Artificial Intelligence - هوش مصنوعی - منطق فازی چیست؟

Artificial Intelligence - هوش مصنوعی (http://artificial.ir/intelligence/)

- سیستم های فازی (Fuzzy Systems) (http://artificial.ir/intelligence/forum14.html)

- - منطق فازی چیست؟ (http://artificial.ir/intelligence/thread16.html)

منطق فازی چیست؟

منطق فازی یا Fuzzy Logic در سال 1965 توسط دکتر لطفی زاده معرفی شد.
منطق فازی در واقع میگه که یه گزاره لزومی نداری یا درست باشه یا غلط (صفر باشه یا یک) ممکنه مثلا یه گزاره 0.7 درست باشه!
درکش یه مقدار در ابتدا سخته! بگذارید یه مثال بزنم، شما از دوستتون می پرسید بنظرت حسین بلنده یا نه؟ دوستتون جواب میده ایییی، بلند نیست اما کوتاه هم نمیشه بهش گفت! اما در منطق باینری (یا منطقی که اکثر ما باهاش تو کامپیوتر آشنا هستیم) هیچ وقت برای یه گزاره همچین جوابی نمیده.
توی منطق باینری ما میگیم اگه قد مساوی یا بلند تر از 175 بود بگو بلند اگه کوتاه تر بود بگو کوتاه! اما آدم اینطوری نیست منطقش مثل مثال قبلی که زدم.
حالا این سوال پیش میاد که ما در حال حاضر از همین منطق باینری جواب های خیلی خوبی میگیریم، فازی به چه دردی میخوره؟
برای جواب به این سوال یه مثال دیگه میزنم! مثلا یه شرکت می خواد یه کارخونه بزنه در فاصله ی ماکزیمم 200 کیلومتری تهران، که به تولید کننده ی یه مدل مواد اولیه نزدیک تر از 10 کیلومتر باشه و قیمت زمین هم اونجا هر چی کمتر باشه بهتر.اول یه بار با منطق باینری میریم پیش، اولین نمونه فاصلش با تهران 190 هست و با مواد اولیه هم 9 کیلومتر فاصله داره و قیمت زمین هم اونجا 2000 واحد هست، چندین تا نمونه دیگه هم برسی میشن که دو شرط اول رو ندارن، در آخر هم یه نمونه پیدا میشه که فاصلش تا تهران 201 کیلومتر هست و فاصلش با مواد اولیه 3 کیلومتره و قیمتش هم 1000 واحده! طبق منطق باینری این نمونه رد میشه چون فاصلش 201 هست و بیشتر از 200! اما حالا فرض کنید خود شما دارین تصمییم میگیرین، می یاین می بینید دو شرط آخر این مورد خیلی بهتر از اولین نمونس و تنها مشکل شرط اوله که 1 کیلومتر بیشتر از اون چیزیه که میخواین، با خودتون میگید خوب 1 کیلومتر در مقابل اون شرایط خوب که چیزی نیس و این مورد آخر رو انتخاب می کنید!
منطق فازی دقیقا همینو میگه! یعنی مثل منطق باینری که کاملا سخت گیرانه شرایط رو چک میکنه عمل نمی کنه بلکه مثل مغز آدم انعطاف پذیره.
این روزا تو خیلی چیزها از منطق فازی استفاده میشه، مثلا چند تاشون که شاید جالب باشن اینان:

ترمز های ABS و سیستم کروز.
دوربین ها
ماشین ظرف شویی
آسانسور ها
ماشین لباس شویی
بازی های رایانه ای
شناخت الگو ها
سیستم های تهویه

فکر کنم تقریبا فایده ی منطق فازی جا افتاده باشه. برای شروع استفاده از منطق فازی باید یه سری مفاهیم اولیه رو یاد بگیریم.
ببینید منطق فازی در واقع یه راه ساده برای رسیدن به یه نتیجه ی قطعی هستش بر اساس ورودی های ناقص، خطادار یا مبهم! از یه سری قانون خیلی ساده هم پیروی می کنه:

كد:

IF x AND y THEN z

IF a OR b THEN c

همونطور که می دونید if در زبان برنامه نویسی چیز جدیدی نیست! اما با یه مثال ساده شاید بشه فرقش رو نشون داد.
در نظر بگیرید دارید یه سیستم تهویه طراحی می کنید، توی سیستم های فازی بجای استفاده از شرط هایی مثل temprature>60C یا 30C<temprature<60C از اصطلاحات زیر استفاده می کنیم:

كد:

IF temperature IS very cold THEN stop fan

IF temperature IS cold THEN turn down fan

IF temperature IS normal THEN maintain level

IF temperature IS hot THEN speed up fan

دقیقا مثل وقتی که شما توی ماشین نشستین، می بینید هوا خیلی گرمه بدون اینکه دمای دقیق توی ماشین رو بدونید کولر ماشین رو روشن می کنید و روی دمای کم میگذارید!
اگر دقت کنید هیچ ELSEای وجود نداره، چون دما می تونه هم سرد باشه هم متوسط با درجه های مختلف!
اپراتور های AND، OR و NOT که باهاشون توی منطق باینری آشنا هستیم توی منطق فازی هم وجود دارن.
قبل از تعریف این عملگر ها باید بدونیم مجموعه های فازی یا Fuzzy sets به چه معنی هستند. همونطور که گفتیم توی منطق فازی درجه ی درستی لزوما نباید 0 یا 1 باشه و یه گزاره می تونه مثلا 0.3 درست باشه.
بعد گفتیم که تو منطق فازی می تونیم از هوای گرم یا قد بلند صحبت کنیم، اما باید اول اونارو برای سیستم فازیمون تعریف کنیم! هر کدوم از این دسته ها یه مجموعه ی فازی رو تشکیل میدن.
در واقع یه مجموعه ی فازی یه جفت (A, m) هست که A یه مجموعه هست و m یه تابع با دامنه ی A و برد [0,1]. به ازای هر x عضو A، m(x) درجه ی عضویت یا درستی x رو نشون میده!
می دونم یه کلمه از چند تا جمله ی قبل نفهمیدین الان بصورت نمودار میبینیدشون و می فهمید که چیز خیلی پیچیده ای نیست!http://www.syavash.com/portal/images/blog/q1.gifاتفاقا من می خواستم همین الان بگم که هیچی نفهمیدم
http://www.syavash.com/portal/images/blog/a.gif " اون که 100 البته. اما عجیبه فقط شما می خواستید اینو بگید. "
http://www.syavash.com/portal/images/blog/q2.gif http://www.syavash.com/portal/images/blog/q4.gif...
http://www.syavash.com/portal/images/blog/a.gif " عزیزان من، بابا اگه با هم کاری دارید برید بیرون حرفاتونو بزنید، انقدم به هم نچسبین... "
http://www.syavash.com/portal/images/blog/q4.gifببخشید، مربوط به درس بود حرفمون!
http://www.syavash.com/portal/images/blog/a.gif " میشه بگین چی بوده بقیه هم استفاده کنن؟ "
http://www.syavash.com/portal/images/blog/q4.gifامممم... بله، ازم پرسیدن عینکمو چن خریدم، منم با توجه به منطق فازی گفتم زیاااااد!
http://www.syavash.com/portal/images/blog/a.gif " باز جوابت کمی امیدوار کننده بود. "
خوب حالا که تعریف فازی ست هارو فهمیدیم میریم که اونارو توی نمودار ببینیم و عملگر هارو هم از روی شکل و با توجه به تعریفشون بررسی کنیم:

http://www.syavash.com/portal/files/...lligence/6.gif

به عنوان مثال این شکل مجموعه ی فازی جوان رو نشون میده، شما وقتی از دوستتون می پرسین بنظرت علی جوونه؟
دوستتون اگه علی 17 سالش باشه میگه آره، اگه 25 سالش باشه میگه اییی، آره هنوز میشه بهش گفت جوونه، اگه 28 سالش باشه میگه خیلی جوون نیس و اگه 50 سالش باشه میگه نه!
این مجموعه ی فازی هم در واقع همین رو میگه! همونطور که میبینید قبل از 20 سال m(B) یک هست، یعنی 0 تا 20 کاملا عضو مجموعه ی جوان هست، هر چی که میریم جلوتر عضویت توی مجموعه ی جوانی کمتر شده، توی 25 سالگی درجه ی عضویت یا درستی 0.5 هست و توی 28 سالگی 0.2 و بعد از 30 سالگی 0 که یعنی از این سن به بعد اصلا جوان نیست!

بنظرم الان یکم بهتر مطلب جا افتاده باشه! حالا فرض کنید دو تا مجموعه ی فازی زیر رو داشته باشیم:
http://www.syavash.com/portal/files/...lligence/7.gif

http://www.syavash.com/portal/files/...lligence/8.gif

مجموعه ی اول رو در ابتدا در نظر میگیریم. تعریف NOT توی شکل بصورت زیره:

http://www.syavash.com/portal/files/...lligence/9.gif

یا به عبارتی:

كد:

NOT A = (1 - m(A))

خوب حالا دو مجموعرو که بالاتر نمودارشون هست رو در نظر بگیرین، تعریف AND روی اون دو مجموعه بصورت زیره:

http://www.syavash.com/portal/files/...ligence/10.gif

یا به عبارتی:

كد:

A AND B = minimum(m(A), m(B))

OR هم قاعدتا تا الان حدس زدید به چه صورت خواهد بود:
http://www.syavash.com/portal/files/...ligence/11.gif

كد:

A OR B = maximum(m(A), m(B))

خوووووب! اینم مقدماتی بود از منطق فازی. البته اینا مفاهیم خیلی اولیه ی منطق فازی بودن، اما توی کار از همین مفاهیم خیلی ساده و ترکیبشون میشه نتایج خیلی عاقلانه ای گرفت.
ما تا اینجا فقط به پروسه ی Fuzzification پرداختیم! بعد از اینکه عملیات فازی روی سیستم انجام شد در نهایت یه جواب قطعی می خوایم. برای رسیدن به یه جواب قطعی از پروسه ی Defuzzification استفاده میشه.

منبع: سیاوش محمودیان - بلاگ - مقدمه ای بر هوش مصنوعی

تاریخچه منطق فازی

تاریخچه منطق فازی
:)
زمانی که در سال 1965 پروفسور لطفی‌زاده، استاد ایرانی‌الاصل دانشگاه برکلی، اولین مقاله خود را در زمینه فازی تحت عنوان مجموعه‌های فازی (FUZZY TEST) منتشر کرد، هیچ کس باور نداشت که این جرقه‌ای خواهد بود که دنیای ریاضیات را به طور کلی تغییر دهد.
گرچه در دهه 1970 و اوایل دهه 1980 مخالفان جدی برای نظریه فازی وجود داشت، اما امروزه هیچ کس نمی‌تواند ارزش‌های منطق فازی و کنترل‌های فازی را منکر شود.
افتخار هر ایرانی است که پایه علوم قرن آینده از نظریات یک ایرانی می‌باشد؛ باید قدر این فرصت را دانست و در تعمیم نظریه فازی و استفاده از آن کوشش و تلاش کرد.
زمینه‌های پژوهش و تحقیق در نظریه فازی بسیار گسترده می‌باشد؛ پژوهشگران علاقه‌مند می‌توانند با پژوهش و تحقیق در این زمینه باعث رشد و شکوفایی هرچه بیشتر نظریه فازی شوند.
در این مقاله سعی شده است که خوانندگان محترم با نظریه فازی و تاریخچه آن آشنا شوند و زمینه‌های تحقیق و پژوهش مورد بررسی قرار گیرد.
زمانی که در سال 1965 پروفسور لطفی‌زاده، استاد ایرانی‌الاصل دانشگاه برکلی، اولین مقاله خود را در زمینه فازی تحت عنوان مجموعه‌های فازی (FUZZY TEST) منتشر کرد، هیچ کس باور نداشت که این جرقه‌ای خواهد بود که دنیای ریاضیات را به طور کلی تغییر دهد.
گرچه در دهه 1970 و اوایل دهه 1980 مخالفان جدی برای نظریه فازی وجود داشت، اما امروزه هیچ کس نمی‌تواند ارزش‌های منطق فازی و کنترل‌های فازی را منکر شود.
افتخار هر ایرانی است که پایه علوم قرن آینده از نظریات یک ایرانی می‌باشد؛ باید قدر این فرصت را دانست و در تعمیم نظریه فازی و استفاده از آن کوشش و تلاش کرد.
زمینه‌های پژوهش و تحقیق در نظریه فازی بسیار گسترده می‌باشد؛ پژوهشگران علاقه‌مند می‌توانند با پژوهش و تحقیق در این زمینه باعث رشد و شکوفایی هرچه بیشتر نظریه فازی شوند.
در این مقاله سعی شده است که خوانندگان محترم با نظریه فازی و تاریخچه آن آشنا شوند و زمینه‌های تحقیق و پژوهش مورد بررسی قرار گیرد.
امید است که بتوان قدمی هر چند کوچک در جهت تعالی کشور عزیزمان ایران برداریم
تاریخچة مجموعه‌های فاز
نظریة مجموعه فازی در سال 1965 توسط پروفسور لطفی عسگرزاده، دانشمند ایرانی‌تبار و استاد دانشگاه برکلی امریکا عرضه شد.
اگر بخواهیم نظریه مجموعه‌های فازی را توضیح دهیم، باید بگوییم نظریه‌ای است برای اقدام در شرایط عدم اطمینان؛ این نظریه قادر است بسیاری از مفاهیم و متغیرها و سیستم‌هایی را که نادقیق و مبهم هستند، صورت‌بندی ریاضی ببخشد و زمینه را برای استدلال، استنتاج، کنترل و تصمیم‌گیری در شرایط عدم اطمینان فراهم آورد.
پرواضح است که بسیاری از تصمیمات و اقدامات ما در شرایط عدم اطمینان است و حالت‌های واضح غیر مبهم، بسیار نادر و کمیاب‌ می‌باشند.
نظریة مجموعه‌های فازی به شاخه‌های مختلفی تقسیم شده است که بحث کامل و جامع در مورد هر شاخه، به زمان بیشتر و مباحث طولانی‌تری احتیاج دارد.
در این مبحث که با انواع شاخه‌های فازی و کاربرد آنها آشنا می‌شویم، تلاش شده است که مباحث به صورت ساده ارائه شود و مسائل بدون پیچیدگی‌های خاص مورد بررسی قرار گیرد.
همچنین تلاش شده است که جنبه‌های نظری هر بحث تا حد امکان روشن شود؛ گرچه در بسیاری موارد به منظور اختصار، از بیان برهان‌ها چشمپوشی شده است و علاقه‌مندان را به منابع ارجاع داده‌ایم. مطالعه این پژوهش می‌تواند زمینه‌ای کلی و فراگیر دربارة اهم شاخه‌های نظریه مجموعه‌های فازی فراهم ‌آورد؛ اما علاقه‌مندان می‌توانند با توجه به نوع و میزان علاقه و هدف خود، به مراجع اعلام شده، مراجعه نمایند.

تاریخچة مختصری از نظریه و کاربردهای فازی دهه 1960 آغاز نظریه فازی
نظریه فازی به وسیله پروفسور لطفی‌زاده در سال 1965 در مقاله‌ای به نام مجموعه‌های فازی معرفی شد.
ایشان قبل از کار بر روی نظریه فازی، یک استاد برجسته در نظریه کنترل بود. او مفهوم «حالت» را که اساس نظریه کنترل مدرن را شکل می‌دهد، توسعه داد.
عسگرزاده در سال 1962 چیزی را بدین مضمون برای سیستم‌های بیولوژیک نوشت: ما اساساً به نوع جدید ریاضیات نیازمندیم؛ ریاضیات مقادیر مبهم یا فازی که توسط توزیع‌های احتمالات قابل توصیف نیستند.
وی فعالیت خویش در نظریه فازی را در مقاله‌ای با عنوان «مجموعه‌های فازی» تجسم بخشید.
مباحث بسیاری در مورد مجموعه‌های فازی به وجود آمد و ریاضیدانان معتقد بودند نظریه احتمالات برای حل مسائلی که نظریه فازی ادعای حل بهتر آن را دارد، کفایت می‌کند.
دهة 1960 دهة چالش کشیدن و انکار نظریه فازی بود و هیچ یک از مراکز تحقیقاتی، نظریه فازی را به عنوان یک زمینه تحقیق جدی نگرفتند.
اما در دهة 1970، به کاربردهای عملی نظریه فازی توجه شد و دیدگاه‌های شک‌برانگیز درباره ماهیت وجودی نظریه فازی مرتفع شد.
استاد لطفی‌زاده پس از معرفی مجموعة فازی در سال 1965، مفاهیم الگوریتم فازی را در سال 1968، تصمیم‌گیری فازی را در سال 1970 و ترتیب فازی را در سال 1971 ارائه نمود. ایشان در سال 1973 اساس کار کنترل فازی را بنا کرد.
این مبحث باعث تولد کنترل‌کننده‌های فازی برای سیستم‌های واقعی بود؛ ممدانی (Mamdani) و آسیلیان (Assilian) چهارچوب اولیه‌ای را برای کنترل‌کننده فازی مشخص کردند. در سال 1978 هومبلاد (Holmblad) و اوسترگارد(Ostergaard) اولین کنترل‌کننده فازی را برای کنترل یک فرایند صنعتی به کار بردند که از این تاریخ، با کاربرد نظریه فازی در سیستم‌های واقعی، دیدگاه شک‌برانگیز درباره ماهیت وجودی این نظریه کاملاً متزلزل شد.
دهة 1980 از لحاظ نظری، پیشرفت کندی داشت؛ اما کاربرد کنترل فازی باعث دوام نظریه فازی شد.
مهندسان ژاپنی به سرعت دریافتند که کنترل‌کننده‌های فازی به سهولت قابل طراحی بوده و در مورد بسیاری مسائل می‌توان از آنها استفاده کرد.
به علت اینکه کنترل فازی به یک مدل ریاضی نیاز ندارد، می‌توان آن را در مورد بسیاری از سیستم‌هایی که به وسیلة نظریه کنترل متعارف قابل پیاده‌سازی نیستند، به کار برد.
سوگنو مشغول کار بر روی ربات فازی شد، ماشینی که از راه دور کنترل می‌شد و خودش به تنهایی عمل پارک را انجام می‌داد.
یاشونوبو (Yasunobu) و میاموتو (Miyamoto) از شرکت هیتاچی کار روی سیستم کنترل قطار زیرزمینی سندایی را آغاز کردند. بالاخره در سال 1987 پروژه به ثمر نشست و یکی از پیشرفته‌ترین سیستم‌های قطار زیرزمینی را در جهان به وجود آورد.
در دومین کنفرانس‌ سیستم‌های فازی که در توکیو برگزار شد، درست سه روز بعد از افتتاح قطار زیرزمینی سندایی، هیروتا (Hirota) یک روبات فازی را به نمایش گذارد که پینگ‌پونگ بازی می‌کرد؛ یاماکاوا (Yamakawa) نیز سیستم فازی را نشان داد که یک پاندول معکوس را در حالت تعادل نشان می‌داد. پس از این کنفرانس، توجه مهندسان، دولتمردان و تجار جلب شد و زمینه‌های پیشرفت نظریه فازی فراهم شد.
دهة 1990 ، توجه محققان امریکا و اروپا به سیستم‌های فازی
موفقیت سیستم‌های فازی در ژاپن، مورد توجه محققان امریکا و اروپا واقع شد و دیدگاه بسیاری از محققان به سیستم‌های فازی تغییر کرد.
در سال 1992 اولین کنفرانس بین‌المللی در مورد سیستم‌های فازی به وسیله بزرگترین سازمان مهندسی یعنی IEEE برگزار شد.
در دهة 1990 پیشرفت‌های زیادی در زمینة سیستم‌های فازی ایجاد شد؛ اما با وجود شفاف شدن تصویر سیستم‌های فازی، هنوز فعالیت‌های بسیاری باید انجام شود و بسیاری از راه‌حل‌ها و روش‌ها همچنان در ابتدای راه قرار دارد. بنابراین توصیه می‌شود که محققان کشور با تحقیق و تفحص در این زمینه، موجبات پیشرفت‌های عمده در زمینة نظریه فازی را فراهم نمایند.
زندگینامة پروفسور لطفی‌زاده
استاد لطفی‌زاده در سال 1921 در باکو متولد شد. آنجا مرکز آذربایجان شوروی بود. لطفی‌زاده یک شهروند ایرانی بود؛ پدرش یک تاجر و نیز خبرنگار روزنامة ایرانیان بود.
استاد لطفی‌زاده از 10 تا 23 سالگی در ایران زندگی کرد و به مدرسة مذهبی رفت. خاندان لطفی‌زاده از اشراف و ثروتمندان ایرانی بودند که همیشه ماشین و خدمتکار شخصی داشتند.
در سال 1942 با درجة کارشناسی مهندسی برق از دانشکده فنی دانشگاه تهران فارغ‌التحصیل شد. او در سال 1944 وارد امریکا شد و به دانشگاه MIT رفت و در سال 1946 درجة کارشناسی‌ارشد را در مهندسی برق دریافت کرد. در سال 1951 درجة دکترای خود را در رشتة مهندسی برق دریافت نمود و به استادان دانشگاه کلمبیا ملحق شد. سپس به دانشگاه برکلی رفته و در سال 1963 ریاست دپارتمان مهندسی برق دانشگاه برکلی را که بالاترین عنوان در رشتة مهندسی برق است، کسب نمود. لطفی‌زاده انسانی است که همیشه موارد مخالف را مورد بررسی قرار داده و به بحث دربارة آن می‌پردازد. این خصوصیت، قابلیت پیروزی بر مشکلات را به لطفی‌زاده اعطا نموده است.
در سال 1956 لطفی‌زاده بررسی منطق چند ارزشی و ارائة مقالات تخصصی در مورد این منطق را آغاز کرد.
پروفسور لطفی‌زاده از طریق مؤسسة پرینستون با استفن کلین آشنا شد. استفن کلین کسی است که از طرف مؤسسة پرینستون، منطق چند ارزشی را در ایالات متحده رهبری می‌کرد. کلین متفکر جوان ایرانی را زیر بال و پر خود گرفت. آنها هیچ مقاله‌ای با یکدیگر ننوشتند، اما تحت تأثیر یکدیگر قرار داشتند.
لطفی‌زاده اصول منطق و ریاضی منطق چند ارزشی را فرا گرفت و به کلین اساس مهندسی برق و نظریة اطلاعات را آموخت.
وی پس از آشنایی با پرینستون، شیفتة منطق چند ارزشی شد.
در سال 1962 لطفی‌زاده تغییرات مهم و اصلی را در مقالة «از نظریة مدار به نظریة سیستم» در مجلة IRE که یکی از بهترین مجله‌های مهندسی آن روز بود، منتشر ساخت. در اینجا برای اولین بار عبارت فازی را برای چند ارزشی پیشنهاد داد.
لطفی‌زاده پس از ارائة منطق فازی، در تمام دهة 1970 و دهة 1980 به منتقدان خود در مورد این منطق پاسخ می‌داد. متانت، حوصله و صبوری استاد در برخورد با انتقادات و منتقدان منطق فازی از خود بروز می‌داد، در رشد و نمو منطق فازی بسیار مؤثر بوده است، به طوری که رشد کاربردهای کنترل فازی و منطق فازی در سیستم‌های کنترل را مدیون تلاش و کوشش پروفسور لطفی‌زاده می‌دانند و هرگز جهانیان تلاش این بزرگ‌مرد اسطوره‌ای ایرانی را فراموش نخواهند کرد.
تعریف سیستم‌های فازی و انواع آن
واژة فازی در فرهنگ لغت آکسفورد به صورت مبهم، گنگ و نادقیق تعریف شده است. اگر بخواهیم نظریة مجموعه‌های فازی را تعریف کنیم، باید بگوییم که نظریه‌ای است برای اقدام در شرایط عدم اطمینان؛ این نظریه قادر است بسیاری از مفاهیم و متغیر‌ها و سیستم‌هایی را که نادقیق هستند، صورت‌بندی ریاضی ببخشد و زمینه را برای استدلال، استنتاج، کنترل و تصمیم‌گیری در شرایط عدم اطمینان فراهم آورد.

چرا سیستم‌های فازی:
دنیای واقعی ما بسیار پیچیده‌تر از آن است که بتوان یک توصیف و تعریف دقیق برای آن به دست آورد؛ بنابراین باید برای یک مدل، توصیف تقریبی یا همان فازی که قابل قبول و قابل تجزیه و تحلیل باشد معرفی شود.
با حرکت به سوی عصر اطلاعات، دانش و معرفت بشری بسیار اهمیت پیدا می‌کند. بنابراین ما به فرضیه‌ای نیاز داریم که بتواند دانش بشری را به شکلی سیستماتیک فرموله کرده و آن را به همراه سایر مدل‌های ریاضی در سیستم‌های مهندسی قرار دهد
سیستم‌های فازی چگونه سیستم‌هایی هستند؟
سیستم‌های فازی، سیستم‌های مبتنی بر دانش یا قواعد می‌باشند؛ قلب یک سیستم فازی یک پایگاه دانش است که از قواعد اگر ـ آنگاه فازی تشکیل شده است.
یک قاعده اگر ـ آنگاه فازی، یک عبارت اگر ـ آنگاه است که بعضی کلمات آن به وسیله توابع تعلق پیوسته مشخص شده‌اند.
مثال:
اگر سرعت خودرو بالاست، آنگاه نیروی کمتری به پدال گاز وارد کنید.
کلمات «بالا» و «کم» به وسیله توابع تعلق مشخص شده‌اند؛ توضیحات کامل در شکل ارائه شده است.
مثال 1-1:
فرض کنید می‌خواهیم کنترل‌کنند‌ه‌ای طراحی کنیم که سرعت خودرو را به طور خودکار کنترل کند. راه‌حل این است که رفتار رانندگان را شبیه‌سازی کنیم؛ بدین معنی که قواعدی را که راننده در حین حرکت استفاده می‌کند، به کنترل‌کنندة خودکار تبدیل نماییم.
در صحبت‌های عامیانه راننده‌ها در شرایط طبیعی از 3 قاعده زیر در حین رانندگی استفاده می‌کنند:
اگر سرعت پایین است، آنگاه نیروی بیشتری به پدال گاز وارد کنید.
اگر سرعت متوسط است، آنگاه نیروی متعادلی به پدال گاز وارد کنید.
اگر سرعت بالاست، آنگاه نیروی کمتری به پدال گاز وارد کنید.
به طور خلاصه، نقطة شروع ساخت یک سیستم فازی به دست آوردن مجموعه‌ای از قواعد اگر ـ آنگاه فازی از دانش افراد خبره یا دانش حوزه مورد بررسی می‌باشد؛ مرحلة بعدی، ترکیب این قواعد در یک سیستم واحد است.
انواع سیستم‌های فازی
سیستم‌های فازی خالص
سیستم‌های فازی تاکاگی ـ سوگنوکانگ (TSK)
سیستم‌های با فازی‌ساز و غیر فازی‌ساز
سیستم فازی خالص
موتور استنتاج فازی، این قواعد را به یک نگاشت از مجموعه‌های فازی در فضای ورودی به مجموعه‌های فازی و در فضای خروجی بر اساس اصول منطق فازی ترکیب می‌کند.
مشکل اصلی در رابطه با سیستم‌های فازی خالص این است که ورودی‌ها و خروجی‌های آن مجموعه‌های فازی می‌باشند. درحالی که در سیستم‌های مهندسی، ورودی‌ها و خروجی‌ها متغیرهایی با مقادیر حقیقی می‌باشند.
برای حل این مشکل، تاکاگی سوگنو و کانگ، نوع دیگری از سیستم‌های فازی معرفی کرده‌اند که ورودی‌ها و خروجی‌های آن متغیرهایی با مقادیر واقعی هستند.
سیستم فازی تاکاگی ـ سوگنو و کانگ
بدین ترتیب قاعده فازی از یک عبارت توصیفی با مقادیر زبانی، به یک رابطة ساده تبدیل شده است؛ به طور مثال در مورد خودرو می‌توان اعلام کرد که اگر سرعت خودرو X باشد، آنگاه نیروی وارد بر پدال گاز برابر Y=CX می‌باشد.
مشکلات عمدة سیستم فازی TSK عبارت است از:
بخش «آنگاه» قاعدة یک فرمول ریاضی بوده و بنابراین چهارچوبی را برای نمایش دانش بشری فراهم نمی‌کند.
این سیستم دست ما را برای اعمال اصول مختلف منطق فازی باز نمی‌گذارد و در نتیجه انعطاف‌پذیری سیستم‌های فازی در این ساختار وجود ندارد.
برای حل این مشکلات نوع سومی از سیستم‌های فازی یعنی سیستم فازی با فازی‌سازها و غیر فازی‌سازها مورد استفاده قرار گرفت.
سیستم‌های فازی با فازی‌ساز و غیر فازی ساز
این سیستم فازی معایب سیستم فازی خالص و سیستم فازی TSK را می‌پوشاند. در این مبحث، از این پس سیستم فازی با فازی ساز و غیر فازی‌ساز منظور خواهد بود.
به عنوان نتیجه‌گیری برای این بخش لازم است یادآوری شود که جنبة متمم نظریه سیستم‌های فازی این است که یک فرایند سیستماتیک را برای تبدیل یک پایگاه دانش به یک نگاشت غیر فعلی فراهم می‌سازد.
زمینه‌های تحقیق عمده در نظریه فازی
منظور از نظریه فازی، تمام نظریه‌هایی است که از مفاهیم اساسی مجموعه‌های فازی یا توابع تعلق استفاده می‌کنند.
مطابق شکل، نظریه فازی را می‌توان به پنج شاخة عمده تقسیم کرد که عبارتند از:
ریاضیات فازی
مفاهیم ریاضیات کلاسیک، با جایگزینی مجموعه‌های فازی با مجموعه‌های کلاسیک توسعه پیدا کرده است.
منطق فازی و هوش مصنوعی
که در آن منطق کلاسیک تقریب‌هایی یافته و سیستم‌های خبره بر اساس اطلاعات و استنتاج تقریبی توسعه پیدا کرده است.
سیستم‌های فازی
سیستم‌های فازی که شامل کنترل فازی و راه‌حل‌هایی در زمینة پردازش سیگنال و مخابرات می‌باشد.
عدم قطعیت و اطلاعات
انواع عدم قطعیت‌ها را مورد تجزیه و تحلیل قرار می‌دهد.
تصمیم‌گیری فازی
مسائل بهینه‌سازی را با محدودیت‌ها در نظر می‌گیرد.

منطق فازی و هوش مصنوعی‌

حتماً بارها شنیده‌اید که کامپیوتر از یک منطق صفر و یک تبعیت می‌کند. در چارچوب این
منطق، چیزها یا درستند یا نادرست، وجود دارند یا ندارند. اما انیشتین می‌گوید:
<آن‌جایی که قوانین ریاضیات (کلاسیک) به واقعیات مربوط می‌شوند، مطمئن نیستند و
آنجا که آن‌ها مطمئن هستند، نمی‌توانند به واقعیت اشاره داشته باشند.> هنگامی که
درباره درستی یا نادرستی پدیده‌ها و اشیایی صحبت می‌کنیم که در دنیای واقعی با
آن‌ها سروکار داریم، توصیف انیشتین تجسمی است از ناکارآمدی قوانین کلاسیک در
علم ریاضیات. از این رو می‌بینیم اندیشه نسبیت شکل می‌گیرد و توسعه می‌یابد. در
این مقاله می‌خواهیم به اختصار با منطق فازی آشنا شویم. منطقی که دنیا را نه به
صورت حقایق صفر و یکی، بلکه به صورت طیفی خاکستری از واقعیت‌ها می‌بیند و در
هوش مصنوعی کاربرد فراوانی یافته ‌است.

کجا اتومبیل خود را پارک می‌کنید؟

تصور کنید یک روز مطلع می‌شوید، نمایشگاه پوشاکی در گوشه‌ای از شهر برپاشده
است و تصمیم می‌گیرید، یک روز عصر به اتفاق خانواده سری به این نمایشگاه بزنید.
چون محل نمایشگاه کمی دور است، از اتومبیل استفاد همی‌کنید، اما وقتی به محل
نمایشگاه می‌رسید، متوجه می‌شوید که عده زیادی به آنجا آمده‌اند و پارکینگ
نمایشگاه تا چشم کار می‌کند، پر شده است.

اما چون حوصله صرف وقت برای پیدا کردن محل دیگری جهت پارک اتومبیل ندارید،با خود
می‌گویید: <هر طور شده باید جای پارکی در این پارکینگ پیدا کنم.> سرانجام در
گوشه‌ای از این پارکینگ محلی را پیدا می‌کنید که یک ماشین به طور کامل در آن جا
نمی‌شود، اما با کمی اغماض می‌شود یک ماشین را در آن جای داد، هرچند که این
ریسک وجود دارد که فضای عبور و مرور دیگر خودروها را تنگ کنید و آن‌ها هنگام حرکت
به خودرو شما آسیب برسانند. اما به هرحال تصمیم می‌گیرید و ماشین خود را پارک
می‌کنید.

بسیارخوب! اکنون بیایید بررسی کنیم شما دقیقاً چه کار کردید؟ شما دنبال جای توقف
یک اتومبیل می‌گشتید. آیا پیدا کردید؟ هم بله، هم نه. شما در ابتدا می‌خواستید
ماشین را در جای مناسبی پارک کنید. آیا چنین عملی انجام دادید؟ از یک نظر بله، از
یک دیدگاه نه. در مقایسه با وقت و انرژی لازم برای پیدا کردن یک مکان راحت برای توقف
خودرو، شما جای مناسبی پیدا کردید. چون ممکن بود تا شب دنبال جا بگردید و چنین
جایی را پیدا نکنید. اما از این نظر که اتومبیل را در جایی پارک کردید که فضای کافی
برای قرارگرفتن ماشین شما نداشت، نمی‌توان گفت جای مناسبی است.

اگر به منطق کلاسیک در علم ریاضیات مراجعه کنیم و این پرسش را مطرح نماییم که
قبل از ورود به پارکینگ چند درصد احتمال می‌دادید جایی برای پارک ‌کردن پیدا کنید،
پاسخ بستگی به این دارد که واقعاً چه تعداد مکان مناسب (فضای کافی) برای توقف
خودروها در آنجا وجود داشت؟ اگر به حافظه خود رجوع کنید، شاید به یاد بیاورید که
هنگام ورود به پارکینگ و چرخیدن در قسمت‌های مختلف آن، گاهی خودروهایی را
می‌دیدید که طوری پارک کرده‌اند که مکان یک و نیم خودرو را اشغال کرده‌اند. بعضی دیگر
نیز کج و معوج پارک کرده بودند و این فکر از ذهن شما چند بار گذشت که اگر صاحب
بعضی از این خودروها درست پارک ‌کرده بودند، الان جای خالی برای پارک کردن چندین
ماشین دیگر هم وجود داشت.

با علم ریاضیات و آمار و احتمال در مواجهه با چنین شرایطی قادر به پاسخگویی
نیستیم. اگر قرار بود بر اساس منطق صفر و یک یا باینری کامپیوتر، روباتی ساخته شود
تا اتومیبل شما را در یک مکان مناسب پارک‌ کند، احتمالش کم بود. چنین روباتی به
احتمال زیاد ناکام از پارکینگ خارج می‌شد. پس شما با چه منطقی می توانستید
اتومبیل خود را پارک‌ کنید؟ شما از منطق فازی استفاده کردید.

دنیای فازی‌ می‌پرسم <هوا ابری است یا آفتابی؟> پاسخ می‌دهی: نیمه‌ابری. می‌پرسم <آیا همه
آنچه که دیروز به من گفتی، راست بود؟> پاسخ می‌دهی: بیشتر آن حقیقت داشت. ما
در زندگی روزمره بارها از منطق فازی استفاده می‌کنیم.

واقعیت این است که دنیای صفر و یک، دنیایی انتزاعی و خیالی است. به ندرت پیش
می‌آید موضوعی صددرصد درست یا صددرصد نادرست باشد؛ زیرا در دنیای واقعی در
بسیاری از مواقع، همه‌چیز منظم و مرتب سرجایش نیست.

تئوری مجموعه‌های فازی و منطق فازی را اولین بار پرفسور لطفی‌زاده در رساله‌ای به
نام <مجموعه‌های فازی - اطلاعات و کنترل> در سال 1965معرفی نمود. از نخستین روز
تولد اندیشه فازی، بیش از چهل سال می‌گذرد. در این مدت نظریه فازی، چارچوب فکری
و علمی جدیدی را در محافل آکادمیک و مهندسی معرفی نموده و دیدگاه دانشمندان را
نسبت به کمّ و کیف دنیای اطرافمان تغییر داده است. منطق فازی جهان‌بینی بدیع و
واقع‌گرایانه‌ای است که به اصلاح شالوده ‌منطق علمی و ذهنی بشر کمک شایانی کرده
‌است.

کاربردهای منطق فازی‌
منطق فازی کاربردهای متعددی دارد. ساده‌ترین نمونه یک سیستم کنترل دما یا
ترموستات است که بر اساس قوانین فازی کار می‌کند. سال‌هاست که از منطق فازی
برای کنترل دمای آب یا میزان کدرشدن آبی که لباس‌ها در آن شسته شده‌اند در
ساختمان اغلب ماشین‌های لباسشویی استفاده می‌شود.

امروزه ماشین‌های ظرفشویی و بسیاری از دیگر لوازم خانگی نیز از این تکنیک استفاده
می‌کنند. منطق فازی در صنعت خودروسازی نیز کاربردهای فروانی دارد. مثلاً سیستم
ترمز و ABS در برخی از خودروها از منطق فازی استفاده می‌کند. یکی از معروف‌ترین
نمونه‌های به‌کارگیری منطق فازی در سیستم‌های ترابری جهان، شبکه مونوریل (قطار
تک ریل) توکیو در ژاپن است. سایر سیستم‌های حرکتی و جابه‌جایی بار، مثل
آسانسورها نیز از منطق فازی استفاده می‌کنند

سیستم‌های تهویه هوا نیز به وفور منطق فازی را به‌کار می‌گیرند. از منطق فازی در
سیستم‌های پردازش تصویر نیز استفاده می‌شود. یک نمونه از این نوع کاربردها را
می‌توانید در سیستم‌های <تشخیص لبه و مرز> اجسام و تصاویر(3) مشاهده کنید که
در روباتیک نیز کاربردهایی دارد. به طور کلی خیلی از مواقع در ساختمان سیستم‌های
تشخیص الگوها (Pattern Recognition)مثل سیستم‌های تشخیص گفتار و پردازش
تصویر از منطق فازی استفاده می‌شود

منطق فازی و هوش مصنوعی‌
جالب‌ترین کاربرد منطق فازی، تفسیری است که این علم از ساختار تصمیم‌گیری‌های
موجودات هوشمند، و در راس آن‌ها، هوش انسانی، به دست می‌دهد.
شاید یکی از جالب‌ترین کاربردهای منطق فازی هوش مصنوعی در بازی‌های رایانه‌ای و
جلوه‌های ویژه سینمایی باشد. فیلم ارباب حلقه‌ها را بخاطر بیاورید. شاید اگر بگوییم
ارباب حلقه‌ها فیلمی تقریبا مجازی است، سخنی به گزاف نگفته باشیم. بیشتر
قسمت‌های این فیلم اساسا درون کامپیوتر خلق شده‌اند و واقعیت خارجی ندارند.
کارگردان فیلم نزد یک متخصص جلوه‌های ویژه رفت و از او خواست که نرم‌افزاری بسازد
که بتواند 70 هزار سوارکار زره‌پوش در حال حرکت را همچنان که به کشتار و خونریزی
مشغولند، شبیه سازی کند.

در این برنامه متخصصان کامپیوتر و انیمیشن ابتدا موجوداتی را به صورت الگو ایجاد کرده
بودند و سپس به کمک منطق فازی مصداق‌هایی تصادفی از این موجودات خیالی
پدیدآورده بودند که حرکات تصادفی- اما از پیش تعریف شده‌ای ‌-‌ در اعضای بدن خود
داشتند.
این موجودات در حقیقت دارای نوعی هوش مصنوعی بودند و می‌توانستند برای نحوه
حرکت دادن اعضای بدن خود تصمیم بگیرند. در عین حال تمام موجوداتی که در یک
لشکر به سویی می‌تاختند یا با دشمنی می‌جنگیدند، از جهت حرکت یکسانی برخودار
بودند و به سوی یک هدف مشخص حمله می‌کردند.

این ساختار کاملا‌ً پیچیده و هوشمند به فیلمسازان اجازه داده بود که این موجودات
افسانه‌ای را در دنیای مجازی کامپیوتر به حال خود رها کنند تا به سوی دشمنان حمله
کنند و این همه بی‌تردید بدون بهره‌گیری از منطق فازی امکان‌پذیر نبود.

شرکت Massive Software که به دلیل به‌کارگیری منطق فازی برای ایجاد هوش‌مصنوعی
در طراحی لشکریان فیلم‌ ارباب حلقه‌ها برنده جایزه اسکار شد، بعداً این تکنیک را در
فیلم‌های دیگری همچون I.Robot و King Kong نیز به‌کار برد.

استفاده از منطق فازی برای هوشمند‌کردن موجودات نرم‌افزاری تنها گونه‌ای از
کاربردهای این نظریه در هوش ‌مصنوعی است. منطق فازی در هوشمند ساختن
روبات‌های سخت‌افزاری نیز کاربردهای زیادی دارد.

تفکربازی تفکر رباتهای آینده

جهان قطعی است اما خاکستری،یعنی شانس و جود ندارد . هر چه اطلاعات ما بیشتر باشد احتمالات از بین می رود. اگر بدانید که چه اتفاقی میفتد تا یک روی سکه بر زمین می افتد
می توانستید پیش بینی کنید چه می آید .و چون نمی دانید شانس می شود .دنیا سیاه یا سفید نیست بلکه رشته ای پیوسته بین این دو است و همانطور که اینشتین گفت: خداوند تاس بازی نمی کند.منطق فازی جایگزین منطق دو ارزشی خوب و بد ارسطو شده . بدین معنی که همزمان همه موارد وجود دارد اما به درجه ای از کل .ما برای خود همه چیز را دو ارزشی کرده ایم و برای موارد حد وسط حرف از احتمالات و شانس می زنیم در صورتی که کل موارد همیشه وجود داشته اند و ما در نظر نمی گرفتیم.

منطق فازی ریشه در بعضی نوشته های برتراند راسل دارد که در ان زمان آن را ابهام می گفتند یعنی مثلا آیا یک سیب تا چه حد یک سیب است؟ آیا اگر نصف ان را گاز بزنیم باز هم یک سیب است . آیا اگر هنوز هم از آن بخوریم باز سیب است؟ مرز سیب بودن و سیب نبودن در کجاست . منطق دو ارزشی فقط می گوید سیب هست یا نیست. اما درجه ی آن را مشخص نمی کند .ولی منطق فازی می گوید نصف سیب هست، یک چهارم سیب تا صفر درصد سیب .یعنی بین بودن و نبودن رشته ای پیوسته از هر دو است. اگر یک دانه شن از یک تپه شن برداریم آیا هنوز آن تپه است؟ اگر یک دانه ی دیگر برداریم چه؟ تاکی تپه تپه می ماند ؟ امروز دیگر مساله بودن یا نبودن نیست بلکه مساله چه مقدرا بودن و چه مقدار نبودن است.

کلمه فازی را در حدود سال 1965میلادی توسط پرفوسور ایرانی دانشگاه برکلی آمریکا لطفی زاده بیان شد و او کارهای بسیاری برای بسط این منطق انجام داد .و تمام دنیا منطق فازی را با نام او می شناسند و او یکی از بزرگترین دانشمندان ایران است که مورد تقدیر در ایران هم واقع نشده ،متاسفانه. او بسیار تیز هوش و در رشته اصلی او مهندسی برق بود . او تا ۲۳ سالگی در ایران بود و از دانشگاه تهران مدرک لیسانس را گرفت. بی شک منطق فازی و تفکر فازی با نام زاده یا لطفی زاده جدا نیست و شما مقاله ای پیدا نمی کنید که درباره منطق فازی باشد و نام او نباشد.

امروزه ژاپنی ها وسایل بسیار ساخته اند که با کنترل فازی کار می کند مانند انواع لباس شویی و ربات و موشک و سیستم تهویه و دوربین و هزارن چیز دیگر-منطق فازی باعث هوشمند تر شدن وسایل شده و انها مانند ما و نزدیک به ما تصمیم می گیرند.کتابهای ریاضیات فازی در کتابفروشی ها رو به گسترش است.

دیگر برای یک کسی که منطق فازی را قبول دارد مرز زندگی و مرگ مشخص نیست .چون در همان زمان که بدنیا آمدی حرکت رو به مرگ هم آغاز می شود و مرگ مغزی دیگر معنی ندارد .چون تاز مانی که سلولی زنده است زندگی وجود دارد ولی منطق ارسطویی موجود می گوید وقتی فرکانس های مغزی قطع شد و دستگاه چیزی نشان نداد مرگ فرا رسیده . در اکثر اشیا و موضوعات همیشه یک چیز یا مکمل یا ضد آن با هم وجود دارند . پیشتاز منطق فازی قدیم بودا در هند و شاگردانش لائوتسه در چین بودند که علامت ین و یانگ را معرفی کردند که در عکس می بینید .یعنی اینکه همیشه دو چیز متضاد تلفیقی از همند و مخلوطی از همند.بودا همیشه جواب سوالاتی را که در آنها حرف یا وجود داشت نمی داد.چون همه چیز را در نظر داشت نه این یا آن.

یک کرتی می گوید کرتی ها همیشه دروغ می گویند ،آیا این کرتی راست می گوید یا دروغ؟ اینجا در نقطه میانه بودراست و دروغ هستیم و این جمله در منطق دو ارزشی سیاه و سفید یک پارادوکس است اما در منطق فازی نه. و این جمله همزمان ۵۰ درصد راست و ۵۰ درصد دروغ است. یک جمله می تواند ۹۰درصد راست و ۱۰ درصد دروغ باشد و غالب حرفهای مردم اینچنین است.

توجه کنید اگر سر کلاس دانشگاه سوال شود مجردها دستها رابالا ببرند.یقینا یک عده بالا هستند یک عده پایین چون این یک قضیه دو ارزشیست . ولی اگر بگویند چه کسی از زندگی خود راضیست؟ یا از کار خود؟

خیلی ها نمی دانند دست را تا چه اندازه بالا ببرند. چون تفکر فازی حاکم است منطقه خاکستری. اینجا باید گفت هر کس به اندازه رضایتش دستش را مقداری بالا ببرد .منطق دو ارزشی زیرمجموعه منطق فازیست و تفکر فازی باعث می شود انسان در زندگی بسیاری از امور را نسبی ببیند و عصبانیت و جزمیت را کنار بگذارد . هر چیزی ممکن است درصدی اشتباه یا درست باشد پس به همان اندازه باید رفتار فازی نشان داد و تصمیم فازی گرفت و نه کلا رد کرد یا کلا عصبانی شد یا کلا موافقت کرد .شناوری و انعطاف پذیری در منطق فازی وجود دارد.منطق فازی به سرعت می آید و همه چیز را فرا می گیرد

منبع : www.royak.ir

منطق فازي (fuzzy logic)

http://www.wbmew.com/images/stories/fuzzy166.gif
اگر از ما پرسيده شود منطق فازي چيست شايد ساده ترين پاسخ بر اساس شنيده ها اين باشد که Fuzzy Logic يا Fuzzy Theory يک نوع منطق است که روش هاي نتيجه گيري در مغز بشر را جايگزين مي کند.مفهوم منطق فازي توسط دکتر لطفي زاده ، پروفسور دانشگاه کاليفورنيا در برکلي، ارائه گرديد و نه تنها به عنوان متدولوژي کنترل ارائه شد بلکه راهي براي پردازش داده ها، بر مبناي مجاز کردن عضويت گروهي کوچک به جاي عضويت گروهي دسته اي ارائه کرد. به جهت نارسا و نابسنده بودن قابليت کامپيوتر هاي ابتدايي تا دهه 70 اين تئوري در سيستم هاي کنترلي به کار برده نشد....

تئوری فازی در سال ۱۹۶۵ توسط دکتر لطفی زاده در مقاله ای باعنوان ” مجموعه های فازی ” معرفی گردید. البته زاده قبل از کار بر روی تئوری فازی شخصیت برجسته ای در تئوری کنترل بود و مفهوم ” حالت ” که اساس تئوری کنترل مدرن راشکل می دهد توسعه داد. در اوایل دهه ی ۶۰او به این نتیجه رسید که تئوری کنترل کلاسیک بیش از حد بر روی دقت تاکید داشته واز این رو با سیستم های پیچیده نمی تواند کار کند. در سال ۱۹۶۲ مطلبی را با این مضمون برای سیستم های بیولوژیک نوشت : ” ما اساسا به نوع جدیدی از ریاضیات نیازمندیم، ریاضیات مقادیرمبهم یا فازی که توسط توزیع های احتمال قابل توصیف نیستند. ” پس از آن وی ایده اش را در قالب مقاله ی “مجموعه های فازی ” تجسم بخشید. در این مقاله از منطق چند مقداری لوکاسیه ویچ برای مجموعه ها و گروه های اشیا استفاده شده بود.

پروفسور لطفي زاده اينطور استدلال کرد که بشر به وروديهاي اطلاعاتي دقيق نيازي ندارد بلکه قادر است تا کنترل تطبيقي را به صورت بالايي انجام دهد.پس اگر ماکنترل کننده هاي فيدبک را در سيستم ها طوري طراحي کنيم که بتواند داده هاي مبهم را دريافت کند، اين داده ها ميتوانند به طور ساده تر و موثرتري در اجرا به کار برده شوند.

با اين تعاريف منطق فازي داراي اين قدرت است که در تنظيم سيستم ها از ميکرو کنترلهاي ساده وکوچک و جاسازي شده گرفته تا PC هاي چند کاناله شبکه شده بزرگ ياسيستم هاي کنترلي به کار برده شود.اين منطق داراي قدرت اجرايي در سخت افزار ،نرم افزار يا ترکيبي از هر دوي اينهاست.در واقع منطق فازي راه ساده اي را براي رسيدن به يک نتيجه قطعي و معين بر پايه اطلاعات ورودي ناقص ، خطا دار، مبهم و دوپهلو فراهم ميکند.منطق فازي يک قانون ساده بر مبناي :

” IF x And y THEN z “

را بيان ميکند.

به عنوان مثال به جاي برخورد با اصطلاحاتي نظير P=500 ،210<TEMP<220 ، T<1000F اصطلاحاتي نظير:

كد:

“IF (process is too cool) & (process is getting colder) THEN



(Add heat to the process) “



Or 



“IF (process is too hot) & (process is heating rapidly) THEN



(Cool the process quickly)”

به کار برده شود.

درست مثل کاري که در هنگام دوش گرفتن انجام مي دهيم: در صورتي که آب خيلي سرد يا خيلي گرم باشد بدون اينکه از درجه دقيق آب اطلاعي داشته باشيم تنها بر اساس پردازش انجام شده در مغز به کمک دريافت دماي هوا از طريق حسگرهاي پوست با کمي سختي کشيدن آب را به سرعت به دماي دلخواه در مي آوريم يا آنکه ميتوانيم در يک اتاق به اشياءگوناگوني نگاه کنيم وتصميم بگيريم کداميک بيشتر شبيه صندلي است ويا به مردم نگاه کنيم و بگوييم کداميک شبيهJohn Wayne ويا کداميک بيشتر شبيه گاندي است.منطق فازي قادر به تقليد اينگونه رفتارها اما با سرعت بسيار بالايي است.از طرفي بايد به اين نکته هم توجه کنيم که تمامي سيستم هاي طبقه بندي ساخته ذهن انسان هستند و برچسب درست تا زماني به يک سيستم طبقه بندي نسبت داده ميشود که سيستم کنترلي ديگر آن را رد نکند مثلا در تئوري نسبيت ديگر درست نيست بگوييم زمين دور خورشيد ميگردد پس خورشيد هم دور زمين مي گردد! يا به عنوان مثال ديگر، کشف موجودي عجيب در استراليا که پلاتي پوس ناميده مي شودو بر خلاف پستانداران ديگر همانند خزندگان تخم ميگذارد و جوجه هاي جوان را شير مي دهد! با اين تعاريف مي توان گفت که منطق فازي يک تکنولوژي کنترلي بسيار قدرتمند است که به جاي ساختن يک حصار در اطراف يک طبقه بندي سعي دارد آن را به گونه اي توصيف کند که به ايده نزديک تر است.

متغير هاي زبان شناختي :

در زندگي روزمره ،کلماتي را به کار مي بريم که اغلب براي توصيف متغيير ها استفاده مي شوند. به عنوان مثال هنگاميکه مي گوييم ” امروز سرد است “ يا “دماي هوا امروز پايين است “ از واژه ” پايين ” براي توصيف ” دماي هواي امروز “ استفاده کرده ايم به اين معني که متغير دماي هواي امروز واژه “پايين” را به عنوان مقدار خود پذيرفته است.واضح است که متغير ” دماي هواي امروز ” ميتواند مقاديري نظير?3،?10-،?8-،?24و… را اختيار کند.هنگاميکه يک متغير ، اعداد را به عنوان مقدار بپذيرد ما يک چهارچوب رياضي مشخص براي فرموله کردن آن داريم اما هنگاميکه متغير واژه ها را به عنوان مقدار ميگيرد در آن صورت چهارچوب مشخص براي فرموله کردن آن درتئوري رياضيات کلاسيک نداريم. در واقع در سيستم هاي عملي اطلاعات مهم از دو منبع سرچشمه مي گيرند : يکي از منابع افراد خبره که دانش و آگاهيشان را دردر مورد سيستم با زبان طبيعي تعريف ميکنند و منبع ديگر اندازه گيري ها و مدل هاي رياضي هستند که از قواعد فيزيکي مشتق شده اند .بنابر اين يک مساله مهم ترکيب اين دو نوع اطلاعات در طراحي سيستم هاست. براي انجام اين ترکيب سوال کليدي اين است که چگونه مي توانيم دانش بشري را به يک فرمول رياضي تبديل کنيم ؟

براي اينکه چنين چهارچوبي به دست آوريم مفهوم متغير هاي زباني تعريف شده است. در صحبت هاي عاميانه اگر يک متغير بتواند واژه هايي از زبان طبيعي را به عنوان مقدار بپذيرد يک متغير زبان شناختي ناميده ميشود. براي فرموله کردن واژه ها در گزاره هاي رياضي از مجموعه هاي فازي براي مشخص کردن واژه ها استفاده ميکنيم و تعريف ميکنيم: ” اگر يک متغير بتواند واژه هايي از زبان طبيعي را به عنوان مقدار خود بپذيرد آنگاه متغير زبان شناختي ناميده ميشود که واژه ها بوسيله مجموعه هاي فازي در محدوده اي که متغير ها تعريف شده اند مشخص مي گردد . ” پروفسور لطفي زاده در سال 1973 مفهوم زبان شناختي يا متغير هاي فازي را ارائه داد .در واقع يکي از ويژگي هاي منطق فازي در استفاده از ساختار قانون پايه منطق فازي است که در طي آن مسائل کنترلي به يک سري قوانين IF x And Y THEN z تبديل ميشوند که پاسخ گوي خروجي مطلوب سيستم براي شرايط ورودي داده شده به سيستم مي باشد. اين قوانين ساده و آشکار براي توصيف پاسخ دهي مطلوب سيستم با اصطلاحاتي از متغيير هاي زبان شناختي به جاي فرمول هاي رياضي استفاده مي شوند.

نکته جالب اينجاست که اگرچه سيستم هاي فازي پديده هاي غير قطعي و نامشخص را توصيف مي کند با اين حال تئوري فازي يک تئوري دقيق مي باشد.

اجزاي ابتدايي و اصول اوليه تئوري مجموعه فازي :

در قسمتFuzzier يا مبدل فازي ، متغيير هاي با مقادير حقيقي به يک مجموعه فازي تبديل شده از طريق ماشين رابط فازي و قوانين پايه نتايج به قسمت غير فازي ساز يا Defuzzier منتقل شده که يک مجموعه فازي را به يک متغير با مقدار حقيقي تبديل مي کند.به بيان ديگر اطلاعات ورودي اغلب مقاديري پيچيده اند واين اعدادبه مجموعه هاي فازي تبديل مي گردند.مدل ها بر اساس منطق فازي شامل قوانين اگر ،آنگاه تفسير مي گردند. حقيقت آن است که بعد از عبارت اگريک منطق مقدم بيان مي گردد و بر اساس آن ما حقيقت ديگر را مورد بررسي قرار مي دهيم که بعد ا زآنگاه مي ايدو در آن نتيجه کار توضيح داده مي شود.در واقع منطق فازي تجربه و دانش انساني را به صورت ترکيبي از اعداد در مقابل وي قرار مي دهد و او را قادر مي سازد تا تصميمي بر اساس رياضيات و منطق بگيرد.

نتيجه:

در پاسخ به چيستي منطق فازي يا منطق نادقيق شايد ساده ترين پاسخ بر اساس شنيده ها اين باشد که Fuzzy Logic يا Fuzzy Theory يک نوع منطق برنامه نويسي است که روش هاي نتيجه گيري در مغز بشر را جايگزين مي کند.منطق فازي در واقع با استفاده از مجموعه اي از معلومات نادقيق که با الفظ و جملات زباني تعريف شده اندبه دنبال استخراج نتايج دقيق است .

منطق فازي تکنولوژي جديدي است که شيوه هاي مرسوم براي طراحي ومدل سازي يک سيستم را که نيازمند رياضيات پيشرفته و نسبتا پيچيد ه است با استفاده از مقادير و شرايط زباني و يا به عبارتي دانش فرد خبره ، و با هدف ساده سازي وکارامد تر شدن طراحي سيستم جايگزين و يا تا حدود زيادي تکميل مي نمايد.
عليرغم اينکه منطق فازي بر پايه رياضيات پيشرفته و پيچيده قرار دارد يادگيري آن بسيار آسان است.از نظر تئو ري هر سيستمي که توسط منطق فازي طراحي شده باشد توسط ساير تکنيک هاي پياده سازي مرسوم نيز قابل پياده سازي است اما ممکن است اين شيوه ها نسبت به منطق فازي پيچيده ومشکل تر باشند

۱) کتاب “تفکر فازی” تالیف “بارتکاسکو”
۲) کتاب “سیستم ها فازی و کنترل فازی” تالیف “لی وانگ”¼/p>

منطق فازی

منطق فازی

ریاضیات فازی یک فرا مجموعه از منطق بولی است که بر مفهوم درستی نسبی، دلالت می کند. منطق کلاسیک هر چیزی را بر اساس یک سیستم دوتائی نشان می دهد ( درست یا غلط، 0 یا 1، سیاه یا سفید) ولی منطق فازی درستی هر چیزی را با یک عدد که مقدار آن بین صفر و یک است نشان می دهد. مثلاً اگر رنگ سیاه را عدد صفر و رنگ سفید را عدد 1 نشان دهیم، آن گاه رنگ خاکستری عددی نزدیک به صفر خواهد بود. در سال 1965، دکتر لطفی‌زاده نظریه سیستم‌های فازی را معرفی کرد. در فضایی که دانشمندان علوم مهندسی به دنبال روش‌های ریاضی برای شکست دادن مسایل دشوارتر بودند، نظریه فازی به گونه‌ای دیگر از مدل‌سازی، اقدام کرد.

منطق فازی معتقد است که ابهام در ماهیت علم است. بر خلاف دیگران که معتقدند که باید تقریب‌ها را دقیق‌تر کرد تا بهره‌وری افزایش یابد، لطفی‌زاده معتقد است که باید به دنبال ساختن مدل‌هایی بود که ابهام را به عنوان بخشی از سیستم مدل کند. در منطق ارسطویی، یک دسته‌بندی درست و نادرست وجود دارد. تمام گزاره‌ها درست یا نادرست هستند. بنابراین جمله «هوا سرد است»، در مدل ارسطویی اساساً یک گزاره نمی‌باشد، چرا که مقدار سرد بودن برای افراد مختلف متفاوت است و این جمله اساساً همیشه درست یا همیشه نادرست نیست. در منطق فازی، جملاتی هستند که مقداری درست و مقداری نادرست هستند. برای مثال، جمله "هوا سرد است" یک گزاره منطقی فازی می‌باشد که درستی آن گاهی کم و گاهی زیاد است. گاهی همیشه درست و گاهی همیشه نادرست و گاهی تا حدودی درست است. منطق فازی می‌تواند پایه‌ریز بنیانی برای فن‌آوری جدیدی باشد که تا کنون هم دست‌آورد‌های فراوانی داشته است.

کاربرد ها

از منطق فازی برای ساخت کنترل کننده های لوازم خانگی از قبیل ماشین رختشویی (برای تشخیص حداکثر ظرفیت ماشین، مقدار مواد شوینده، تنظیم چرخهای شوینده) و یخچال استفاده می شود. کاربرد اساسی آن تشخیص حوزه متغیرهای پیوسته است. برای مثال یک وسیله اندازه گیری دما برای جلوگیری از قفل شدن یک عایق ممکن است چندین عضو مجزا تابعی داشته باشد تا بتواند حوزه دماهایی را که نیاز به کنترل دارد به طور صحیح تعریف نماید. هر تابع، یک ارزش دمایی مشابه که حوزه آن بین 0 و 1 است را اختیار می کند. از این ارزشهای داده شده برای تعیین چگونگی کنترل یک عایق استفاده می شود.

در شکل بالا، سرد بودن، گرم بودن و داغ بودن، توابعی برای مقایسه درجه حرارت هستند و هر نقطه ای روی این خطوط می تواند دارای یکی از سه ارزش بالا باشد. به عنوان مثال برای یک درجه حرارت خاص که در شکل با یک خط نشان داده شده است، می توان گفت: «مقداری سرد است»،«اندکی گرم است» یا «اصلاً داغ نیست».

حال با مثال دیگری اهمیت این علم را بیشتر درک مینمائیم:

یک انسان در نور کافی قادر به درک میلیونها رنگ میباشد.ولی یک روبوت چگونه میتواند این تعداد رنگ را تشخیص دهد؟ حال اگر بخواهیم روباتی طراحی کنیم که قادر به تشخیص رنگها باشد از منطق فازی کمک میگیریم و با اختصاص اعدادی به هر رنگ آن را برای روبوت طراحی شده تعریف میکنیم.

از کاربردهای دیگر منطق فازی میتوان به کاربرد این علم در صنعت اتومبیل سازی(در طراحی سیستم ترمز abs و کنترل موتور برای بدست آوردن بالاترین راندمان قدرت)،در طراحی بعضی از ریزپردازنده ها و طراحی دوربینهای دیجیتال اشاره کرد.

این هم همه ی اینها به صورت فایل .doc !

مرسی خیلی زحمت کشیدید.موفق باشید.تو پایان نامم کمک میکنه.

سلام وبا تشکر از دوستان
اما بحث فازي خيلي تخصصي تر و وسيعتر است اگه فايل آموزشي کامل تري دارين محبت بفرمائيد.

نقل قول:

نوشته اصلي بوسيله kavoshshop (پست 18949)

سلام وبا تشکر از دوستان
اما بحث فازي خيلي تخصصي تر و وسيعتر است اگه فايل آموزشي کامل تري دارين محبت بفرمائيد.

---------------
سلام
ببینید این فایل ها کافیه یا نه؟
اگه مطالب انگلیسی هم خواستین بگین تا بذارم.

منطق فازی

منطق فازی به زبان فارسی

fuzzy logic system

سیستم فازی به زبان لاتین

سلام .انواع روشهای اتوماتیک تولید سیستم فازی چیه؟ مقاله ای در این باره هم معرفی کنی ممنون میشم

نقل قول:

نوشته اصلي بوسيله ayfer.a11 (پست 18950)

---------------
سلام
ببینید این فایل ها کافیه یا نه؟
اگه مطالب انگلیسی هم خواستین بگین تا بذارم.

======================
سلام
فایلایی رو که گذاشتی خیلی عالی بود
امکان داره فایلای5 و6 هم بذاری؟

با سلام به تمام برو بچ هوش مصنوعی .واقعیتش میدونین چیه دنبال سورس کد پیاده سازی الگوریتم فروشنده دوره گرد بوسیله الگوریتم ژنتیک و فازی کلاسترینگ می گردم .خواهش میکنم کمکم کنید .

واقعآ عالیه مرسی از مطالب خوبت!

مطالب دانلود نميشه
لطفا راهنمايي كنيد
ايميلم
jvatani@gmail.com

منطق فازی

سلام
من ی پروژه دارم که می خوام ریسک رو تو خطوط لوله با منطق فازی بررسی کنم
میشه کمکم کنید
من نمی دونم چطوری باید اجراش کنم؟!
اینم ایمیلمه
ali.khakpoor67@yahoo.com
متشکرم

میشه مطالب انگلیسی هم بذارید؟

خیلی خوب سپاس

سلام
وقت بخیر
میشه انواع سیستم فازی و کاربردی و عملکرد هر مورد را بفرماید.
ممنون

میشه مطالبی در مورد سیستم فازی سوگنو و ممدانی ارائه کنيد
daf_pro@yahoo.com