模糊计算的简单运用

模糊计算

模糊计算以模糊集理论为基础，它可以模拟人脑非精确、非线性的信息处理能力，在许多应用领域内都有用途。

- 基本思想
模糊理论在人工智能中有着重要的运用。
人工智能要研究的一个重要的课题就是对不精确、不完整、不确定的信息加以有效处理。
由于模糊计算方法可以表现事物本身性质的内在不确定性，因此它可以模拟人脑认识客观世界的非精确、非线性的信息处理能力。亦此亦彼的模糊逻辑。
例如在生活中，工厂里面的师傅可以根据多年的经验来总结出规则，比如当运转速度快，温度高的时候，就可以减少加热时间，如果要机器来遵循这些经验规则，那么就是一种模糊计算的过程。
当在生活中遇到根据几个变量的输入，以及一组模糊表述的规则来决定输出，有单输入单输出，也存在多输入多输出的问题。

- 基本流程
根据模糊规则，从几个控制变量的输入得到最终输出的过程。
1.构造模糊规则，而模糊规则库则是专家提供的模糊规则，包含了若干条规则。
（1）2个输入f1和f2一个输出f3。
（2）添加 e和ec 的模糊语言变量，范围从-5到10。
a=addvar(a,‘input’,‘e’,[-5f1,10f1]);
a=addvar(a,‘input’,‘ec’,[-5f2,10f2]);
（3） 添加 e 的模糊语言变量的隶属度函数（z型）
a=addmf(a,‘input’,1,‘NB’,‘zmf’,[-4f1,-1f1]);
隶属度函数为三角形（从-3到3，顶点在0处）
a=addmf(a,‘input’,1,‘NM’,‘trimf’,[-3f1,0f1,3]);

添加 u 的模糊语言变量，范围从-5到10。
a=addvar(a,‘output’,‘u’,[-5f3,10f3]);

%模糊控制器设计
a=newfis('fuzzf');                   %创建新的模糊推理系统
%输入1
f1=1; 
a=addvar(a,'input','e',[-5*f1,10*f1]);                   
 %添加 e 的模糊语言变量
a=addmf(a,'input',1,'NB'