Python模糊控制
概念和术语
模糊逻辑(Fuzzy Logic)是一种方法论,其基础是可以在连续统一体上表达某物的“真实性”。这就是说某事不是真或假,而是部分正确或部分错误。
模糊变量(fuzzy variable)具有明确的值(crisp value),该值在预定义的域(在模糊逻辑术语中,称为宇宙(universe))上取一些数字。明确的值是我们如何使用普通数学来思考变量。例如,如果我的模糊变量是给某人多少小费,它的范围将是 0 到 25%,并且它可能采用 15% 的清晰值。
模糊变量也有几个用于描述变量的术语。这些项合在一起就是模糊集(fuzzy set),可以用来描述模糊变量的“模糊值”。这些术语通常是形容词,如“差”、“平庸”和“好”。每个术语都有一个隶属函数(membership function),它定义了一个明确的值如何在 0 到 1 的范围内映射到该术语。本质上,它描述了某物“有多好”。
所以,回到小费的例子,一个“好小费”可能有一个成员函数,它有一个介于 15% 和 25% 之间的非零值,其中 25% 是一个“完全好的小费”(即,它的成员资格是 1.0)并且15% 是一个“勉强好的小费”(即它的成员是 0.1)。
模糊控制系统使用一组规则链接模糊变量。这些规则只是描述一个或多个模糊变量如何与另一个相关的映射。这些是用 IF-THEN 语句表示的; IF 部分称为前件(antecedent ),THEN 部分称为后件(consequent)。在小费示例中,一条规则可能是“如果服务好,那么小费也不错”。与如何使用规则根据前提值计算结果值相关的精确数学超出了本入门指南的范围。
小费问题
以小费为例,如果我们要创建一个控制器来估计我们应该在餐厅给的小费,我们可以这样构建它:
代码实战
1.选择输入输出模糊集
2.定义输入输出隶属度函数(不同的隶属度函数,会导致不同的控制特性)
3.建立模糊控制表
4.建立模糊控制规则
5.模糊推理
6.反模糊化
7.输出结果绘制结果3D图
例子:输入为服务(service)和质量(quality)两个参数,输出为得到的小费(tip)