本文主要是介绍模糊控制学习，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
1.模糊集合的定义
论域：所讨论的全体对象，用U等表示。
元素：论域中的每个对象，常用a，b，c，x，y，z表示。
集合：论域中具有某种相同属性的确定的，可以彼此区别的元素的全体，常用A，B表示。
经典集合：集合里面的元素非真即假。
模糊集合：模糊逻辑给集合中每一个元素赋予一个介于0-1之间的实数，描述其属于一个集合的强度，该实数称为元素属于一个集合的隶属度。集合中所有元素的隶属度全体够成集合的隶属度函数。
2.模糊集合表示方法
当论域中元素数目有限时，模糊集合的数学描述为：A={（x，μA（x）），x∈X}
μA（x）：元素x属于模糊集A的隶属度，X是元素X的论域。
1.Zadeh表示法
论域是离散且元素数目有限
A=μA（x1）/x1+μA（x2）/x2+…+μA（xn）/（xn）=Σ(i=1 n)μA（xi）/xi
或
A={μA（x1）/x1，μA（x2）/x2，…，μA（xn）/xn
2.序偶表示法
3.向量表示法（隶属度为零也要写）
3.隶属函数
常见的隶属函数有正态分布、三角分布、梯形分布等
隶属函数确定方法
模糊统计法
专家经验法
二元对比排序法
基本概念扩充发
4.模糊关系及其合成
从论域X到论域Y的一个模糊关系R，用模糊矩阵表示R。
5.模糊知识表示
模糊规则：从条件论域到结论论域的模糊关系矩阵R。通过条件模糊向量与模糊关系R的合成进行模糊推理，得到结论的模糊向量，然后采用“清晰化”方法将结论转换为精确量。
“模糊决策”（“模糊判决”、“解模糊”或“清晰化”）：由模糊推理得到的结论或者操作是一个模糊向量，转化为确定值的过程。
1）最大隶属度法
简单；但是忽略了其他元素隶属度也很大的情况。
2）加权平均判决法
3）中位数法
5.模糊推理的应用：
这篇关于模糊控制学习的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
