Chapter 2 文獻探討和相關方法
2.2 模糊邏輯(Fuzzy logic)
模糊邏輯理論是對語意不清、定義含糊的命題進行推論的基礎,著重以模糊理論來 描述現實上各種事物性質的等級,改進傳統二值邏輯的不足。而模糊集合其實是傳統集 合的延伸,並且模糊值是將二值邏輯的結構模糊化而成,因此模糊是取具有無限點的『歸 屬函數』來代表一個集合,與傳統集合則是以 0 和 1 來表示一個集合有所不同,但是傳 統集合也是模糊集合的一種,屬於限定形式的模糊集合[1]。以下開始介紹模糊邏輯:
z 模糊集合
要了解模糊邏輯就先要知道什麼是“模糊集合",模糊集合是定義每一元素對該集 合的歸屬性,也就是對該集合的歸屬程度,由歸屬函數(Membership functions)來表示,
並且其值域是在實軸閉區間 之間,其意義就是一種程度上的象徵,不像傳統上那 樣單純的區分成是或不是。
(2.1)
其中 是模糊集合, 為此集合的成員歸屬函數,且(x, )為一有序對(Ordered pair)。當全集合的元素為“有限個",那麼歸屬函數為離散函數;而全集合的元素為“無 限個",那麼歸屬函數則為連續函數。
模糊集合其成員歸屬函數的種類有很多,在此介紹最常用的三角形(Triangular)、梯 形(Trapezoidal)以及(Sigma)三種。
I. 三角形(Triangular):
圖 2.1:三角形歸屬函數
a a+c
0 a-b 1
(2.2)
II. 梯形(Trapezoidal):
圖 2.2:梯形歸屬函數
(2.3)
III. (Sigma)
圖 2.3:Sigma 歸屬函數
(2.4)
以上是三種常用的歸屬函數,請選擇最適當的種類來進行你的模糊推論。
再來是運算,模糊集合的運算也和傳統集合不太相同,以下列舉幾則模糊集合的運 a-b a
0 1
a a+d
a-c 0
1
b
A. 聯集(Union)也稱(OR)
考慮兩模糊集合 和 ,其聯集運算符號為 或是 OR 。
(2.5)
對於所有的
B. 交集(Intersection)也稱(AND) 考慮兩模糊集合 和 ,其交集運算符號為 或是 AND 。
(2.6)
對於所有的
C. 補集(Complement)也稱(NOT) 考慮模糊集合 ,其交集運算符號為 或是 NOT 。
(2.7)
對於所有的
可以留意的是模糊運算中的聯集和交集,和傳統集合的不一樣,分別是取其集合中 的最大值以及最小值的運算。在知道何謂模糊集合之後,就可以此來做模糊邏輯推論系 統了。
z 模糊邏輯系統
建立模糊系統首先要先把欲解決的問題轉化成模糊推論,以模糊 的
形式來組成,並依照其五個設計步驟來完成。
甲、 推論規則( )
此規則是最可以解釋和代表整個問題的核心,也是所謂的蘊含(Implication)。其中每 一個規則都以 (稱命題部), (稱推論部)的形式來構成,而輸入成員歸屬函數 屬於命題部,輸出成員歸屬函數則屬於推論部[11],規則形式如下所示:
(規則 1):
OR
(規則 n):
其中 x 是待模糊化的明確值(Crisp value), 和 都是模糊集合,n 為整數。
乙、 定理步驟(Principal steps) a、 (Fuzzy the inputs)
使用適合的輸入成員歸屬函數將每一個規則的純量輸入值(Scalar value)映射成 之間的模糊值,圖 2.4。
圖 2.4:模糊化
b、 (Perform any required fuzzy logical operations)
如果每一個規則命題部(即前項)是多個命題,則須依據彼此命題是 AND 或是 OR 來 做相對的運算產生單一的模糊值,圖 2.5。
圖 2.5:單一值產生
c、 (Apply an inference method)
將每一規則命題部所得的單一模糊值與此規則輸出歸屬函數作 implication 動作,即 是 AND 運算,是裁切掉大於模糊值的輸出歸屬函數,圖 2.6。
0 1
0.4
x 0
1
0.2
v AND
Single value is 0.2
x 0
1
0.4
圖 2.6:裁切
d、 (Apply an aggregation method to the fuzzy sets from step 3)
在每一個規則做完步驟 c 後,就要以 OR 運算將所有規則裁切後的輸出歸屬函數作 聚合動作,合併成一完整集合,圖 2.7。
圖 2.7:聚合
e、 (Defuzzify the final output fuzzy set)
最後,要從聚合後之集合“解模糊化"得出明確且純量的值,其解模糊的方法有『重 心法(Center of gravity)』、『面積法(Area)』、『高度法(Height)』和『最大值平均 法(Midpoint of Maximum)』等等,在此列舉較常用的重心法方程式。
(2.8)
其中, 是表使用重心法解出的值, 為最後所有規則相對應的輸出歸屬合併 函數,K 為在 中所有可能的值的總個數。
0
1 規則 1
0 1
0
1 規則 2
聚合 0
1
0.4
x 0
1
0
輸入歸屬 1 輸出歸屬
裁切
以上即為模糊系統,而模糊邏輯是以程度上的不同來描述問題,不像是傳統上絕對 的是與不是,一切依據彼此的差距關係,決定出適當的程度來代表,所以是較為貼近現 實和更具有客觀性。