퍼지 연관 행렬

Fuzzy associative matrix

퍼지 연상 행렬은 퍼지 논리 규칙을 표 형식으로 표현한다. 이론적으로 어떤 차수의 행렬도 가능하지만, 이 규칙들은 일반적으로 2차원 행렬에 깨끗하게 매핑되는 두 변수를 입력으로 사용한다. 신경-퍼지 시스템의 관점에서 보면, 수학적 매트릭스는 지각의 무게를 저장하기 때문에 "푸지 연상 기억력"이라고 불린다.[1]

적용들

게임 AI 프로그래밍의 맥락에서 퍼지 연상 매트릭스는 플레이어가 아닌 캐릭터에 대한 규칙을 개발하는 데 도움이 된다.[2] 전문가가 비디오 게임 몬스터에 대한 퍼지 논리 규칙을 작성하는 임무를 맡고 있다고 가정합시다. 구축 중인 게임에서 엔티티에는 히트 포인트(HP)와 화력(FP)의 두 가지 변수가 있다.

HP/FP 매우 낮은 HP 낮은 HP 중간 HP 높은 HP 매우 높은 HP
매우 약한 FP 후퇴! 후퇴! 방어하다 방어하다 방어하다
약한 FP 후퇴! 방어하다 방어하다 공략 공략
중간 FP 후퇴! 방어하다 공략 공략 총공격!
하이 FP 후퇴! 방어하다 공략 공략 총공격!
매우 높음 FP 방어하다 공략 공략 총공격! 총공격!

이는 다음과 같은 의미로 해석된다. 

IF 몬스터HP IS VeryLowHP AND 몬스터FP IS VeryWeakFP 그렇다면 몬스터가 물러나다HP IS 로우HP 및 몬스터FP IS VeryWeakFP 그렇다면 몬스터가 물러나다HP IS 매체HP AND 몬스터FP는 VeryWeakFP THE Defency

"매우 낮음"과 "낮음"의 구분이 모호하기 때문에 여러 규칙이 동시에 발사될 수 있으며, 종종 그럴 것이다. 낮음보다 "매우 낮음"이 더 많으면 "매우 낮음" 규칙은 더 강한 반응을 일으킬 것이다. 이 프로그램은 발사되는 모든 규칙을 평가하고 실제 반응을 발생시키기 위해 적절한 방습 방법을 사용할 것이다.

이 시스템의 구현은 매트릭스 또는 명시적 IF/THEN 형식을 사용할 수 있다. 매트릭스는 시스템을 쉽게 시각화할 수 있게 해주지만, 하나의 규칙만으로 제3의 변수를 추가하는 것도 불가능해 유연성이 떨어진다.

규칙 집합 식별

매트릭스에는 고유의 패턴이 없다. 그것은 마치 그 규칙들이 단지 지어낸 것처럼 보이고, 실제로 그렇게 되었다. 이것은 일반적으로 애매모호한 논리의 강점이자 약점이다. 특정 상황에 대처하기 위한 정확한 규칙이나 공식을 찾는 것은 종종 비현실적이거나 불가능하다. 충분히 복잡한 게임의 경우 수학자는 시스템을 연구할 수 없고 수학적으로 정확한 규칙 집합을 알아낼 수 없을 것이다. 그러나 이러한 약점은 상황의 현실에 내재된 것이지 모호한 논리 그 자체가 아니다. 한 규칙이 잘못됐다 하더라도 크게 잘못됐다 하더라도 올바른 다른 규칙도 발포할 가능성이 높고 오류를 보완할 수 있다는 게 제도의 강점이다.

이것은 퍼지 시스템이 엉성해야 한다는 것을 의미하지 않는다. 시스템에 따라 엉성함을 면할 수도 있지만 성능이 떨어진다. 규칙은 상당히 자의적이지만 신중하게 선택해야 한다. 가능하면 전문가가 규칙을 정해야 하며, 세트와 규칙은 필요에 따라 힘차게 시험하고 다듬어야 한다. 이런 식으로 퍼지 시스템은 전문가 시스템과 같다. (퍼지 논리는 많은 진정한 전문가 시스템에서도 사용된다.)

참조

  1. ^ Begg, Rezaul (28 February 2006). Computational Intelligence for Movement Sciences: Neural Networks and Other Emerging Techniques: Neural Networks and Other Emerging Techniques. Idea Group Inc (IGI). pp. 160–. ISBN 978-1-59140-838-3.
  2. ^ Mat Buckland (2005). Programming Game AI by Example. Jones & Bartlett Learning. pp. 431–. ISBN 978-1-55622-078-4.