مقدمه
مفاهیم نادقیق بسیاری در پیرامون ما وجود دارند که آن‌ها را به‌صورت روزمره در قالب عبارت‌های مختلف بیان می‌کنیم. به این جمله دقت کنید: «هوا خوب است».
هیچ کمیتی برای خوب بودن هوا مطرح نیست تا آن را اندازه بگیریم بلکه این یک حس کیفی است. در واقع مغز انسان با در نظر گرفتن عوامل گوناگون و بر پایه‌ي تفکر استنتاجی جملات را تعریف و ارزش‌گذاری می‌‌نماید که الگوبندی آن‌ها به زبان و فرمول‌های ریاضی اگر غیرممکن نباشد کاری بسیار پیچیده خواهد بود.
«منطق فازی» فناوری جدیدی است که شیوه‌هایی را که برای طراحی و مدل‌سازی یک سیستم نیازمند ریاضیات پیچیده و پیشرفته است. با استفاده از «مقادیر زبانی» و «دانش فرد خبره» جایگزین می‌‌سازد.

 طرح مطلب
مفاهیم نادقیق بسیاری در پیرامون ما وجود دارند که آن‌ها را به‌صورت روزمره در قالب عبارت‌های مختلف بیان می‌کنیم. به این جمله دقت کنید: «هوا خوب است». هیچ کمیتی برای خوب بودن هوا مطرح نیست تا آن را اندازه بگیریم بلکه این یک حس کیفی است.

در واقع مغز انسان با در نظر گرفتن عوامل گوناگون و بر پایه‌ي تفکر استنتاجی جملات را تعریف و ارزش‌گذاری می‌‌نماید که الگوبندی آن‌ها به زبان و فرمول‌های ریاضی اگر غیرممکن نباشد کاری بسیار پیچیده خواهد بود.

«منطق فازی» فناوری جدیدی است که شیوه‌هایی را که برای طراحی و مدل‌سازی یک سیستم نیازمند ریاضیات پیچیده و پیشرفته است. با استفاده از «مقادیر زبانی» و و «دانش فرد خبره» جایگزین می‌‌سازد.
اگر از ما پرسیده شود «منطق فازی» چیست شاید ساده‌ترین پاسخ براساس شنیده‌ها این باشد که Fuzzy Logic یا Fuzzy Theory یک نوع منطق است که روش‌های نتیجه گیری در مغز بشر را جایگزین می‌کند.

مفهوم «منطق فازی» توسط «دکتر لطفی‌زاده» - استاد دانشگاه کالیفورنیا در برکلی - ارائه گردید و نه‌تنها به‌عنوان «روش‌شناسی کنترل» ارائه شد بلکه راهی برای پردازش داده‌ها، برمبنای مجاز کردن عضویت گروهی کوچک به‌جای عضویت گروهی دسته‌ای ارائه کرد.

به‌جهت نارسا و نابسنده بودن قابلیت رایانه‌های ابتدایی تا دهه‌ي 70 این فرضیه در «سیستم‌های کنترلی» به‌کار برده نشد.

«پروفسور لطفی‌زاده» این‌طور استدلال کرد که بشر به ورودی‌های اطلاعاتی دقیق نیازی ندارد بلکه قادر است تا «کنترل تطبیقی» را به‌صورت بالایی انجام دهد.

پس اگر ما کنترل‌کننده‌های بازخورد را در سیستم‌ها طوری طراحی کنیم که بتواند داده‌های مبهم را دریافت کند این داده‌ها می‌توانند به‌طور ساده تر و مؤثرتری در اجرا به‌کار برده شوند.

 مقدمه
مفاهیم نادقیق بسیاری در پیرامون ما وجود دارند که آن‌ها را به‌صورت روزمره در قالب عبارت‌های مختلف بیان می‌کنیم. به این جمله دقت کنید: «هوا خوب است».
هیچ کمیتی برای خوب بودن هوا مطرح نیست تا آن را اندازه بگیریم بلکه این یک حس کیفی است. در واقع مغز انسان با در نظر گرفتن عوامل گوناگون و بر پایه‌ي تفکر استنتاجی جملات را تعریف و ارزش‌گذاری می‌‌نماید که الگوبندی آن‌ها به زبان و فرمول‌های ریاضی اگر غیرممکن نباشد کاری بسیار پیچیده خواهد بود.
«منطق فازی» فناوری جدیدی است که شیوه‌هایی را که برای طراحی و مدل‌سازی یک سیستم نیازمند ریاضیات پیچیده و پیشرفته است. با استفاده از «مقادیر زبانی» و «دانش فرد خبره» جایگزین می‌‌سازد.

 طرح مطلب
مفاهیم نادقیق بسیاری در پیرامون ما وجود دارند که آن‌ها را به‌صورت روزمره در قالب عبارت‌های مختلف بیان می‌کنیم. به این جمله دقت کنید: «هوا خوب است». هیچ کمیتی برای خوب بودن هوا مطرح نیست تا آن را اندازه بگیریم بلکه این یک حس کیفی است.

در واقع مغز انسان با در نظر گرفتن عوامل گوناگون و بر پایه‌ي تفکر استنتاجی جملات را تعریف و ارزش‌گذاری می‌‌نماید که الگوبندی آن‌ها به زبان و فرمول‌های ریاضی اگر غیرممکن نباشد کاری بسیار پیچیده خواهد بود.

«منطق فازی» فناوری جدیدی است که شیوه‌هایی را که برای طراحی و مدل‌سازی یک سیستم نیازمند ریاضیات پیچیده و پیشرفته است. با استفاده از «مقادیر زبانی» و و «دانش فرد خبره» جایگزین می‌‌سازد.
اگر از ما پرسیده شود «منطق فازی» چیست شاید ساده‌ترین پاسخ براساس شنیده‌ها این باشد که Fuzzy Logic یا Fuzzy Theory یک نوع منطق است که روش‌های نتیجه گیری در مغز بشر را جایگزین می‌کند.

مفهوم «منطق فازی» توسط «دکتر لطفی‌زاده» - استاد دانشگاه کالیفورنیا در برکلی - ارائه گردید و نه‌تنها به‌عنوان «روش‌شناسی کنترل» ارائه شد بلکه راهی برای پردازش داده‌ها، برمبنای مجاز کردن عضویت گروهی کوچک به‌جای عضویت گروهی دسته‌ای ارائه کرد.

به‌جهت نارسا و نابسنده بودن قابلیت رایانه‌های ابتدایی تا دهه‌ي 70 این فرضیه در «سیستم‌های کنترلی» به‌کار برده نشد.

«پروفسور لطفی‌زاده» این‌طور استدلال کرد که بشر به ورودی‌های اطلاعاتی دقیق نیازی ندارد بلکه قادر است تا «کنترل تطبیقی» را به‌صورت بالایی انجام دهد.

پس اگر ما کنترل‌کننده‌های بازخورد را در سیستم‌ها طوری طراحی کنیم که بتواند داده‌های مبهم را دریافت کند این داده‌ها می‌توانند به‌طور ساده تر و مؤثرتری در اجرا به‌کار برده شوند.