1.2.3　模糊计算

模糊计算是对模糊性概念和推理机制进行的模拟，也就是对人类思维方式的模拟。模糊集合被定义为不考虑精确边界的非确定性集合，正如Zadch在他的文章Fuzzy Sets中提到的：这种非精确定义的类别或集合"在信息通信、模式识别、抽象领域中起着重要的作用"。

1965年，美国加州大学的Zadch博士首次提出了隶属度函数（membership function，MF）的概念，并发表了一篇关于模糊集的论文，这一论点开创了模糊计算的研究领域。隶属度函数所表示的是可取区间［0，1］的任何值代替原来隶属度非0即1的状态，这是模糊集模糊数学理论，构成了模糊计算系统的基础。1974年，模糊控制被Mamdani成功地运用在蒸汽发动机上，开创了模糊控制应用的新阶段。从此之后，模糊理论及模糊系统得到了极大的发展及广泛的应用。

模糊推理系统构建了一个新的计算框架，将模糊推理、模糊IF-THEN规则和模糊集合理论等基本概念综合使用。三个重要部件组成了模糊推理系统，其基本结构包含规则库、数据库、推理机制。规则即为模糊规则，数据库包含隶属度函数。隶属度函数是在模糊规则中用到的，其输出或结论按照模糊规则给出，符合事实执行推理过程。然而，很多情况下，模糊推理系统得到精确的输出，例如当模糊系统被作为控制器的时候，这时从输入到输出的非线性映射可以实现模糊推理系统的这一问题。

最近十几年来，如何根据实际情况制定最优模糊规则，建立模糊模型是模糊推理系统的核心问题，众多学者根据实际应用问题，提出了各种不同的模糊建模及求解方法，在各个领域得到了广泛的应用。