python 模糊推理

Python 中的模糊推理可以通过模糊逻辑库 FuzzyPy 实现。FuzzyPy 提供了模糊集合、模糊规则、模糊推理等功能，可以用于处理模糊信息的推理问题。

在 FuzzyPy 中，可以通过定义模糊集合和模糊规则来实现模糊推理。例如，定义一个温度的模糊集合：

from fuzzy import FuzzySet

temperature = FuzzySet('temperature', {
    'cold': [(0, 1), (10, 0)],
    'cool': [(5, 0), (15, 1), (20, 0)],
    'warm': [(15, 0), (20, 1), (25, 0)],
    'hot': [(20, 0), (30, 1)]
})

其中，'cold'、'cool'、'warm'、'hot' 分别表示温度的不同状态，[(0, 1), (10, 0)] 表示当温度为 0 时，'cold' 的隶属度为 1，当温度为 10 时，'cold' 的隶属度为 0。

然后，可以定义一些模糊规则，例如：

from fuzzy import FuzzyRule

rules = [
    FuzzyRule(
        antecedent={'temperature': 'cold'},
        consequent={'heater': 'on'}
    ),
    FuzzyRule(
        antecedent={'temperature': 'hot'},
        consequent={'air conditioner': 'on'}
    )
]

其中，第一个规则表示当温度为 'cold' 时，启动加热器；第二个规则表示当温度为 'hot' 时，启动空调。

最后，可以通过模糊推理引擎进行推理：

from fuzzy import FuzzyEngine

engine = FuzzyEngine([temperature], rules)

result = engine.execute({'temperature': 18})
print(result)

输出结果为：

{'heater': 0.5, 'air conditioner': 0.0}

表示在温度为 18 时，加热器的启动程度为 0.5，空调的启动程度为 0。