28-04-2019, 05:35 PM
[font=IRANSans]اصطلاح «فازی» (Fuzzy) به معنی گنگ و نامشخص است. در زندگی عادی نیز گاهی با موقعیتیهایی مواجه میشویم که نمیدانیم تصمیم درست یا نادرست کدام است و عملکرد صحیح از چشممان مخفی شده. در این هنگام، «منطق فازی» (Fuzzy Logic) یک پیشنهاد منطعف و با ارزش ارائه میدهد. به این ترتیب برای هر موقعیتی میتوان میزان عدم قطعیتی تعیین کرد. به همین علت گاهی به منطق فازی، منطق مشکک هم میگویند زیرا نتایج آن با شک و تردید ایجاد شدهاند.
منطق فازی، امروزه به حل بسیاری از مسائل مربوط به تصمیمگیری کمک کرده است بطوری که در بیشتر مواقع، بهترین تصمیم براساس ورودیها را تولید میکند. منطق فازی، برمبنای تصمیمگیریهای انسانی پایهریزی شده است و به صورتی میتوان آن را توسعه «منطق ارسطویی» (Aristotle Logic) یا «منطق بولی» (Boolean Logic) دانست. امروزه برمبنای منطق فازی، «اعداد فازی» (Fuzzy Numbers)، «محاسبات فازی» (Fuzzy Arithmetic) و حتی روشهای آماری فازی (Statistical Fuzzy Tools) نظیر خوشهبندی فازی ایجاد شده است. دستگاهها و رایانههایی تولید شده که دارای عملکرد به مراتب بهتر نسبت به دستگاههای مشابه با منطق بولی هستند.
منطق فازی (Fuzzy Logic)
مفهوم و مطالعه در مورد منطق فازی از سال 1۹2۰ آغاز شد ولی عبارت منطق فازی اولین بار توسط پروفسور لطفی عسگرزاده (1921-2017) در سال 1۹۶۵ در دانشگاه برکلی به کار رفت. ایشان با توجه به منطق به کار رفته در دستگاههای دیجیتال، متوجه شد که این دستگاهها توانایی شبیهسازی تفکرات و ایدههای ذهن انسان را دارا نیستند و نمیتوانند مانند انسان فکر کنند زیرا منطق دیجیتال برای هر تصمیم فقط دو وضعیت «درست» (True) و «غلط» (False) را در نظر میگیرد، در حالیکه تفکر انسانی درجاتی از درستی یا نادرستی را برای تصمیم محسوب میکند.
[/font]
میتوان رویکرد منطق فازی را به شکلی تصور کرد که به جای در نظر گرفتن دو وضعیت مثلا سیاه یا سفید، طیفی از رنگ خاکستری را جایگزین کرد که از یک طرف به رنگ سفید و از طرف دیگر به رنگ سیاه محدود میشود. در حوزههای مختلفی مانند «هوش مصنوعی» (Artificial Intelligence) و «نظریه کنترل» (Control Theory) از منطق فازی استفاده میشود. بنابراین با استفاده از منطق فازی در این زمینهها، رایانهها قادر هستند براساس دادههای غیرقطعی و غیرصریح، محاسبات و تصمیمسازی کنند.
خصوصیات منطق فازی
بیش از ۵۰ سال از ابداع دکتر لطفی زاده در منطق فازی میگذرد و مقالات بسیاری در این زمینه زیر نظر ایشان یا با ارجاع به مقاله اصلی نوشته شده است و جنبههای مختلف این منطق و محاسبات بر مبنای اعداد فازی مورد بررسی قرار گرفته است. در ادامه این نوشتار به معرفی برخی از خصوصیات منطق فازی میپردازیم.
[/size]
[list]
[*]پیادهسازی انعطافپذیر و سادگی الگوریتمها در روشهای «یادگیری ماشین» (Machine Learning)
[*]امکان شبیهسازی منطق و طرز تفکر انسانی
[*]امکان ایجاد دو راه حل یا پاسخ برای یک مسئله
[*]مناسب برای حل مسائلی با پاسخهای تقریبی
[*]نگاه فرآیندی به استنتاج به همراه استفاده از قیدها و شرطهای منعطف در منطق فازی
[*]امکان ایجاد توابع غیرخطی با پیچیدگیهای دلخواه
[*]وجود وابستگی شدید به نظر محقق در ایجاد مدلهای منطق فازی
[/list][size=undefined]
چه مواقعی نباید منطق فازی را استفاده کرد
مشخص است که نمیتوان منطق فازی را یک راه حل جامع برای همه مسائل دانست. بنابراین مهم است که بدانیم در چه مواقعی نباید از منطق فازی استفاده کرد. در لیست زیر به معرفی زمینههایی میپردازیم که بهتر است از منطق فازی استفاده نشود.
[/size]
[list]
[*]اگر دادهها و فضای نتایج برای منطق فازی مناسب نیستند.
[*]زمانی که از حواس پنچگانه استفاده میشود، منطق فازی کارساز نیست.
[*]اگر روشهای کنترل و تصمیمگیری بدون منطق فازی به خوبی کار میکنند، پس احتیاجی نیست که آنها را به منطق فازی تبدیل کنیم.
[/list][size=undefined]
ساختار منطق فازی
منطق فازی دارای چهار بخش اصلی است که در ادامه معرفی شدهاند. همچنین در نمودار زیر نحوه ارتباط این بخشها به خوبی دیده میشود.[/size]
[size=undefined]
قوانین پایه: این بخش، شامل همه قاعدهها و شرایطی است که به صورت «اگر…آنگاه» توسط یک متخصص مشخص شدهاند تا قادر به کنترل تصمیمات یک «سیستم تصمیمگیری» (Decision-making system) باشند. با توجه به روشهای جدید در نظریه فازی، امکان تنظیم و کاهش قواعد و قوانین بوجود آمده است به طوری که با کمترین قوانین میتوان بهترین نتیجه را گرفت.
فازی سازی: در گام فازی سازی، ورودیها به اطلاعات فازی تبدیل میشوند. به این معنی که اعداد و ارقام و اطلاعاتی که باید پردازش شوند، به مجموعهها و اعداد فازی تبدیل خواهند شد. دادههای ورودی که مثلا توسط حسگرها در یک سیستم کنترل، اندازهگیری شدهاند، به این ترتیب تغییر یافته و برای پردازش برمبنای منطق فازی آماده میشوند.
موتور استنتاج یا هوش: در این بخش، میزان انطباق ورودیهای حاصل از فازی سازی با قوانین پایه مشخص میشود. به این ترتیب براساس درصد انطباق، تصمیمات مختلفی به عنوان نتایج حاصل از موتور استنتاج فازی تولید میشود.
برگرداندن از فازی: در آخرین مرحله نیز نتایج حاصل از استنتاج فازی که به صورت مجموعهها فازی هستند به دادهها و اطلاعات کمی و رقمی تبدیل میشوند. در این مرحله شما با توجه خروجیها که شامل تصمیمات مختلف به همراه درصدهای انتطباقهای متفاوتی هستند، دست به انتخاب بهترین تصمیم میزنید. معمولا این انتخاب برمبنای بیشترین میزان انطباق خواهد بود.
منطق فازی و احتمال
همانطور که گفته شد، در منطقی فازی درجه قطعیت یا میزان درستی یک گزاره توسط یک عدد در فاصله ۰ تا 1 بیان میشود. در نظریه احتمال نیز برای وقوع یک پیشامد از عددی بین ۰ تا 1 استفاده میکنیم. به این ترتیب به نظر میرسد که انطباقی بین این دو مفهوم و البته با کاربرد متفاوت وجود دارد. بنابراین اگر با دید نظریه احتمال بگوییم: «با احتمال ۹۰٪، یک فرد، عینکی هستند.»، میتوان آن را در منطق فازی به صورت: «درجه عضویت فردی به گروه افراد عینکی برابر با 0.9 است.» نشان داد. به این ترتیب میتوان گفت که احتمال، یک مدل ریاضی برای پدیدههای نامشخص و تصادفی است و از طرفی منطق فازی نیز مدلی برمبنای ریاضیات است که برای تعیین حقیقت برای هر پدیده، از مقداری به عنوان «میزان درستی» (Truth Degree) استفاده میکند.
[/size]
منطق فازی، امروزه به حل بسیاری از مسائل مربوط به تصمیمگیری کمک کرده است بطوری که در بیشتر مواقع، بهترین تصمیم براساس ورودیها را تولید میکند. منطق فازی، برمبنای تصمیمگیریهای انسانی پایهریزی شده است و به صورتی میتوان آن را توسعه «منطق ارسطویی» (Aristotle Logic) یا «منطق بولی» (Boolean Logic) دانست. امروزه برمبنای منطق فازی، «اعداد فازی» (Fuzzy Numbers)، «محاسبات فازی» (Fuzzy Arithmetic) و حتی روشهای آماری فازی (Statistical Fuzzy Tools) نظیر خوشهبندی فازی ایجاد شده است. دستگاهها و رایانههایی تولید شده که دارای عملکرد به مراتب بهتر نسبت به دستگاههای مشابه با منطق بولی هستند.
منطق فازی (Fuzzy Logic)
مفهوم و مطالعه در مورد منطق فازی از سال 1۹2۰ آغاز شد ولی عبارت منطق فازی اولین بار توسط پروفسور لطفی عسگرزاده (1921-2017) در سال 1۹۶۵ در دانشگاه برکلی به کار رفت. ایشان با توجه به منطق به کار رفته در دستگاههای دیجیتال، متوجه شد که این دستگاهها توانایی شبیهسازی تفکرات و ایدههای ذهن انسان را دارا نیستند و نمیتوانند مانند انسان فکر کنند زیرا منطق دیجیتال برای هر تصمیم فقط دو وضعیت «درست» (True) و «غلط» (False) را در نظر میگیرد، در حالیکه تفکر انسانی درجاتی از درستی یا نادرستی را برای تصمیم محسوب میکند.
[/font]
[img=0x0]https://blog.faradars.org/wp-content/uploads/2018/12/lotfi-zadeh-e1544265819154.jpg[/img]
[size=undefined]میتوان رویکرد منطق فازی را به شکلی تصور کرد که به جای در نظر گرفتن دو وضعیت مثلا سیاه یا سفید، طیفی از رنگ خاکستری را جایگزین کرد که از یک طرف به رنگ سفید و از طرف دیگر به رنگ سیاه محدود میشود. در حوزههای مختلفی مانند «هوش مصنوعی» (Artificial Intelligence) و «نظریه کنترل» (Control Theory) از منطق فازی استفاده میشود. بنابراین با استفاده از منطق فازی در این زمینهها، رایانهها قادر هستند براساس دادههای غیرقطعی و غیرصریح، محاسبات و تصمیمسازی کنند.
خصوصیات منطق فازی
بیش از ۵۰ سال از ابداع دکتر لطفی زاده در منطق فازی میگذرد و مقالات بسیاری در این زمینه زیر نظر ایشان یا با ارجاع به مقاله اصلی نوشته شده است و جنبههای مختلف این منطق و محاسبات بر مبنای اعداد فازی مورد بررسی قرار گرفته است. در ادامه این نوشتار به معرفی برخی از خصوصیات منطق فازی میپردازیم.
[/size]
[list]
[*]پیادهسازی انعطافپذیر و سادگی الگوریتمها در روشهای «یادگیری ماشین» (Machine Learning)
[*]امکان شبیهسازی منطق و طرز تفکر انسانی
[*]امکان ایجاد دو راه حل یا پاسخ برای یک مسئله
[*]مناسب برای حل مسائلی با پاسخهای تقریبی
[*]نگاه فرآیندی به استنتاج به همراه استفاده از قیدها و شرطهای منعطف در منطق فازی
[*]امکان ایجاد توابع غیرخطی با پیچیدگیهای دلخواه
[*]وجود وابستگی شدید به نظر محقق در ایجاد مدلهای منطق فازی
[/list][size=undefined]
چه مواقعی نباید منطق فازی را استفاده کرد
مشخص است که نمیتوان منطق فازی را یک راه حل جامع برای همه مسائل دانست. بنابراین مهم است که بدانیم در چه مواقعی نباید از منطق فازی استفاده کرد. در لیست زیر به معرفی زمینههایی میپردازیم که بهتر است از منطق فازی استفاده نشود.
[/size]
[list]
[*]اگر دادهها و فضای نتایج برای منطق فازی مناسب نیستند.
[*]زمانی که از حواس پنچگانه استفاده میشود، منطق فازی کارساز نیست.
[*]اگر روشهای کنترل و تصمیمگیری بدون منطق فازی به خوبی کار میکنند، پس احتیاجی نیست که آنها را به منطق فازی تبدیل کنیم.
[/list][size=undefined]
ساختار منطق فازی
منطق فازی دارای چهار بخش اصلی است که در ادامه معرفی شدهاند. همچنین در نمودار زیر نحوه ارتباط این بخشها به خوبی دیده میشود.[/size]
[size=undefined]
قوانین پایه: این بخش، شامل همه قاعدهها و شرایطی است که به صورت «اگر…آنگاه» توسط یک متخصص مشخص شدهاند تا قادر به کنترل تصمیمات یک «سیستم تصمیمگیری» (Decision-making system) باشند. با توجه به روشهای جدید در نظریه فازی، امکان تنظیم و کاهش قواعد و قوانین بوجود آمده است به طوری که با کمترین قوانین میتوان بهترین نتیجه را گرفت.
فازی سازی: در گام فازی سازی، ورودیها به اطلاعات فازی تبدیل میشوند. به این معنی که اعداد و ارقام و اطلاعاتی که باید پردازش شوند، به مجموعهها و اعداد فازی تبدیل خواهند شد. دادههای ورودی که مثلا توسط حسگرها در یک سیستم کنترل، اندازهگیری شدهاند، به این ترتیب تغییر یافته و برای پردازش برمبنای منطق فازی آماده میشوند.
موتور استنتاج یا هوش: در این بخش، میزان انطباق ورودیهای حاصل از فازی سازی با قوانین پایه مشخص میشود. به این ترتیب براساس درصد انطباق، تصمیمات مختلفی به عنوان نتایج حاصل از موتور استنتاج فازی تولید میشود.
برگرداندن از فازی: در آخرین مرحله نیز نتایج حاصل از استنتاج فازی که به صورت مجموعهها فازی هستند به دادهها و اطلاعات کمی و رقمی تبدیل میشوند. در این مرحله شما با توجه خروجیها که شامل تصمیمات مختلف به همراه درصدهای انتطباقهای متفاوتی هستند، دست به انتخاب بهترین تصمیم میزنید. معمولا این انتخاب برمبنای بیشترین میزان انطباق خواهد بود.
منطق فازی و احتمال
همانطور که گفته شد، در منطقی فازی درجه قطعیت یا میزان درستی یک گزاره توسط یک عدد در فاصله ۰ تا 1 بیان میشود. در نظریه احتمال نیز برای وقوع یک پیشامد از عددی بین ۰ تا 1 استفاده میکنیم. به این ترتیب به نظر میرسد که انطباقی بین این دو مفهوم و البته با کاربرد متفاوت وجود دارد. بنابراین اگر با دید نظریه احتمال بگوییم: «با احتمال ۹۰٪، یک فرد، عینکی هستند.»، میتوان آن را در منطق فازی به صورت: «درجه عضویت فردی به گروه افراد عینکی برابر با 0.9 است.» نشان داد. به این ترتیب میتوان گفت که احتمال، یک مدل ریاضی برای پدیدههای نامشخص و تصادفی است و از طرفی منطق فازی نیز مدلی برمبنای ریاضیات است که برای تعیین حقیقت برای هر پدیده، از مقداری به عنوان «میزان درستی» (Truth Degree) استفاده میکند.
[/size]