模糊逻辑是什么

　　模糊逻辑是处理部分真实概念的布尔逻辑扩展。经典逻辑坚持所有事物（陈述）都可以用二元项（0 或 1，黑或白，是或否）来表达，而模糊逻辑用真实度替代了布尔真值。这些陈述表示实际上接近于日常人们的问题和语意陈述，因为“真实”和结果在多数时候是部分（非二元）的和/或不精确的（不准确的，不清晰的，模糊的）。

　　真实度经常混淆于概率。但是它们在概念上是不一样的；模糊真值表示在模糊定义的集合中的成员归属关系，而不是某事件或条件的可能度（likelihood）。要展示这种区别，考虑下列情节：Bob 在有两个毗邻的房间的屋子中：厨房和餐厅。在很多情况下，Bob 的状态是在事物“在厨房中”的集合内是完全明确的：他要么“在厨房中”要么“不在厨房中”。但 Bob 站在门口的时候怎么办呢？它可被认为是“部分的在厨房中”。量化这个部分陈述产生了一个模糊集合成员关系。比如，只有他的小脚趾在餐厅，我们可以说 Bob 是 0.01“在厨房中”。只要 Bob 站在了门口，就没有事件（如抛硬币）能解决他完全的“在厨房中”或“不在厨房中”。模糊集合是基于集合的模糊定义而不是随机性。

　　模糊逻辑允许在包含 0 和 1 的它们之间集合成员关系值，同于黑和白之间的灰色，在它的语言形式中，有不精确的概念如”稍微”、”相当”和”非常”。特别是，它允许在集合中的部分成员关系。它有关于模糊集合和可能性理论。它是 1965 年卢菲特·泽德教授在加州大学伯克利分校介入的。

　　模糊逻辑尽管被广泛接受却是有争议的：它被某些控制工程师出于有效性和其他原因，和一些坚持概率论是不确定性的唯一严格描述的统计学家所拒绝。批评者认为它不是普通集合论的超集，因为成员函数是依据常规集合而定义的。

　　模糊逻辑可以用于控制家用电器比如洗衣机（它感知装载量和清洁剂浓度并据此调整它们的洗涤周期）和空调。

　　基本的应用可以特征化为连续变量的子范围（subranges），形状常常是三角形或梯形。例如，防锁刹车的温度测量可以有正确控制刹车所需要的定义特定温度范围的多个独立的成员关系函数（归属函数 / Membership function）。每个函数映射相同的温度到在 0 至 1 范围内的一个真值且为非凹函数（non-concave functions，否则可能在某部分温度越高却被归类为越冷）。接着这些真值可以用于确定应当怎样控制刹车。

　　在这个图象中，冷、暖和热是映射温度范围的函数。在这个刻度上的一个点有三个”真值”—分别对应着三个真值函数。对于展示的特定的温度，这三个真值可以被解释为把温度描述为，”相当冷”, “有些暖”和”不太热”。

　　通常情况会采用梯形，但在作模糊回归分析时则会选用三角形的归属函数。

部分信息与图片素材来源于互联网，如内容侵权与违规，请与本站联系，将立即处理，举报邮箱：1356571586@qq.com