在刚接触计算机的时候我就有了一个疑问,计算机世界说到底只有0和1,那么这个世界有许多并不是那么清晰的事情应该如何表达。而最近我看到了有关模糊专家系统的介绍,同时也一定程度上解答了我这个问题。
根据Michael Negnevitsky著的Artificial Intelligence中的定义,专家系统即在狭窄领域,以规则形式表达知识,使用符号推理解决问题。同时专家系统也被要求能处理不完整、不确定和模糊的数据。应这样的需求,专家系统下出现了一个小的分支,也就是模糊专家系统。
在日常生活中,我们会在不经意间使用大量的模糊用语,如常常、很少、很热等。这些词汇难以量化表达,却被人们在日常生活中所喜爱。因此,如果需要拓展专家系统的应用领域也就不得不处理这些模糊词汇。
相比起二值的布尔逻辑,模糊逻辑是一种多值逻辑。在布尔逻辑中,隶属度非0即1,而模糊逻辑则会根据实际情况出现0~1当中的多个值。这一个思维上的改变能大大贴合实际生活中的许多情景。在书中,作者举了身高的例子。设180cm以上的同学属于高个子的范畴,那么179cm的同学则会一下子归类到中等身高的范畴,这有悖于我们日常生活的经验。而如果采用模糊逻辑,那么180cm和179cm的同学的差别仅仅是180cm的同学属于高个子的隶属度更高。显然,这样处理更加贴近人们对于“高个子”这一词汇的描述。
由此,又引出了模糊集的概念,模糊集的简单定义即具有模糊边界的集合。因此在模糊集中可能会出现同时隶属于多个几何的情况,此时元素之间的区别更多会以元素隶属于不同集合的隶属度的不同而体现出来。用这样的思维也就可以在一定程度上将日常生活中使用的模糊词汇应用到计算机领域当中。同时也可以对类似很、非常、太等模糊限制语进行数学化和图例表示。