‫‪1‬‬

‫املنطق الضبابي‬
‫‪Fuzzy logic‬‬
‫إعداد ‪ :‬د‪.‬جعفر زين العابدين صالح‬
‫جامعة النيلين كلية علوم الحاسوب وتقانة‬
‫املعلومات‬

‫‪Dr gafar zen alabdeen salh‬‬

‫)‪(2011‬‬
 ‫مقدمة‬
‫‪2‬‬

‫‪ ‬المنطق الضبابي ليس منطقا ضبابيا ‪ ،‬وإنما منطق‬

‫يستخدم في وصف الضبابية ‪ ،‬فالمنطق الضبابي هو‬
‫نظرية الفئات الضبابية ‪ ،‬والفئات التي تعاير‬
‫الغموض ‪ .‬ويبني المنطق الضباب علي فكرة أن كل‬
‫األشياء تعترف بالدرجات ‪ .‬درجة الحرارة ‪،‬‬
‫االرتفاع ‪ ،‬السرعة ‪ ،‬المسافة ‪ ،‬الجمال ‪ .‬كلها تأتي‬
‫علي مقياس منزلق ‪.‬‬

‫‪Dr gafar zen alabdeen salh‬‬

‫)‪(2011‬‬
 ‫‪3‬‬

‫‪ ‬المحرك يعمل بسخونة فعلية ‪really hot‬‬

‫‪ ‬توم رجل طويل جدا ‪very tall‬‬
‫‪ ‬السيارات الكهربائية ليس سريعة جدا“ ‪not very fast‬‬
‫‪ ‬تحتاج مشغالت األداء المرتفع ‪ high‬إلي ديناميكيات سريعة‬
‫جدا“ ‪very rapid‬‬
‫‪ ‬تقع مدينة عطبرة علي مسافة قصيرة من مدينة الدامر‬
‫‪ ‬سيدني مدينة جميلة ‪beautiful‬‬

‫‪Dr gafar zen alabdeen salh‬‬

‫)‪(2011‬‬
 ‫ماهو الحل؟‬
‫‪4‬‬

‫‪ ‬المنطق التقليدي يعمل علي رسم خط فاصل ‪ .‬مثال أقصي مدي للمركبة‬
‫الكهربائية يكون قصيرا“ ‪ ،‬ومعتبرين أن مدي ‪ 300‬كيلومتر واقل‬
‫قصيرا والمدى األكبر من ‪ 300‬كيلو متر كبيرا ‪ .‬وبهذا أن أي مركبة‬
‫كهربائية ‪ 301‬أو أكثر فإنها طويلة ألمدي واقل من ‪ 300‬فإنها قصيرة‬
‫ألمدي‬
‫‪ ‬وكذلك إذا كان الخط الفاصل ألطوال أفراد هو ‪ . 180‬فان توم الذي‬
‫طوله ‪ 181‬يعتبر طويل ولكن ديفيد الذي طوله ‪ 179‬قصير وهذه نوع‬
‫من السخافات ‪.‬‬
‫استخدام املنطق الضبابي ‪:‬‬ ‫‪ ‬ماهو الحل ‪.‬؟‬

‫‪Dr gafar zen alabdeen salh‬‬

‫)‪(2011‬‬
 ‫تاريخ المنطق الضبابي‬
‫‪5‬‬

‫‪ :1936 ‬جان لوكاسيويسز عالم المنطق والفيلسوف البولندي ‪،‬‬

‫قدم المنطق الضبابي أو المنطق متعدد القيم‬
‫‪ :1937 ‬نشر ماكس بالك فيلسوف ورقة باسم الغموض ‪،‬‬
‫تمرين في التحليل المنطقي‬
‫‪ :1965 ‬نشر لطفي زاديه ‪ ،‬أستاذ ورئيس قسم الهندسة‬
‫الكهربائية في جامعة كاليفورنيا في بركلي ورقته العلمية‬
‫الشهيرة الفئات الضبابية ”‪ ، “fuzzy set‬وسمي هذا المنطق‬
‫الجديد لتمثيل المصطلحات الضبابية ومعالجتها من مشكلة‬
‫الضبابية وأصبح ذاديه سيد المنطق الضبابي ‪master‬‬
‫‪Dr gafar zen alabdeen salh‬‬
‫)‪(2011‬‬
 ‫‪6‬‬

‫‪ ‬لماذا المنطق الضبابي ؟‬

‫‪ ‬كما قال زاديه ‪ ،‬المصطلح واقعي ‪ ،‬وفوري ‪ ،‬ووصفي ‪ ،‬فنحن‬
‫جميعا نعرف ما يعنيه ‪ .‬إال أن الكثير من الناس في الغرب‬
‫كانت كلمة ضباب تصدهم ألنها عادة تستخدم بإحساس سلبي ‪.‬‬
‫‪ ‬لماذا المنطق ؟‬
‫‪ ‬تعتمد الضبابية علي نظرية الفئات الضبابية ‪ ،‬وليس المنطق‬
‫الضبابي إال جزء صغير من هذه النظرية ‪ .‬إال أن زاديه‬
‫استخدم مصطلح المنطق الضبابي في معني أوسع‬

‫‪Dr gafar zen alabdeen salh‬‬

‫)‪(2011‬‬
 ‫‪7‬‬

‫‪‬يتحدد المنطق الضبابي كفئة من األساسيات‬

‫الرياضية لتمثيل المعرفة بناء علي درجات‬
‫العضوية بدال من العضوية الواضحة‬
‫للمنطق الثنائي الكالسيكي ‪.‬‬

‫‪Dr gafar zen alabdeen salh‬‬

‫)‪(2011‬‬
 ‫‪8‬‬

‫‪ ‬وعلي عكس منطق بوليان الذي له قيمتين اثنين فقط فيكون‬

‫المنطق الضبابي متعدد القيم ‪ . multi-valued‬ويتعامل‬
‫مع درجات العضوية ‪ ، degree of membership‬و‬
‫درجات الحقيقة ‪ degree of truth‬ويستخدم المنطق‬
‫الضبابي القيم المتصلة للقيم المنطقية الواقعة بين الصفر‬
‫(الخطأ تماما) والواحد الصحيح (الصحيح تماما) ‪ .‬وبدال من‬
‫األبيض واألسود فقط فهو يستخدم طيف االلوان ويقبل أن‬
‫تكون األشياء صحيحة جزئيا وخطأ جزئيا في نفس الوقت ‪،‬‬
‫كما يمكن رويته من شكل التالي ‪ .‬ويمكن النظر للمنطق‬
‫الكالسيكي عل انه حالة خاصة من النطق الضبابي‬
‫‪Dr gafar zen alabdeen salh‬‬
‫)‪(2011‬‬
 Range of logical values in Boolean and fuzzy
logic
9

0 01 0 1 1 0 0 0.2 0.4 0.6 0.8 1 1

(a) Boolean Logic. (b) Multi-valued Logic .

Dr gafar zen alabdeen salh

(2011)
 ‫‪fuzzy set‬‬ ‫الفئات الضبابية‬
‫‪10‬‬

‫‪‬يكون مفهوم الفئة أي المجموعة ‪ set‬من‬

‫أساسيات علم الرياضيات‬
‫‪‬عندما نقول عربه فإننا نعني واحدة من فئة‬
‫العربات ‪.‬‬

‫‪Dr gafar zen alabdeen salh‬‬

‫)‪(2011‬‬
‫والمثال الكالسيكي في نظرية الفئات الضبابية هو الرجل الطويل‬
‫درجة‬
‫‪11‬‬
‫‪ tall man‬فعناصر الفئة الضبابية ‪ .‬رجل طويل ‪،‬‬
‫عضويتهم يعتمد علي أطوالهم‬

‫‪Dr gafar zen alabdeen salh‬‬

‫)‪(2011‬‬
 Crisp and fuzzy sets of “tall men” 12
Degree of
Crisp Sets
Membership
1.0

0.8

0.6

0.4

0.2

0.0
150 160 170 180 190 200 210
Height, cm
Degree of
Fuzzy Sets
Membership
1.0

0.8

0.6

0.4

0.2

0.0
150 160 170 180 190 200 210
Height, cm

Dr gafar zen alabdeen salh

(2011)
 ‫‪13‬‬

‫‪ ‬محور ‪( x‬االفقي) عالم المحادثة ‪ universe of discourse‬مدي كل‬

‫القيم الممكنه المطبقة علي المتغير المختار ‪ .‬وفي حالتنا هذه ‪.‬المتغير هو‬
‫طول الشخص ‪ .‬ويمثل هذا التمثيل عالم الرجال الطوال ‪all tall men‬‬
‫‪ ‬محور ‪( y‬الراسي) قيمة العضوية للفئة الضباية ‪membership‬‬
‫‪ .value of the fuzzy set‬وحالتنا هذه نرسم فئة الرجل الطويل‬
‫قيم اطوال في قيم عضوية مناظرة لها ‪ .‬فجاة يصبح ديفيد الباغ من الطول‬
‫‪ 179‬سم أي اقل من ‪ 2‬سم من طول توم رجال ليس طويال (أي قصيرا)‬
‫‪not tall‬‬

‫‪Dr gafar zen alabdeen salh‬‬

‫)‪(2011‬‬
 ‫ما الفئة الكالسيكية؟‬
‫‪14‬‬

‫‪ ‬يمكن تعريف الفئة الضبابية ببساطة بأنها فئة لها حدود ضبابية ‪.‬‬
‫‪ ‬دع ‪ x‬تكون عالم المحادثة ‪ ،‬ويرمز إلي عناصرها بأنها ‪ . x‬في نظرية‬
‫الفئات الكالسيكية ‪ ،crisp‬تعرف فئة ‪ A‬الواضحة ل ‪ x‬بالدالة )‪FA(x‬‬
‫وتسمي دالة الخواص للفئة ‪characteristic function of A A‬‬

‫‪1, if x  A‬‬
‫‪fA(x): X {0, 1}, where f A ( x)  ‬‬
‫‪0, if x  A‬‬
‫‪ ‬نرسم هذه الفئة عالم ‪ X‬في فئة من عنصرين ‪ .‬والي عنصر ‪ x‬من العالم‬
‫‪ X‬دالة الخواص )‪ FA(x‬تساوي ‪ 1‬إذا كانت ‪ x‬عنصرا في الفئة ‪. A‬‬
‫وتساوي ‪ 0‬إذا لم تكن عنصرا في الفئة ‪A‬‬

‫‪Dr gafar zen alabdeen salh‬‬

‫)‪(2011‬‬
 ‫ما الفئة الضبابية ؟‬
‫‪15‬‬

‫‪ ‬وفي النظرية الضبابية تعرف الفئة الضبابية ‪ A‬في عالم ‪X‬بالدالة )‪mA (x‬‬
‫‪called the membership function of set‬تسمي دالة العضوية‬
‫للفئة ‪A‬‬
‫;‪mA(x): X  [0, 1], where mA(x) = 1 if x is totally in A‬‬
‫;‪mA (x) = 0 if x is not in A‬‬
‫‪0 < mA (x) < 1 if x is partly in A.‬‬
‫‪ ‬وتسمح هذه الفئة بخيارات ممكنة متصلة ‪ .‬وألي عنصر ‪ x‬في العالم تساوي‬
‫دالة العضوية )‪ mA(x‬الدرجة التي يكون بها ‪ x‬عنصرا في الفئة ‪ A‬وتمثل‬
‫هذه الدرجة والواقعة بين ‪ 0‬إلي ‪ 1‬درجة العضوية ‪Degree of‬‬
‫‪membership‬وتسمي قيمة العضوية ‪membership value‬أيضا‬
‫للعنصر ‪ x‬في الفئة ‪A‬‬

‫‪Dr gafar zen alabdeen salh‬‬

‫)‪(2011‬‬
 ‫?‪How to represent a fuzzy set in a computer‬‬
‫الضبابية في الحاسب‬
‫كيف تمثل الفئة ‪16‬‬

‫‪ ‬يجب تحديد دالة العضوية أوال ‪ .‬ويمكن تطبيق عدد من الطرق‬

‫التي تم تعلمها من الحصول علي المعرفة هنا ‪ .‬مثال ذلك ‪ ،‬تعتمد‬
‫احدي الطرق العملية أكثر لتكوين الفئات الضبابية علي معرفة‬
‫خبير واحد ‪ .‬فيطلب من الخبير رأيه إذا كانت العناصر تنتمي‬
‫إلي فئة معينه أم ال ‪ .‬والطريقة المفيدة االخري هي الحصول‬
‫علي المعرفة من خبراء متعددين ‪ .‬كما تم تقديم أسلوب جديد أخر‬
‫لتحديد الفئات الضبابية حديثا ‪ .‬وهو مبني علي الشبكات العصبية‬
‫الصناعية ‪ .‬الذي يتعلم بيانات عملية للنظام المتاحة ثم يستخلص‬
‫الفئات الضبابية تلقائيا ‪.‬‬

‫‪Dr gafar zen alabdeen salh‬‬

‫)‪(2011‬‬
 ‫عضوية في فئات ضبابية متعددة‬
‫‪17‬‬

‫‪ ‬للمثال ‪ tall man‬بعد الحصول علي المعرفة عن أطوال‬

‫الرجال يمكننا ننتج فئة ضبابية عن أطوال الرجال ‪ .‬وبنفس‬
‫الطريقة يمكن إنشاء فئات ضبابية للرجال القصار أو المتوسطين‬
‫أيضا ‪.‬يتكون عالم المحادثة ألطوال الرجال من ثالثة فئات‬
‫الرجل القصير والرجل المتوسط والرجل الطويل ‪ .‬وفي المنطق‬
‫الضبابي ‪ ،‬ما يمكنك أن تري يكون الرجل البالغ ‪ 184‬سم عضوا‬
‫في فئة الرجل المتوسط بدرجة عضوية ‪ 0.1‬ويكون في نفس‬
‫الوقت عضوا في فئة الرجل الطويل بدرجة عضوية ‪ 0.4‬يعني‬
‫هذا أن الرجل البالغ طوله ‪184‬سم له عضوية جزئية في فئات‬
‫ضبابية متعددة‬
‫‪Dr gafar zen alabdeen salh‬‬
‫)‪(2011‬‬
 Crisp and fuzzy sets of short, average and tall men18
Degreeof CrispSets
Membership
1.0
0.8 Short Average Tall

0.6
0.4
0.2

0.0
150 160 170 180 190 200 210
Height, cm
Degreeof Fuzzy Sets
Membership
1.0

0.8
0.6 Short Average Tall

0.4

0.2

0.0
150 160 170 180 190 200 210
Dr gafar zen alabdeen salh
(2011)
 Representation of crisp and fuzzy subsets
19
m (x )
X Fuzzy SubsetA
1

0
Crisp SubsetA Fuzziness x

Typical functions that can be used to represent a fuzzy

set are sigmoid, gaussian and pi. However, these
functions increase the time of computation. Therefore,
in practice, most applications use linear fit functions.
Dr gafar zen alabdeen salh
(2011)
 ‫املتغيرات العوائق اللغوية‬
‫‪Linguistic variables and hedges‬‬
‫‪20‬‬

‫‪ ‬تقع فكرة المتغيرات اللغوية في جزر نظرية الفئات الضبابية ‪ .‬فالمتغير الغوي هو‬
‫متغير ضبابي ‪ .‬مثال ذلك تشمل العبارة جون طويل ان المتغير اللغوي جون يأخذ‬
‫القيمة اللغوية طويل ‪ .‬وفي نظم الخبرة الضبابية تستخدم المتغيرات اللغوية في‬
‫قواعد ضبابية ‪ .‬مثال ذلك ‪:‬‬
‫‪ IF‬‬ ‫‪wind is strong‬‬
‫‪ THEN‬‬ ‫‪sailing is good‬‬

‫‪ IF‬‬ ‫‪project_duration is long‬‬

‫‪ THEN‬‬ ‫‪completion_risk is high‬‬

‫‪ IF‬‬ ‫‪speed is slow‬‬

‫‪ THEN‬‬ ‫‪stopping_distance is short‬‬

‫‪Dr gafar zen alabdeen salh‬‬

‫)‪(2011‬‬
 ‫‪21‬‬

‫‪ ‬ويمثل مدي القيم الممكنة للمتغير اللغوي عالم المحادثة لهذا المتغير ‪.‬‬
‫مثال ‪ ،‬يمكن أن يكون لعالم المحادثة للمتغير اللغوي سرعة ‪speed‬‬
‫مدي من ‪ 0‬إلي ‪220‬كلم ؟ ساعة ‪ ،‬ويمكن أن يشمل فئات فرعية ضبابية‬
‫مثل‪:‬‬
‫‪ ‬بطي جدا“ ‪very slow‬‬
‫‪ ‬وبطي ‪slow‬‬
‫‪ ‬ومتوسط ‪medium‬‬
‫‪ ‬وسريع ‪fast‬‬
‫‪ ‬وسريع جدا“ ‪،very fast‬‬

‫كما تمثل كل فئة فرعية ضبابية قيمة لغوية ايضا للمتغير اللغوي المناظر ‪.‬‬

‫‪Dr gafar zen alabdeen salh‬‬

‫)‪(2011‬‬
 ‫عوائق ‪Hedges‬‬
‫‪22‬‬

‫‪ ‬ويحمل المتغير اللغوي معه مفهوم مؤهالت الفئة الضبابية‬

‫‪ . hedges‬والعوائق هي‬ ‫والمسمي عوائق‬
‫مصطلحات تعدل شكل الفئات الفرعية ‪ .‬وتشمل أحوال‬
‫‪very‬‬ ‫‪adverbs‬مثل‬
‫‪,somewhat,quite,more or less ,and‬‬
‫شيء‪ ،‬تماماً‪ ،‬تقريباً‪ ،‬وبعض‬‫‪( slightly‬جداً‪ ،‬بعض ال ّ‬
‫شيء) ويمكن أن تعدل العوائق األفعال ‪ ،‬والصفات ‪،‬‬ ‫ال ّ‬
‫واألحوال ‪،‬أو حتى الجمل كلها ‪.‬‬
‫‪Dr gafar zen alabdeen salh‬‬
‫)‪(2011‬‬
 Fuzzy sets with the hedge very
23

Degreeof
Membership
1.0
Short Short
Tall
0.8
0.6 Average

0.4
Very Shor
t Very
VeryTall
Tall
Tall
0.2

0.0
150 160 170 180 190 200 210
Height, cm

Dr gafar zen alabdeen salh

(2011)
 ‫‪operation of fuzzy sets‬‬
‫العمليات علي الفئات الضبابية‬
‫‪26‬‬

‫‪‬طور كانتور نظرية الفئات الكالسيكية في نهاية‬

‫القران التاسع عشر ‪ ،‬والتي تصف كيف يمكن‬
‫تتداخل الفئات الواضحة ‪ .‬وتسمي هذه‬
‫التداخالت عمليات ‪.operations‬‬

‫‪Dr gafar zen alabdeen salh‬‬

‫)‪(2011‬‬
 Cantor’s sets
27

Not A
B

A AA

Complement Containment

A B AA B

Intersection Union

Dr gafar zen alabdeen salh

(2011)
 ‫المتمم ‪Complement‬‬
‫‪28‬‬
‫‪ ‬الفئات الواضحة ‪ :‬من ال ينتمي الي الفئة ؟‬
‫‪ ‬الفئات الضبابية ‪ :‬كم عدد العناصر التي ال تنتمي الي الفئة ؟‬
‫‪ ‬يكون متمم الفئة عكس هذه الفئة ‪ .‬مثال ذلك ‪ ،‬اذا كانت لدينا الفئة ‪tall‬‬
‫‪men‬فيكون متممها الفئة ‪ ، not tall man‬وعندما نحذف فئة الرجال‬
‫الطوال من عالم المحادثة ‪ .‬فاننا نحصل علي متممها ‪ .‬فاذا كانت ‪A‬الفئات‬
‫الضبابية فيكون متممها ‪ NOT A‬ويمكن ايجاده كما يلي ‪:‬‬
‫)‪mA(x) = 1  mA(x‬‬
‫‪ ‬مثال الفئة الضبابية ‪:‬‬
‫)‪ Tall man = (0/180,0.25/182.5,0.5/185,0.75/187.5,1/190‬‬
‫)‪ Not Tall man = (1/180, 0.75/182.5,0.5/185, 0.25/187.5,0/190‬‬

‫‪Dr gafar zen alabdeen salh‬‬

‫)‪(2011‬‬
 ‫العمليات االخري‬
‫‪29‬‬

‫‪ ‬وكذلك بالمثل للعمليات االخري بالمرجع‬

‫‪Dr gafar zen alabdeen salh‬‬

‫)‪(2011‬‬
 30
Operations of fuzzy sets
m ( x) m ( x)
B
1 1 A
A
0 0
x x
B
1 1 A
Not A
0 0
Complement x Containment x

m ( x) m ( x)
1 1
AB AB
0 0
x x
1 AB 1
AB
0 0
x x
Intersection Union

Dr gafar zen alabdeen salh

(2011)
 ‫القواعد الضبابية‪fuzzy rules‬‬
‫‪31‬‬

‫نشر لطفي ذاديه في عام ‪ 1973‬ورقته العلمية الثانية األكثر تأثيرا ‪.‬‬ ‫‪‬‬
‫ووضعت هذه الورقة الخطوط العريضة لطريقة جديدة لتحليل النظم المعقدة‬
‫‪ ،‬والتي اقترح زاديه فيها الحصول علي المعرفة البشرية في قواعد ضبابية ‪.‬‬
‫ما القاعدة الضبابية ؟‬ ‫‪‬‬
‫يمكن تعريف القاعدة الضبابية بأنها عبارة شرطية في الصورة التالية ‪:‬‬ ‫‪‬‬
‫‪ IF‬‬ ‫‪x is A‬‬
‫‪THEN y is B‬‬
‫حيث ‪ x‬و ‪ y‬متغيرات لغوية و ‪A‬و‪ B‬قيم لغوية تحددها الفئات الضبابية علي‬ ‫‪‬‬
‫عالم المحادثات ‪ Y, X‬علي التوالي‬

‫‪Dr gafar zen alabdeen salh‬‬

‫)‪(2011‬‬
 ‫‪What is the difference between classical and‬‬
‫?‪fuzzy rules‬‬
‫‪32‬‬

‫‪ ‬المنطق الكالسيكي يستخدم المنطق الثاني في قاعدة ‪ IF…THEN‬مثال‪:‬‬

‫‪Rule: 1‬‬ ‫‪Rule: 2‬‬
‫‪IF‬‬ ‫‪speed is > 100‬‬ ‫‪IF‬‬ ‫‪speed is < 40‬‬
‫‪THEN stopping_distance is long‬‬ ‫‪THEN stopping_distance is short‬‬
‫‪‬‬
‫‪ ‬يمكن أن يكون للمتغير ‪ SPEED‬أي قيمة عددية بين ‪ 0‬إلي‬
‫‪220‬كلم‪/‬ساعة‪ .‬إال أن المتغير اللغوي‬
‫‪ STOPPING_DISTANCE‬يمكن أن يأخذ إما القيمة‬
‫‪ LONG‬أو القيمة ‪ . SHORT‬وبكلمات أخري يعبر عن‬
‫القواعد الكالسيكية بلغة ابيض واسود لمنطق بوليان ‪ .‬إال إننا‬
‫يمكننا أن نمثل قواعد مسافة التوقف في صورة ضبابية أيضا ‪:‬‬

‫‪Dr gafar zen alabdeen salh‬‬

‫)‪(2011‬‬
 ‫‪33‬‬

‫‪ Rule: 1‬‬ ‫‪Rule: 2‬‬

‫‪ IF‬‬ ‫‪speed is fast‬‬ ‫‪IF‬‬ ‫‪speed is slow‬‬
‫‪ THEN stopping_distance is long THEN stopping_distance is short‬‬

‫هنا يكون لمتغير اللغة ‪ speed‬مدي أيضا (عالم المحادثة ) بين‬

‫‪ 0‬و ‪200‬كلم ‪/‬ساعة إال أن ألمدي يشمل فئات ضبابية أيضا‬
‫مثل‪ .slow، medium and fast,‬ويمكن أن يقع عالم المحادثة‬
‫لمتغير اللغة ‪ stopping_distance‬بين ‪ 0‬و‪300‬كلم‪/‬ساعة‬
‫ويمكن أن يشمل فئات ضبابية مثل ‪. short , medium, long‬‬
‫لذلك فان القواعد الضبابية ترتبط بالفئات الضبابية ‪.‬‬
‫وتدمج نظم الخبرة الضبابية القواعد ‪ ،‬وبالتالي تقلل عدد القواعد‬
‫بنسبة ‪ %90‬علي األقل‬
‫‪Dr gafar zen alabdeen salh‬‬
‫)‪(2011‬‬
 ‫كيفية التفكير بالقواعد الضبابية ؟‬ ‫‪34‬‬

‫‪ ‬يشمل التفكير الضبابي جزئيين مميزين ‪ :‬تقويم العنصر الشرطي‬

‫للقاعدة (جزء ‪if‬للقاعدة) وتضمين ‪ ، implication‬أو تطبيق‬
‫النتيجة للنتيجة المنطقية (جزء ‪ then‬للقاعدة ) ‪.‬‬
‫‪ ‬وفي النظم الكالسيكية المبنية علي القواعد ‪ ،‬إذا كان العنصر‬
‫الشرطي للقاعدة صحيحا ‪ ،‬فتكون علي ذلك النتيجة المنطقية‬
‫صحيحة أيضا“ ‪ .‬وفي النظم الضبابية ‪ ،‬حيث يكون العنصر‬
‫الشرطي عبارة ضبابية ‪ ،‬تنطلق كل القواعد إلي مدي معين ‪ ،‬أو‬
‫بكلمات أخري تنطلق جزئيا“ ‪ .‬فإذا كان العنصر الشرطي‬
‫صحيحا إلي درجة عضوية معينه فتكون علي ذلك النتيجة‬
‫المنطقية صحيحة أيضا إلي نفس الدرجة ‪.‬‬
‫‪ ‬لذلك نأخذ المثال فئتان ضبابيتان رجل طويل ورجل ثقيل ‪:‬‬
‫‪Dr gafar zen alabdeen salh‬‬
‫)‪(2011‬‬
 35

Degree of Degree of
Membership Membership
1.0 1.0
Tall men Heavy men
0.8 0.8

0.6 0.6

0.4 0.4

0.2 0.2

0.0 0.0
160 180 190 200 70 80 100 120
Height, cm Weight, kg

Dr gafar zen alabdeen salh

(2011)
 ‫‪36‬‬

‫‪ ‬توفر هاتان الفئتان الضبابيتان األساس لنموذج تقدير الوزن ‪.‬‬

‫ويبني النموذج علي العالقة بين طول الرجل ووزنه ‪ ،‬والذي‬
‫‪IF‬‬ ‫‪height is tall‬‬ ‫‪:‬‬ ‫التالية‬ ‫الضبابية‬ ‫بالقاعدة‬ ‫عنها‬ ‫يعبر‬
‫‪THEN weight is heavy‬‬
‫‪ ‬يمكن تقدير قيمة المخرجات ودرجة العضوية الحقيقة للنتيجة‬
‫المنطقية للقاعدة مباشرة من درجة العضوية الحقيقة المناظرة في‬
‫العنصر الشرطي ‪ .‬تستخدم هذه الصيغة لالستدالل الضبابي‬
‫وتسمي االختيار الرتيب ‪ monotonic selection‬ويبن‬
‫الشكل كيف تستخلص قيم أوزان الرجال المختلفة من قيم أطوال‬
‫‪Dr gafar zen alabdeen salh‬‬ ‫الرجال المختلفة ‪.‬‬
‫)‪(2011‬‬
 ‫االختيار الرتيب لقيم أوزان الرجال‬
37

Degree of Degree of
Membership Membership
1.0 1.0
Tall men
0.8 0.8 Heavy men
0.6 0.6

0.4 0.4

0.2 0.2

0.0 0.0
160 180 190 200 70 80 100 120
Height, cm Weight, kg

Dr gafar zen alabdeen salh

(2011)
 ‫هل يمكن أن يكون للعنصر الشرطي للقاعدة الضبابية أجزاء متعددة ؟‬
38

: ‫ مثال ذلك‬. ‫ كقاعدة إنتاج يمكن أن يكون للقاعدة الضبابية عناصر شرطية متعددة‬
 IF project_duration is long
 AND project_staffing is large
 AND project_funding is inadequate
 THEN risk is high

 IF service is excellent
 OR food is delicious
 THEN tip is generous

Dr gafar zen alabdeen salh

(2011)
 ‫‪39‬‬

‫‪ ‬تحسب كل أجزاء العنصر الشرطي في نفس الوقت‪،‬وتسوي في عدد واحد ‪،‬‬

‫وباستخدام عمليات الفئات الضبابية التي تناولناها في القسم السابق‬

‫‪ ‬هل يمكن أن يكون للنتيجة المنطقية للقاعدة الضبابية أجزاء متعددة أيضا ‪،‬‬
‫فعلي سبيل المثال ‪:‬‬
‫‪ IF‬‬ ‫‪temperature is hot‬‬
‫‪‬‬ ‫;‪THEN hot_water is reduced‬‬
‫‪‬‬ ‫‪cold_water is increased‬‬

‫‪Dr gafar zen alabdeen salh‬‬

‫)‪(2011‬‬
 ‫‪40‬‬

‫‪ ‬وفي هذه الحالة ‪ ،‬يوثر العنصر الشرطي علي كل أجزاء‬

‫النتيجة المنطقية بالتساوي ‪ .‬وبصفة عامة ال يدخل نظام‬
‫الخبرة الضبابي قاعدة واحدة فقط ‪ ،‬بل يدخل عدة قواعد‬
‫تصف معرفة الخبير ‪ ،‬ويلعبها مع بعضها بعضا ‪ .‬وتكون‬
‫مخرجات كل قاعدة فئة ضبابية ‪ ،‬إال أننا نحتاج في العادة‬
‫أن نحصل عل عدد فدي يمثل مخرجات نظام الخبرة ‪،‬‬
‫وبكلمات أخري ‪ ،‬نريد أن نحصل علي الحل الدقيق ‪،‬‬
‫وليس لحل الضبابي‬
‫‪Dr gafar zen alabdeen salh‬‬
‫)‪(2011‬‬
 ‫كيف يمكن دمج كل لفئات المخرجات الضبابية ‪ ،‬وتحويلها إلي رقم واحد ؟‬
‫‪41‬‬

‫‪ ‬للحصول علي حل واضح لمتغير المخرجات يجمع نظام‬

‫الخبرة الضبابي كل فئات المخرجات الضبابية أوال في‬
‫فئة مخرجات ضبابية واحدة ‪ ،‬وبعد ذلك يلغي الضبابية‬
‫للفئة الضبابية الناتجة محوال إياها إلي رقم واحد ‪ .‬وسوف‬
‫نري كيف يتم ذك من البداية حتى النهاية إنشاء هللا في‬
‫المحاضرة القادمة‬

‫‪Dr gafar zen alabdeen salh‬‬

‫)‪(2011‬‬
 42

‫النهاية‬
Dr gafar zen alabdeen salh
(2011)