مفهوم منطق فازی برای اولین بار توسط استاد لطفی زاده مطرح شد و توسط دیگران توسعه یافت. تعداد نور برای خود مهم نیست ، بلکه نحوه استفاده از آن در کار است. فازی از سال 1965 بیش از دو دهه از منطق دانشگاه خارج نشده است ، زیرا افراد کمی معنی آن را می فهمند. در اواسط دهه 1980 ، هنرمندان ژاپنی معنای تجارت و اهمیت علم را آموختند و منطق فازی را به کار گرفتند. اولین پروژه آنها راهنمای قطار کاملاً خودکار Send and Down و مدیریت پروژه بود که توسط هیتاچی طراحی و ساخته شد. از آن لحظه به بعد ، صدا و تصویر (شامل عدم لرزش فیلم هنگام لرزش دوربین) به سرعت به ژاپن نفوذ کرد.

کلمه فازی به معنای نادرست و قابل درک است و به همین دلیل به نظر می رسد که با مفهوم نیستی و یک تناقض دارد. در غیاب یک ایده و یک سودمندی یک مفهوم واحد یا نه ، چه درست باشد و چه نادرست ، سفید یا سیاه بود ، اما در سردرگمی ایده اهمیت یک مفهوم بین یکی و دیگری است. یکی بیایید این تفاوت را در یک مثال نشان دهیم.
توصیف ما از گرم یا سرد بودن یک محیط چنین است. در مورد فوق الذکر ، باید تعریف دما را در نظر بگیریم و اگر دمای محیط بالاتر از دمای مرجع بود ، می گوییم جو گرم است و گرنه محیط سرد است. . اما در عدم اطمینان فکر ، شرایط قابل تصورتری نسبت به عبارت مرجع است و ممکن است به عنوان مثال ، محیط 0.3 گرم باشد. تفاوت این دو منطق را می توانید در تصویر زیر مشاهده کنید:

منطق فازی

برای آشنایی با منطق فازی و چگونگی بحث با آن ، ابتدا چند مفهوم را معرفی می کنیم:

متغیرهای زبانی:

متغیرهای زبانی متغیرهایی هستند که به جای اعداد ، کلمات و جملات در زبانهای انسانی یا ماشینی ، مقادیر معتبری برای آنها دارند. درست مانند متغیرهای عددی که در محاسبات ریاضی استفاده می شوند ، متغیرهای زبانی نیز در منطق فازی استفاده می شوند. هر متغیر زبانی را می توان بر اساس مقادیر زبان گروه بندی کرد. به عنوان مثال ، متغیر زبانی “سن” بسته به تقسیمات و شرایط شخصی می تواند در مجموعه ای از اصطلاحات مانند “نوجوان” ، “جوان” ، “میانسالی” و “سالمند” قرار گیرد.

عملکرد عضویت:

برای هر مجموعه X ، تابع عضویت مجموعه X. تابعی از X با توجه به فاصله [0 ، 1] است.
توابع عضویت X. زیر مجموعه ای فازی از X را نشان می دهد. تابع عضویت A از یک مجموعه فازی معمولاً به صورت μA نشان داده می شود. درجه عضویت μA (x) i. عضویت در عنصر x را نشان می دهد. به یک مجموعه فازی A ..

منطق فازی

اگر عضویت عضو در مجموعه صفر باشد ، این عضو کاملاً خارج از مجموعه است و اگر عضویت یک عضو باشد ، آن عضو کاملاً در مجموعه است. حال اگر رتبه عضویت در محدوده صفر تا یک باشد ، این عدد نشان دهنده رتبه عضویت مترقی است. به عنوان مثال ، اگر متغیر دما در عملکرد عضویت سرد مقدار عضویت 0.3 داشته باشد ، این بدان معنی است که دمای محیط 0.3 سرد است.
شکل زیر انواع عملکردهای عضویت را نشان می دهد:

منطق فازی

شکل زیر قسمت‌های مختلف یک سیستم فازی را نشان می‌دهد:

منطق فازی

از آنجا که ورودی سیستم ها یک عدد واضح است ، وظیفه fuzzification این است که ورودی را به یک مجموعه فازی تبدیل کنید. بخش “بانک اطلاعات” شامل اطلاعاتی درباره عملکردهای عضویت است. بخش Rule base شامل قوانینی است که نتیجه سیستم فازی را تعیین می کند. به عنوان مثال ، فرض کنید می خواهیم یک فن را کنترل کنیم تا دمای محیط را متعادل کند. پایگاه داده قوانین می تواند شامل قوانین زیر باشد:

۱.IF temperature IS very cold THEN stop fan
۲.IF temperature IS cold THEN turn down fan
۳.IF temperature IS normal THEN maintain level
۴.IF temperature IS hot THEN speed up fan

توجه کنید که temperature یک متغیر زبانی و عبارات

{very cold,cold,normal,hot,stop,turn down,maintain level,speed up}

هر یک از آنها یک عملکرد عضویت است.
توجه داشته باشید که در منطق فازی ، جمله کاملاً صحیح یا کاملاً نادرست نیست ، بلکه یک عدد بین صفر تا یک است. بنابراین قانون شماره یک 0.3 صحیح است و قانون شماره دو 0.6 و و صحیح است.
وظیفه آب زدایی استنباط است. روش های مختلف استنباط وجود دارد. به عنوان مثال ، ما می توانیم هر قانونی را که در نتیجه دقیق تر بود در نظر بگیریم ، اما بهتر است میانگین همه قوانین را در نظر بگیریم. این روش را روش مربع مرکزی نیز می نامند. خروجی این روش از معادله زیر بدست می آید:منطق فازی

تنها مشکل این روش محاسبات زیاد برای توابع عضویت پیچیده می‌باشد.

دیدگاه بگذارید