C＃模糊逻辑API
目录
1）开始之前：抽象
2）模糊逻辑概念
3）使用API
3.1）核心流程
3.2）设计模式
3.3）依赖性
- 下载最新的存档库
- 下载本地副本
此API通过C＃Plain旧CLR对象上的模糊逻辑概念执行推理，该对象关联本机.NET Framework中定义的Expression对象。
1）开始之前：抽象
如果您想深入研究模糊逻辑理论（如数学定理，假设和摩根定律），强烈建议您寻找其他参考资料以满足您的好奇心和/或您的研究需求。通过这个git帖子，您将只访问一个在现实世界应用程序中执行模糊逻辑的实际例子；然后，本文的重点不是仅仅为了一个实际目的而深入探讨哲学对话。
2）模糊逻辑概念
这个来自tutorialspoint 网站的数字恢复了模糊逻辑的真实概念：没有什么是绝对真或假（对于模糊逻辑）; 在0和1之间，你有一个来自这些极端的区间，超出了布尔逻辑的限制。
3）使用API
3.1）核心流程
核心概念有第一个要求：Defuzzyfication。换句话说，通过基于模糊逻辑引擎的Crisp Input表达式生成模糊逻辑结果（下图，来自Wikepdia参考）：
模糊逻辑引擎的规则是：拆分任何复杂的布尔表达式（清晰的输入），解决小布尔部分规则中的逻辑布尔问题（关于这个复杂布尔表达式使用的理论，查看像多值逻辑或/ 经典的逻辑）。
基于上面的说明性示例，让我们创建一个Model 类，它代表所有人的诚实品格，如诚实、真理和正义感百分比评估，以及一个布尔表达式对象，该对象标识诚实概况，考虑到最小百分比是一个诚实的个人：
[Serializable, XmlRoot]
public class HonestAssesment
{
[XmlElement]
public int IntegrityPercentage { get; set; }
[XmlElement]
public int TruthPercentage { get; set; }
[XmlElement]
public int JusticeSensePercentage { get; set; }
[XmlElement]
public int MistakesPercentage
{
get
{
return ((100-IntegrityPercentage) + (100-TruthPercentage) +
(100-JusticeSensePercentage))/3;
}
}
}
//Crisp Logic expression that represents Honesty Profiles:
static Expression> _honestyProfile = (h) =>
(h.IntegrityPercentage > 75 && h.JusticeSensePercentage > 75 &&
h.TruthPercentage > 75) || //First group
(h.IntegrityPercentage > 90 && h.JusticeSensePercentage > 60 &&
h.TruthPercentage > 50) || //Second group
(h.IntegrityPercentage > 70 && h.JusticeSensePercentage > 90 &&
h.TruthPercentage > 80) || //Third group
(h.IntegrityPercentage > 65 && h.JusticeSensePercentage > 100 &&
h.TruthPercentage > 95); //Last group
断开的布尔表达式是从System.Linq.Expressions.Expression类派生的一个容量，将任何代码块转换为代表性的string; 将辅助此作业的派生类是BinaryExpression：布尔表达式将在较小布尔表达式的二叉树中切片，其规则将优先考虑包含OR条件表达式的切片，然后用'AND'条件表达式切片。
//First group of assessment:
h.IntegrityPercentage > 75;
h.JusticeSensePercentage > 75;
h.TruthPercentage > 75;
//Second group of assessment:
h.IntegrityPercentage > 90;
h.JusticeSensePercentage > 60;
h.TruthPercentage > 50;
//Third group of assessment:
h.IntegrityPercentage > 70;
h.JusticeSensePercentage > 90;
h.TruthPercentage > 80;
//Last group of assessment:
h.IntegrityPercentage > 65;
h.JusticeSensePercentage > 100;
h.TruthPercentage > 95;
.NET Framework中包含的此功能是一张王牌，用于降低评估的配置文件已经征服的评估值，或者它们与4个定义的评估组中的任何一个达到的接近程度，例如：
HonestAssesment profile1 = new HonestAssesment()
{
IntegrityPercentage = 90,
JusticeSensePercentage = 80,
TruthPercentage = 70
};
string inference_p1 = FuzzyLogic.GetInferenceResult
(_expression, ResponseType.Json, profile1);
看看“HitsPercentage”属性。对Profile 1的推断，有66%的人是诚实的。
{
"ID": 0,
"HitsPercentage": "66%",
"Data": {
"IntegrityPercentage": 90,
"TruthPercentage": 70,
"JusticeSensePercentage": 80,
"MistakesPercentage": 20
},
"PropertiesNeedToChange": [
"IntegrityPercentage"
],
"RatingsReport": [
false,
true,
true
],
"ErrorsQuantity": 1
}
HonestAssesment profile2 = new HonestAssesment()
{
IntegrityPercentage = 50,
JusticeSensePercentage = 63,
TruthPercentage = 30
};
string inference_p2 = FuzzyLogic.GetInferenceResult
(_expression, ResponseType.Json, profile2);
对Profile 2的推断，有33％的人是诚实的，即“有时是诚实的”， 像个家庭教师。
{
"ID": 0,
"HitsPercentage": "33%",
"Data": {
"IntegrityPercentage": 50,
"TruthPercentage": 30,
"JusticeSensePercentage": 63,
"MistakesPercentage": 52
},
"PropertiesNeedToChange": [
"IntegrityPercentage",
"TruthPercentage"
],
"RatingsReport": [
false,
true,
false
],
"ErrorsQuantity": 2
}
HonestAssesment profile3 = new HonestAssesment()
{
IntegrityPercentage = 46,
JusticeSensePercentage = 48,
TruthPercentage = 30
};
string inference_p3 = FuzzyLogic.GetInferenceResult
(_expression, ResponseType.Json, profile3);
对Profile 3的推断，0％的人是诚实的，即“极不诚实的”，如上图所示：
{
"ID": 0,
"HitsPercentage": "0%",
"Data": {
"IntegrityPercentage": 46,
"TruthPercentage": 30,
"JusticeSensePercentage": 48,
"MistakesPercentage": 58
},
"PropertiesNeedToChange": [
"IntegrityPercentage",
"JusticeSensePercentage",
"TruthPercentage"
],
"RatingsReport": [
false,
false,
false
],
"ErrorsQuantity": 3
}
HonestAssesment profile4 = new HonestAssesment()
{
IntegrityPercentage = 91,
JusticeSensePercentage = 83,
TruthPercentage = 81
};
string inference_p4 = FuzzyLogic.GetInferenceResult
(_expression, ResponseType.Json, profile4);
对Profile 4的推断，100％的人是诚实的，即“非常诚实”，就像数字评估一样。
{
"ID": 0,
"HitsPercentage": "100%",
"Data": {
"IntegrityPercentage": 91,
"TruthPercentage": 81,
"JusticeSensePercentage": 83,
"MistakesPercentage": 15
},
"PropertiesNeedToChange": [],
"RatingsReport": [
true,
true,
true
],
"ErrorsQuantity": 0
}
3.2）设计模式
使用Singleton Design Pattern开发的'Fuzzy Logic API' ，由一个private构造函数构成，它有两个参数参数：一个Expression对象和一个POCO对象（在泛型参数中定义）; 但开发人员将通过一行代码得到推理结果：
//Like a inference object...
Inference inferObj = FuzzyLogic.GetInferenceResult
(_expressionArg, modelObj);
//... get as XML string...
string inferXml = FuzzyLogic.GetInferenceResult
(_expressionArg, ResponseType.Xml, modelObj);
//...or json string.
string inferJson = FuzzyLogic.GetInferenceResult
(_expressionArg, ResponseType.Json, modelObj);
3.3）依赖性
要将Visual Logic API添加为程序集或类似Visual Studio项目中的内部类，您需要安装System.Linq.Dynamic dll，可以通过nuget引用或在Nuget Package Console（Install-Package System.Linq.Dynamic）上执行命令来安装。