人工智能ch8-模糊推理 - 2.pptVIP

8.3 模糊推理系统;一、模糊推理的定义;一、模糊推理的定义;二、模糊推理系统的设计方法;分析可知： 输入变量(语言变量)：服务、食品 “服务”有3个语言值：差、好、极好； “食品”有2个语言值：差、极好； 输出变量(语言变量) ：小费 “小费”有3个语言值：低、中等、高； 推理规则有三条; service = 5 food = 5;设计模糊逻辑推理系统的基本步骤： Step1. 确定输入/输出的模糊子集及其论域 Step2. 选择控制规则 Step3. 规则的关系运算（蕴含，合成） Step4. 精确化过程;模糊子集和论域的确定，与实际问题密切相关。 论域可以是连续的也可以是离散的。 论域离散化实质上是一个量化过程。 量化：将论域离散成确定数目的几小段(量化级)；每一段用某一个特定术语作为标记，形成一个离散域；然后通过对离散域中的特定术语赋予隶属度来定义模糊集。;设连续论域：[-50, 50] 量化等级： 9级 根据实际问题的需求，通常采用非线性映射。;输入/输出空间的模糊划分 模糊规则前提中的每一个语言变量都形成一个对应于确定论域的模糊输入空间，结论中的语言变量则形成模糊输出空间。 每个语言变量都有与之相对应的术语（语言值）集合，术语集合中的每个术语被定义在同一论域上。 模糊划分就是确定术语集合中有多少个术语，如：（NB，NS，ZE，PS，PB，…），（负大，负小，零，正小，正大，…），即确定基本模糊集的数目。 目前，模糊输入输出空间的划分还没有统一的解决方法，通常采用启发式实验划分来找最佳模糊分区。 ;确定各模糊子集的隶属函数 通常有两种模糊集隶属度函数的表示方式： 数字表示法：适用于离散论域 函数表示法：适用于连续论域 具体设计方法已在8.2.2节作了介绍。;e=5 ? 量化等级：1 ? ?PS(e)=0.4, ?ZE(e)=0.2;模糊控制系统中，为消除大的误差，需要在量化级之间进行插值运算。 一个简单的插值运算方法是：引入权系数w(·)，对于任意一个连续的测量值，通过相邻两个离散值的加权运算得到模糊隶属度的值。;e=20 ? 量化等级：;模糊空间中，术语集的基数决定了可以建立的模糊控制规??的最大数目，即基本模糊集的数目决定模糊逻辑控制器的控制分辨率。 目前，模糊规则库的建立大致有四种方法：专家经验法、 观察法、 基于模糊模型的控制、 自组织法。 值得注意的是，以上方法是相互排斥的，实际使用时常综合利用各种方法。;专家经验法 通过对专家控制经验的咨询，利用条件语句来模拟人类的控制行为，形成控制规则库。由于与专家的控制特性直接相关，因此是一种很自然的，但主观性较强的方法。 if e=NB and de=PS then u=PS if e=NB and (de=NS or ZE) then u=PB …… ;观察法 基本思路：观察人类控制行为，提炼出控制思想，形成一套基于模糊条件语言类型的控制规则，然后建立模糊规则库。 问题的难点： 如何用逻辑形式表达专家/操作工控制的经验和诀窍。 如何使系统通过训练获取所需要的技巧，具有不断改善和自学习的功能。;观察法 一般设计步骤： 　 让熟练操作员实际操作来建立熟练操作员的操作模型，建立操作员所用的输入信息与其输出信息之间的关系。 Sugeno的基于观察模型的规则库建立方法就属于观察法。;观察法--Sugeno基于观察模型的规则库建立方法 设模糊系统辨识模型用参数形式的规则描述： Aji为模糊语言值；xi为输入变量；vi为输出变量。 待求解模型参数： 结构参数(N, P)、系数|Aji, aji|;观察法--Sugeno基于观察模型的规则库建立方法 给定一组输入： 最终输出： wi：权系数，对于给定输入，第i条模糊推理规则的可信度 ;观察法--Sugeno基于观察模型的规则库建立方法 定义正则化权系数： 则推理输出v0可转换成为给定输入的线性组合：;观察法--Sugeno基于观察模型的规则库建立方法 对控制对象进行观察并收集输入和输出的样本数据{x1, x2, ?, xp, v}。 采用最小二乘法，计算出待定系数{aji}。 进一步地，可建立模糊推理规则。;“若A则B”是推理系统中常用的规则表现形式。 在模糊推理中，把“若A则B”看成为一种模糊蕴含关系，用 A?B 表示，且 A?U ，B?V ，则 A?B 是直积U?V上的模糊关系，即： 两种重要的模糊逻辑推理方法：模糊取式推理和模糊拒式推理。;模糊取式推理 对给定的 A*，A