطالب فازی را دنبال کنم، تصميم گرفتم تا بطور تقريباً جامع به اين مفاهیم اوليه بپردازم تا همه در مورد آنها دیدگاه مشترک و يکسان داشته باشيم. سپس «احتمال فازی» را دنبال خواهیم کرد...
الف) از نگاه تابع مشخصه :
وقتی ما با یک مجموعه معمولی سر و کار داریم مثلاً مجموعه‌ی { A={1,2,3,4,5 (که زير مجموعه‌ای از اعداد طبيعی است) برای این مجموعه می‌توانیم یک تابع X به اسم تابع نشانگر یا تابع مشخصه (charactristic function) در نظر بگیریم که به اینصورت تعریف می شود:
اگر a عضو A باشد آنگاه X(a) =1
اگر a عضو A نباشد آنگاه 0X(a) =
این تابع عدد دلخواه a را می‌گیرد. حالا اگر این عدد عضو مجموعه‌ی A بود به آن عدد ۱ را نسبت می‌دهد و اگر عضو مجموعه A نبود، عدد ۰ را... مثلاً برای مجموعه‌ی A که در بالا ذکر کردیم:
X(9)=0 ولی X(2)=1
بدیهی است که یک مجموعه را می‌شود با کمک تابع مشخه‌اش کاملاً معلوم کرد. یعنی اگر من به شما بگویم که مجموعه‌ای دارم که تابع نشانگر آن برای اعداد ۱ و ۶ و ۹ و ۱۳ برابر ۱ است و برای سایر اعداد برابر ۰ است، شما سریعاً متوجه می‌شوید که منظور من مجموعه‌ای است با اعضای ۱ و ۶ و ۹ و ۱۳ بصورت روبرو : {A={1,6,9,13
حالا تفاوتی که یک مجموعه فازی با مجموعه معمولی دارد اینست که به جای اینکه تابع نشانگر ما اعدادی را که می‌گیرد فقط به دو عدد صفر و یک نسبت دهد، آنها را به تمام اعداد حقیقی‌ای که در بازه [۱و۰] قرار دارند می‌تواند نسبت دهد.
مثلاً می‌تواند یک عضو دلخواه را به ¾ نسبت دهد یا به ½ یا به ⅜ و غیره... یعنی دیگر اینجا محدود به دو عدد ۰ و ۱ نیستیم. بلکه دستمان بازتر شده و می‌توانیم آن عدد دلخواه را به هریک از اعداد حقیقی که از ۰ تا ۱ هستند نسبت دهیم.
در این حالت مجموعه A را یک مجموعه فازی می‌نامند.
ب) از نگاه ویژگی‌های مجموعه
از سال اول دبیرستان برای مجموعه‌های معمولی خواندیم که مجموعه گردآیه‌ای از اشیاء مشخص و متمایز است که همه دارای یک صفت معین هستند. در واقع بدلیل آنکه همه‌ی آن اشیاء دارای آن خاصیت و صفت بوده‌اند آنها را در آن مجموعه قرار داده‌ایم. و در ضمن برای هر شی دلخواه هم می‌توانیم با قطعیت بگوییم که آیا به مجموعه ما تعلق دارد یا خیر؟ (یعنی بررسی می‌کنیم که آیا آن صفت مشترک در اعضای مجموعه که به خاطر آن این اعضا گردهم آمده‌اند را دارد یا نه؟ اگر داشت که در مجموعه هست و اگر نه که نیست. )
مثلاً مجموعه E مجموعه اعداد زوج باشد. برای هر عدد می‌شود بررسی کرد که آیا زوج است یا خیر و بعد با قطعیت گفت که پس آیا در E می‌تواند باشد یا نه؟
اما در مجموعه فازی صفت مورد نظر ما که اعضای مجموعه را گرد هم می‌آورد دیگر مثل قبل، حالت مشخص و معین ندارد. بلکه یک واژه توصیفی است. مثلاً «کوچک بودن»، «بزرگ بودن»، «سرد بودن» و ... این واژه‌ها :
اولاً : نزد همه دارای تعریف مشخص نیست. مثلاً اگر به یک نفر بگویم عدد زوج می‌تواند بفهمد که عدد ۳ زوج نیست. اما اگر بگوییم «بزرگ‌تر بودن» برایش واضح نیست و از ما می‌پرسد: نسبت به چی بزرگ‌تر است؟
ثانیاً: اگر در بین یکسری از اشیائی که در اختیار داریم مثلاً بخواهیم صفت سرد بودن را در نظر بگیریم. هرچه آن شی دلخواه سردتر باشد عدد بزرگتری (از مجموعه ۰ تا ۱) را به آن نسبت می‌دهیم و هرچه گرمتر باشد، عدد کوچکتری را...
این عدد نسبت داده شده را درجه عضویت آن شی در آن مجموعه می‌نامند. پس یعنی هرچه یک شی درجه عضویتش به ۱ نزدیک‌تر باشد سردتر است و هرچه درجه عضویتش به ۰ نزدیک‌تر باشد گرمتر است.
تابعی که هر عضو را به درج عضویتش می‌برد و در واقع به هر عضو، وابسته به میزان دارا بودن آن صفت مورد نظر، درجه‌ای (عددی از ۰ تا ۱) را نسبت می‌دهد تابع عضویت نام دارد. معمولاً تابع عضويت را با حرف μ نشان می‌دهند. مثلاً به اين صورت: 5/0 = (۳)μ
يک مثال مهم:
مثلاً مجموعه مرجع را به اينصورت در نظر بگيريد: {5و4و3و2و1M={ و فرض کنید که زیر مجموعه‌ای مانند B از M را با صفت «بزرگ بودن» می‌خواهیم تشکیل بدهیم.
همانطور که قبلاً گفتیم می‌شود یک مجموعه را با تابع مشخصه‌اش کاملاً معلوم کرد. اینجا هم می‌توانیم از «درجه عضویت» کمک بگیریم و اعضای مجموعه B را با کمک میزان عضویت هر یک از اعداد ۱ و ۲ و ۳ و ۴ و ۵ در این مجموعه مشخص کنیم. (یعنی معلوم کنیم که هر عدد تا چه اندازه دارای صفت بزرگ بودن بوده و تا چه حد متعلق به B خواهد بود)
برای اینکار می‌شود درجه عضویت هر عضو را بصورت زیر تعریف کرد:
۰ = (۱)μ
25/0 = (۲)μ
5/0 = (۳)μ
75/0 = (۴)μ
۱ = (۵)μ
ذکر این نکته ضروریست که در مورد درجه‌های عضویت گفته شده، این اعداد منحصر به فرد نبوده و بر حسب نوع کاربردی که در نظر داریم تعریف می‌شود (که بحث‌اش مفصل است!) اما مثلاً اینجا می‌توانستیم به عدد ۲ درجه 3/0 و به عدد ۳ درجه 4/0 و ... را نسبت دهیم.
ضمناً این اعداد نشان می‌دهند که در مجموعه یاد شده، عدد ۵ دارای بیشترین مقدار بزرگی بوده و عدد ۱ دارای کمترین مقدار بزرگی است.
اکنون تابع عضویت ضابطه‌ای است که هر عضو را به درجه‌اش نسبت می‌دهد. یعنی به جای آنکه برای تک‌تک اعضا بیاییم درجه عضویت را مشخص کنیم، یک ضابطه‌ای را بنویسیم که هر عضو با قرار گرفتن در آن به درجه عضویتش نسبت داده شود. برای مثال بالا ضابطه این تابع اینگونه است:
μ = ( x - 1 ) / 4
نحوه مشخص کردن یک مجموعه فازی:
از آنجایی که اعضای یک مجموعه فازی، همه با یک نسبت عضو این مجموعه نیستند لازمست تا در هنگام مشخص کردن این مجموعه، به درجه عضویت اعضا نیز توجه شود. بنابراین یک مجموعه فازی را بدین صورت مشخص می‌کنند:
B = { ( x , μ(x) ) ; x M }
یعنی بصورت زوج مرتب‌هایی که مولفه اول آن عضو مربوطه و مولفه دوم آن درجه عضویت آن عضو می‌باشد.
به عنوان مثال مجموعه B چنین خواهد بود:
B = { ( 1 , 0 ) , ( 2 , 0.25 ) , ( 3 , 0.5 ) , ( 4 , 0.75 ) , ( 5 , 1 ) }
به نقل از ریاضیات زیباست (http://miladmath.persianblog.com/)
بحث خود را با یک نگاه شهودی به احتمال فازی آغاز می‌کنم:
در نظریه احتمال غیرفازی، برای بدست آوردن احتمال رخدادن یک پیشامد -همان (P(A -آزمایشی تصادفی انجام می‌دهیم که عبارتست از: یک انتخاب تصادفی از یک فضای نمونه...
اما در نظریه احتمال فازی این انتخاب تصادفی از فضای نمونه‌ای انجام می‌شود که شامل عناصر و اعضایی است که هرکدام با درجه‌ای مخصوص ، متعلق به این فضا هستند.
(مثلاً در پرتاب یک تاس پیشامدهای ۱ و ۲ و .. و ۶ بطور یکسان و قطعی عضو فضای نمونه ما هستند و یا مثلاً پیشامدهای ۷ و ۸ و ... بطور قطعی و یکسان عضو فضای ما نیستند.
اما در یک فضای نمونه‌ای فازی این ۱ و ۲ و ... و ۶ بطور یکسان و همگون در فضای ما حضور ندارند بلکه با یک درجه عضویتی متعلق به این فضا هستند.
مثلاً ۱ با درجه عضویت ۱ بطور کامل متعلق به این فضاست و ۲ با درجه عضویت ۳/۱ و ۳ با درجه عضویت ۲/۱ و مثلاً ۷ با درجه عضویت ۰ اصلاً تعلقی به این فضا ندارد و الی آخر...)
بنابراین در احتمال فازی، تعبیر زیبایی برای (P(A بدست می‌آید که عبارتست از انتظار ما از اینکه آن عضوی که به تصادف انتخاب شده است تا چه حد دارای ویژگی آن فضای نمونه‌ای است. (به بیان فازی، درجه عضویتش در آن مجموعه چند است؟)
اگر در وهله اول بخواهم به بیان شباهت ها و اشتراکات نظریه فازی و نظریه احتمال بپردازم باید بگویم که : «هم نظریه فازی و هم نظریه احتمال، برای بررسی پدیده‌هایی به کار می‌روند که شامل عدم قطعیت و نبود اطمینان در مورد جواب است.»
اما... عدم قطعیتی که در نظریه احتمال رخ می‌دهد، ناشی از عدم قطیعت آماری است و به پیشامدهای تصادفی ارتباط پیدا می‌کند.
مثلاً فکر کنید که اولین نفری هستید که می‌خواهید آزمایش پرتاب سکه را انجام بدهید. برای شما بدیهی است که نتیجه کار یا شیر است یا خط و با انجام آزمایش به دفعات بسیار زیاد، متوجه می‌شوید که احتمال هر دو طرف یکسان و ۵۰٪ است.
(اگر بخواهیم دقیق‌تر صحبت کنم باید بگویم که بعد از انجام آزمایش در دفعات بسیار زیاد، به عدد ۲/۱ نزدیک می‌شویم! و در ضمن این آزمایش مربوط به یک پخش خاص است و قطعا خودتان می‌توانید در پخش پواسون یا پخش گاما و ... موارد را مشابهاً پیش‌بینی کنید)
و اما... عدم قطعیتی که در نظریه مجموعه‌های فازی رخ می‌دهد، ناشی از عدم قطعیت در قضاوت‌های انسانی است.
یعنی اینجا دیگر برای ما بدیهی نیست که جواب نهایی ما شیر است یا خط و جواب ما به جای تغییر بین دو مقدار ۰ و ۱ (مثلاً شیر یا خط) در یک بازه به گستردگی [۱و۰] تغییر می‌کند و می‌تواند تمام مقادیر موجود در این بازه بسته را بگیرد.
مثلاً:
یک تپه شن را در نظر بگیرید. به آن یک «کپه شن» می‌گوییم. یک دانه از آن را برمی‌داریم و در گوشه‌ای می‌گذاریم. به آن یک دانه هیچ‌کس «کپه شن» نمی‌گوید... سپس دانه دیگری برمی‌داریم و کنار قبلی می‌گذاریم. باز هم این دو دانه را کسی «کپه شن» خطاب نمی‌کند... این کار را ادامه می دهیم...
وقتی کار تمام می‌شود اگر به حاصل کار نگاه کنیم کپه شن قبلی از بین رفته و در طرف دیگر یک «کپه شن» پدید آمده است اما هیچ‌کس نمی‌تواند بگوید که با برداشتن کدام دانه و قرار دادن آن در محل جدید، کپه شن قبلی از رسمیت افتاد و کپه شن جدید به رسمیت شناخته شد و نام «کپه» به آن اطلاق شد!!
نظریه مجموعه‌های فازی به دلیل تقریب بسیار خوبی که از پدیده‌های طبیعی اطراف ما ارائه می‌کند روزبروز کاربردهای وسیع‌تری می‌یابد...
وقتی پرفسور لطفی عسگرزاده این نظریه را در آمریکا ارائه کرد ماه‌ها طول کشید تا طرفداران نظریه فازی دولت را متقاعد به استفاده از آن کردند، در حالیکه در همان زمان ژاپنی‌ها با بکارگیری این نظریه در صنعت، درآمد بسیار عظیمی را از صادرات محصولات فازی خود بدست آوردند.
بقول یکی از اساتید، ژاپنی‌ها اگرچه ممکنست خلاقیت بالایی در ابداع نظریات جدید نداشته باشند اما سیمیولاتورهای خوبی هستند و فوری یک نظریه را به کاربرد آن نزدیک می‌کنند و از آن بهره و منفعت مادی می‌برند...
یکی از دوستان کارشناسی ارشد مهندسی صنایع دانشگاه شریف می‌گفتند: الان از بچه‌های مهندس ایرانی که برای ادامه تحصیل به خارج می‌روند تقریباً این انتظار دارد همه‌گیر می‌شود که در زمینه نظریه فازی تحقیق کنند و یا لااقل از نظریه فازی چیزی بدانند (بدلیل ارائه این نظریه توسط یک ایرانی)
در مورد تابع عضويت و درجه عضویت
من برای آنکه با خيال آسوده‌تری بتوانم مطالب فازی را دنبال کنم، تصميم گرفتم تا بطور تقريباً جامع به اين مفاهیم اوليه بپردازم تا همه در مورد آنها دیدگاه مشترک و يکسان داشته باشيم. سپس «احتمال فازی» را دنبال خواهیم کرد...
الف) از نگاه تابع مشخصه :
وقتی ما با یک مجموعه معمولی سر و کار داریم مثلاً مجموعه‌ی { A={1,2,3,4,5 (که زير مجموعه‌ای از اعداد طبيعی است) برای این مجموعه می‌توانیم یک تابع X به اسم تابع نشانگر یا تابع مشخصه (charactristic function) در نظر بگیریم که به اینصورت تعریف می شود:
اگر a عضو A باشد آنگاه X(a) =1
اگر a عضو A نباشد آنگاه 0X(a) =
این تابع عدد دلخواه a را می‌گیرد. حالا اگر این عدد عضو مجموعه‌ی A بود به آن عدد ۱ را نسبت می‌دهد و اگر عضو مجموعه A نبود، عدد ۰ را... مثلاً برای مجموعه‌ی A که در بالا ذکر کردیم:
X(9)=0 ولی X(2)=1
بدیهی است که یک مجموعه را می‌شود با کمک تابع مشخه‌اش کاملاً معلوم کرد. یعنی اگر من به شما بگویم که مجموعه‌ای دارم که تابع نشانگر آن برای اعداد ۱ و ۶ و ۹ و ۱۳ برابر ۱ است و برای سایر اعداد برابر ۰ است، شما سریعاً متوجه می‌شوید که منظور من مجموعه‌ای است با اعضای ۱ و ۶ و ۹ و ۱۳ بصورت روبرو : {A={1,6,9,13
حالا تفاوتی که یک مجموعه فازی با مجموعه معمولی دارد اینست که به جای اینکه تابع نشانگر ما اعدادی را که می‌گیرد فقط به دو عدد صفر و یک نسبت دهد، آنها را به تمام اعداد حقیقی‌ای که در بازه [۱و۰] قرار دارند می‌تواند نسبت دهد.
مثلاً می‌تواند یک عضو دلخواه را به ¾ نسبت دهد یا به ½ یا به ⅜ و غیره... یعنی دیگر اینجا محدود به دو عدد ۰ و ۱ نیستیم. بلکه دستمان بازتر شده و می‌توانیم آن عدد دلخواه را به هریک از اعداد حقیقی که از ۰ تا ۱ هستند نسبت دهیم.
در این حالت مجموعه A را یک مجموعه فازی می‌نامند.
ب) از نگاه ویژگی‌های مجموعه
از سال اول دبیرستان برای مجموعه‌های معمولی خواندیم که مجموعه گردآیه‌ای از اشیاء مشخص و متمایز است که همه دارای یک صفت معین هستند. در واقع بدلیل آنکه همه‌ی آن اشیاء دارای آن خاصیت و صفت بوده‌اند آنها را در آن مجموعه قرار داده‌ایم. و در ضمن برای هر شی دلخواه هم می‌توانیم با قطعیت بگوییم که آیا به مجموعه ما تعلق دارد یا خیر؟ (یعنی بررسی می‌کنیم که آیا آن صفت مشترک در اعضای مجموعه که به خاطر آن این اعضا گردهم آمده‌اند را دارد یا نه؟ اگر داشت که در مجموعه هست و اگر نه که نیست. )
مثلاً مجموعه E مجموعه اعداد زوج باشد. برای هر عدد می‌شود بررسی کرد که آیا زوج است یا خیر و بعد با قطعیت گفت که پس آیا در E می‌تواند باشد یا نه؟
اما در مجموعه فازی صفت مورد نظر ما که اعضای مجموعه را گرد هم می‌آورد دیگر مثل قبل، حالت مشخص و معین ندارد. بلکه یک واژه توصیفی است. مثلاً «کوچک بودن»، «بزرگ بودن»، «سرد بودن» و ... این واژه‌ها :
اولاً : نزد همه دارای تعریف مشخص نیست. مثلاً اگر به یک نفر بگویم عدد زوج می‌تواند بفهمد که عدد ۳ زوج نیست. اما اگر بگوییم «بزرگ‌تر بودن» برایش واضح نیست و از ما می‌پرسد: نسبت به چی بزرگ‌تر است؟
ثانیاً: اگر در بین یکسری از اشیائی که در اختیار داریم مثلاً بخواهیم صفت سرد بودن را در نظر بگیریم. هرچه آن شی دلخواه سردتر باشد عدد بزرگتری (از مجموعه ۰ تا ۱) را به آن نسبت می‌دهیم و هرچه گرمتر باشد، عدد کوچکتری را...
این عدد نسبت داده شده را درجه عضویت آن شی در آن مجموعه می‌نامند. پس یعنی هرچه یک شی درجه عضویتش به ۱ نزدیک‌تر باشد سردتر است و هرچه درجه عضویتش به ۰ نزدیک‌تر باشد گرمتر است.
تابعی که هر عضو را به درج عضویتش می‌برد و در واقع به هر عضو، وابسته به میزان دارا بودن آن صفت مورد نظر، درجه‌ای (عددی از ۰ تا ۱) را نسبت می‌دهد تابع عضویت نام دارد. معمولاً تابع عضويت را با حرف μ نشان می‌دهند. مثلاً به اين صورت: 5/0 = (۳)μ
يک مثال مهم:
مثلاً مجموعه مرجع را به اينصورت در نظر بگيريد: {5و4و3و2و1M={ و فرض کنید که زیر مجموعه‌ای مانند B از M را با صفت «بزرگ بودن» می‌خواهیم تشکیل بدهیم.
همانطور که قبلاً گفتیم می‌شود یک مجموعه را با تابع مشخصه‌اش کاملاً معلوم کرد. اینجا هم می‌توانیم از «درجه عضویت» کمک بگیریم و اعضای مجموعه B را با کمک میزان عضویت هر یک از اعداد ۱ و ۲ و ۳ و ۴ و ۵ در این مجموعه مشخص کنیم. (یعنی معلوم کنیم که هر عدد تا چه اندازه دارای صفت بزرگ بودن بوده و تا چه حد متعلق به B خواهد بود)
برای اینکار می‌شود درجه عضویت هر عضو را بصورت زیر تعریف کرد:
۰ = (۱)μ
25/0 = (۲)μ
5/0 = (۳)μ
75/0 = (۴)μ
۱ = (۵)μ
ذکر این نکته ضروریست که در مورد درجه‌های عضویت گفته شده، این اعداد منحصر به فرد نبوده و بر حسب نوع کاربردی که در نظر داریم تعریف می‌شود (که بحث‌اش مفصل است!) اما مثلاً اینجا می‌توانستیم به عدد ۲ درجه 3/0 و به عدد ۳ درجه 4/0 و ... را نسبت دهیم.
ضمناً این اعداد نشان می‌دهند که در مجموعه یاد شده، عدد ۵ دارای بیشترین مقدار بزرگی بوده و عدد ۱ دارای کمترین مقدار بزرگی است.
اکنون تابع عضویت ضابطه‌ای است که هر عضو را به درجه‌اش نسبت می‌دهد. یعنی به جای آنکه برای تک‌تک اعضا بیاییم درجه عضویت را مشخص کنیم، یک ضابطه‌ای را بنویسیم که هر عضو با قرار گرفتن در آن به درجه عضویتش نسبت داده شود. برای مثال بالا ضابطه این تابع اینگونه است:
μ = ( x - 1 ) / 4
نحوه مشخص کردن یک مجموعه فازی:
از آنجایی که اعضای یک مجموعه فازی، همه با یک نسبت عضو این مجموعه نیستند لازمست تا در هنگام مشخص کردن این مجموعه، به درجه عضویت اعضا نیز توجه شود. بنابراین یک مجموعه فازی را بدین صورت مشخص می‌کنند:
B = { ( x , μ(x) ) ; x M }
یعنی بصورت زوج مرتب‌هایی که مولفه اول آن عضو مربوطه و مولفه دوم آن درجه عضویت آن عضو می‌باشد.
به عنوان مثال مجموعه B چنین خواهد بود:
B = { ( 1 , 0 ) , ( 2 , 0.25 ) , ( 3 , 0.5 ) , ( 4 , 0.75 ) , ( 5 , 1 ) }
به نقل از ریاضیات زیباست (http://miladmath.persianblog.com/)