模糊专家系统是计算机系统使用的一种解决问题的形式，通常用于创建人工智能。专家系统是基于布尔逻辑的决策计算机软件类型，这意味着系统使用一系列是或否答案来尝试解决问题。模糊专家系统在传统专家系统的基础上进行了扩展，并且基于模糊逻辑而不是布尔逻辑。模糊逻辑，顾名思义，意味着答案不是明确的是或否。它落在中间的某个地方，计算机必须尝试根据可能不完全正确但也可能不完全错误的答案来计算答案。
被称为"模糊逻辑之父"的 Lotfi Zadeh 博士20 世纪 60 年代在加州大学伯克利分校工作时引入了模糊逻辑的概念。他于 1965 年发表了一篇涵盖模糊集的论文。他不仅解释了模糊集和逻辑的概念，还解释了纳入这种新逻辑的框架进入工程世界。他还创造了"模糊"一词来指代这种特定的逻辑风格，并且这个名字被保留了下来。
加州大学伯克利分校的萨瑟塔。模糊逻辑是由加州大学伯克利分校的 Lotfi Zadeh 博士于 1965 年发明的。
要理解模糊专家系统背后的理论，有必要了解布尔逻辑和模糊逻辑的基本概念。尽管两者都依赖于先进的数学算法，但核心概念很简单。两者都使用一系列问题或陈述的答案来制定新的答案。在布尔逻辑中，答案要么为真，要么为假，而在模糊逻辑中，答案可以是真、部分真、假、部分假以及中间的几个值，具体取决于程序员在程序中输入的项。
例如，如果专家系统要用布尔逻辑来做决定，它最终会回答true或false，也称为yes或no。然而，使用模糊逻辑的专家系统可以回答是、否、也许或其他一些组合。它通过从当前的信息知识库中得出结论来做到这一点。
知识库是模糊专家系统的核心。如果计算机无法得出正确答案，则假设知识库没有包含足够的信息，而不是假设程序本身是错误的。知识库可能包含诸如"当x=是且y=否时z=也许"之类的陈述。从这个陈述中，模糊专家系统可以得出结论，当"x=yes"和"y=yes"时，"z"也必须等于"yes"，或者当"x=no"和"y=yes"时，"z"也必须等于"yes"。"仍然等于"也许"。如果这不是程序员想要的答案，则意味着知识库需要更多信息才能得出正确的答案。
模糊专家系统进行这些计算基于数学值。"是"、"否"和"也许"被分配了某些值。计算机查看诸如"x=yes 和 y=no"之类的语句中各项的值是否相等，并将它们的值相加。然后，它添加任何其他相关值，并将最终值与"也许"、"是"或"否"等答案相匹配。因此，将"x=no"和"y=yes"的数学值相加告诉计算机"z"的数学值等于"也许"。
