🧮 FuzzyRoutines
开源 · Python · 模糊数学
FuzzyRoutines 是一个紧凑的 Python 库，用于构建明确、可检查的模糊计算。
它提供隶属函数、模糊集、语言量表、去模糊化以及常用模糊逻辑算子等数学组件。项目面向研究、教学、专家系统和工程原型，适用于需要理解与检查计算过程的场景。
核心能力
隶属函数
提供双曲型、钟形、抛物线型、三角形、指数型、S 形、满意度和梯形隶属函数，并显式保留其参数。
模糊集与去模糊化
模糊集将隶属函数与支撑区间组合起来，并可给出数值化的去模糊化结果。
语言量表
可以构建有序模糊量表，也可以使用预定义的 Min–Low–Med–High–Max 通用量表解释归一化数值。
模糊逻辑算子
提供模糊 NOT、AND/OR、T-范数、S-余范数，以及处理多个模糊值的组合函数。
安装与快速体验
从 PyPI 安装已发布的软件包：
python -m pip install fuzzyroutines==2.0.0
创建一个简单的语言标度并对温度进行分类：
from fuzzyroutines import (
ContinuousUniverse, LinguisticScale, LinguisticTerm, ScalarFuzzySet, Triangle,
)
universe = ContinuousUniverse(0, 40, True, True)
scale = LinguisticScale((
LinguisticTerm("Comfort", ScalarFuzzySet(universe, Triangle(16, 22, 28))),
))
result = scale.Fuzzify(24)
print(result.selectedTerms[0].name) # Comfort
如需使用仓库中的当前版本：
git clone https://github.com/Fuzzy-Technologies/FuzzyRoutines.git
cd FuzzyRoutines
python -m pip install .
项目状态
FuzzyRoutines 采用 Apache-2.0 许可证。PyPI 上的稳定版本为 2.0.0，支持 CPython 3.13 和 3.14，且没有必需的运行时依赖。现代标量 API 提供显式定义域、不可变策略及可检查的结果；同时保留兼容的历史导入方式，便于现有应用继续使用。
库中的数值对象有意保持可读：函数显示自身参数，模糊集显示支撑区间，量表显示语言层级。因此，它适合需要检查计算依据、而不是把结果交给黑盒模型的任务。