一、模糊技术
先举例说一下模糊集合,以人为例,如果把一群人分为男人和女人,那么有个很清晰的划分,从性别角度讲,一群人就是“干脆”集合;而如果把这群人分成年轻人和非年轻人,界限就是很模糊的,比如三十以下算作年轻人,比三十多一天的貌似也差不多年轻,在实际应用中,这种干脆划分有很大局限性。\
我们时常需要使“年轻”的意思更有弹性,比如说让31岁的人比33岁的人年轻程度更高,这就需要建立一个模型刻画这种年轻程度。模糊技术里,用区间[0,1]刻画一个人的年轻程度,18岁可以对应1,表示十分年轻;25岁可以对应0.8表示很年轻,30岁可以对应0.3,不太年轻了,等等。这样一群人就构成了一个模糊集合。
用Z表示整个集合,A表示一个模糊集合( 比如说标记年轻人的集合),则A中每个人对于A有个隶属度的关系,用隶属度函数uA(z)表示。例如某个人Z0对A的隶属度为0.5,则代表他是年轻人的程度为0.5。
将模糊与模糊隶属度函数之间的关联变量称为fuzification;通常用IF-THEN规则描述有关问题的知识。下面我们寻找一种方法,使用输入和问题的先验知识建立模糊系统的输出。
通常应用实现步骤为:<