Java中的模糊逻辑：实现去模糊化过程（使用重心法）遇到困难

Question

我已经在Java中实现了一整套模糊逻辑系统，但是我在去模糊化过程中遇到了严重的问题。

在我的代码中，我将输入定义为时间和距离，而输出则是简单的输出值。我定义了每个线性函数来构建输入和输出集合，因此我可以访问它们的任何值。

模糊规则如下：

FuzzySet []outputs = new FuzzySet[9]; //these are the rules

outputs[0] = new FuzzySet(INSUFFICIENT, min(timeMap.get(BAD).getDegreeOfMembership(), distanceMap.get(BAD).getDegreeOfMembership()));
outputs[1] = new FuzzySet(AVERAGE_SUFICIENT, min(timeMap.get(AVERAGE).getDegreeOfMembership(), distanceMap.get(AVERAGE).getDegreeOfMembership()));
outputs[2] = new FuzzySet(SUFFICIENT, min(timeMap.get(GOOD).getDegreeOfMembership(), distanceMap.get(GOOD).getDegreeOfMembership()));
outputs[3] = new FuzzySet(AVERAGE_SUFICIENT, min(timeMap.get(GOOD).getDegreeOfMembership(), distanceMap.get(BAD).getDegreeOfMembership()));
outputs[4] = new FuzzySet(SUFFICIENT, min(timeMap.get(GOOD).getDegreeOfMembership(), distanceMap.get(AVERAGE).getDegreeOfMembership()));
outputs[5] = new FuzzySet(SUFFICIENT, min(timeMap.get(AVERAGE).getDegreeOfMembership(), distanceMap.get(GOOD).getDegreeOfMembership()));
outputs[6] = new FuzzySet(INSUFFICIENT, min(timeMap.get(AVERAGE).getDegreeOfMembership(), distanceMap.get(BAD).getDegreeOfMembership()));
outputs[7] = new FuzzySet(AVERAGE_SUFICIENT, min(timeMap.get(BAD).getDegreeOfMembership(), distanceMap.get(GOOD).getDegreeOfMembership()));
outputs[8] = new FuzzySet(INSUFFICIENT, min(timeMap.get(BAD).getDegreeOfMembership(), distanceMap.get(AVERAGE).getDegreeOfMembership()));

在这些规则中，我首先定义了这两个输入的输出属于哪个集合(可能是INSUFFICIENT、AVERAGE_SUFFICIENT或SUFFICIENT)。完成后，我需要进入去模糊化处理过程，这就是我的理解有点模糊的地方。

在经过这些规则后，对于每个输出集，我都有三个规则(本质上我把三个值分类为SUFFICIENT、三个SUFFICIENT_AVERAGE和三个INSUFFICIENT)。那现在怎么办呢？这9个输出是否都将成为质心计算的一部分？我是否选择所有三个集合中的最大值，然后将它们扔到质心公式中？(这是我做的，但与Matlab相比，结果并不起作用)

- theJuls

Answer 1

我不是MATLAB专家（因此对您的系统结构不完全确定），但假设INSUFFICIENT，AVERAGE_SUFFICIENT和SUFFICIENT是结论中的模糊集，则对于每个结论集，您只需担心一个规则：给出最高成员资格价值的规则。这是因为引用相同结论集的规则通常可以被视为OR在一起（析取），即“IF rule1 OR rule2 OR ...”。这将使您剩下三个（修改后的）成员功能，分别用于INSUFFICIENT，AVERAGE_SUFFICIENT和SUFFICIENT。将它们加在一起（叠加？）并计算结果复合曲线下面积的质心。

然而，根据我的经验，这可能需要一些时间。因此，我经常使用“快捷方式”：计算MF的最大值的加权平均值（类似于Sugeno的方法）。我理解您已经这样做了，但是针对所有9个规则，是吗？当成员函数简单（三角形或梯形）且非倾斜（对称）时，快捷方式尤其有效。

希望这有所帮助。（我注意到这是一个相当老的问题，但因为它仍然没有得到答复...）

- palun