资 源 简 介
应用背景近年来，模糊逻辑应用的数量和种类都有明显的增长。应用范围从消费产品，如相机，摄像机，洗衣机，微波炉在工业过程控制，医疗仪器，决策支持系统，和投资组合的选择。要理解为什么模糊逻辑的使用，你必须首先理解模糊逻辑的含义。模糊逻辑有着不同的含义。在狭义上，模糊逻辑是一种逻辑系统，这是一个扩展的多值逻辑。然而，在更广泛的意义上的模糊逻辑（FL）几乎等同于模糊集理论，这一理论涉及的不清晰的界限，它的会员是一个程度问题的对象类。从这个角度来看，狭义模糊逻辑是即使在更狭窄的定义，佛罗里达州的一个分支，模糊逻辑不同的概念和物质从传统的多值逻辑系统。关键技术在模糊逻辑工具箱™软件，模糊逻辑应该被解释为FL，即，在广泛意义上的模糊逻辑。基础外语的基本思路是清楚地在模糊逻辑的基础。可能被添加的是，基本概念的基本概念是一个语言变量，即一个变量，其值是单词而不是数字。实际上，大部分的佛罗里达州可能被视为一种计算的方法，而不是数字计算。虽然语言本身的精确性比数字少，但它们的使用更接近人类的直觉。此外，词计算利用不精确的公差，从而降低了成本的解决方案。另一个基本的概念在佛罗里达州，它起着核心作用，在大多数的应用程序，是一个模糊的，如果规则或，简单地，模糊规则。虽然规则系统的使用有着悠久的历史，在人工智能（AI），就是在这样的系统中缺少的是一个机构处理模糊后件和模糊的来路。在模糊逻辑中，这个机制是由模糊规则的演算提供的。微积分的模糊规则作为可能被称为模糊的依赖和命令语言的基础（FDCL）。虽然没有明确使用FDCL在工具箱中，它实际上是其主要成分之一。在大多数的应用模糊逻辑，模糊逻辑的解决方案是，在现实中，一个翻译的人类到FDCL溶液。一个趋势是越来越多的可见性，涉及模糊逻辑与神经计算和遗传算法的结合使用。更一般地，模糊逻辑，神经网络，遗传算法可以看作是所谓的软计算的主要成分。不同于传统的，很难计算，软计算适应现实世界中的不精确性。软计算的指导原则是：利用不精确的公差，不确定性，和局部的真理，实现可追踪性，鲁棒性，和低成本的解决方案。在未来，软计算的概念和设计系统的研究中发挥着越来越重要的作用（机器智商）比常规方法设计的系统更高。
