模糊邏輯：定義，含義，示例和歷史

什麼是模糊邏輯？

模糊邏輯是一種可變處理的方法，它允許通過同一變量處理多個可能的真實值。模糊的邏輯嘗試通過開放的，不精確的數據范圍來解決問題啟發式法這使得獲得一系列準確的結論成為可能。

模糊邏輯旨​​在通過考慮所有可用信息並根據輸入做出最佳決定來解決問題。

了解模糊邏輯

模糊的邏輯源於多相邏輯的數學研究。普通的邏輯涉及絕對真理的陳述（例如，“該對像是綠色的？這試圖模仿人類分析問題並做出決定的方式，以依賴於模糊或不精確的價值觀而不是絕對真理或虛假的方式。

在實踐中，這些結構都允許“真實”條件的部分值。與其要求所有語句是絕對真實或絕對錯誤的，例如在經典邏輯中，模糊邏輯中的真實值可以是零和一個之間的任何值。這為算法創造了一個基於數據范圍而不是一個離散數據點的範圍做出決策的機會。

如今，模糊邏輯已用於廣泛的應用中，包括：航空航天工程，汽車交通管制，業務決策，工業流程，人工智能和機器學習。

模糊邏輯的歷史

模糊邏輯是由Lotfi Zadeh在1965年的《期刊》上提出的信息和控制。扎德（Zadeh）在他的論文中，標題為“模糊集”，試圖反映信息處理中使用的數據類型，並得出了此類集合的元素邏輯規則。

扎德解釋說：“通常，在真實的物理世界中遇到的對像類別沒有確切的成員標準。” “然而，事實仍然是，這種不當定義的'類'在人類思維中起著重要作用，尤其是在模式識別，信息傳播和抽象的領域中。”

從那時起，模糊邏輯已成功應用於機器控制系統，圖像處理，人工智能和其他依賴具有模棱兩可解釋的信號的字段。

模糊邏輯和決策樹

從最基本的意義上講，模糊邏輯是通過決策樹類型分析。因此，在更廣泛的規模上，它構成了通過基於規則的推論編程的人工智能係統的基礎。

通常，“模糊”一詞是指在決策樹狀系統中可以開發的大量場景。制定模糊邏輯協議可能需要集成基於規則的編程。這些編程規則可能被稱為模糊集，因為它們是由綜合模型酌情開發的。

模糊集也可能更複雜。在更複雜的編程類比中，程序員可能具有擴大用於確定變量包含和排除的規則的能力。這可能會導致更廣泛的選項，並且基於規則的推理較少精確。

人工智能中的模糊語義

模糊邏輯和模糊語義的概念是人工智能解決方案編程的核心組成部分。隨著模糊邏輯的編程功能也擴大，人工智能解決方案和工具繼續在各個部門的經濟中擴展。

IBM的沃森（Watson）是使用模糊邏輯和模糊語義的變體的最著名的人工智能係統之一。特別是在金融服務中，正在使用模糊邏輯機器學習和支持投資情報產出的技術系統。

在一些高級交易模型中，模糊邏輯數學的集成也可以用來幫助分析師創建自動化的買賣信號。這些系統可幫助投資者對影響其投資的各種不斷變化的市場變量做出反應。

模糊邏輯的示例

在高級軟件交易模型中，系統可以使用可編程模糊集實時分析數千份證券，並為投資者提供最佳的機會。當一個模糊邏輯經常使用商尋求利用多種因素進行考慮。這可能會導致用於交易決策的狹窄分析。交易者也可能有能力編程製定交易的各種規則。兩個示例包括以下內容：

• 規則1：如果移動平均值為低，相對強度指數（RSI）較低，然後出售。
• 規則2：如果移動平均值很高，並且相對強度指數（RSI）很高，然後購買。

模糊邏輯允許交易者在這些基本示例中對低和高的主觀推斷進行編程，以獲得自己的自動交易信號。

模糊邏輯的優缺點

模糊邏輯經常用於機器控制器和人工智能，也可以應用於交易軟件。儘管它具有廣泛的應用，但也有很大的限制。

因為模糊的邏輯模仿人類的決策，這對於用模棱兩可或扭曲的輸入對複雜問題進行建模最有用。由於與自然語言的相似之處，模糊邏輯算法比標準邏輯編程更容易編碼，並且需要更少的說明，從而節省了內存存儲要求。

由於模糊邏輯的不精確性，這些優勢也帶來了缺點。由於系統是針對數據和輸入不准確的，因此必須對其進行測試和驗證，以防止結果不准確。

底線

模糊邏輯是經典邏輯的擴展，將因素的不確定性納入了人類決策。它經常用於解決複雜問題，其中參數可能不清或不精確。模糊邏輯也用於投資軟件，可以用來解釋模棱兩可或不清楚的交易信號。