模糊逻辑是什么？允许“有点对、有点错”的逻辑

模糊逻辑（Fuzzy Logic）是一种处理不精确、不确定信息的推理方法，它允许一个命题的真值不只是“完全真”或“完全假”，而是可以介于两者之间的任何程度。它源于美国加州大学伯克利分校的教授洛特菲·扎德（Lotfi Zadeh）在 1965 年提出的模糊集合理论。模糊逻辑试图通过开放的、不精确的数据范围和启发式的方法来解决问题，并得出一系列准确的结论。

和经典逻辑的区别

传统的经典逻辑，也叫布尔逻辑，是非黑即白的：一个命题要么是真（1），要么是假（0），没有中间状态。比如“水温是热的”，在经典逻辑中，我们需要设定一个明确的界限，比如 40 度以上算热，那么 40.1 度是热的，39.9 度就是不热的。这显然不符合人的直觉：39.9 度和 40.1 度在感觉上几乎没有区别。

人类日常的思考和语言中充满了这种模糊的概念：“有点热”“很快”“比较高”“年轻”。模糊逻辑正是为了处理这类概念而设计的：它允许一个对象以一定的程度属于某个集合，这个程度用 0 到 1 之间的数来表示，叫作“隶属度”。比如 30 度的水，“热”的隶属度可能是 0.3；50 度的水，“热”的隶属度可能是 0.9；同一个温度还可以同时以不同的程度属于“温”和“热”。

模糊控制怎么工作

模糊逻辑最成功的应用是模糊控制。一个模糊控制系统通常分为三步：模糊化，把精确的输入数值，比如温度 35 度，转换成各个模糊概念的隶属度，比如“温”0.6、“热”0.4；模糊推理，根据一组用自然语言描述的规则进行推理，比如“如果温度很高，那么风扇转速调快”“如果温度适中，那么风扇转速中等”，多条规则同时按照各自的程度起作用；去模糊化，把推理得到的模糊结论，重新转换成一个精确的控制输出，比如风扇的具体转速。这样，就能用接近人类经验的规则，实现平滑、自然的控制。

应用

模糊逻辑在上世纪 80 年代到 90 年代被广泛应用，尤其在日本掀起了热潮：模糊控制的洗衣机能根据衣物的数量和脏污程度自动调整洗涤时间和水量；空调、电饭煲、相机的自动对焦、汽车的自动变速箱和防抱死制动系统，以及日本仙台的地铁自动驾驶系统，都使用了模糊控制。它的优点是不需要建立精确的数学模型，可以直接利用专家的经验，适合处理复杂、非线性、难以精确建模的系统。如今，模糊逻辑依然在工业控制、决策支持等领域发挥作用，也常与神经网络结合，形成模糊神经网络。