『壹』 智能計算—模糊計算總結
智能計算領域中的模糊計算，以模糊集理論為核心，模擬人類大腦在處理非精確、非線性信息時的能力。模糊計算通過模糊推理（FIS）、模糊邏輯、模糊系統等方法，應用於多種場景，提供了一種處理復雜問題的有效途徑。
模糊計算的流程包括模糊規則庫、模糊化、推理方法和去模糊化四個關鍵模塊。首先，從具體輸入中得到對模糊集的隸屬度，這一過程稱為模糊化。接著，利用模糊規則進行推理以得出結論，不同問題可能採用不同的推理方法。最後，綜合推理結果，從模糊隸屬度中得到實際輸出值，這一過程稱為去模糊化。
模糊邏輯和模糊集合理論，是模糊計算的基礎。模糊邏輯以隸屬度表示概念的「部分真」，模糊集合則用隸屬度函數來描述模糊性。模糊邏輯理論允許命題存在真值的過渡狀態，模糊集合理論則通過隸屬度函數提供了對模糊概念的定量描述。
模糊識別涉及確定模糊集的貼近度，例如利用海明貼近度、歐幾里得貼近度或黎曼貼近度等方法來量化模糊集之間的接近程度。模糊關系則通過模糊集之間的關聯來實現模糊聚類，分為模糊相似和模糊等價關系，進而實現數據的分類。
模糊推理是模糊計算的核心，通過從模糊命題中推出新的模糊命題作為結論，實現近似推理。模糊推理過程包括模糊語言變數、語言運算元、模糊命題與條件語句的表達，以及關系合成推理法（CRI）等方法。
模糊控制是將人類控制策略轉變為演算法的一種技術，尤其適用於非線性、時變、滯後等復雜系統。模糊控制利用模糊邏輯和語言變數，實現對控制對象的有效控制，其魯棒性強大。
模糊計算在復雜且沒有完整數學模型的非線性問題上表現優異，能夠利用經驗規則解決未知模型問題。此外，模糊計算與其它智能演算法結合，提供互補優勢，將人類在識別、決策等方面的模糊性引入機器及其控制。