---
title: "Fuzzy logic in decision-making — 의사결정에서의 퍼지 논리"
source: "https://systems-analysis.info/int/Fuzzy_logic_in_decision-making_%E2%80%94_%EC%9D%98%EC%82%AC%EA%B2%B0%EC%A0%95%EC%97%90%EC%84%9C%EC%9D%98_%ED%8D%BC%EC%A7%80_%EB%85%BC%EB%A6%AC"
wiki: "systems-analysis.info/int"
article: "Fuzzy_logic_in_decision-making_—_의사결정에서의_퍼지_논리"
language: "ko"
categories:
  - "Category:Decision theory"
  - "Category:Decision-making"
  - "Category:Korean"
revision_id: 2391
wiki_created_at: 2026-09-06T23:03:12Z
wiki_modified_at: 2026-09-06T23:03:12Z
downloaded_at: 2026-09-07T22:50:48Z
---

# Fuzzy logic in decision-making — 의사결정에서의 퍼지 논리

**퍼지 논리**는 의사결정 이론에서 상황에 관한 정보가 **부정확**하거나, **모호**하거나, **언어적으로 표현된** 형태를 띠는 조건 하에서의 선택을 모델링하는 데 활용된다. 이러한 조건에서는 고전적인 결정론적 방법 및 확률론적 방법이 충분히 적용되기 어려우며, 의사결정자(DM)의 지식과 선호도를 형식화하기 위해 L. 자데(L. Zadeh)가 제안한 **퍼지 집합(fuzzy sets)** 이론이 사용된다.

## 퍼지 환경에서의 선택

퍼지 논리의 적용이 타당한 경우는 다음과 같다:

- 정확한 정량적 데이터가 없는 경우,
- 상황의 모든 매개변수를 형식화하는 것이 불가능한 경우,
- 평가와 선호도가 자연어, 즉 「높다」, 「좋다」, 「허용 가능하다」 등의 표현으로 나타나는 경우.

이러한 정보는 **퍼지 변수(fuzzy variables)**와 **언어적 척도(linguistic scales)**로 기술되며, 그 값은 엄격하게 정해진 수가 아니라 해당 객체가 주어진 정성적 설명에 얼마나 부합하는지를 반영하는 **소속 함수(membership functions)**로 표현된다.

## 언어적 척도와 소속 함수

정성적 평가(예: 「보통」, 「나쁨」, 「우수」)는 퍼지 언어적 척도의 형태로 표현될 수 있으며, 각 등급은 해당 소속 함수를 가진 퍼지 집합으로 해석된다. 소속 함수는 삼각형, 사다리꼴 등 다양한 형태를 가질 수 있으며, 각각의 구체적인 경우에 객체가 특정 언어적 범주에 얼마나 부합하는지를 규정한다.

## 퍼지 최적성 원리

퍼지 논리에서 의사결정의 기초는 **벨만–자데(Bellman–Zadeh)의 퍼지 최적성 원리**이다. 이 원리에 따르면, 목표와 제약 조건을 나타내는 퍼지 집합들의 **교집합**에 속하면서 해당 교집합에 대해 **가장 높은 소속도**를 갖는 경우 해당 결정이 최적으로 간주된다.

이 원리는 다음과 같은 문제에 활용된다:

- **결과의 보장적 달성** 문제: 조건이 부정확하더라도 목표가 반드시 달성되도록 하는 것이 중요한 경우;
- **다기준 선택** 문제: 각 기준이 퍼지 함수의 형태로 주어질 수 있는 경우;
- **퍼지 환경에서의 최적 제어** 문제: 시스템의 전이와 제어 작용이 퍼지 제약 조건 및 목표로 공식화되는 경우.

## 적용 및 의의

퍼지 논리와 퍼지 집합 방법론을 통해 다음이 가능하다:

- 전문가 지식과 판단의 형식화,
- 특성 및 조건 인식에서의 모호성 모델링,
- 비구조적이거나 형식화가 어려운 문제에 대한 유연한 의사결정 절차 구축.