منطق فازی چیست؟کمی آشنا شویم!
پروفسور لطفي زاده اينطور استدلال کرد که بشر به وروديهاي اطلاعاتي دقيق نيازي ندارد بلکه قادر است تا کنترل تطبيقي را به صورت بالايي انجام دهد.پس اگر ماکنترل کننده هاي فيدبک را در سيستم ها طوري طراحي کنيم که بتواند داده هاي مبهم را دريافت کند، اين داده ها ميتوانند به طور ساده تر و موثرتري در اجرا به کار برده شوند.
باين تعاريف منطق فازي داراي اين قدرت است که در تنظيم سيستم ها از ميکرو کنترلهاي ساده وکوچک و جاسازي شده گرفته تا PC هاي چند کاناله شبکه شده بزرگ ياسيستم هاي کنترلي به کار برده شود.اين منطق داراي قدرت اجرايي در سخت افزار ،نرم افزار يا ترکيبي از هر دوي اينهاست.در واقع منطق فازي راه ساده اي را براي رسيدن به يک نتيجه قطعي و معين بر پايه اطلاعات ورودي ناقص ، خطا دار، مبهم ودوپهلو فراهم ميکند.منطق فازي يک قانون ساده بر مبناي
” IF x And y THEN z “
را بيان ميکند.
به عنوان مثال به جاي برخورد با اصطلاحاتي نظير “SP=500F” ،”210
“IF (process is too cool) AND (process is getting colder) THEN
(Add heat to the process) “
Or
“IF (process is too hot) AND (process is heating rapidly) THEN
(Cool the process quickly)”
به کار برده شود.
درست مثل کاري که در هنگام دوش گرفتن انجام مي دهيم: در صورتي که آب خيلي سرد يا خيلي گرم باشد بدون اينکه از درجه دقيق آب اطلاعي داشته باشيم تنها بر اساس پردازش انجام شده در مغز به کمک دريافت دماي هوا از طريق حسگرهاي پوست با کمي سختي کشيدن آب را به سرعت به دماي دلخواه در مي آوريم يا آنکه ميتوانيم در يک اتاق به اشياءگوناگوني نگاه کنيم وتصميم بگيريم کداميک بيشتر شبيه صندلي است ويا به مردم نگاه کنيم و بگوييم کداميک شبيهJohn Wayne ويا کداميک بيشتر شبيه گاندي است.منطق فازي قادر به تقليد اينگونه رفتارها اما با سرعت بسيار بالايي است.از طرفي بايد به اين نکته هم توجه کنيم که تمامي سيستم هاي طبقه بندي ساخته ذهن انسان هستند و برچسب درست تا زماني به يک سيستم طبقه بندي نسبت داده ميشود که سيستم کنترلي ديگر آن را رد نکند مثلا در تئوري نسبيت ديگر درست نيست بگوييم زمين دور خورشيد ميگردد پس خورشيد هم دور زمين مي گردد! يا به عنوان مثال ديگر، کشف موجودي عجيب در استراليا که پلاتي پوس ناميده مي شودو بر خلاف پستانداران ديگر همانند خزندگان تخم ميگذارد و جوجه هاي جوان را شير مي دهد! با اين تعاريف مي توان گفت که منطق فازي يک تکنولوژي کنترلي بسيار قدرتمند است که به جاي ساختن يک حصار در اطراف يک طبقه بندي سعي دارد آن را به گونه اي توصيف کند که به ايده نزديک تر است.
متغير هاي زبان شناختي :
در زندگي روزمره ،کلماتي را به کار مي بريم که اغلب براي توصيف متغيير ها استفاده مي شوند. به عنوان مثال هنگاميکه مي گوييم ” امروز سرد است “ يا “دماي هوا امروز پايين است “ از واژه ” پايين ” براي توصيف ” دماي هواي امروز “ استفاده کرده ايم به اين معني که متغير دماي هواي امروز واژه “پايين” را به عنوان مقدار خود پذيرفته است.واضح است که متغير ” دماي هواي امروز ” ميتواند مقاديري نظير?3،?10-،?8-،?24و… را اختيار کند.هنگاميکه يک متغير ، اعداد را به عنوان مقدار بپذيرد ما يک چهارچوب رياضي مشخص براي فرموله کردن آن داريم اما هنگاميکه متغير واژه ها را به عنوان مقدار ميگيرد در آن صورت چهارچوب مشخص براي فرموله کردن آن درتئوري رياضيات کلاسيک نداريم. در واقع در سيستم هاي عملي اطلاعات مهم از دو منبع سرچشمه مي گيرند : يکي از منابع افراد خبره که دانش و آگاهيشان را دردر مورد سيستم با زبان طبيعي تعريف ميکنند و منبع ديگر اندازه گيري ها و مدل هاي رياضي هستند که از قواعد فيزيکي مشتق شده اند .بنابر اين يک مساله مهم ترکيب اين دو نوع اطلاعات در طراحي سيستم هاست. براي انجام اين ترکيب سوال کليدي اين است که چگونه مي توانيم دانش بشري را به يک فرمول رياضي تبديل کنيم ؟
براي اينکه چنين چهارچوبي به دست آوريم مفهوم متغير هاي زباني تعريف شده است. در صحبت هاي عاميانه اگر يک متغير بتواند واژه هايي از زبان طبيعي را به عنوان مقدار بپذيرد يک متغير زبان شناختي ناميده ميشود. براي فرموله کردن واژه ها در گزاره هاي رياضي از مجموعه هاي فازي براي مشخص کردن واژه ها استفاده ميکنيم و تعريف ميکنيم: ” اگر يک متغير بتواند واژه هايي از زبان طبيعي را به عنوان مقدار خود بپذيرد آنگاه متغير زبان شناختي ناميده ميشود که واژه ها بوسيله مجموعه هاي فازي در محدوده اي که متغير ها تعريف شده اند مشخص مي گردد . ” پروفسور لطفي زاده در سال 1973 مفهوم زبان شناختي يا متغير هاي فازي را ارائه داد .در واقع يکي از ويژگي هاي منطق فازي در استفاده از ساختار قانون پايه منطق فازي است که در طي آن مسائل کنترلي به يک سري قوانين IF x And Y THEN z تبديل ميشوند که پاسخ گوي خروجي مطلوب سيستم براي شرايط ورودي داده شده به سيستم مي باشد. اين قوانين ساده و آشکار براي توصيف پاسخ دهي مطلوب سيستم با اصطلاحاتي از متغيير هاي زبان شناختي به جاي فرمول هاي رياضي استفاده مي شوند.
نکته جالب اينجاست که اگرچه سيستم هاي فازي پديده هاي غير قطعي و نامشخص را توصيف مي کند با اين حال تئوري فازي يک تئوري دقيق مي باشد.
اجزاي ابتدايي و اصول اوليه تئوري مجموعه فازي :
در قسمتFuzzier يا مبدل فازي ، متغيير هاي با مقادير حقيقي به يک مجموعه فازي تبديل شده از طريق ماشين رابط فازي و قوانين پايه نتايج به قسمت غير فازي ساز يا Defuzzier منتقل شده که يک مجموعه فازي را به يک متغير با مقدار حقيقي تبديل مي کند.به بيان ديگر اطلاعات ورودي اغلب مقاديري پيچيده اند واين اعدادبه مجموعه هاي فازي تبديل مي گردند.مدل ها بر اساس منطق فازي شامل قوانين اگر ،آنگاه تفسير مي گردند. حقيقت آن است که بعد از عبارت اگريک منطق مقدم بيان مي گردد و بر اساس آن ما حقيقت ديگر را مورد بررسي قرار مي دهيم که بعد ا زآنگاه مي ايدو در آن نتيجه کار توضيح داده مي شود.در واقع منطق فازي تجربه و دانش انساني را به صورت ترکيبي از اعداد در مقابل وي قرار مي دهد و او را قادر مي سازد تا تصميمي بر اساس رياضيات و منطق بگيرد.
نتيجه:
در پاسخ به چيستي منطق فازي يا منطق نادقيق شايد ساده ترين پاسخ بر اساس شنيده ها اين باشد که Fuzzy Logic يا Fuzzy Theory يک نوع منطق برنامه نويسي است که روش هاي نتيجه گيري در مغز بشر را جايگزين مي کند.منطق فازي در واقع با استفاده از مجموعه اي از معلومات نادقيق که با الفظ و جملات زباني تعريف شده اندبه دنبال استخراج نتايج دقيق است .
کاربردها
منطق فازي تکنولوژي جديدي است که شيوه هاي مرسوم براي طراحي ومدل سازي يک سيستم را که نيازمند رياضيات پيشرفته و نسبتا پيچيد ه است با استفاده از مقادير و شرايط زباني و يا به عبارتي دانش فرد خبره ، و با هدف ساده سازي وکارامد تر شدن طراحي سيستم جايگزين و يا تا حدود زيادي تکميل مي نمايد.
عليرغم اينکه منطق فازي بر پايه رياضيات پيشرفته و پيچيده قرار دارد يادگيري آن بسيار آسان است.از نظر تئو ري هر سيستمي که توسط منطق فازي طراحي شده باشد توسط ساير تکنيک هاي پياده سازي مرسوم نيز قابل پياده سازي است اما ممکن است اين شيوه ها نسبت به منطق فازي پيچيده ومشکل تر باشند.
مجموعه های فازی به دلیل انعطاف پذیری، شبیه سازی استدلال انسان را در قالبی که روی رایانه های رقمی قابل اجراست، میسر می سازند. به عنوان مثال، نرم افزارهای تشخیص کلام باید در برابر تفاوت تلفظ واژه ها، توسط افرادی با لهجه های مختلف، انعطاف داشته باشند. این نکته در مورد خواندن متون دستنویس نیز صحت دارد.
رایانه هایی که بر مبنای منطق دو ارزشی ساخته شده اند، در تشخیص شباهت میان اندازه های متفاوت یک حرف نیز دچار مشکل میشوند، چه رسد به شناخت آشکال متنوع حروف در نوشته های مختلف.
از سوی دیگر آنچه استدلال انسان را از روشهای رایانه ای متمایز می کند، این حقیقت است که مقادیر عددی در تصمیم گیریهای انسان، بسیار کمتر از قیدها و صفات لغوی موثرند.
منطق فازی استفاده از "متغیرهای لغوی" را در الگوریتمها و برنامه ها ممکن می سازد. مثلا برنامه نویس می تواند صفات کمی نادقیقی چون "بسیار" یا "کم" را در برنامه رایانه ای به کار برد. چنینی امکانی، بویژه در کاربردهای هوش مصنوعی و برنامه های کنترل (تنظیم و نظارت بر) فرآیندها، از اهمیت خاصی برخوردار است. در هر دو این موارد، برنامه نویسیس باید با استفاده از قواعد "سرانگشتی" انجام شود. انجام این کار با استفاده از منطق فازی آسان است. حال آنکه بیان این قواعد با روابط دقیقی ریاضی مانند معادلات دیفرانسیل (به دلیلی حجم فوق العاده زیاد آنها) کاری دشوار و گاه ناممکن است. به عنوان مثال، در صنایع پتروشیمی، فرآیندهای پیچیده شیمیایی را نمی توان با معادلات دقیقی ریاضی بیان کرد و برای آنها برنامه های دقیق نوشت.
نخستین دستگاه فازی کنترل فرآیندهای صنعتی، در اوایل دهه 1970 میلادی، توسط دکتر ابراهیم ممدانی استاد ایرانی تبار داشنگاه کوین مری لندن ساخته شد.
پیشرفتهایی که از زمام تا کنون در زمینه خودکار سازی صنایع و دانش هوش مصنوعی انجام شده است، تا حد زیادی مرهون اندیشه نوین دکتر عسکرزاده و ابداعات دکتر ممدانی بوده است.
در سال 1980 میلادی، شرکت دانمارکی اسمیت تنظیم کننده ای خودکار برای کوره های سیمان، به بازار عرضه کرد. این تنظیم کننده با یک ریزپردازنده فازی کار می کرد. هم اکنون شمار زیادی از کوره های سیمان در اروپا از این وسیله استفاده می کنند.
کوره سیمان محفظه ای است به ارتفاع 100 متر که حرکت دورانی دارد. درون کوره، سنگ آهک و گل رس در دمایی بین 1000 تا 1400 درجه سانتیگراد تشکیل واکنش می دهند و "کلینکر" تولید می کنند. واکنشهای شیمیایی درون کوره بسیار پیچیده اند و اندازه گیری کمیت مواد داخل آن بسیار دشوار است. اما یک متصدی (اپراتور) ماهر با استفاده از سی یا چهل قاعده سر انگشتی تجربی بخوبی از عهده نظارت کوره بر می آید.
تنظیم کننده اسمیت، قواعد سر انگشتی را در قالب دستورات فازی می پذیرد. بدین ترتیب، کاربر می تواند حتی بدون آشنایی با برنامه نویسی رایانه، مشخصات کوره های مختلف را به آن بدهد. نخست متغیرهای لغوی بالا، پایین، کافی، متوسط و نظایر آنها توسط منحنی هایی تعریف میشوند. آنگاه قواعد سر انگشتی ممکن است بدین صورت باشد: در صورت بالا بودن مقدار اکسیژن، و پایین بودن مقدار آهک، از میزان سوخت ورودی به قدر کافی کاسته شود. در عمل، میزان کارآیی هر قاعده با بررسی میزان برقراری شرایط مختلف آن، تعیین می شود. آنگاه میانگین متوازن نتیجه اعمال تمامی قاعده ها، عمل نهایی را مشخص می کند.
ممکن است بگویید که قواعد سرانگشتی را می توان به صورت جز به جز در برنامه های رایانه ای وارد کرد و در قبال هر حالت، عملی را برای رایانه مشخص نمود. اما مشکل اینجاست که ایجاد چنین برنمامه ای بسیار دشوارتر از برنامه مبتنی بر منطق فازی است و حافظه عظیمی را اشغال می کند. به همین دلیل، پیاده سازی آن برای کوره های متفاوت، عملا ناممکن است. نظر خواهی از استفاده کنندگان تنظیم کننده اسمیت حاکی از افزایش کیفیت محصول و صرفه جویی در سوخت مصرفی بود.
در دو دهه اخیر در آمریکا، انگلستان، فراانسه و ژاپن، بسیاری از دانشمندان، منطق فازی را در حل مسائل گوناگون مهندسی به کار گرفته اند. اما جالب است بدانید که ژاپنی ها همواره در این عرصه پیشتاز بوده اند. قطار زیرزمینی "سندای" نخستین قظاری است که بهطور خودکار و بر اساس منطق فازی هدایت می شود. ایمنی، راحتی، توقف دقیقی و مصرف حداقل انرژی در طراحی انجام شده نشان می دهند که این دستگاه بهتر از انسان از عهده هدایت قطار بر می آید.
یکیاز نخستین دستگاههای فازی، دستگاه تهویه مطبوع تولید کارخانه میتسوبیشی ژاپن بود.
همان طور که می دانید، ماشینهای سنتی غیر فازی تنها در دو حالت روشن و خاموش کار می کنند. مثلا دستگاههای تهویه مطبوع وقتی هوای اتاق بسیار گرم می شود روشن و هنگامی که بسیار سرد می شود، خاموش می شوند. اما تهویه مطبوع فازی با سرد شدن تدریجی هوای اتاق، تدریجا کندتر و با گرم شدن تدریجی آن، بتدریج تندتر کار می کند. بررسیها نشان می دهند که این امر علاوه بر تامین مطبوعترین دمای ممکن، در مصرف انرژی نیز حداقل بیست در صد صرفه جویی می کند.
ماشینهای لباسشویی و ظرفشویی فازی که اخیرا متداول شده اند، آبی را که لباسها یا ظروف کثیف در آن قرار دارند آزمایش می کنند و بر حسب میزان آلودگی آن، درجه و زمان شستشو را مشخص می کنند.
کاربرد منطق فازی در حل مسائل هوش مصنوعی در حال گسترش است. البته باید توجه داشت که مسائل بسیاری دارند که حل آنها جز با انجام محاسبات دقیق ریاضی و پردازش حجم زیادی از داده ها ممکن نیست. چنین به نظر می رسد که تلفیق منطق دو ارزشی و منطق فازی، بتواند توان عملیاتی رایانه ها را به میزان چشمگیری افزایش دهد.
تاریخچه
زمانی که در سال ۱۹۶۵ پروفسور لطفی زاده، استاد ایرانی الاصل دانشگاه برکلی، اولین مقاله خود را در زمینه فازی تحت عنوان مجموعه های فازی (FUZZY TEST) منتشر کرد، هیچ کس باور نداشت که این جرقه ای خواهد بود که دنیای ریاضیات را به طور کلی تغییر دهد. گرچه در دهه ۱۹۷۰ و اوایل دهه ۱۹۸۰ مخالفان جدی برای نظریه فازی وجود داشت، اما امروزه هیچ کس نمی تواند ارزش های منطق فازی و کنترل های فازی را منکر شود. افتخار هر ایرانی است که پایه علوم قرن آینده از نظریات یک ایرانی می باشد؛ باید قدر این فرصت را دانست و در تعمیم نظریه فازی و استفاده از آن کوشش و تلاش کرد. زمینه های پژوهش و تحقیق در نظریه فازی بسیار گسترده می باشد؛ پژوهشگران علاقه مند می توانند با پژوهش و تحقیق در این زمینه باعث رشد و شکوفایی هرچه بیشتر نظریه فازی شوند. در این مقاله سعی شده است که خوانندگان محترم با نظریه فازی و تاریخچه آن آشنا شوند و زمینه های تحقیق و پژوهش مورد بررسی قرار گیرد. امید است که بتوان قدمی هر چند کوچک در جهت تعالی کشور عزیزمان ایران برداریم ● تاریخچهٔ مجموعه های فاز نظریهٔ مجموعه فازی در سال ۱۹۶۵ توسط پروفسور لطفی عسگرزاده، دانشمند ایرانی تبار و استاد دانشگاه برکلی امریکا عرضه شد. اگر بخواهیم نظریه مجموعه های فازی را توضیح دهیم، باید بگوییم نظریه ای است برای اقدام در شرایط عدم اطمینان؛ این نظریه قادر است بسیاری از مفاهیم و متغیرها و سیستم هایی را که نادقیق و مبهم هستند، صورت بندی ریاضی ببخشد و زمینه را برای استدلال، استنتاج، کنترل و تصمیم گیری در شرایط عدم اطمینان فراهم آورد. پرواضح است که بسیاری از تصمیمات و اقدامات ما در شرایط عدم اطمینان است و حالت های واضح غیر مبهم، بسیار نادر و کمیاب می باشند. نظریهٔ مجموعه های فازی به شاخه های مختلفی تقسیم شده است که بحث کامل و جامع در مورد هر شاخه، به زمان بیشتر و مباحث طولانی تری احتیاج دارد. در این مبحث که با انواع شاخه های فازی و کاربرد آنها آشنا می شویم، تلاش شده است که مباحث به صورت ساده ارائه شود و مسائل بدون پیچیدگی های خاص مورد بررسی قرار گیرد. همچنین تلاش شده است که جنبه های نظری هر بحث تا حد امکان روشن شود؛ گرچه در بسیاری موارد به منظور اختصار، از بیان برهان ها چشمپوشی شده است و علاقه مندان را به منابع ارجاع داده ایم. مطالعه این پژوهش می تواند زمینه ای کلی و فراگیر دربارهٔ اهم شاخه های نظریه مجموعه های فازی فراهم آورد؛ اما علاقه مندان می توانند با توجه به نوع و میزان علاقه و هدف خود، به مراجع اعلام شده، مراجعه نمایند. ● تاریخچهٔ مختصری از نظریه و کاربردهای فازی ▪ دههٔ ۱۹۶۰ آغاز نظریه فازی نظریه فازی به وسیله پروفسور لطفی زاده در سال ۱۹۶۵ در مقاله ای به نام مجموعه های فازی معرفی شد. ایشان قبل از کار بر روی نظریه فازی، یک استاد برجسته در نظریه کنترل بود. او مفهوم «حالت» را که اساس نظریه کنترل مدرن را شکل می دهد، توسعه داد. عسگرزاده در سال ۱۹۶۲ چیزی را بدین مضمون برای سیستم های بیولوژیک نوشت: ما اساساً به نوع جدید ریاضیات نیازمندیم؛ ریاضیات مقادیر مبهم یا فازی که توسط توزیع های احتمالات قابل توصیف نیستند. وی فعالیت خویش در نظریه فازی را در مقاله ای با عنوان «مجموعه های فازی» تجسم بخشید. مباحث بسیاری در مورد مجموعه های فازی به وجود آمد و ریاضیدانان معتقد بودند نظریه احتمالات برای حل مسائلی که نظریه فازی ادعای حل بهتر آن را دارد، کفایت می کند. دههٔ ۱۹۶۰ دههٔ چالش کشیدن و انکار نظریه فازی بود و هیچ یک از مراکز تحقیقاتی، نظریه فازی را به عنوان یک زمینه تحقیق جدی نگرفتند. اما در دههٔ ۱۹۷۰، به کاربردهای عملی نظریه فازی توجه شد و دیدگاه های شک برانگیز درباره ماهیت وجودی نظریه فازی مرتفع شد. استاد لطفی زاده پس از معرفی مجموعهٔ فازی در سال ۱۹۶۵، مفاهیم الگوریتم فازی را در سال ۱۹۶۸، تصمیم گیری فازی را در سال ۱۹۷۰ و ترتیب فازی را در سال ۱۹۷۱ ارائه نمود. ایشان در سال ۱۹۷۳ اساس کار کنترل فازی را بنا کرد این مبحث باعث تولد کنترل کننده های فازی برای سیستم های واقعی بود؛ ممدانی (Mamdani) و آسیلیان (Assilian) چهارچوب اولیه ای را برای کنترل کننده فازی مشخص کردند. در سال ۱۹۷۸ هومبلاد (Holmblad) و اوسترگارد(Ostergaard) اولین کنترل کننده فازی را برای کنترل یک فرایند صنعتی به کار بردند که از این تاریخ، با کاربرد نظریه فازی در سیستم های واقعی، دیدگاه شک برانگیز درباره ماهیت وجودی این نظریه کاملاً متزلزل شد. دههٔ ۱۹۸۰ از لحاظ نظری، پیشرفت کندی داشت؛ اما کاربرد کنترل فازی باعث دوام نظریه فازی شد. مهندسان ژاپنی به سرعت دریافتند که کنترل کننده های فازی به سهولت قابل طراحی بوده و در مورد بسیاری مسائل می توان از آنها استفاده کرد. به علت اینکه کنترل فازی به یک مدل ریاضی نیاز ندارد، می توان آن را در مورد بسیاری از سیستم هایی که به وسیلهٔ نظریه کنترل متعارف قابل پیاده سازی نیستند، به کار برد. سوگنو مشغول کار بر روی ربات فازی شد، ماشینی که از راه دور کنترل می شد و خودش به تنهایی عمل پارک را انجام می داد. یاشونوبو (Yasunobu) و میاموتو (Miyamoto) از شرکت هیتاچی کار روی سیستم کنترل قطار زیرزمینی سندایی را آغاز کردند. بالاخره در سال ۱۹۸۷ پروژه به ثمر نشست و یکی از پیشرفته ترین سیستم های قطار زیرزمینی را در جهان به وجود آورد. در دومین کنفرانس سیستم های فازی که در توکیو برگزار شد، درست سه روز بعد از افتتاح قطار زیرزمینی سندایی، هیروتا (Hirota) یک روبات فازی را به نمایش گذارد که پینگ پونگ بازی می کرد؛ یاماکاوا (Yamakawa) نیز سیستم فازی را نشان داد که یک پاندول معکوس را در حالت تعادل نشان می داد. پس از این کنفرانس، توجه مهندسان، دولتمردان و تجار جلب شد و زمینه های پیشرفت نظریه فازی فراهم شد. ▪ دههٔ ۱۹۹۰ ، توجه محققان امریکا و اروپا به سیستم های فازی موفقیت سیستم های فازی در ژاپن، مورد توجه محققان امریکا و اروپا واقع شد و دیدگاه بسیاری از محققان به سیستم های فازی تغییر کرد. در سال ۱۹۹۲ اولین کنفرانس بین المللی در مورد سیستم های فازی به وسیله بزرگترین سازمان مهندسی یعنی IEEE برگزار شد. در دههٔ ۱۹۹۰ پیشرفت های زیادی در زمینهٔ سیستم های فازی ایجاد شد؛ اما با وجود شفاف شدن تصویر سیستم های فازی، هنوز فعالیت های بسیاری باید انجام شود و بسیاری از راه حل ها و روش ها همچنان در ابتدای راه قرار دارد. بنابراین توصیه می شود که محققان کشور با تحقیق و تفحص در این زمینه، موجبات پیشرفت های عمده در زمینهٔ نظریه فازی را فراهم نمایند. ● زندگینامهٔ پروفسور لطفی زاده استاد لطفی زاده در سال ۱۹۲۱ در باکو متولد شد. آنجا مرکز آذربایجان شوروی بود. لطفی زاده یک شهروند ایرانی بود؛ پدرش یک تاجر و نیز خبرنگار روزنامهٔ ایرانیان بود. استاد لطفی زاده از ۱۰ تا ۲۳ سالگی در ایران زندگی کرد و به مدرسهٔ مذهبی رفت. خاندان لطفی زاده از اشراف و ثروتمندان ایرانی بودند که همیشه ماشین و خدمتکار شخصی داشتند. در سال ۱۹۴۲ با درجهٔ کارشناسی مهندسی برق از دانشکده فنی دانشگاه تهران فارغ التحصیل شد. او در سال ۱۹۴۴ وارد امریکا شد و به دانشگاه MIT رفت و در سال ۱۹۴۶ درجهٔ کارشناسی ارشد را در مهندسی برق دریافت کرد. در سال ۱۹۵۱ درجهٔ دکترای خود را در رشتهٔ مهندسی برق دریافت نمود و به استادان دانشگاه کلمبیا ملحق شد. سپس به دانشگاه برکلی رفته و در سال ۱۹۶۳ ریاست دپارتمان مهندسی برق دانشگاه برکلی را که بالاترین عنوان در رشتهٔ مهندسی برق است، کسب نمود. لطفی زاده انسانی است که همیشه موارد مخالف را مورد بررسی قرار داده و به بحث دربارهٔ آن می پردازد. این خصوصیت، قابلیت پیروزی بر مشکلات را به لطفی زاده اعطا نموده است. در سال ۱۹۵۶ لطفی زاده بررسی منطق چند ارزشی و ارائهٔ مقالات تخصصی در مورد این منطق را آغاز کرد. روفسور لطفی زاده از طریق مؤسسهٔ پرینستون با استفن کلین آشنا شد. استفن کلین کسی است که از طرف مؤسسهٔ پرینستون، منطق چند ارزشی را در ایالات متحده رهبری می کرد. کلین متفکر جوان ایرانی را زیر بال و پر خود گرفت. آنها هیچ مقاله ای با یکدیگر ننوشتند، اما تحت تأثیر یکدیگر قرار داشتند. لطفی زاده اصول منطق و ریاضی منطق چند ارزشی را فرا گرفت و به کلین اساس مهندسی برق و نظریهٔ اطلاعات را آموخت. وی پس از آشنایی با پرینستون، شیفتهٔ منطق چند ارزشی شد. در سال ۱۹۶۲ لطفی زاده تغییرات مهم و اصلی را در مقالهٔ «از نظریهٔ مدار به نظریهٔ سیستم» در مجلهٔ IRE که یکی از بهترین مجله های مهندسی آن روز بود، منتشر ساخت. در اینجا برای اولین بار عبارت فازی را برای چند ارزشی پیشنهاد داد. لطفی زاده پس از ارائهٔ منطق فازی، در تمام دههٔ ۱۹۷۰ و دههٔ ۱۹۸۰ به منتقدان خود در مورد این منطق پاسخ می داد. متانت، حوصله و صبوری استاد در برخورد با انتقادات و منتقدان منطق فازی از خود بروز می داد، در رشد و نمو منطق فازی بسیار مؤثر بوده است، به طوری که رشد کاربردهای کنترل فازی و منطق فازی در سیستم های کنترل را مدیون تلاش و کوشش پروفسور لطفی زاده می دانند و هرگز جهانیان تلاش این بزرگ مرد اسطوره ای ایرانی را فراموش نخواهند کرد. ● تعریف سیستم های فازی و انواع آن واژهٔ فازی در فرهنگ لغت آکسفورد به صورت مبهم، گنگ و نادقیق تعریف شده است. اگر بخواهیم نظریهٔ مجموعه های فازی را تعریف کنیم، باید بگوییم که نظریه ای است برای اقدام در شرایط عدم اطمینان؛ این نظریه قادر است بسیاری از مفاهیم و متغیر ها و سیستم هایی را که نادقیق هستند، صورت بندی ریاضی ببخشد و زمینه را برای استدلال، استنتاج، کنترل و تصمیم گیری در شرایط عدم اطمینان فراهم آورد. ● چرا سیستم های فازی: دنیای واقعی ما بسیار پیچیده تر از آن است که بتوان یک توصیف و تعریف دقیق برای آن به دست آورد؛ بنابراین باید برای یک مدل، توصیف تقریبی یا همان فازی که قابل قبول و قابل تجزیه و تحلیل باشد معرفی شود. با حرکت به سوی عصر اطلاعات، دانش و معرفت بشری بسیار اهمیت پیدا می کند. بنابراین ما به فرضیه ای نیاز داریم که بتواند دانش بشری را به شکلی سیستماتیک فرموله کرده و آن را به همراه سایر مدل های ریاضی در سیستم های مهندسی قرار دهد. ● سیستم های فازی چگونه سیستم هایی هستند؟ سیستم های فازی، سیستم های مبتنی بر دانش یا قواعد می باشند؛ قلب یک سیستم فازی یک پایگاه دانش است که از قواعد اگر ـ آنگاه فازی تشکیل شده است. یک قاعده اگر ـ آنگاه فازی، یک عبارت اگر ـ آنگاه است که بعضی کلمات آن به وسیله توابع تعلق پیوسته مشخص شده اند. مثال: اگر سرعت خودرو بالاست، آنگاه نیروی کمتری به پدال گاز وارد کنید. کلمات «بالا» و «کم» به وسیله توابع تعلق مشخص شده اند؛ توضیحات کامل در شکل ارائه شده است. مثال ۱-۱) فرض کنید می خواهیم کنترل کنند ه ای طراحی کنیم که سرعت خودرو را به طور خودکار کنترل کند. راه حل این است که رفتار رانندگان را شبیه سازی کنیم؛ بدین معنی که قواعدی را که راننده در حین حرکت استفاده می کند، به کنترل کنندهٔ خودکار تبدیل نماییم. در صحبت های عامیانه راننده ها در شرایط طبیعی از ۳ قاعده زیر در حین رانندگی استفاده می کنند: اگر سرعت پایین است، آنگاه نیروی بیشتری به پدال گاز وارد کنید. اگر سرعت متوسط است، آنگاه نیروی متعادلی به پدال گاز وارد کنید. اگر سرعت بالاست، آنگاه نیروی کمتری به پدال گاز وارد کنید. به طور خلاصه، نقطهٔ شروع ساخت یک سیستم فازی به دست آوردن مجموعه ای از قواعد اگر ـ آنگاه فازی از دانش افراد خبره یا دانش حوزه مورد بررسی می باشد؛ مرحلهٔ بعدی، ترکیب این قواعد در یک سیستم واحد است. ● انواع سیستم های فازی ▪ سیستم های فازی خالص موتور استنتاج فازی، این قواعد را به یک نگاشت از مجموعه های فازی در فضای ورودی به مجموعه های فازی و در فضای خروجی بر اساس اصول منطق فازی ترکیب می کند. مشکل اصلی در رابطه با سیستم های فازی خالص این است که ورودی ها و خروجی های آن مجموعه های فازی می باشند. درحالی که در سیستم های مهندسی، ورودی ها و خروجی ها متغیرهایی با مقادیر حقیقی می باشند. برای حل این مشکل، تاکاگی سوگنو و کانگ، نوع دیگری از سیستم های فازی معرفی کرده اند که ورودی ها و خروجی های آن متغیرهایی با مقادیر واقعی هستند. ▪ سیستم فازی تاکاگی ـ سوگنو و کانگ بدین ترتیب قاعده فازی از یک عبارت توصیفی با مقادیر زبانی، به یک رابطهٔ ساده تبدیل شده است؛ به طور مثال در مورد خودرو می توان اعلام کرد که اگر سرعت خودرو X باشد، آنگاه نیروی وارد بر پدال گاز برابر Y=CX می باشد. مشکلات عمدهٔ سیستم فازی TSK عبارت است از: بخش «آنگاه» قاعدهٔ یک فرمول ریاضی بوده و بنابراین چهارچوبی را برای نمایش دانش بشری فراهم نمی کند. این سیستم دست ما را برای اعمال اصول مختلف منطق فازی باز نمی گذارد و در نتیجه انعطاف پذیری سیستم های فازی در این ساختار وجود ندارد. برای حل این مشکلات نوع سومی از سیستم های فازی یعنی سیستم فازی با فازی سازها و غیر فازی سازها مورد استفاده قرار گرفت. ▪ سیستم های فازی با فازی ساز و غیر فازی ساز این سیستم فازی معایب سیستم فازی خالص و سیستم فازی TSK را می پوشاند. در این مبحث، از این پس سیستم فازی با فازی ساز و غیر فازی ساز منظور خواهد بود. به عنوان نتیجه گیری برای این بخش لازم است یادآوری شود که جنبهٔ متمم نظریه سیستم های فازی این است که یک فرایند سیستماتیک را برای تبدیل یک پایگاه دانش به یک نگاشت غیر فعلی فراهم می سازد. ● زمینه های تحقیق عمده در نظریه فازی منظور از نظریه فازی، تمام نظریه هایی است که از مفاهیم اساسی مجموعه های فازی یا توابع تعلق استفاده می کنند. مطابق شکل، نظریه فازی را می توان به پنج شاخهٔ عمده تقسیم کرد که عبارتند از: ▪ ریاضیات فازی مفاهیم ریاضیات کلاسیک، با جایگزینی مجموعه های فازی با مجموعه های کلاسیک توسعه پیدا کرده است. ▪ منطق فازی و هوش مصنوعی که در آن منطق کلاسیک تقریب هایی یافته و سیستم های خبره بر اساس اطلاعات و استنتاج تقریبی توسعه پیدا کرده است. ▪ سیستم های فازی سیستم های فازی که شامل کنترل فازی و راه حل هایی در زمینهٔ پردازش سیگنال و مخابرات می باشد. ▪ عدم قطعیت و اطلاعات انواع عدم قطعیت ها را مورد تجزیه و تحلیل قرار می دهد. ▪ تصمیم گیری فازی مسائل بهینه سازی را با محدودیت ها در نظر می گیرد. ـ اصل منطق فازی ـ استدلال تقریبی ـ سیستم های خبره فازی ـ منطق فازی و هوش مصنوعی ـ عدم قطعیت و اطلاعات ـ تصمیم گیری فازی ـ سیستم های فازی ـ ریاضیات فازی ـ نظریه فازی ـ مخابرات ـ پردازش سیگنال فازی ـ کنترل فازی ـ متعادل سازی کانال ـ بازشناسی الگو پردازش تصویر ـ طراحی کنترل کننده ـ تحلیل پایداری ـ تئوری امکان ـ اندازه گیری عدم قطعیت ـ بهینه سازی چندگانه برنامه ریزی فازی ـ مجموعه های فازی ـ اندازه گیریهای فازی ـ تحلیل فازی ـ روابط فازی ـ توپولوژی فازی باید توجه داشت که پنچ شاخهٔ مستقل از یکدیگر نبوده و به شدت به هم ارتباط دارند. |
