منطق فازی

در سیستم های عملی اطلاعات مهم از دو منبع سرچشمه می گیرند: یکی از منابع افراد خبره که دانش و آگاهیشان را در مورد سیستم با زبان طبیعی تعریف می کنند. دوم از طریق اندازه گیری ها و مدل های ریاضی که از قواعد فیزیکی بدست آمده اند. بنابراین یک مسئله مهم ترکیب این دو نوع اطلاعات در طراحی سیستم هاست. برای انجام منطق فازی این کار سؤال کلیدی این است که چگونه می توان دانش بشری را در چارچوبی مشابه مدل های ریاضی فرموله کرد. به بیانی دیگر چگونه می توان دانش بشری را به یک فرمول ریاضی تبدیل کرد. اساساً آنچه که یک سیستم فازی انجام می دهد همین تبدیل است. برای اینکه بدانیم این تبدیل چگونه صورت می گیرد ابتدا باید بدانیم سیستم های فازی چگونه سیستم هایی هستند

به تقریب در تمام کتب و مقالات فارسی و لاتین مربوط به منطق فازی و مجموعه های فازی نام پروفسور لطفی عسکر زاده معروف به زاده، استاد دانشگاه کالیفرنیا در برکلی دیده می شود. با وجود آنکه مساعی زاده در زمینه حدود ۲۴ موضوع تحقیقاتی نتیجه بخش بوده است، اما نظریه منطق فازی وی مشهورترین آنها بشمار می آید. این نظریه در سال ۱۹۶۵ در مقاله ای تحت عنوان “نظریه مجموعه‌های فازی” توسط پروفسور لطفی زاده به جامعه علمی و دانشگاهی معرفی شد. علت و انگیزه اصلی ارائه آن ابراز عدم رضایت از ناتوانی و ضعف منطق کلاسیک (منطق دومقداری یا دودویی) در نظریه مجموعه‌ها و ریاضیات بسیار دقیق در برخورد با دنیای واقعی و نادقیق بود. گرچه این نظریه در ابتدا با مخالفتهایی در جوامع علمی  مواجه گشت، ولی به مرور ارزش و اعتبار آن مشخص شد و کاربردهای آن نیز معلوم گردید، به طوری که امروزه در تمامی زمینه‌ها کاربرد پیدا کرده است . علیرغم عمر کوتاهش، نظریات مربوط به احتمالات، مجموعه ها و منطق کلاسیک را تحت الشعاع قرار داده است، به طوری که امروزه، مجموعه های کلاسیک، یک حالت خاص از مجموعه های فازی به شمار می روند. این دانش، ضمن آنکه نام او را برای همیشه در تاریخ علم ثبت کرده است، افتخارات و جوایز زیادی برای وی به ارمغان آورده است

بسط و گسترش مجموعه های فازی، موجب تعمیم کاربردهای آن به عرصه سایر علوم و فنون شده است به نحوی که امروزه در زمینه های کنترل، هوش مصنوعی و تصمیم گیری در رشته های مختلف، اعم از برق و الکترونیک، علوم رایانه، مهندسی صنایع، زیست شناسی، مالی، کشاورزی و … کاربردهای وسیعی پیدا کرده است. هم اکنون در جای جای دنیا، اندیشمندان علوم مختلف برای بسط و گسترش نظریه و کاربردهای منطق فازی تلاش می کنند. فازی یکی از روشهای نسبتا جدید برای بیان عدم قطعیت و استدال با شک و تردید است. انواع عدم قطعیت شامل موارد زیر میباشد:

۱- اتفاقی:  شانس، تصادفی مثل انداختن تاس

۲- غیر اتفاقی:  غیر دقیق بودن، ابهام، نامشخص بودن یا کلی بودن که خود شامل عدم قطعیت زبانی مثل قیمت پایین، افراد بلند قد، جوانی و عدم قطعیت اطلاعاتی مثل ارزش اعتبار، صداقت.

منطق فازی در کاربردهای زیادی در زمینه های مختلف نظیر تشخیص الگو، پردازش تصویر و سیگنال، طراحی و سنتز سخت افزار، لی اوت مدارات مجتمع، هوش مصنوعی، سیستمهای خبره و پشتیبان تصمیم، تجارت،  بازرگانی، کشاورزی، پزشکی و مطالعات اقتصادی و اجتماعی بکار رفته اند (Holena, 2004).

سیستم‌های خبره مبتنی بر قواعد اغلب برای مسائل درجه‌بندی در اتوماسیون صنعتی و  زمینه‌هایی مانند آشکارسازی نقص‌ها، بازرسی و غیره اعمال می‌شوند. سیستم‌های خبره مبتنی بر منطق فازی می‌توانند درجه‌بندی‌ها و سیستم‌های پشتیبان تصمیم‌گیری را با استفاده از مجموعه‌های فازی برای تعریف کردن درجه‌های هم‌پوشان، بهبود ببخشند. با اعمال قواعد اگر- آنگاه فازی هم ‌چنین تعبیر و تفسیر نتایج بهبود یافته و لذا دید بازتری بر روی ساختار سیستم درجه‌بندها و فرایند تصمیم‌گیری فراهم می‌کند

دلایل استفاده و محبوبیت منطق فازی

برای چه از منطق فازی استفاده می کنیم؟ در زیر فهرستی از مشاهدات کلی در باره منطق فازی ارائه شده است:

  • منطق فازی از دیدگاه مفهومی بسهولت قابل درک است. مفاهیم ریاضی استدلال فازی خیلی ساده اند. چیزی که فازی را دلپسند ساخته “طبیعی بودن” رهیافتش است و نه پیچیدگی دستت نیافتنی اش.
  • منطق فازی انعطاف پذیر است. برای هر سیستم مفروضی اضافه نمودن قابلیت بیشتر بدون شروع مجدد از صفر آسان است.
  • منطق فازی نسبت به داده های نادقیق مقاوم است. اگر بدقت به پیرامون خود بنگرید مشاهده خواهید نمود که همه چیز اطراف مان غیر دقیقند. از ان گذشته بیشتر چیزها حتی در بازرسی بادقت نیز نادقیقند. استدلال فازی این درک را درون فرآیند می سازد بجای اینکه آن را از فرآیند خارج کند.
  • منطق فازی می تواند توابع غیر خطی با هر درجه از پیچیدگی را مدل کند. شما می توانید یک سیستم فازی برای تطبیق هر مجموعه ای از داده های ورودی-خروجی ایجاد کنید. این فرآیند مخصوصا بواسطه تکنیکهای وفقی نظیر سیستمهای استنتاج فازی-عصبی وفقی به سهولت قابل پیاده سازی است.
  • منطق فازی را می توان بر اساس تجربه افراد خیره ساخت. بر خلاف شبکه های عصبی که داده های آموزش برای تولید مدلهای مبهم غیر قابل نفوذ می گیرند، منطق فازی به شما جازه می دهد تا با اتکا به تجارب افرادی که سیستم شما را از قبل درک می کنند، اعتماد کنید.
  • منطق فازی را می توان با تکنیکهای کنترل مرسوم ترکیب و تلفیق نمود. سیستمهای فازی ضرورتا جایگزین روشهای کنترل مرسوم نمی شوند. در بسیاری موارد سیستمهای فازی آنها را تکمیل و تقویت نموده و پیاده سازی آنها را ساده می کنند.
  • منطق فازی براساس زبان فطری (طبیعی) است (جعفری، ۱۳۷۹). بنیان منطق فازی برگرفته از ارتباط بشری است. این مشاهده بیشتر اظهارات دیگر درباره منطق فازی را پی ریزی می کند. شاید عبارت آخری مهمترین دلیل باشد و سزاوار بحث بیشتری در این زمینه است. زبان طبیعی که توسط عامه مردم در امور روزمره استفاده می شود بر اساس راحتی و کارآمدی طی هزاران سال از تاریخ بشر شکل و قوام گرفته است. جملاتی که در زبان معمولی نوشته شده اند، یک پیروزی و فتح از ارتباطات کارامد است. ما عموما از این مطلب غافلیم زیرا زبان معمولی چیزی است که ما هرروز استفاده می کنیم. چونکه منطق فازی بر روی ساختارهای توصیف کیفی بکار رفته در زبان محاوره­ای روزانه ساخته شده است، پس استفاده از منطق فازی آسان است.