问题描述
我正在为一个项目进行漏洞评估，并且阅读了很多关于模糊集理论和层次分析过程的文章，我认为这些方法是解决我的决策问题的不精确、模糊和不确定特征的完美方法。
**Problem 1**:
我有很多标准可以用来判断一个位置的漏洞，但是我遗漏了一些拼图，而且我在 python 编程方面的低技能也没有帮助。我已经建立了一个 GIS 工作流模型来测量从位置（X1、X2、X3、...、Xn）到各种景观元素（河流、湖泊、道路等）的距离。从这里开始，我根据距离为每个标准开发了一个漏洞量表。下面是我为一个标准创建的模糊隶属函数：
Fuzzy Subset Membership Function for Criterion
举个例子，当我在我创建的 python 程序中运行解释器时，我得到以下距离的隶属度：
Rd min: 0.0;
Rd low: 0.5;
Rd int: 0.5;
Rd high: 0.0;
Rd vhigh: 0.0;
从这里开始，我想将这些结果去模糊化为一个漏洞等级 (0-5)(vul) 以供以后使用加权线性组合方法汇总某个位置的其他 5 个漏洞结果时使用
i.e. Total Vulnerability = W1(vul1) + W2(vul2) + W3(vul3 + W4(vul4) + W5(vul5).
Vulnerability Fuzzy Subset Membership Functions
我遇到的问题是如何将单个标准映射到漏洞子集。我知道有基于规则的方法，但想不出规则来描述我想要它做什么。我将不胜感激关于如何将标准映射到漏洞子集的任何建议或指导。任何参考也很好。
解决方法
我在阅读了一篇关于单输入单输出 (SISO) 模糊系统的文章后回答了这个问题。
规则就是这样：
-
如果道路标准最小，则脆弱性最小。
rule1 = ctrl.Rule(road['min'],vul['min']).
第 1 步：
生成的 25 公里距离的模糊化成员资格如下所示：
第 2 步：
在模糊控制系统中执行规则后，产生最终的解模糊值：
