模糊逻辑课件.pptx

模糊逻辑课件;

布尔逻辑/模糊逻辑

?布尔逻辑是以二值（“0”和“1”，真和假）逻辑为基础的一种逻辑运算体系，它通过一系列的“与或非”来对逻辑命题进行操作和推理。在布尔逻辑中，每个命题只能有两种状态之一：要么为真，要么为假。这种逻辑体系被用于设计电路、编写程序和进行逻辑推理。

?模糊逻辑是一种多值逻辑，与传统的布尔逻辑（只有真和假两种值）不同，它允许中间值存在，用来处理不确定性和模糊性。模糊逻辑主要用于模拟人类的模糊思维和模糊推理（人在判断环境是否“热”时，通常不会像布尔逻辑那样只能说“热”或“不热”。而是会说：“有点热”、“非常热”、“挺舒服的”等。这种描述就是模糊的，不是非黑即白。）。

?模糊逻辑主要应用在控制系统（如空调控制、洗衣机控制和汽车防滑控制系统），决策支持（用于处理不确定性和模糊性，帮助决策者在复杂和模糊的环境中做出更好的决策）。;

隶属度

?隶属度是模糊逻辑中的一个核心概念，用来表示一个元素属于某个模糊集合的程度。与经典集合不同，在模糊集合中，隶属度不是简单的“属于”或“不属于”，而是一个介于0和1之间的值，表示元素属于集合的“模糊程度”。

数学定义：在模糊集合A中，元素x的隶属度记为μA(x)，其中μA:X→[0,1]是一个映射，X是元素的全集。隶属度值越接近1，表示元素x越属于模糊集合A；隶属度值越接近0，表示元素x越不属于模糊集合A。;;

模糊隶属函数

?在模糊集合中，隶属函数用于描述元素属于某个模糊集合的隶属度。

?隶属函数定义了元素与其属于某模糊集合的隶属度的关系，从而将一个集合中的元素映射为其对应的模糊值（隶属度值）

?针对集合X，集合X上的隶属函数是将集合X映射到单位实数区间[0,1]的函数。;

假设有一位农业专家，他能够根据经验判断水果的成熟度，并根据水果的颜色来定义隶属度函数。

?水果颜色完全绿色时，隶属度为0（完全不成熟）。

?水果颜色部分黄色时，隶属度线性增高（逐渐成熟）。

?水果颜色完全红色或黄色时，隶属度为1（完全成熟）。;

某城市需要定义「高温天气」的模糊隶属函数，传统方法可能主观设定“30。C以上属于高温”，但数据驱动法通过实际数据建模。

比如，空调使用率就可以反应当天气温属于”高温天气“这个模糊集合的隶属度。比如当日全市空调使用率95%，则可认为当日气温属于“高温天气”这个模糊集合的隶属度为0.95。通过多个气温和空调使用率的组合数据来拟合曲线，就得到了某天温度属于「高温天气」这个模糊集合的隶属度。;

以“心脏病风险”评估为例：

1.定义逻辑规则：

1.若患者收缩压≥140mmHg，则心脏病风险增加；

2.构建隶属函数：

根据医学指南调整分段，避免绝对化风险：

1.收缩压≤120→隶属度0（正常范围）

2.收缩压∈(120,140)→隶属度线性增长至0.5（反映高血压前期风险）

3.收缩压≥140→隶属度继续线性上升至1（如≥160时隶属度1）;

模糊集“优秀”的隶属度函数

隶属度

1

隶属度函数应该如何设计呢？

012345绩点;

一般地，绩点为3以下属于“优秀”这个模糊集的隶属度为0，绩点在4.5以上则属于“优秀”这个模糊集的隶属度为1。在3和4.5之间，我们可以使用线性函数或其他适当的函数来描述隶属度的变化情况。如果使用线性函数：;

（三角形隶属函数）

Gaussianmembershipfunction（高斯隶属函数）;

triangularmembershipfunction（三角形隶属函数）;

能表示平坦区域;

模糊隶属函数?常用于需要平滑过渡的场景

?改变。会调整曲线的宽度，增大。会使曲线变宽，减小。会使曲线变窄。

?高斯函数的优势在于其平滑性和对称性，能更贴近实际场景中隶属度的渐变特性（例如人对温度的感知并非严格线性变化）

（高斯隶属函数）

Gaussianmembershipfunction;;

模糊集合操作(Fuzzysetoperations)

?并集uaub(u)=max{ua(u),uo(u)}

元素U属于集合A∪B的隶属度等于元素U属于集合A的隶属度与元素U属于集合B