模糊算法是模糊数学

❶ 模糊数学算法软件

matlab里面没有模糊软件包吗？ http://www.mathworks.com/procts/fuzzylogic/
用 Matlab 中的 Fuzzy 工具箱做一个简单的模糊控制，流程如下：1、创建一个 FIS (Fuzzy Inference System ) 对象，a = newfis(fisName,fisType,andMethod,orMethod,impMethod, aggMethod,defuzzMethod)一般只用提供第一个参数即可，后面均用默认值。2、增加模糊语言变量a = addvar(a,'varType','varName',varBounds)模糊变量有两类：input 和 output。在每增加模糊变量，都会按顺序分配一个 index，后面要通过该 index 来使用该变量。3、增加模糊语言名称，即模糊集合。a = addmf(a,'varType',varIndex,'mfName','mfType',mfParams)每个模糊语言名称从属于一个模糊语言。Fuzzy 工具箱中没有找到离散模糊集合的隶属度表示方法，暂且用插值后的连续函数代替。参数 mfType 即隶属度函数(Membership Functions)，它可以是 Gaussmf、trimf、trapmf等，也可以是自定义的函数。每一个语言名称也会有一个 index，按加入的先后顺序得到，从 1 开始。4、增加控制规则，即模糊推理的规则。a = addrule(a,ruleList)
其中 ruleList 是一个矩阵，每一行为一条规则，他们之间是 ALSO 的关系。假定该 FIS 有 N 个输入和 M 个输出，则每行有 N+M+2 个元素，前 N 个数分别表示 N 个输入变量的某一个语言名称的 index，没有的话用 0 表示，后面的 M 个数也类似，最后两个分别表示该条规则的权重和个条件的关系，1 表示 AND，2 表示 OR。例如，当“输入1” 为“名称1” 和 “输入2” 为“名称3” 时，输出为 “ 输出1” 的“状态2”，则写为：[1 3 2 1 1]5、给定输入，得到输出，即进行模糊推理。output = evalfis(input,fismat)其中 fismat 为前面建立的那个 FIS 对象。一个完整的例子如下：clear all;
a = newfis('myfis');a = addvar(a,'input','E',[0 7]);
a = addmf(a,'input',1,'small','trimf',[0 1 4.333]);
a = addmf(a,'input',1,'big','trimf',[1.6667 6 7]);a = addvar(a,'output','U',[0 7]);
a = addmf(a,'output',1,'small','trimf',[0 1 4.333]);
a = addmf(a,'output',1,'big','trimf',[1.6667 6 7]);rulelist = [1 1 1 1;
2 2 1 1];
a = addrule(a,rulelist);u = evalfis(4,a)其结果为：u = 4.221

❷ 关于遗传算法，模糊数学，神经网络三种数学的区别和联系

楼上说的不错，只是你说的这三项里，只有模糊数学是数学的一个分支，遗传算法和神经网络都属于智能计算方法，不属于数学的一个分支，是涉及到多门学科的一类计算方法。

❸ 1、模糊数学检验法的适用范围及特点是什么

摘要 6.我国医药、生物、农业、文化教育、体育等过去看似与数学无缘的学科也开始应用模糊数学的原理和方法，如计算机模糊综合诊断、传染病控制与评估、人体心理及生理特点分析、家禽孵养、农作物品种选择与种植、教学质量评估、语言词义查找、翻译辨识等均有一些应用模糊数学的实践，并取得很好效果。李洪兴教授，他领导的科研团队采用“变论域自适应模糊控制理论”成功地实现了全球首例“四级倒立摆实物系统控制”。据介绍，倒立摆仿真或实物控制实验是控制领域中用来检验某种控制理论或方法的典型方案。目前，实现三级倒立摆控制的实物系统仍然是世界公认的难题，而要实现四级倒立摆控制实物系统，在世界范围内更是一项空白。北师大模糊系统与模糊信息研究中心暨复杂系统智能控制实验室采用李洪兴教授提出的“变论域自适应模糊控制”理论，先后成功地实现了四级倒立摆控制仿真实验、三级倒立摆实物系统控制，并于今年8月11日实现了全球首例四级倒立摆实物系统控制。而由此项理论产生的方法和技术将在半导体及精密仪器加工、机器人技术、导弹拦截控制系统、航空器对接控制技术等方面具有广阔的开发利用前景。

❹ 模糊数学在塔里木盆地圈闭评价中的应用

袁丽珍王英吕媛娥虎北辰

（西北石油局规划设计研究院，乌鲁木齐830011）

摘要圈闭评价的目的是为了降低油气勘探风险，提高钻探成功率。圈闭评价的方法很多，归纳起来有如下几种：综合定性排队法、评分法、概率统计法、多信息叠合评价法、灰色系统理论和模糊数学评价法等。应用“模糊数学评价法”对塔里木盆地圈闭进行的综合评价，收到了较好的效果。

关键词塔里木盆地模糊数学权重模糊评判值圈闭圈闭评价

1方法原理

1.1模糊数学的概念

美国控制专家乍得（L.A.Zaden）于1965年首先提出“模糊数学”的概念，它是研究和处理模糊体系规律性的理论和方法，也就是把普遍集合论只取0或1两个值的特征函数推广到[0,1]区间上取值的隶属函数。圈闭评价中常用“好”、“较好”、“中等”、“较差”、“差”这一评价方法，更适合用模糊数学的方法对圈闭含油气性进行综合评价。

1.2模糊综合评判的基本概念及方法原理

所谓模糊综合评判，是指用多个因素的评价结果，综合处理最终得出一个属于哪一类的隶属度，以供决策使用。

决定圈闭（局部构造）是否成藏的地质因素很多，如储层、盖层、油源等等。考虑μ₁，μ₂，…，μ_。这n个评价圈闭因素，由此就构成了因素集合 U:

U＝{μ₁，μ₂…μ_m}

在评价中我们可把参评的因素分为 V₁,V₂，…，V_m这m个级别（如评价中常用的级别Ⅰ、Ⅱ、Ⅲ或好、中、差等），由此构成评语集合 V:

V={V₁,V₂…V_m}

因素集中 U中各个因素对圈闭（局部构造）成藏所起的作用是不同的，因此在圈闭（局部构造）评价中应根据我们对圈闭（局部构造）成藏规律的认识对各评价因素赋予不同权系数，由此构成权重分配集合 A:

A={A₁,A₂…A_n}

在这里

值必须等于1。在赋值过程中为了方便起见，对各评价因素赋值时只考虑各因素之间的相对关系，而不考虑 Ai值的大小，在运算过程中使其值再分配满足

塔里木盆地北部油气田勘探与开发论文集

应用各因素综合判定圈闭（局部构造）的含油气性，也就是属于评语集合 V中的哪一个级别，这就要求建立因素集中 U与评语集合V的一个模糊变换关系R：

塔里木盆地北部油气田勘探与开发论文集

其中R就是某个对象（这里指圈闭或局部构造）的某个因素关于各类的得分，即隶属度。因此，R又称单因素评价矩阵。

权重A与模糊变换矩阵R的合成，构成了圈闭的综合评判矩阵 B:

B=AR

最后用下面公式求得每个圈闭（局部构造）的综合评价值D:

D=BC

式中C为等级矩阵的转置矩阵，评价级别分为好、较好等级别。C取值为（－2,－1,0,1,2），R_nm可按表1来确定。当评价级别分为好、中、差三个级别时，C取值为（－1,0,1），R_。可按表2来确定。

表1五个级别的评语Table1The comments of five ranks in the table

表2三个级别的评语Table2The comments of three ranks in the table

求出每个圈闭的综合评价值D之后，再按D值的大小对所评圈闭（局部构造）进行排队，得到优选圈闭（局部构造），以供勘探部署。1.3关于模糊运算

模糊数学中定义的算法有很多种，其反映的意义是不同的。根据圈闭（局部构造）评价特点，本次采用如下4种：

①取小取大法：

取小取大法分别简记为（∨，∧），合成矩阵B中的元素bj的算法如下：

塔里木盆地北部油气田勘探与开发论文集

②取小求和法

取小求和法分别简记为（∧，⊕），合成矩阵B中的元素bj的算法如下：

塔里木盆地北部油气田勘探与开发论文集

③乘积取大法

乘积取大法分别简记为（·，v），合成矩阵B中的元素bj的算法如下：

塔里木盆地北部油气田勘探与开发论文集

④乘积求和法

乘积求和法为评价重点考虑的算法，分别简记为（·，⊕），合成矩阵B中的元素bj的算法如下：

塔里木盆地北部油气田勘探与开发论文集

2圈闭评价参数及评分标准

影响圈闭的含油气性的地质因素很多，结合塔里木盆地实际勘探情况，主要考虑圈闭的落实程度、储集条件、盖条件、油源条件、油气大量生成期与构造形成期的配制关系（圈排关系）等五个地质因素，根据区内油气成藏规律，确定各地质因素的权重系数见表3。

表3圈闭评价地质因素及权重系数Table3Geological factor and tentative crucial coefficient of trap evaluation

在评价圈闭含油气级别时，分为好、较好、中等、较差、差五个级别，根据各项目组提供的数据确定各地质因素评估赋值标准。

2.1圈闭落实程度

主要用地震资料进行落实，如是否有三维控制、圈闭的二维地震测线数以及对圈闭的闭合幅度等进行评价（见表4）。

2.2储集条件

表4圈闭落实程度评语Table4The comments of practicable level for trap

碳酸盐岩储层非均质性极为明显，雅克拉—轮台地区主要为寒武系、奥陶系白云岩，且经历了长期古岩溶作用，储集性一般为中等—较好。在塔河油区主要为奥陶系灰岩，储层的岩块物性较差。由于孔、缝、洞的发育，储层的总体物性特征明显改善，其划分表见表5。

碎屑岩主要用孔隙度、渗透率指标对储层进行评价，不同区带其划分标准略有差异，结果见表6。

2.3盖层条件

表5碳酸盐岩储层评语Table5The comments for carbonate reservoir

表6碎屑岩储层划分评语Table6The partition comments of clastic reservior

雅轮与巴麦工业区带区内盖层分析参数不全，本次主要以区带内综合研究成果为依据对圈闭盖层进行评价，对于仅靠断裂作为侧向封堵的圈闭（断鼻、断块等），要考虑断裂两盘的对接岩性，若断裂两侧储层与盖层对接，评价为好，与砂泥岩互层对接为较好—中等，与储层对接为较差—差。艾桑工区带盖层划分标准见表7。

2.4油源条件

表7艾－桑工业区带盖层条件评语Table7The comments of cap condition in Aixieke-Sangtamu instrial estate

主要考虑圈闭距生油坳陷的距离和油气的运移通道两个因素。

对于陆相油气主要考虑圈闭距生油坳陷区的距离和断裂发育与储层的关系，若断裂下断至不整合面，上断至储层，则以断裂的断距为评价标准（表8）。

表8陆相油气油源条件评语表Table8The comment table of land oil-gas origin

对于海相油气，除考虑断裂是否将源岩与储集岩沟通外，主要还要考虑油气资源丰度以及构造带是否处于油气运移指向区，其评价标准见表9。

表9海相油气油源条件评语Table9The comment table of marine oil-gas origin

2.5圈排关系

圈排关系是指圈闭形成期与生油高峰期的配置关系，构造形成期早于生油高峰期评价为好，两者相同评为较好—中等，构造形成期晚于生油高峰期则评为较差—差。

3圈闭评价结果与排队

我们对未上钻的184个圈闭按上面的评语标准对某个地质评价因素进行赋值评价，然后对赋值圈闭利用模糊数学方法对其含油气性进行综合评判，根据模糊评判值D将圈闭的含油气性分为Ⅰ（D≥1）、Ⅱ（0.5＜D＜1）、Ⅲ（D≤0.5）类。对筛选出的Ⅰ类圈闭，适当考虑一些能反映经济效益的有关因素，如勘探中的探井成本和影响收益的重要参数资源量等，具体参数见表10。

表10局部构造综合评判参数与标准Table10The synthetical judge parameters and standards of local structure

对各圈闭层及各评价因素结合区内目前勘探实际情况赋予不同的权重系数（表11、12）。

表11圈闭层系权重系数Table11Tentatively crucial coefficient of trap layer

表12局部构造评价因素权重系数分配表Table12Distribution table of tentative crucial coefficients for the judge of local structure

构造评价值由下式确定

塔里木盆地北部油气田勘探与开发论文集

其中D_构造为构造评价模糊值，E为圈闭层权重系数，

为圈闭层系中圈闭模糊评判最大值。

利用模糊数学的方法对赋值后的局部构造含油气性进行综合评判，得出局部构造综合评判值D_综合，由 D_综合值将局部构造的含油气性划分为Ⅰ（D_综合≥0.28）、Ⅱ（0.17<D_综合＜0.28）、Ⅲ（D_综合＜0.17）类。将评定出的工类局部构造25个，选定为近期勘探目标，主要分布在艾协克－桑塔木工业区带，近期已在艾协克北（沙73井三叠系）、桑塔木2号构造高点（沙60井）、艾协克2号构造西翼（沙65井）、牧场北3号构造（沙66井）、牧场北7号构造（沙67井）、桑塔木2号构造西高点（沙69井）、艾协克南构造（TK203井） 7口钻井在下奥陶系碳酸盐岩获油气突破，钻探成功率为75％以上。实践证明该圈闭评价方法是有一定的参考和使用价值。

参考文献

[1]张跃等.模糊数学方法及其应用.北京：煤炭工业出版社，1992

[2]赵旭车.石油数学地质概论.北京：石油工业出版社，1992

Application of Fuzzy Mathematics to Evaluate the Traps in Tarim Basin

Yuan LizhenWang YingLu Yua n'eHu Beichen

(Academy of planning and designing,Northwest Bureau of Petroleum Geology，Ürümqi83001 1)

Abstract:The goal of evaluating trap isfor rection the risk of the oil and gas prospecting and increases the successful ratio of the drilling.There are six kinds of methods for evaluating trap:multiple determination queuing method,comparing and assessing method,probability statistical method,multiple information evaluation method,grap system theory,fuzzy mathematic evaluation method, etc.We have got satisfactory results in the course of the evaluation of the traps in Tarim basin using the fuzzy mathematic evaluation method.

Key words:Tarim Basinfuzzy Mathematics methodEvaluation the Traps

❺ 模糊聚类算法为什么要求 模糊相似矩阵

模糊聚类分析一般是指根据研究对象本身的属性来构造模糊矩阵，并在此基础上根据一定的隶属度来确定聚类关系，即用模糊数学的方法把样本之间的模糊关系定量的确定，从而客观且准确地进行聚类。聚类就是将数据集分成多个类或簇，使得各个类之间的数据差别应尽可能大，类内之间的数据差别应尽可能小，即为“最小化类间相似性，最大化类内相似性”原则

❻ 模糊数学是什么能举个例子吗谢谢

一般来说普通数学只能解决十分精确的问题，比如一个东西长度是多少，宽度是多少等等，多为客观的判断。
模糊数学是利用给定的条件，来进行类似主观的判断，比如一个人是高还是矮，是胖还是瘦，是像他父亲还是像母亲等等。

记得我们考模糊数学时，最后一道题就是判断一个孩子像他父亲还是像母亲，我班一个同学的答案是像邻居。

❼ 模糊数学中合成算子:M(∧,∨)算子,M(.,∨)算子,M(∧,⊙)算子,M(.,⊙)算子的计算方法

基本计算方式：

左边的行和右边的列依次进行计算。

然后算子中，∧表示取小，∨表示取大，·表示相乘，圆圈中一个加号表示求和。第一个算子是先取小再取大。

先看等号左边，左边的第一个数字0.3和右边第一列的第一个数字0.5进行比较，取小者为结果，就是0.3；然后左边的第二个数字0.3和右边第一列的第二个数字0.3进行比较，取小者，为0.3；左边第三个数字0.4和右边第一列第三个数字0.2进行比较，取小为0.2；

取小过程结束，然后再取大，就是这三个结果进行比较，取大者为最终结果：因为上边算出的三个结果分别是0.3，0.3，0.2，取大者即为0.3。

这便是等号右边第一个数字0.3的由来。同样的，左边矩阵与右边矩阵的第二列依次比较取小后再取大，便得出了等号右边第二个数字0.3.以此类推。

正确答案应该是（0.32 0.29 0.24 0.11）。

(7)模糊算法是模糊数学扩展阅读：

模糊数学的研究内容主要有以下三个方面：

第一，研究模糊数学的理论，以及它和精确数学、随机数学的关系。

乍得以精确数学集合论为基础，并考虑到对数学的集合概念进行修改和推广。他提出用“模糊集合”作为表现模糊事物的数学模型。

并在“模糊集合”上逐步建立运算、变换规律，开展有关的理论研究，就有可能构造出研究现实世界中的大量模糊的数学基础，能够对看来相当复杂的模糊系统进行定量的描述和处理的数学方法。

在模糊集合中，给定范围内元素对它的隶属关系不一定只有“是”或“否”两种情况，而是用介于0和1之间的实数来表示隶属程度，还存在中间过渡状态。

比如“老人”是个模糊概念，70岁的肯定属于老人，它的从属程度是 1，40岁的人肯定不算老人，它的从属程度为 0，按照乍得给出的公式，55岁属于“老”的程度为0.5，即“半老”，60岁属于“老”的程度0.8。

指明各个元素的隶属集合，就等于指定了一个集合。当隶属于0和1之间值时，就是模糊集合。

第二，研究模糊语言学和模糊逻辑。

人类自然语言具有模糊性，人们经常接受模糊语言与模糊信息，并能做出正确的识别和判断。

为了实现用自然语言跟计算机进行直接对话，就必须把人类的语言和思维过程提炼成数学模型，才能给计算机输入指令，建立合适的模糊数学模型，这是运用数学方法的关键。乍得采用模糊集合理论来建立模糊语言的数学模型，使人类语言数量化、形式化。

如果我们把合乎语法的标准句子的从属函数值定为1，那么，其他近义的，以及能表达相仿的思想的句子，就可以用以0到1之间的连续数来表征它从属于“正确句子”的隶属程度。这样，就把模糊语言进行定量描述，并定出一套运算、变换规则。

现时，模糊语言还很不成熟，语言学家正在深入研究。

人们的思维活动常常要求概念的确定性和精确性，采用形式逻辑的排中律，即：非真即假，然后进行判断和推理，得出结论。

现有的计算机都是建立在二值逻辑基础上的，它在处理客观事物的确定性方面，发挥了巨大的作用，但是却不具备处理事物和概念的不确定性或模糊性的能力。

为了使计算机能够模拟人脑高级智能的特点，就必须把计算机转到多值逻辑基础上，研究模糊逻辑。现时，模糊逻辑还很不成熟，尚需继续研究。

第三，研究模糊数学的应用。

模糊数学是以不确定性的事物为其研究对象的。

模糊集合的出现是数学适应描述复杂事物的需要，乍得的功绩在于用模糊集合的理论找到解决模糊性对象加以确切化，从而使研究确定性对象的数学与不确定性对象的数学沟通起来，过去精确数学、随机数学描述感到不足之处，就能得到弥补。

在模糊数学中，现今已有模糊拓扑学、模糊群论、模糊图论、模糊概率、模糊语言学、模糊逻辑学等分支。

❽ 模糊数学方法成矿远景预测

模糊（fuzzy）集合论或者模糊数学是由Zadeh L A在1965年提出的一种数学理论。

首先我们介绍一下模糊集合、隶属度的概念。

一个集合或集，通常是指满足某种性质的一批元素的总体。例如，在成矿预测中，所谓含矿点集指：

D＝｛X∶X处是已知矿点和远景矿点｝

再设Ω＝｛X｝是被研究的全体地点之集，那么按照传统的观点，对于Ω中的每个元素X，在X∈D或X∈D两种可能中，必是有一种发生（“为真”），也只能有一种为真。换句话说，X或者是含矿点，或者不是，二者必居其一。

在事实上，对任一个地点要做出这样确切的判断是困难的。我们也许只能说，X点一定含矿，可能含矿或者只有矿化现象。

为了解决上面的不确定问题，扎德提出了模糊集和隶属度的概念。假设Ω＝｛X｝是一个任意的普通集合。对于Ω中的每个元素X定义一个实函数μ_D（X）满足：

0≤μ_D（X）≤1

并用μ_D（X）描述X属于D的“程度”。若μ_D（X）＝1，则X完全属于D；若μ_D（X）＝0，则X完全不属于D；μ_D（X）＝0.7，则X属于D的“程度”是70%，等等。这时我们说D是Ω的一个“模糊子集”，由函数μ_D（X）决定。μ_D（X）称为D的“隶属度”。

模糊数学方法在自动化控制、信息处理、人工智能、经济学、社会学等方面有广泛的应用。模糊聚类是一种无监督学习的识别方法，主要依据数据的内部结构进行模糊分类。模糊聚类又分为模糊聚类K均值法和模糊聚类协方差方法，我们以模糊聚类K均值法为例说明其聚类的原理。

假定已知样品集为Ω＝｛x₁，x₂，…，x_N｝，每个样品取n个特征，首先确定要分成的类数，也就是凝聚点的个数。由于类数和凝聚点的位置是人为给定的，因此必须在聚类过程中对聚类中心的位置不断调整，最后得出合理的分类。这种方法就是传统聚类算法中的聚类K均值法。模糊聚类K均值法由上述方法派生而来，它用模糊数学中隶属度的概念代替聚类K均值法中距离的概念，用样品对某一聚类中心的隶属程度来衡量该样品从属某一类的程度，同样要经过反复的迭代才能求出相应的聚类中心。其基本步骤如下。

（1）确定聚类的类数K，1＜K＜N。如把样品集分为含矿和不含矿两类，则K＝2。

（2）给出初始隶属度矩阵

。一般的模糊聚类K均值法是根据经验来设定每一点对各类的隶属度，例如第j点我们认为含矿的可能性大，则可以把它归为W₁类（不含矿的归为W₂类）。如使u_1j＝0.9，u_2j＝0.1；或u_1j＝0.8，u_2j＝0.2，等等。注意到这里的每列元素之和等于1。显然凭经验来确定U^（0）并不容易，我们这里借鉴于诱导聚类K均值法来生成初始隶属度矩阵。

（3）利用下式求各类的聚类中心

地球物理勘探概论

（4）由于聚类中心在计算中需要不断调整，因此每得到一个新的聚类中心就必须重新计算新的隶属度矩阵。计算新的隶属度矩阵U^（l＋1），表达式为

地球物理勘探概论

式中：d_ij表示x_i与x_j的距离；d_pj为x_p与x_j的距离；m是权指数，通常取m＝2。

（5）重复步骤（3）、（4），直到收敛为止。结束迭代的标准可以取

。初始隶属度矩阵是采用诱导的方法来产生的：

（1）确定类数K，1＜K＜N。

（2）输入初始分类矩阵

，i＝1，2，…，K；j＝1，2，…，N。此处的U^*（0）是使用者根据自己意愿简单划定的初始分类矩阵。通常把

取为0或1，例如定为不含矿取0，含矿取1，每列中必须有一个且仅有一个元素取1，然后通过计算对此矩阵进行调整。

（3）诱导产生隶属度矩阵

，并有

地球物理勘探概论

把求得的U^（0）作为初始隶属度矩阵U，其中

是x_j对第j类的隶属度；N是总点数；N_i是“硬”分类中W_i类的点数（所谓“硬”分类是按常规方法分类的）；d_ij是x_i与x_j的距离；β是一个参数，其作用是保证

的值位于0～1范围，通常取作max d_ij的某个倍数。

实例。某地矽卡岩铜矿区有14个已验证的异常，其中见矿异常有叶花香1～4个，石头壳等7个，未见矿异常有小刘胜、大刘胜等7个，每个异常的Cu、Ag、Bi的r值几何平均值和对数值如表6-2-1所示。

我们用此实例来检验模糊聚类方法的聚类效果，模糊聚类方法的分类结果为（见表6-2-2）。

第一类：石头壳、铜井、赤马山、大刘胜

第二类：叶花香1～4、Ⅰ、Ⅲ、Ⅴ、Ⅶ、Ⅷ、小刘胜

不难看出，分类结果第1类多数为见矿异常，而第2类多数为未见矿异常。其中，叶花香1～4判为矿与非矿之间（结果为0.471356、0.484027、0.491749、0.475776，接近0.5），大刘胜也判为矿与非矿之间（结果为0.521641）。

表6-2-2是模糊K均值聚类结果，左列中数值大于0.5为同一类，数值小于0.5为同一类。

表6-2-1 某地矽卡岩型铜矿区异常表

表6-2-2 模糊K均值聚类结果

❾ 什么是模糊预测算法啊

模糊预测控制算法

Fuzzy Prediction Control Algorithm

翟春艳 李书臣

摘 要：模糊预测控制(FPC)是近年来发展起来的新型控制算法,是模糊控制与预测控制相结合的产物.文章在预测控制的模型预测、滚动优化、反馈校正机理下,对模糊预测控制模型及其优化控制算法作了归纳,并对模糊预测控制今后的发展进行了展望.

模糊表的一部分，就是个数组，多少个输入就做个几维数组就可以了(3514字)liyu2005[28次]2004-3-20 18:16:07
unsigned char outputs[MF_TOT], // 模糊输出mu值
fuzzy_out; // 模糊控制值
unsigned char input[INPUT_TOT] ={ // 模糊输入
0, 0
};
unsigned char code input_memf[INPUT_TOT][MF_TOT][256]={
// 输入功能函数
{
{ // velocity: VSLOW
0xFF, 0xFF, 0xFF, 0xFF, 0xFF, 0xFF, 0xFF, 0xFF, 0xFF, 0xFF, 0xFF, 0xFF, 0xFF,
0xFF,
0xFF, 0xFF,
0xFF, 0xFF, 0xFF, 0xFF, 0xFF, 0xFF, 0xFF, 0xFF, 0xFF, 0xFF, 0xFF, 0xFF, 0xFF,
0xFF,
0xFF, 0xF6,
0xED, 0xE4, 0xDB, 0xD2, 0xC9, 0xC0, 0xB7, 0xAE, 0xA5, 0x9C, 0x93, 0x8A, 0x81,
0x78,
173
0x6F, 0x66,
0x5D, 0x54, 0x4B, 0x42, 0x39, 0x30, 0x27, 0x1E, 0x15, 0x0C, 0x03, 0x00, 0x00,
0x00,
0x00, 0x00,
0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00,
0x00,
0x00, 0x00,
0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00,
0x00,
0x00, 0x00,
0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00,
0x00,
0x00, 0x00,
0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00,
0x00,
0x00, 0x00,
0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00,
0x00,
0x00, 0x00,
0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00,
0x00,
0x00, 0x00,
0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00,
0x00,
0x00, 0x00,
0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00,
0x00,
0x00, 0x00,
0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00,
0x00,
0x00, 0x00,
0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00,
0x00,
0x00, 0x00,
0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00,
0x00,
0x00, 0x00,
0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00,
0x00,
0x00, 0x00
}

http://www.newcyber3d.com/cds/ch_cd05/intro_cga.htm

❿ 什么是模糊算法

通过对现实对象的分析，处理数据并构建模糊型数学模型。用隶属关系将数据元素集合灵活成模糊集合，确定隶属函数，进行模糊统计多依据经验和人的心理过程，它往往是通过心理测量来进行的，它研究的是事物本身的模糊性