00:00 / 01:18
连播
清屏
智能
倍速
点赞409
润泽3周前
人情关系的数值表达及其变化公式 2026-3-15 王太忠 用最清晰的文字+公式逻辑,为你拆解一套常见的人情关系模型。 在模糊数学中,我们用隶属度(取值 0 到 1 之间的数)来描述一个对象属于某个集合的程度。 - 0:完全不属于(无关系)。 - 1:完全属于(至亲至交)。 - 0.5:半信半疑,关系一般。   一、 核心关系:亲疏度 (Proximity Degree) 我们先定义一个最基础的变量:亲疏度 μ(A, B),代表 A 与 B 的关系亲近程度。 1. 直系血缘 (Immediate Family) - 父母、子女:μ = 1.0 公式:μ(父/母, 子/女) = 1.0 - 兄弟姐妹:μ = 0.95 公式:μ(兄, 弟) = 0.95 2. 旁系血缘 (Extended Family) - 叔伯、姑舅、姨:μ = 0.8 - 堂/表兄弟姐妹:μ = 0.7 公式:μ(堂兄, 表弟) = 0.7 - 祖辈:祖父母、外祖父母:μ = 0.85 3. 社会关系 (Social Relationships) - 恩师、伯乐:μ = 0.9 (特殊的知遇之恩) - 至交、死党:μ = 0.9 - 好朋友:μ = 0.75 - 普通朋友/同事:μ = 0.6 - 点头之交:μ = 0.4 - 陌生人:μ = 0.1 - 仇人:μ = 0.0   二、 关键运算:人情权重 (Weighting) 人情不是一成不变的,它会随着时间、事件、回报而动态变化。我们用模糊运算来表达。 1. 时间衰减因子 (Time Decay) 关系会随时间疏远。 公式:μ'(t) = μ₀ × e^(-λt) - μ₀:初始亲疏度 - t:时间 - λ:衰减系数(关系越重要,λ 越小) 例子: - 大学同学(μ₀=0.7),毕业10年未见(t=10)。 μ' = 0.7 × e^(-0.05×10) ≈ 0.42。 结论:从普通朋友变为普通熟人。 2. 事件增强/削弱因子 (Event Modifier) 一件关键的事,可以瞬间改变亲疏度。 公式:μ'' = μ' × α - α > 1:事件增强关系(如雪中送炭)。 - 0 < α < 1:事件削弱关系(如背信弃义)。 例子:
00:00 / 04:59
连播
清屏
智能
倍速
点赞0
00:00 / 00:09
连播
清屏
智能
倍速
点赞448
00:00 / 01:03
连播
清屏
智能
倍速
点赞37
00:00 / 00:56
连播
清屏
智能
倍速
点赞50
00:00 / 00:16
连播
清屏
智能
倍速
点赞404