http://www.paper.edu.cn
一定数量谷子的颗粒准确的数目, 但是你还是无法确定这些谷子是否构成“一堆”. 你可以在
一种非常好的条件下, 这里指观察手段和环境, 去观察一种颜色, 但是你可能还是无法确定这种
颜色是“红色”还是“橙色”, 如果这种颜色看上去不是明显的红色或橙色, 等等. 我们不知道
并不是说我们无法理解我们所使用的语言, 而是由于谓词所具有的模糊属性使得我们无法对前
面所提到的那些问题给出肯定或否定的回答.
1.2 多维模糊性(Multidimensional Vagueness)
前面关于模糊性的讨论所涉及的大多都是一维的 模糊谓词. 例如: “是高个子”是由“身
高”这个一维变量的取值来决定的; “是一堆”是由“谷粒的数量”这个一维变量的取值来决
定的, 如果我们讨论的对象是“一堆谷子”. 但是现实世界中的很多模糊谓词所涉及的变量都
是多维的, 即一个对象是否具有某个模糊谓词所描述的性质是由多个因素来共同决定的. 例如:
如果我们用“是大块头”来形容人的特 征, 说一个人是否“是大块头”, 需要由我们所谈论的
这个人的“身高”和“体重”这 两个变量的取值来决定, 或者由一个二维变量来决定. 比如说,
实数的二维数组. 说一定数量的谷粒是否是“一堆”, 可能还不仅取决于谷粒的数量, 而且取决
于谷粒的 排列方式, 等等. 如果利用模糊逻辑的方法来处理这种多维模糊现象, 以谓词“是大块
头”为例, 这时模糊命题的真值就无法仅仅用一个实数来表示, 因为此时你不能仅仅只考虑对象
的“身高”或“体重”来决定对象是否是“ 大块头”. 假设对象A身高180厘米, 体重50千克; 对
象B身高150厘米, 体重90千克, 通常情况下, 这时你很难比较A和B到底谁更符合“大块头”的
特征, 一种可行的办法是用集合[0, 1] × [0, 1] 中某个元素来表示这种模糊命题的真值. 比上述情
况更复杂的是, 有些模糊谓词所涉及的多个因素在决定某个对象是否具有这个谓词所描述的性
质时所起的作用还不一样, 即存在权重大小的问题. 还有一些谓词所涉及的变量甚至很难清晰的
划分它们的维数. 例如: “是好学生”这个谓词, 它可能由很多因素来决定, 比如: 德、 智、 体、
美、 劳等, 你很难确定它究竟应该是一个多少维的模糊谓词. 同时, 在使用自然语言表达对象的
某种性质的时候, 副词像“很快地”、量词像“大多数”等也会产生模糊性.
那么, 如何处理多维模糊性问题呢? 在模糊逻辑理论的框架下所采用的方法是用笛卡尔
积[0, 1]
n
, 或者更一般的, 用完备分配格作为模糊命题的真值域来刻画事物的模糊性. 与此相关
的数学理论即为格值模 糊集合理论(L-fuzzy set)和格值模糊逻辑, 详细的内容可参考文献[5, 6,
7, 8].
1.3 模糊性和相对性(Relativity)、含混性(Ambiguity)
在实际应用中,人们往往也容易将自然语言表达中的“相对性”和“含混性”与本文所讨论
的“模糊性”混淆. 因此, 有必要对它们之间的关系进行说明.
“模糊性”不同于“相对性”, 但往往与“相对性”并存. 考虑谓词“是在平均身高以上”
. 在我们能够相对准确地测量每个人的身 高的条件之下, 这个谓词不存任何的模糊性. 在某个确
定的论域中, 如果某人的身高大于平均身高, 那么我们就可以明确的说他(或她)的身 高在平均身
高以上. 但是这个谓词仍然存在着不确定性, 就是这里的“大于平均身高”与我们所讨论对象所
- 3 -