‫کاربرد منطق فازی در تحلیل برنامه های مهندسی‬

‫تاریخچه منطق فازی‬

‫گرچه در دهه ‪ 1970‬و اوايل‪  ‬دهه ‪ 1980‬مخالفان جدی برای نظريه فازی وجود داشت‪ ،‬اما امروزه هيچ کس نمی‌تواند ارزش‌های‬
‫‪.‬منطق فازی و کنترل‌های فازی را منکر شود‬
‫افتخار هر ايرانی است که پايه علوم قرن آينده از نظريات يک ايرانی می‌باشد؛ بايد قدر اين فرصت را دانست و در تعميم نظريه‬
‫‪.‬فازی و استفاده از آن کوشش و تالش کرد‬
‫زمينه‌های پژوهش و تحقيق در نظريه فازی بسيار گسترده می‌باشد؛ پژوهشگران عالقه‌مند می‌توانند با پژوهش و تحقيق در اين زمينه‬
‫‪.‬باعث رشد و شکوفايی هرچه بيشتر نظريه فازی شوند‬
‫در اين مقاله سعی شده است که خوانندگان محترم با نظريه فازی و تاريخچه آن و کاربرد منطق فازی در علوم مهندسی آشنا شوند و‬
‫‪.‬زمينه‌های تحقيق و پژوهش مورد بررسی قرار گيرد‬
‫اميد است که بتوان قدمی هر چند کوچک در جهت تعالی کشور عزيزمان ايران برداريم‬

‫تاريخچة مجموعه‌هاي فاز‬

‫نظرية مجموعه فازي در سال ‪ 1965‬توسط پروفسور لطفي عسگرزاده‪ ،‬دانشمند ايراني‌تبار و استاد دانشگاه بركلي امريكا ‪      ‬‬
‫‪.‬عرضه شد‬
‫اگر بخواهيم نظريه مجموعه‌هاي فازي را توضيح دهيم‪ ،‬بايد بگوييم نظريه‌اي است براي اقدام در شرايط عدم اطمينان؛ اين نظريه‬
‫قادر است بسياري از مفاهيم و متغيرها و سيستم‌هايي را كه نادقيق و مبهم هستند‪ ،‬صورت‌بندي رياضي ببخشد و زمينه را براي‬
‫‪.‬استدالل‪ ،‬استنتاج‪ ،‬كنترل و تصميم‌گيري در شرايط عدم اطمينان فراهم آورد‬
‫پرواضح است كه بسياري از تصميمات‪ I‬و اقدامات ما در شرايط عدم اطمينان است و حالت‌هاي واضح غير مبهم‪ ،‬بسيار نادر و ‪      ‬‬
‫‪.‬كمياب مي‌باشند‬
‫نظرية مجموعه‌هاي فازي به شاخه‌هاي مختلفي تقسيم شده است كه بحث كامل و جامع در مورد هر شاخه‪ ،‬به زمان بيشتر و ‪      ‬‬
‫‪.‬مباحث طوالني‌تری احتياج دارد‬
‫در اين مبحث که با انواع شاخه‌هاي فازي و كاربرد آنها آشنا مي‌شويم‪ ،‬تالش شده است كه مباحث به صورت ساده ارائه شود و مسائل‬
‫‪.‬بدون پيچيدگي‌هاي خاص مورد بررسي قرار گيرد‬
‫همچنين تالش شده است كه جنبه‌هاي نظري هر بحث تا حد امكان روشن شود؛ گرچه در بسياري موارد به منظور اختصار‪ ،‬از ‪     ‬‬
‫بيان برهان‌ها چشمپوشي شده است و عالقه‌مندان را به منابع ارجاع داده‌ايم‪ .‬مطالعه اين پژوهش مي‌تواند زمينه‌اي كلي و فراگير‬
‫دربارة اهم شاخه‌هاي نظريه مجموعه‌هاي فازي فراهم‌آورد؛ اما عالقه‌مندان مي‌توانند با توجه به نوع و ميزان عالقه و هدف خود‪ ،‬به‬
‫‪.‬مراجع اعالم شده‪ ،‬مراجعه نمايند‬
‫تاريخچة مختصري از نظريه و كاربردهاي فازي‬
‫دهة ‪ 1960‬آغاز نظريه فازي‬
‫‪.‬نظريه فازي به وسيله پروفسور لطفي‌زاده در سال ‪ 1965‬در مقاله‌اي به نام مجموعه‌هاي فازي معرفي شد ‪     ‬‬
‫ايشان قبل از كار بر روي نظريه فازي‪ ،‬يك استاد برجسته در نظريه كنترل بود‪ .‬او مفهوم «حالت» را كه اساس نظريه كنترل ‪     ‬‬
‫‪.‬مدرن را شكل مي‌دهد‪ ،‬توسعه داد‬
‫ً‬
‫عسگرزاده در سال ‪ 1962‬چيزي را بدين مضمون براي سيستم‌هاي بيولوژيك نوشت‪ :‬ما اساسا به نوع جديد رياضيات نيازمنديم؛ ‪     ‬‬
‫‪.‬رياضيات مقادير مبهم يا فازي كه توسط توزيع‌هاي احتماالت قابل توصيف نيستند‬
‫‪.‬وی فعاليت خويش در نظريه فازي را در مقاله‌اي با عنوان «مجموعه‌هاي فازي» تجسم بخشيد ‪     ‬‬
‫مباحث بسياری در مورد مجموعه‌هاي فازي به وجود آمد و رياضيدانان معتقد بودند نظريه احتماالت براي حل مسائلي كه نظريه ‪     ‬‬
‫‪.‬فازي ادعاي حل بهتر آن را دارد‪ ،‬كفايت مي‌كند‬
‫دهة ‪ 1960‬دهة چالش كشيدن و انكار نظريه فازي بود و هيچ يك از مراكز تحقيقاتي‪ ،‬نظريه فازي را به عنوان يك زمينه تحقيق ‪     ‬‬
 ‫‪.‬جدي نگرفتند‬
‫اما در دهة ‪ ،1970‬به كاربردهاي عملي نظريه فازي توجه شد و ديدگاه‌هاي شك‌برانگيز درباره ماهيت وجودي نظريه فازي ‪     ‬‬
‫‪.‬مرتفع شد‬
‫استاد لطفي‌زاده پس از معرفي مجموعة فازي در سال ‪ ،1965‬مفاهيم الگوريتم فازي را در سال ‪ ،1968‬تصميم‌گيري فازي را در ‪    ‬‬
‫‪.‬سال ‪ 1970‬و ترتيب فازي را در سال ‪ 1971‬ارائه نمود‪ .‬ايشان در سال ‪ 1973‬اساس كار كنترل فازي را بنا كرد‬
‫چهارچوب )‪ (Assilian‬و آسيليان )‪ (Mamdani‬اين مبحث باعث تولد كنترل‌كننده‌هاي فازي براي سيستم‌هاي واقعي بود؛ ممداني ‪     ‬‬
‫اولين )‪(Ostergaard‬و اوسترگارد )‪ (Holmblad‬اوليه‌اي را براي كنترل‌كننده فازي مشخص كردند‪ .‬در سال ‪ 1978‬هومبالد‬
‫كنترل‌كننده فازي را براي كنترل يك فرايند صنعتي به كار بردند كه از اين تاريخ‪ ،‬با كاربرد نظريه فازي در سيستم‌هاي واقعي‪ ،‬ديدگاه‬
‫‪.‬شك‌برانگيز درباره ماهيت وجودي اين نظريه كامالً متزلزل شد‬
‫‪.‬دهة ‪ 1980‬از لحاظ نظری‪ ،‬پيشرفت كندي داشت؛ اما كاربرد كنترل فازي باعث دوام نظريه فازي شد ‪     ‬‬
‫مهندسان ژاپني به سرعت دريافتند كه كنترل‌كننده‌هاي فازي به سهولت قابل طراحي بوده و در مورد بسياري مسائل مي‌توان از ‪     ‬‬
‫‪.‬آنها استفاده كرد‬
‫به علت اينكه كنترل فازي به يك مدل رياضي نياز ندارد‪ ،‬مي‌توان آن را در مورد بسياری از سيستم‌هايي كه به وسيلة نظريه ‪     ‬‬
‫‪.‬كنترل متعارف قابل پياده‌سازي نيستند‪ ،‬به كار برد‬
‫‪.‬سوگنو مشغول كار بر روي ربات فازي شد‪ ،‬ماشيني كه از راه دور كنترل می‌شد و خودش به تنهايي عمل پارك را انجام مي‌داد ‪     ‬‬
‫از شركت هيتاچي كار روي سيستم كنترل قطار زيرزميني سندايي را آغاز )‪ (Miyamoto‬و مياموتو )‪ (Yasunobu‬ياشونوبو ‪      ‬‬
‫‪.‬كردند‪ .‬باالخره در سال ‪ 1987‬پروژه به ثمر نشست و يكي از پيشرفته‌ترين سيستم‌هاي قطار زيرزميني را در جهان به وجود آورد‬
‫در دومين كنفرانس‌ سيستم‌هاي فازي كه در توکيو برگزار شد‪ ،‬درست سه روز بعد از افتتاح قطار زيرزميني سندايي‪ ،‬هيروتا ‪      ‬‬
‫نيز سيستم فازي را نشان داد كه )‪ (Yamakawa‬يك روبات فازي را به نمايش گذارد كه پينگ‌پونگ بازي مي‌کرد؛ ياماكاوا )‪(Hirota‬‬
‫يك پاندول معكوس را در حالت تعادل نشان مي‌داد‪ .‬پس از اين كنفرانس‪ ،‬توجه مهندسان‪ ،‬دولتمردان و تجار جلب شد و زمينه‌های‬
‫‪.‬پيشرفت‪ I‬نظريه فازي فراهم شد‬
‫دهة ‪ ، 1990‬توجه محققان امريكا و اروپا به سيستم‌هاي فازي‬
‫موفقيت سيستم‌هاي فازي در ژاپن‪ ،‬مورد توجه محققان امريكا و اروپا واقع شد و ديدگاه بسياري از محققان به سيستم‌هاي فازي ‪      ‬‬
‫‪.‬تغيير کرد‬
‫‪.‬برگزار شد ‪ IEEE‬در سال ‪ 1992‬اولين كنفرانس بين‌المللي در مورد سيستم‌هاي فازي به وسيله بزرگترين سازمان مهندسي يعني ‪      ‬‬
‫در دهة ‪ 1990‬پيشرفت‌هاي زيادي در زمينة سيستم‌هاي فازي ايجاد شد؛ اما با وجود شفاف شدن تصوير سيستم‌هاي فازي‪ ،‬هنوز ‪      ‬‬
‫فعاليت‌هاي بسياري بايد انجام شود و بسياري از راه‌حل‌ها و روش‌ها همچنان در ابتداي راه قرار دارد‪ .‬بنابراين توصيه مي‌شود که‬
‫‪.‬محققان كشور با تحقيق و تفحص در اين زمينه‪ ،‬موجبات پيشرفت‌هاي عمده در زمينة نظريه فازي را فراهم نمايند‬

‫زندگينامة پروفسور لطفي‌زاده‬

‫استاد لطفي‌زاده در سال ‪ 1921‬در باكو متولد شد‪ .‬آنجا مركز آذربايجان شوروي بود‪ .‬لطفي‌زاده يك شهروند ايراني بود؛ پدرش ‪      ‬‬
‫‪.‬يك تاجر و نيز خبرنگار روزنامة ايرانيان بود‬
‫استاد لطفي‌زاده از ‪ 10‬تا ‪ 23‬سالگي در ايران زندگي كرد و به مدرسة مذهبي رفت‪ .‬خاندان لطفي‌زاده از اشراف و ثروتمندان ‪      ‬‬
‫‪.‬ايراني بودند كه هميشه ماشين و خدمتكار شخصي داشتند‬
‫در سال ‪ 1942‬با درجة کارشناسی مهندسي برق از دانشكده فني دانشگاه تهران فارغ‌التحصيل شد‪ .‬او در سال ‪ 1944‬وارد ‪      ‬‬
‫رفت و در سال ‪ 1946‬درجة کارشناسی‌ارشد را در مهندسي برق دريافت كرد‪ .‬در سال ‪ 1951‬درجة ‪ MIT‬امريكا شد و به دانشگاه‬
‫دكتراي خود را در رشتة مهندسي برق دريافت نمود و به استادان دانشگاه كلمبيا ملحق شد‪ .‬سپس به دانشگاه بركلي رفته و در سال‬
‫‪ 1963‬رياست‪ I‬دپارتمان مهندسي برق دانشگاه بركلي را كه باالترين عنوان در رشتة مهندسي برق است‪ ،‬كسب‪ I‬نمود‪ .‬لطفي‌زاده‬
‫انساني است كه هميشه موارد مخالف را مورد بررسي قرار داده و به بحث دربارة آن مي‌پردازد‪ .‬اين خصوصيت‪ ،‬قابليت پيروزی بر‬
‫‪.‬مشكالت را به لطفي‌زاده اعطا نموده است‬
‫‪.‬در سال ‪ 1956‬لطفي‌زاده بررسي منطق چند ارزشي و ارائة مقاالت تخصصي در مورد اين منطق را آغاز کرد ‪      ‬‬
‫پروفسور لطفي‌زاده از طريق مؤسسة پرينستون با استفن كلين آشنا شد‪ .‬استفن كلين كسي است كه از طرف مؤسسة پرينستون‪        ،‬‬
 ‫منطق چند ارزشي را در اياالت متحده رهبري مي‌كرد‪ .‬كلين متفكر جوان ايراني را زير بال و پر خود گرفت‪ .‬آنها هيچ مقاله‌اي با‬
‫‪.‬يكديگر ننوشتند‪ ،‬اما تحت تأثير يكديگر قرار داشتند‬
‫‪.‬لطفي‌زاده اصول منطق و رياضي منطق چند ارزشي را فرا گرفت و به كلين اساس مهندسي برق و نظرية اطالعات را آموخت ‪      ‬‬
‫‪.‬وی پس از آشنايي با پرينستون‪ ،‬شيفتة منطق چند ارزشي شد‬
‫كه يكي از بهترين ‪ IRE‬در سال ‪ 1962‬لطفي‌زاده تغييرات مهم و اصلي را در مقالة «از نظرية مدار به نظرية سيستم» در مجلة ‪      ‬‬
‫‪.‬مجله‌هاي مهندسي آن روز بود‪ ،‬منتشر ساخت‪ .‬در اينجا براي اولين بار عبارت فازي را براي چند ارزشي پيشنهاد داد‬
‫لطفي‌زاده پس از ارائة منطق فازي‪ ،‬در تمام دهة ‪ 1970‬و دهة ‪ 1980‬به منتقدان خود در مورد اين منطق پاسخ مي‌داد‪ .‬متانت‪       ،‬‬
‫حوصله و صبوري استاد در برخورد با انتقادات و منتقدان منطق فازي از خود بروز مي‌داد‪ ،‬در رشد و نمو منطق فازي بسيار مؤثر‬
‫بوده است‪ ،‬به طوری که رشد كاربردهاي كنترل فازي و منطق فازي در سيستم‌هاي كنترل را مديون تالش و كوشش پروفسور‬
‫‪.‬لطفي‌زاده مي‌دانند و هرگز جهانيان تالش اين بزرگ‌مرد اسطوره‌اي ايراني را فراموش نخواهند كرد‬
‫تعريف سيستم‌هاي فازي و انواع آن‬
‫واژة فازي در فرهنگ لغت آكسفورد به صورت مبهم‪ ،‬گنگ و نادقيق تعريف شده است‪ .‬اگر بخواهيم نظرية مجموعه‌هاي فازي ‪      ‬‬
‫را تعريف كنيم‪ ،‬بايد بگوييم که نظريه‌اي است براي اقدام در شرايط عدم اطمينان؛ اين نظريه قادر است بسياري از مفاهيم و متغير‌ها‬
‫و سيستم‌هايي را كه نادقيق هستند‪ ،‬صورت‌بندي رياضي ببخشد و زمينه را براي استدالل‪ ،‬استنتاج‪ ،‬كنترل و تصميم‌گيري در شرايط‬
‫‪.‬عدم اطمينان فراهم آورد‬
‫‪:‬چرا سيستم‌هاي فازي‬
‫دنياي واقعي ما بسيار پيچيده‌تر از آن است كه بتوان يك توصيف و تعريف دقيق براي آن به دست آورد؛ بنابراين بايد براي يك مدل‪،‬‬
‫‪.‬توصيف تقريبي يا همان فازي كه قابل قبول و قابل تجزيه و تحليل باشد معرفي شود‬
‫با حركت به سوي عصر اطالعات‪ ،‬دانش و معرفت‪ I‬بشري بسيار اهميت پيدا مي‌كند‪ .‬بنابراين ما به فرضيه‌اي نياز داريم كه بتواند‬
‫‪.‬دانش بشري را به شكلي سيستماتيك فرموله كرده و آن را به همراه ساير مدل‌هاي رياضي در سيستم‌هاي مهندسي قرار دهد‬
‫سيستم‌هاي فازي چگونه سيستم‌هايي هستند؟‬
‫سيستم‌هاي فازي‪ ،‬سيستم‌هاي مبتني بر دانش يا قواعد مي‌باشند؛ قلب يك سيستم فازي يك پايگاه دانش است كه از قواعد اگر ـ آنگاه ‪     ‬‬
‫‪.‬فازي تشكيل شده است‬
‫‪.‬يك قاعده اگر ـ آنگاه فازي‪ ،‬يك عبارت اگر ـ آنگاه است كه بعضي كلمات آن به وسيله توابع تعلق پيوسته مشخص شده‌اند‬
‫‪:‬مثال‬
‫‪.‬اگر سرعت خودرو باالست‪ ،‬آنگاه نيروي كمتري به پدال گاز وارد كنيد‬
‫‪.‬كلمات «باال» و «كم» به وسيله توابع تعلق مشخص شده‌اند؛ توضيحات كامل در شکل ارائه شده است‬
‫‪:‬مثال ‪1-1‬‬
‫فرض كنيد مي‌خواهيم كنترل‌كنند‌ه‌اي طراحي كنيم كه سرعت خودرو را به طور خودكار كنترل كند‪ .‬راه‌حل اين است كه رفتار ‪      ‬‬
‫‪.‬رانندگان را شبيه‌سازي كنيم؛ بدين معني كه قواعدي را كه راننده در حين حركت استفاده مي‌كند‪ ،‬به كنترل‌كنندة خودكار تبديل نماييم‬
‫‪:‬در صحبت‌هاي عاميانه راننده‌ها در شرايط طبيعي از ‪ 3‬قاعده زير در حين رانندگي استفاده مي‌كنند‬
‫‪.‬اگر سرعت پايين است‪ ،‬آنگاه نيروي بيشتري به پدال گاز وارد كنيد‬
‫‪.‬اگر سرعت متوسط است‪ ،‬آنگاه نيروي متعادلي به پدال گاز وارد كنيد‬
‫‪.‬اگر سرعت باالست‪ ،‬آنگاه نيروي كمتري به پدال گاز وارد كنيد‬

‫‪ ‬‬

‫به طور خالصه‪ ،‬نقطة شروع ساخت‪ I‬يك سيستم فازي به دست آوردن مجموعه‌اي از قواعد اگر ـ آنگاه فازي از دانش افراد خبره يا ‪    ‬‬
‫‪.‬دانش حوزه مورد بررسي مي‌باشد؛ مرحلة بعدي‪ ،‬تركيب اين قواعد در يك سيستم واحد است‬
 ‫انواع سيستم‌هاي فازي‬
‫سيستم‌هاي فازي خالص‬
‫)‪ (TSK‬سيستم‌هاي فازي تاكاگي ـ سوگنوكانگ‬
‫سيستم‌هاي با فازي‌ساز و غير فازي‌ساز‬
‫سيستم فازي خالص‬
‫موتور استنتاج فازي‪ ،‬اين قواعد را به يك نگاشت از مجموعه‌هاي فازي در فضاي ورودي به مجموعه‌هاي فازي و در فضاي ‪      ‬‬
‫‪.‬خروجي بر اساس اصول منطق فازي تركيب مي‌كند‬
‫مشكل اصلي در رابطه با سيستم‌هاي فازي خالص اين است كه ورودي‌ها و خروجي‌هاي آن مجموعه‌هاي فازي مي‌باشند‪ .‬درحالي ‪      ‬‬
‫‪.‬كه در سيستم‌هاي مهندسي‪ ،‬ورودي‌ها و خروجي‌ها متغيرهايي با مقادير حقيقي مي‌باشند‬
‫براي حل اين مشكل‪ ،‬تاكاگي سوگنو و كانگ‪ ،‬نوع ديگري از سيستم‌هاي فازي معرفي كرده‌اند كه ورودي‌ها و خروجي‌هاي آن ‪      ‬‬
‫‪.‬متغيرهايي با مقادير واقعي هستند‬

‫سيستم فازي تاكاگي ـ سوگنو و كانگ‬

‫بدين ترتيب قاعده فازي از يك عبارت توصيفي با مقادير زباني‪ ،‬به يك رابطة ساده تبديل شده است؛ به طور مثال در مورد ‪      ‬‬
‫‪.‬مي‌باشد ‪ Y=CX‬باشد‪ ،‬آنگاه نيروي وارد بر پدال گاز برابر ‪ X‬خودرو مي‌توان اعالم كرد كه اگر سرعت خودرو‬
‫‪:‬عبارت است از ‪ TSK‬مشكالت‪ I‬عمدة سيستم فازي‬
‫‪.‬بخش «آنگاه» قاعدة يك فرمول رياضي بوده و بنابراين چهارچوبي را براي نمايش دانش بشري فراهم نمي‌كند‬
‫اين سيستم دست ما را براي اعمال اصول مختلف منطق فازي باز نمي‌گذارد و در نتيجه انعطاف‌پذيري سيستم‌هاي فازي در اين‬
‫‪.‬ساختار وجود ندارد‬
‫‪.‬براي حل اين مشكالت نوع سومي از سيستم‌هاي فازي يعني سيستم فازي با فازي‌سازها و غير فازي‌سازها مورد استفاده قرار گرفت‬

‫سيستم‌هاي فازي با فازي‌ساز و غير فازي ساز‬

‫را مي‌پوشاند‪ .‬در اين مبحث‪ ،‬از اين پس سيستم فازي با فازي ساز و ‪ TSK‬اين سيستم فازي معايب سيستم فازي خالص و سيستم فازي‬
‫‪.‬غير فازي‌ساز منظور خواهد بود‬
‫به عنوان نتيجه‌گيري براي اين بخش الزم است يادآوري شود كه جنبة متمم نظريه سيستم‌هاي فازي اين است كه يك فرايند سيستماتيك‬
‫‪.‬را براي تبديل يك پايگاه دانش به يك نگاشت غير فعلي فراهم مي‌سازد‬
‫زمينه‌هاي تحقيق عمده در نظريه فازي‬
‫‪.‬منظور از نظريه فازي‪ ،‬تمام نظريه‌هايي است كه از مفاهيم اساسي مجموعه‌هاي فازي يا توابع تعلق استفاده مي‌كنند ‪     ‬‬
‫‪:‬مطابق شكل‪ ،‬نظريه فازي را می‌توان به پنج شاخة عمده تقسيم كرد كه عبارتند از‬
‫رياضيات فازي‬
‫‪.‬مفاهيم رياضيات كالسيك‪ ،‬با جايگزيني مجموعه‌هاي فازي با مجموعه‌هاي كالسيك توسعه پيدا كرده است‬

‫منطق فازي و هوش مصنوعي‪ ‬‬

‫‪.‬كه در آن منطق كالسيك تقريب‌هايي يافته و سيستم‌هاي خبره بر اساس اطالعات و استنتاج تقريبي توسعه پيدا كرده است‬
‫سيستم‌هاي فازي‬
‫‪.‬سيستم‌هاي فازي كه شامل كنترل فازي و راه‌حل‌هايي در زمينة پردازش سيگنال و مخابرات مي‌باشد‬
‫عدم قطعيت‪ I‬و اطالعات‬
‫‪.‬انواع عدم قطعيت‌ها را مورد تجزيه و تحليل قرار مي‌دهد‬
‫تصميم‌گيري فازي‬
‫‪.‬مسائل بهينه‌سازي را با محدوديت‌ها در نظر مي‌گيرد‬
 ‫منطق فازی و کاربردهای آن در پیاده سازی کنترلر فازی‬
‫در اولین نگاه به اطراف خود به سادگی می توانید مجموعه ای از این دستگاه ها و لوازم را در خانه و محل کار خود بیابید‪ .‬بله‪،‬‬
‫مخترع منطق نوین علمی که جهان صنعت را دگرگون کرد و در کنار منطق دیجیتالی در ساختمان دستگاه های الکترونیکی‪" ،‬منطق‬
‫‪.‬فازی" را به دنیا عرضه نمود‪ ،‬کسی نیست جز پروفسور لطفی زاده‬
‫منطق فازی تعمیمی از منطق دو ارزشی متداول است و درحالیکه در منطق دودویی جایی برای واژه هایی همچون "کم"‪،‬‬
‫"زیاد"‪"،‬اندکی"‪"،‬بسیار" و‪ ...‬که پایه های اندیشه واستداللهای معمولی انسان را تشکیل می دهند وجود ندارد‪ ،‬روش پروفسور زاده‬
‫برمبنای بکارگیری همین عبارات زبانی است‪.‬بعنوان مثال‪ ،‬مساله رعایت فاصله با خودروی جلویی در هنگام رانندگی را در نظر می‬
‫گیریم‪ .‬جهت تنظیم این فاصله هنگام مواجه شدن با خودروی روبرو "اگر جاده لغزنده باشد ‪ ،‬باید فاصله را زیاد می کنیم" و " اگر‬
‫سرعت خوردرو کم باشد ‪ ،‬می توانیم فاصله را کم می کنیم" و "اگر هوا تاریک باشد ‪ ،‬فاصله را زیاد می کنیم" که غالبا به هنگام‬
‫رانندگی امکان اندازه گیری دقیق میزان سرعت خودرو ‪ ،‬تاریکی جاده ‪ ،‬لغزندگی جاده و نظیر آن به منظور محاسبه مقادیر فاصله‬
‫مطلوب وجود ندارد ‪ ،‬درنتیجه جهت طراحی سیستم ترمز موثر خودرو بر پایه منطق فازی‪ ،‬عباراتی مثل تاریکی کم یا زیاد ‪ ،‬سرعت‬
‫کم یا زیاد ولغزندگی کم یا زیاد و‪ ...‬را بعنوان متغیرهای ورودی و عباراتی همچون " فاصله کم یا زیاد" را مشابه آنچه در مغز‬
‫‪.‬انسان برای تصمیم گیری رخ می دهد را بعنوان متغیر خروجی بکار می بندیم‬
‫امروزه هیچ دستگاه الکترونیکی‪ ،‬از جمله وسایل خانگی‪ ،‬بدون کاربرد این منطق در ساختار فنی خود ساخته نمی شود‪ .‬با منطق‬
‫فازی پروفسور لطفی زاده این دستگاه ها هوشمند می شوند‪ .‬امروزه اروپایی ها‪ ،‬ژاپنی ها و آمریکایی ها و همه و همه ی کشورهای‬
‫‪.‬پیشرو در علم و صنعت‪ ،‬پروفسور لطفی زاده را می شناسند و از اهمیت کار او در دانش مدرن بشری آگاهند‬
‫بر خالف آموزش سنتی در ریاضی‪ ،‬پروفسور "زاده" در سال ‪ 1965‬منطق انسانی و زبان طبیعت را وارد ریاضی کرد‪ .‬شاید بتوان‬
‫با دو رنگ سیاه و سفید مثال بهتری ارائه داد‪ .‬اگر در ریاضی‪ ،‬دو رنگ سیاه و سفید را صفر و یک تصور کنیم‪ ،‬منطق ریاضی‪،‬‬
‫طیفی به جز این دو رنگ سفید و سیاه نمی بیند و نمی شناسد‪ .‬ولی در مجموعه های نامعین منطق فازی‪ ،‬بین سیاه و سفید مجموعه‬
‫‪.‬ای از طیف های خاکستری هم لحاظ می شود و به این طریق فصل مشترک ساده ای بین انسان و کامپیوتر بوجود می آید‬
‫این منطق حدود چهل سال پیش در آمریکا توسط لطفی زاده پایه ریزی شد و برای اولین بار در سال ‪ 1974‬در اروپا برای تنظیم‬
‫دستگاه تولید بخار در یک نیروگاه‪ ،‬کاربرد عملی پیدا کرد‪ .‬با پیشرفت چشمگیر ژاپن در عرضه وسایل الکترونیکی‪ ،‬در سال ‪1990‬‬
‫‪.‬کلمه "فازی" در آن کشور به عنوان "کلمه سال" شناخته شد‬
‫بسط و گسترش منطق فازی و تئوری مجموعه های فازی بدلیل ابهام و عدم قطعیتی بوده که در مسائل پیرامون ما وجود دارد و به‬
‫همین جهت در منطق فازی (علی رغم منطق دو ارزشی) گستره ای از ارزشها تعریف شده است تا ما قادر باشیم احساسات و‬
‫تفکراتمان را بدون ابهام به مخاطبان خود انتقال دهیم ‪.‬بدون اغراق زندگی روزمره ما آمیخته با مفهوم فازی است ‪ ،‬یعنی بطور‬
‫ناخودآگاه از عباراتی استفاده می کنیم که برای مخاطب دقیقا مشخص نیست‪ . .‬بعبارت ساده تر‪ ،‬مفهوم کلمه یا عبارت به تنهایی ممکن‬
‫است واضح و روشن باشد ‪ ،‬اما زمانیکه از آن بعنوان معیاری در تعیین اعضای یک مجموعه ریاضی استفاده می شود ‪ ،‬شاید نتوان‬
‫‪.‬بطور قاطع شیء را به آن نسبت داد و بالعکس‬
‫‪ :‬با این اوصاف‬
‫الف)ما تا چه حد قادریم احساسات و تفکراتمان را بدون ابهام به مخاطبان خود انتقال دهیم و تا چه حد آن چیزی که بیان می کنیم دقیقا‬
‫همان خواسته ذهنی ما بوده است؟‬
‫ب)چقدر درک مخاطب از جمله ما ‪ ،‬با آنچه که مقصود ما بوده همخوانی داشته است؟‬
‫این دو سوال ‪ 2‬مفهوم متفاوت و درعین حال اساسی در مبحث فازی را بیان می کنند‪ .‬بطور کلی برای برقراری ارتباط با محیط‬
‫اطراف ‪ ،‬ما از یک "زبان طبیعی" استفاده می کنیم و از آنجاکه قدرت تفکر همواره فراتر از توان پیاده سازی آن با یک زبان است‬
‫‪.‬برای بسیاری از مفاهیم ذهنی معادل دقیقی در دامنه لغات زبان وجود ندارد‬
‫برای سوال دوم هم باید گفت که عوامل مختلفی در برداشت و درک افراد از یک مفهوم مشخص اثرگذار است ‪.‬فرضا در عبارت‬
‫"هوای سرد" با توجه به مکان زندگی ‪ ،‬فرهنگ ‪ ،‬حساسیت‪ I‬فرد به سرما و‪ ...‬تعابیر مختلفی برای فرد از عبارت "سردی" قابل‬
‫تعریف است که لزوما با شخص دیگر در مکان دیگر برابر نیست‪ ،‬زیرا سردی هوا از نظر افراد مختلف داری درجات متفاوتی‬
‫است‪.‬کسی که در قطب زندگی می کند دمای ‪ -15‬را سرد می داند درحالیکه برای فرد ساکن استوا دمای ‪ +5‬درجه هم ممکن است‬
‫سرد تلقی شود‪ .‬این تفاوت درک افراد ازیک موضوع یکسان چگونه قابل توجیه است؟‬
‫برای پاسخ به این سوال ابتدا باید مفهوم و جایگاه واژه "سردی" در دنیای پیرامون ما تعریف و مشخص شود ‪.‬این نکته همان چیزی‬
‫است که پروفسور زاده در سال ‪ 1973‬تحت عنوان متغیرهای زبانی به آن اشاره کرد‪ ،‬متغیرهایی که عدد نیستند بلکه مقادیرآنها‬
‫حروف و لغات هستند و با مدلسازی مجموعه ای برای متغیر زبانی "سردی" (در واقع تئوری مجموعه های فازی) سعی در توصیف‬
 ‫نسبت می دهیم که بیان کننده میزان تعلق آن عضو به )‪"(µ‬یک "درجه عضویت ‪ (x) ،‬آن نموده و به هرکدام از دماهای مختلف‬
‫‪:‬مجموعه است و بین بازه بسته ‪ 0‬و ‪ 1‬متغیر است‬
‫‪µ Є [0,1] → U‬‬

‫‪:‬بصورت زوج مرتب زیر است ‪ U‬در مجموعه مرجع ‪ A‬در نتیجه در تئوری مجموعه فازی‬
‫}‪A = { (x,µ(x))|xЄ A‬‬
‫نسبت داد و چون مرزی که در انتساب اعضا به وجود می آید(به دلیل ‪ A‬را به مجموعه ‪ U‬یعنی دیگر نمیتوان بطوردقیق عنصری از‬
‫درک مختلف افراد از آن عبارت ) حالت غیر قطعی و غیر دقیق به خود می گیرد‪ .‬توابع عضویت در تعیین درجات عضویت نقشی‬
‫اساسی ایفا می کنند ‪.‬برای مثال برای مجموعه فازی با عنوان "سردی" دمای ‪ -10‬با درجه ‪ 0.8‬به این مجموعه تخصیص می یابد در‬
‫حالیکه دمای ‪ +5‬دارای درجه عضویت ‪ 0.4‬در این مجموعه است‪.‬با توجه به این درجه عضویتها می توان فهمید دمای ‪ -10‬سردتر‬
‫‪.‬از ‪ +5‬است زیرا میزان تعلق آن به مجموعه فازی "سردی" بیشتر است‬
‫همانند مجموعه های کالسیک‪ ،‬اگر درجه عضویت عنصری به مجموعه فازی صفر باشد ‪ ،‬آن عنصر به مجموعه تعلق ندارد و درجه‬
‫ابهام در مفهوم توصیف کننده ها و گزاره‪ fuzzy‬عضویت یک نشان می دهد که عنصر دقیقا عضو مجموعه است‪.‬بهر حال در تئوری‬
‫های بیان کننده شرائط سیستم وجود دارد و توجه کنید که کلیه مباحث ما مربوط به این نوع عدم قطعیت است‪ ،‬بویژه زمانیکه در‬
‫‪.‬خصوص تصمیم گیری و یا ارزیابی یک سیستم یا فرآیند تحت کنترل صحبت می کنیم‬
‫به عنوان نمونه عبارت " سال مالی موفق " را در نظر بگیرید‪ .‬برای بعضی شرکتها ‪ ،‬سال اقتصادی موفق یعنی اینکه نسبت به سال‬
‫قبل سود بیشتری بدست آورند اما برای برخی دیگر یعنی اینکه از ورشکستگی رهایی یابند! و‪ ...‬در نتیجه عبارت فوق الذکر یک‬
‫‪.‬گزاره وابسته به نحوه عملکرد شرکتهای مختلف است وبرخالف عبارت " سردی هوا" ذاتا لغتی فازی محسوب نمی شود‬
‫بدلیل ماهیت منطق فازی و تئوری مجموعه های فازی ‪ ،‬زمینه های کاربردی گسترده ای در علوم مهندسی و حتی اجتماعی و‬
‫‪ :Japan Soceity‬اقتصادی برای آن بوجود آمده است‪.‬یکسری از انجمنهای فعال در زمینه منطق و تکنولوژی فازی عبارتند از‬
‫)‪Fuzzy Theory and Systems(SOFT) ,Laboratory for International Fuzzy Engineering Research(LIFER‬‬
‫آشنایی با منطق فازی‬
‫منطق فازی عبارتست از "استدالل با مجموعه های فازی"‪ .‬پیش از معرفی تئوری منطق فازی توسط پروفسور لطفی زاده در ‪1965‬‬
‫محققان زیادی به رفع پارادوکسهای موجود در مسائل مطرح شده در علوم مختلف بر اثر محدودیت منطق دوگانه مشغول بودند ‪ ،‬مانند‬
‫در علوم زیست شناسی که در آن فرزندان بعضی از حیوانات به تیره خانواده ای متفاوت از والدینشان تعلق دارند‪ wooger‬پارادوکس‬
‫‪ ،.‬در حالیکه از نظر ژنتیکی چنین امری ممکن نیست و این موضوع با منطق دوگانه مرسوم سازگاری نداشت‬
‫منطق سه ارزشی را مطرح کرد که در آن ‪ Jan Lukasiewicz‬ابهام را جزئی از زبان دانست و یا ‪ Bertrand Russel‬در این راستا‬
‫هم وجود داشت‪.‬در منطق فازی به جای دو ارزشی بودن ‪ ،‬ما طیفی از ‪ possible‬منطق ارزشی ‪ False & True‬عالوه بر ارزشهای‬
‫ارزشها را در بازه بسته صفر و یک خواهیم داشت‪ .‬با این طیف می توان عدم قطعیت را به خوبی نمایش داد ‪ .‬تمایز عمده منطق‬
‫‪ .‬فازی با منطق چند ارزشی آن است که در منطق فازی مفهوم یک عبارت هم می تواند مبهم باشد(مانند سردی هوا‬
‫در منطق فازی می توانیم جمالتی را که معموال در محاورات روزانه در تحلیل مسائل استفاده می کنیم از قبیل "کامال درست‬
‫است" ‪"،‬کم و بیش درست است"‪" ،‬تا حدی نادرست است" و‪ ...‬را بکار بندیم ‪ .‬بطور کلی منطقها بعنوان پایه برهان به ‪ 3‬بخش متمایز‬
‫‪.‬تقسیم می شوند )‪ (reasoning‬و فرآیند استدالل )‪(operators‬عملگرها ‪ (Truth Values),‬مقادیر درستی‬
‫‪:‬برای دو ورودی منطق دودویی (با مقادیر درستی صفر و یک) به شکل زیر است ‪ or‬برای نمونه عملگر‬
‫‪OR B A‬‬
‫‪111‬‬
‫‪101‬‬
‫‪110‬‬
‫‪000‬‬
‫‪:‬و برای فرآیند استداللی به شرح زیر ما جدول متناسب را رسم نمودیم‬
‫‪Modus Ponens : (A ^ (A → B) )→B‬‬
‫‪B^A→BBA‬‬
 ‫‪11111‬‬
‫‪10001‬‬
‫‪10110‬‬
‫‪10100‬‬
‫این استداللها مربوط به منطق دودویی است ‪ ،‬در حالیکه منطق فازی بسطی از منطق چند ارزشی بر پایه تئوری مجموعه هاست که‬
‫‪.‬در آن مقادیر درستی بجای صفر و یک متغیرهای زبانی هستند‬

‫تئوری مجموعه های فازی‬

‫در ابتدای کار به منظور یاد آوری به مجموعه های کالسیک اشاره خواهیم داشت‪ .‬یک مجموعه کالسیک بعنوان یک مجموعه ای از‬
‫را )‪ µ(x‬مقدار ‪ U‬متعلق به مجموعه مرجع ‪ x‬تعریف می شود‪.‬در واقع تابع مشخصه‪ I‬ای وجود دارد که برای هر ‪A Є x‬اشیاء با اجزای‬
‫‪:‬است یا خیر ‪ A‬متعلق به ‪ x‬بررسی می کند‪ ،‬تا مشخص شود که آن‬
‫‪1 , if and onlyif xЄ A‬‬
‫‪A 0 , if and onlyif x‬‬
‫‪:‬یا درست است ویا غلط ‪.‬چنین مجموعه ای به اشکال مختلف قابل تعریف است ‪ xЄ A‬بعبارت دیگر گزاره‬
‫‪.‬می تواند لیست عناصری باشد که به مجموعه متعلقند ‪1-‬‬
‫}‪ A={x|x<5‬توصیف مجموعه با بیان شرط عضویت‪2- 2-‬‬
‫‪.‬تعریف عناصر بوسیله یک تابع مشخصه که در آن "‪ "1‬نشانه عضویت و "‪ "0‬نشانه عدم عضویت است ‪3-‬‬
‫اما زمانیکه تابع مشخصه می تواند مقادیر پیوسته ای در [‪ ]0,1‬را به خود اختصاص دهد آنگاه‬
‫]‪µ(x): U → [0,1‬‬
‫یک "درجه عضویت" تعریف می ‪ x‬نسبت داد یا بالعکس ‪ ،‬بلکه برای هر ‪ A‬را به مجموعه ‪ U‬دیگر نمیتوان بطور دقیق عضوی از‬
‫به این مجموعه بیش از ‪ x‬برابر ‪ 0.8‬است ‪ ،‬حاکیست که امکان تعلق ‪ A‬در مجموعه ‪ x‬شود ‪ ،‬مثال وقتی گفته می شود درجه عضویت‬
‫امکان عدم تعلق آنست ‪.‬این نکته پایه تئوری مجموعه های فازی است و عمل تخصیص درجه عضویت نیز بر عهده توابع عضویت‬
‫‪.‬می باشد‬
‫برای مثال فردی با ‪ 30‬سال سن ‪ ،‬بیش از آنکه به مجموعه "پیر" تعلق داشته باشد به مجموعه "جوان" متعلق است و این وابستگی را‬
‫‪.‬با عددی بین ‪ 0‬تا ‪ 1‬نشان می دهیم‬
‫‪:‬بصورت زوج مرتب زیر است ‪ U‬در مجموعه مرجع ‪ A‬تعریف‪ -‬یک مجموعه فازی‬
‫}‪A = { (x,µ(x))|xЄ A‬‬
‫یک مشاور امالک میزان راحتی و آسایش خانه ها را به توجه به تعداد اتاقهای خواب آن طبقه بندی می کند( این مفهوم فازی است‬
‫مجموعه ای از انواع }‪A={1,2,…,10‬به صورت‪ A‬چرا که مشاور امالک دیگر ممکن است نظری متفاوت داشته باشد)! اگر مجموعه‬
‫نشاندهنده تعداد اتاقهای خواب باشد ‪ ،‬آنگاه مجموعه فازی "خانه راحت" برای یک خانواده ‪ 4‬نفری ‪ x‬خانه های موجود با اعضای‬
‫‪:‬بشکل زیر قابل تعریف است‬
‫})‪A={(1,0.2),(2,0.5),(3,0.8),(4,1),(5,0.7),(6,0.3‬‬
‫‪B‬که در آن مناسبترین خانه ‪ ،‬با ‪ 4‬اتاق خواب در نظر گرفته شده و باالترین درجه عضویت هم به آن تخصیص یافته است‪ .‬بالتبع اگر‬
‫‪.‬خواهد بود ‪ A‬مجموعه فازی برای یک خانواده ‪ 5‬نفره باشد‪ ،‬حاصل مجموعه ای متفاوت از مجموعه‬

‫تابع عضویت‬
‫تابع عضویت‬
‫هر مقدار عددی را به درجه عضویت عبارات زبانی (بین ‪ 0‬تا ‪ )1‬می نگارد‪ .‬در حالت استاندارد ‪ 3 ،‬مرحله برای بدست آوردن تابع‬
‫‪:‬عضویت یک متغیر زبانی ذکر شده است‬
‫مرحله ‪1‬‬
‫برای هر عبارت ‪ ،‬آن مکانی که شامل نزدیکترین مقدار عددی به مفهوم زبانی عبارت است را انتخاب می کنیم و غالبا دارای‬
‫‪.pos-‬که در زیر نشان داده شده است ”‪ “power‬هم هست‪.‬مانند توابع عضویت مربوط به عبارت زبانی ‪ µ=1‬ماکزیمم درجه عضویت‬
‫‪.‬نشاندهنده توان منفی متوسط است ‪ neg-medium‬و )‪ (positive‬نمایانگر توان مثبت بزرگ ‪high‬‬

‫مرحله ‪2‬‬
‫‪.‬برای هر عبارت زبانی‪ ،‬مکان (یا مکانهایی) را که مقدار درجه عضویت عبارت در آنجا صفر است معین می کنیم‬
‫مرحله ‪3‬‬
‫‪ Λ‬بودند با خطوط مستقیم وصل می کنیمف که می تواند تابعی به شکل ‪ µ=0‬بوده را به نقاطی که دارای ‪ µ=1‬نقطه ای که دارای‬
‫باشد‪.‬برای متغیرهای خروجی (مانند توانهای موتور در مثال قبلی) ‪ Π ،‬ایجاد نماید یا برای حالتی که دونقطه ماکزیمم داریم بصورت‬
‫‪.‬همین روند تکرار می شود‬
‫‪:‬برای توابع عضویت شکلهای مختلفی وجود دارد که مهمترین آنها عبارتند از‬
‫مثلثی و ذوزنقه ای ‪1-‬‬
‫به ‪ 2‬دلیل این نوع شکل‪ ,‬در رسم توابع عضویت بیشترین کاربرد را دارند که علت آن سادگی در محاسبه خروجی یک سیستم فازی‬
‫‪.‬می باشد‬
‫مکعبی ‪2-‬‬
‫‪.‬که حالت متقارن مکعبی را شامل می شود‬
‫(حالت منحنی (نمایی‪3-‬‬
‫‪:‬که نمودار تابع عضویت آن به شکل زیر است‬
‫برای مرحله فازی سازی ورودیهای عددی تابع عضویت متغیر زبانی " تقریبا برابر عدد ‪ Π‬مثال در بررسی تابع عضویت بشکل‬
‫‪ "10:‬در شکل زیر ‪ 4‬نقطه در نظر می گیریم‬

‫مالحظه می شود که با استفاده از این ‪ 4‬نقطه کل ناحیه محور به ‪ 5‬بخش تقسیم خواهد شد‪ .‬در نتیجه هر ورودی عددی به سیستم ‪ ،‬در‬
‫یکی از این نواحی قرار می گیرد و بر همین اساس معادل زبانی و درجه عضویتش مشخص می گردد‪.‬فرضا اگر ورودی عدد ‪8‬‬
‫‪ .‬باشد‪ ،‬مقدار درجه عضویتش برای این عبارت زبانی ‪ 0.5‬خواهد بود‬
‫)‪(t-norm, co-norm‬عملیات اساسی روی مجموعه های فازی‬
‫‪.‬چون مجموعه های فازی با توابع عضویتشان تعریف می شوند ‪ ،‬در واقع عملگرها روی این توابع عمل می کنند‬
‫‪:‬بصورت مجموعه ای با تابع عضویت زیر تعریف می شود )‪ µA(x‬تعریف‪-‬مکمل مجموعه فازی با تابع عضویت‬
‫)‪µA(x)=1- µA(x‬‬
‫‪:‬به شکل زیر تبدیل می شود ”‪ “not‬فرضا تابع عضویت مجموعه فازی " تقریبا عدد ‪ "10‬با اعمال این عملگر یعنی‬

‫‪:‬مجموعه با تابع عضویت زیر است ‪ C=AΠB ،‬اشتراک ‪ 2‬مجموعه فازی ‪-co-norm‬تعریف‬
‫‪µC(x)=min {µA(x), µB(x)} xЄA‬‬
‫یا روابط دیگری که توسط افراد )‪ µA(x)* µB(x‬البته راههای دیگری در تعریف اشتراک وجود دارد ‪ ،‬مانند ضرب توابع عضویت‬
‫‪.‬مختلف بکارگرفته شده است‬
‫‪:‬تابع عضویتی به شکل زیر دارد ‪ C=AUB‬اجتماع ‪ 2‬مجموعه فازی ‪-t-norm‬تعریف‬
‫‪µC(x)=max {µA(x), µB(x)} xЄA‬‬

‫متغیرهای زبانی‬
‫مجموعه ای از )‪ ... ، T(x‬نام متغیر زبانی مانند دما‪ ،‬فشار و ‪ x‬مشخص می شود که )‪ (x,T(x),U,G,M‬یک متغیر بوسیله یک پنج تایی‬
 ‫مجموعه مرجعی است که مقادیر زبانی روی آن ‪ ...، U‬تعریف می شود ‪ ،‬مانند خیلی زیاد‪ ،‬کم و ‪ x‬مقادیر زبانی است که برای‬
‫تعریف می شوند ‪ ،‬مثال برای دما ‪ ،‬بازه بین ‪ -50‬و ‪ +100‬درجه سلسیوس بعنوان مقادیر مجاز برای مجموعه فازی " دما" تعریف‬
‫هم یک تابع عضویت تعریف شده روی مجموعه مرجع است که مفهوم مقادیر زبانی در عبارت را مشخص می کند ‪. G‬می شود‬
‫‪:‬است مانند ‪ U‬بعنوان زیر مجموعه ای فازی از )‪M(x‬و‬
‫}]‪M(old)={(x,µold(x)|x Є[0,100‬‬
‫]‪µold(x)= ,x Є [50,100‬‬
‫پروفسور" زاده " در سال ‪ 1973‬می نویسد‪ ":‬متغیرهای زبانی ‪ ،‬متغیرهایی هستند که مقادیرشان اعداد نیستند ‪ ،‬بلکه لغات یا جمالت‬
‫یک زبان طبیعی یا ساختگی هستند‪ ".‬اگرچه تئوری مجموعه های فازی فقط با مدلهای ریاضی سر و کار دارد ‪ ،‬ولی امکان مدلسازی‬
‫‪ :‬لغات و عبارات یک زبان طبیعی را به کمک متغیرهای زبانی می دهد‪ .‬بطور کلی متغیرها به ‪ 2‬دسته تقسیم می شوند‬
‫‪.‬زبانی‪ :‬مانند کلمات و عبارات مر بوط به یک زبان طبیعی را گویند‪1-‬‬
‫‪.‬عددی‪:‬که متغیرها دارای مقادیر عددی هستند ‪2-‬‬
‫یک متغیر زبانی در واقع یک عبارت زبان طبیعی است که به یک مقدار کمیت خاص اشاره دارد و اصطالحا مانند مترجم عمل می‬
‫کندو به کمک تابع عضویت نشان داده می شود مانند واژه "سرد" در جمله "هوا سرد است"‪ .‬سردی خود متغیری است برای دمای‬
‫‪.‬هوا که می تواند مقادیر مختلفی به خود اختصاص دهد و در واقع یک تابع عضویت برای آن تعریف می شود‬
‫ها عبارتی تجزیه ناپذیر است ‪ ،‬مانند " تا ‪ ui‬تشکیل شوند که هر کدام از ‪u=u1,u2,u3,…,un‬متغیرهای زبانی می توانند از الحاق‬
‫‪:‬حدی سرد" ‪ ،‬که در مجموع به ‪ 4‬دسته زیر تقسیم می شود‬
‫عبارات اصلی‪ :‬که بعنوان برچسبهایی برای مجموعه های فازی در نظر گرفته می شوند و مانند "سرد" در عبارت باال یا عباراتی ‪1-‬‬
‫‪.‬از قبیل‪ :‬کوتاه ‪ ،‬بلند و‪ ...‬که هر کدام تابع عضویت مخصوص خود را دارند‬
‫‪...‬حروف ربط ‪ :‬مانند و ‪ ،‬یا ‪2-‬‬
‫پیراینده ‪ :‬که روی عبارات اولیه اعمال شده و اثر تشدید یا تضعیف در مفهوم آن عبارت را بهمراه دارد مانند تا حدی ‪ ،‬اندکی ‪3- ،‬‬
‫‪...‬بسیار و‬
‫‪...‬حروف نشانه مانند پرانتز و ‪4-‬‬
‫شود آنگاه عبارت دقیق ∞=‪ p‬است و اگر )∞‪ pЄ[0,‬عمل می کنند که ‪ p‬به توان ‪ u‬بصورت ‪ u‬تمامی پیراینده ها روی عبارات اصلی‬
‫و غیر فازی حاصل می شود و نشان می دهد که هیچ ابهام و تردیدی وجود ندارد‪.‬اگر فرضا متغیر زبانی “پیر” را بعنوان مالک ایجاد‬
‫‪:‬یک مجموعه فازی در نظر بگیریم آنگاه آن مجموعه بصورت زیر خواهد بود‬
‫پیر={(‪0.3‬و‪0.5(،)45‬و‪0.8(،)50‬و‪0.9(،)55‬و‪1(،)60‬و‪1(،)70‬و‪})75‬‬
‫آنگاه عبارت "بسیار پیر" ="پیر به توان ‪ " 2‬یعنی تمام درجات عضویت به توان ‪ 2‬می رسند که ما حصل‬
‫‪:‬بصورت زیر خواهد بود‬
‫بسیار پیر={(‪0.09‬و‪0.25(،)45‬و‪0.64(،)50‬و‪0.81(،)55‬و‪1(،)60‬و‪1(،)70‬و‪})75‬‬
‫و یا برای نمونه عملگری مثل "کم و بیش" که خاصیت تضعیف کنندگی مفهوم را با خود بدنبال دارد بصورت "کم و بیش پیر" = "پیر‬
‫‪ " .‬به توان‬
‫‪.‬از مهمترین کاربردهای این منطق در هوش مصنوعی و طراحی رباتهاست‪I‬‬

‫منطق فازي و هوش مصنوعي‬

‫جالب‌ترين كاربرد منطق فازي‪ ،‬تفسيري است كه اين علم از ساختار تصميم‌گيري‌هاي موجودات هوشمند‪ ،‬و در راس آن‌ها‪ ،‬هوش‬
‫‪.‬انساني‪ ،‬به دست مي‌دهد‬
‫اين منطق به خوبي نشان مي‌دهد كه چرا منطق دو ارزشي <صفر و يك> در رياضيات كالسيك قادر به تبيين و توصيف مفاهيم‪ ‬‬
 ‫‪.‬نادقيقي همچون <گرما و سرما> كه مبناي بسياري از تصميم‌گيري‌هاي هوشمند را تشكيل مي‌دهند‪ ،‬نيست‬
‫شايد يكي از جالب‌ترين كاربردهاي منطق فازي هوش مصنوعي در بازي‌هاي رايانه‌اي و جلوه‌هاي ويژه سينمايي باشد‪ .‬برخي از‬
‫خوانندگان كه بخش هنر و سرگرمي ماهنامه شبكه را دنبال مي‌كنند‪ ،‬ممكن است مقاله ارباب حلقه‌ها را در شماره ‪ 41‬به ياد بياورند‪.‬‬
‫نام بردم‪ .‬از اين نرم‌افزار ‪ Massive‬در آنجا درباره چگونگي توليد جلوه‌هاي ويژه در اين فيلم سينمايي صحبت كردم و از نرم‌افزار‬
‫‪.‬در بسياري از صحنه‌هاي فيلم براي توليد حركات‪ I‬لشكر موجودات متخاصم استفاده شده بود‬
‫‪ ‬‬
‫‪ ‬‬

‫شكل ‪5‬‬
‫در اين برنامه متخصصان كامپيوتر و انيميشن ابتدا موجوداتي را به صورت الگو ايجاد كرده بودند و سپس به كمك منطق فازي‬
‫مصداق‌هايي تصادفي از اين موجودات خيالي پديدآورده بودند كه حركات تصادفي ‪ -‬اما از پيش تعريف شده‌اي‌‪ ‌-‬در اعضاي بدن خود‬
‫‪.‬داشتند‬
‫اين موجودات در حقيقت داراي نوعي هوش مصنوعي بودند و مي‌توانستند براي نحوه حركت دادن اعضاي بدن خود تصميم بگيرند‪ .‬‬
‫در عين حال تمام موجوداتي كه در يك لشكر به سويي مي‌تاختند يا با دشمني مي‌جنگيدند‪ ،‬از جهت حركت يكساني برخودار بودند و به‬
‫‪.‬سوي يك هدف مشخص حمله مي‌كردند(شكل‪)5‬‬
‫اين ساختار كامال‌ً پيچيده و هوشمند به فيلمسازان اجازه داده بود كه اين موجودات افسانه‌اي را در دنياي مجازي كامپيوتر به حال خود‬
‫‪.‬رها كنند تا به سوي دشمنان حمله كنند و اين همه بي‌ترديد بدون بهره‌گيري از منطق فازي امكانپذير نبود‬
‫كه به دليل به‌كارگيري منطق فازي براي ايجاد هوش‌مصنوعي در طراحي لشكريان فيلم‌ ارباب حلقه‌ها ‪ Massive Software‬شركت‪ ‬‬
‫‪.‬نيز به‌كار برد ‪ King Kong‬و ‪ I.Robot‬برنده جايزه اسكار شد‪ ،‬بعداً اين تكنيك را در فيلم‌هاي ديگري همچون‬
‫استفاده از منطق فازي براي هوشمند‌كردن موجودات نرم‌افزاري تنها گونه‌اي از كاربردهاي اين نظريه در هوش‌مصنوعي است‪.‬‬
‫منطق فازي در هوشمند ساختن روبات‌هاي سخت‌افزاري نيز كاربردهاي زيادي دارد‪ .‬در شماره‌هاي آتي ماهنامه شبكه به اين موضوع‬
‫‪.‬بيشتر خواهيم پرداخت‬
‫كاربردهاي منطق فازي‬
‫منطق فازي كاربردهاي متعددي دارد‪ .‬ساده‌ترين نمونه يك سيستم كنترل دما يا ترموستات است كه بر اساس قوانين فازي كار مي‌كند‪.‬‬
‫سال‌هاست كه از‪  ‬منطق فازي براي كنترل دماي آب يا ميزان كدرشدن آبي كه لباس‌ها در آن شسته شده‌اند در ساختمان‪ I‬اغلب‬
‫‪.‬ماشين‌هاي لباسشويي استفاده مي‌شود‬
‫امروزه ماشين‌هاي ظرفشويي و بسياري از ديگر لوازم خانگي نيز از اين تكنيك استفاده مي‌كنند‪ .‬منطق فازي در صنعت خودروسازي‪ ‬‬
‫در برخي از خودروها از منطق فازي استفاده مي‌كند‪ .‬يكي از معروف‌ترين ‪ ABS‬نيز كاربردهاي فرواني دارد‪ .‬مثالً سيستم ترمز و‬
‫نمونه‌هاي به‌كارگيري منطق فازي در سيستم‌هاي ترابري جهان‪ ،‬شبكه مونوريل (قطار تك ريل) توكيو در ژاپن است‪ .‬ساير سيستم‌هاي‬
‫‪.‬حركتي و جابه‌جايي بار‪ ،‬مثل آسانسورها نيز از منطق فازي استفاده مي‌كنند‬
‫سيستم‌هاي تهويه هوا نيز به وفور منطق فازي را به‌كار مي‌گيرند‪ .‬از منطق فازي در سيستم‌هاي پردازش تصوير نيز استفاده مي‌شود‪ .‬‬
‫يك نمونه از اين نوع كاربردها را مي‌توانيد در سيستم‌هاي <تشخيص لبه و مرز> اجسام و تصاوير(‪ )3‬مشاهده كنيد كه در روباتيك‬
‫مثل سيستم‌هاي )‪ (Pattern Recognition‬نيز كاربردهايي دارد‪ .‬به طور كلي خيلي از مواقع در ساختمان سيستم‌هاي تشخيص الگوها‬
‫‪.‬تشخيص گفتار و پردازش تصوير از منطق فازي استفاده مي‌شود‬
‫‪ ‬‬

‫شكل ‪3‬‬
‫‪ ‬‬

‫فرمول ‪2‬‬

‫منطق فازي چگونه به‌كار گرفته مي‌شود؟‬

‫منطق فازي را از طريق قوانيني كه <عملگرهاي فازي> ناميده مي‌شوند‪ ،‬مي‌توان به‌كار گرفت‪ .‬اين قوانين معموالً بر اساس مدل زير‬
 ‫‪:‬تعريف مي‌شوند‬
‫‪IF variable IS set THEN action‬‬
‫به عنوان مثال فرض كنيد مي‌خواهيم يك توصيف فازي از دماي يك اتاق ارائه دهيم‪ .‬در اين صورت مي‌توانيم چند مجموعه فازي‬
‫تبعيت كند‪ .‬شكل ‪ 2‬نموداري از نگاشت‪ I‬متغير <دماي هوا> به چند مجموعه‌ فازي با نام‌هاي ‪ (‌u(x‬تعريف كنيم كه از الگوي تابع‬
‫<سرد>‪< ،‬خنك>‪< ،‬عادي>‪< ،‬گرم> و <داغ> است‪ .‬چنان كه مالحظه مي‌كنيد‪ ،‬يك درجه حرارت معين ممكن است متعلق به يك يا‬
‫‪.‬دو مجموعه باشد‬
‫‪ ‬‬
‫‪ ‬‬

‫شكل ‪2‬‬
‫هم متعلق به مجموعه <سرد> و هم متعلق به مجموعه <خنك> است‪ .‬اما ‪ T2‬و ‪ T1‬به عنوان نمونه‪ ،‬درجه حرارت‌هاي بين دماي‬
‫تنها به اندازه ‪  T2‬درجه عضويت يك دماي معين در اين فاصله‪ ،‬در هر يك از دو مجموعه متفاوت است‪ .‬به طوري كه دماي نزديك‬
‫‪.‬چند صدم در مجموعه <سرد> عضويت دارد‪ ،‬اما نزديك نوددرصد در مجموعه <خنك> عضويت دارد‬
‫‪ ‬‬

‫پارادايم حاكم بر يك كنترلر فازي به اين ترتيب است كه متغيرهاي دنياي واقعي به عنوان ورودي دريافت‪ I‬مي‌شوند‪ .‬قوانين فازي آن‌ها‬
‫را به متغيرهاي معنايي تبديل مي‌كند‪ .‬فرآيند فازي اين ورودي را مي‌گيرد و خروجي معنايي توليد مي‌كند و سرانجام خروجي‌ها به‬
‫‪.‬زبان دنياي واقعي ترجمه مي‌شوند‪ .‬نمودار شكل ‪ 3‬مصداقي از همين روند است‬

‫مجموعه‌هاي فازي‬
‫بنياد منطق فازي بر شالوده نظريه مجموعه‌هاي فازي استوار است‪ .‬اين نظريه تعميمي از نظريه كالسيك مجموعه‌ها در علم رياضيات‬
‫است‪ .‬در تئوري كالسيك مجموعه‌ها‪ ،‬يك عنصر‪ ،‬يا عضو مجموعه است يا نيست‪ .‬در حقيقت عضويت عناصر از يك الگوي صفر و‬
‫يك و باينري تبعيت مي‌كند‪ .‬اما تئوري مجموعه‌هاي فازي اين مفهوم را بسط مي‌دهد و عضويت درجه‌بندي شده را مطرح مي‌كند‪ .‬به‬
‫اين ترتيب كه يك عنصر مي‌تواند تا درجاتي ‪ -‬و نه كامالً ‪ -‬عضو يك مجموعه باشد‪ .‬مثالً اين جمله كه <آقاي الف به اندازه‬
‫هفتاددرصد عضو جامعه بزرگساالن است> از ديد تئوري مجموعه‌هاي فازي صحيح است‪ .‬در اين تئوري‪ ،‬عضويت اعضاي‬
‫در ‪ x‬تابعي فازي است كه درجه عضويت ‪ u‬نمايانگر يك عضو مشخص و ‪ x‬مشخص مي‌شود كه ‪ (u(x‬مجموعه از طريق تابع‬
‫‪.‬مجموعه مربوطه را تعيين مي‌كند و مقدار آن بين صفر و يك است (فرمول ‪)1‬‬
‫‪ ‬‬

‫فرمول ‪1‬‬

‫ممكن است مجموعه‌اي از ‪ (‌u(x‬به مقادير عددي ممكن بين صفر و يك را مي‌سازد‪ .‬تابع ‪ x‬نگاشتي از مقادير ‪، (‌u(x‬به بيان ديگر‬
‫فقط تعدادي از مقادير گسسته‪ I‬بين صفر و يك را تشكيل مي‌دهد‪ ،‬مثالً ممكن است ‪u ‬يا پيوسته باشد‪ .‬وقتي كه )‪ (discrete‬مقادير گسسته‬
‫پيوسته باشند‪ ،‬يك منحني پيوسته از اعداد ‪u ‬شامل اعداد ‪ 3/0‬و ‪ 5/0‬و ‪ 7/0‬و ‪ 9/0‬و صفر و يك باشد‪ .‬اما وقتي مجموعه مقادير‬
‫‪.‬اعشاري بين صفر و يك تشكيل مي‌شود‬
‫در اين نمودار مي‌تواند قانون عضويت در يك ‪‌(‌u(x‬را نشان مي‌دهد‪ .‬تابع ‪ ‌(‌u(x‬به مقادير ‪ x‬شكل ‪ 1‬نموداري از نگاشت‪ I‬پيوسته مقادير‬
‫‪.‬مجموعه فازي فرضي را تعريف كند‬