模糊逻辑介绍·综合运用
（3/3）·前两层铺垫完概念与单系统后，这篇把马丹尼、关野两套推理真正跑成可挂盘的决策链
◍ 给模糊引擎喂第 5 到第 9 条规则
上面这段代码接着把 rule5 到 rule9 用 ParseRule 解析进模糊系统，语言格式和前 4 条一致：用 if (输入变量 is 隶属度词) and (...) then (输出 is 动作词) 描述巡航控制的加速逻辑。 比如 rule7 说速度误差偏快、误差变化率偏慢时，倾向让加速动作取 faster；rule9 则是两者都偏快时反而取 slower，避免过冲。 最后九条规则统一通过 Rules().Add() 挂进 fsCruiseControl，系统才具备完整推理集。你在 MT5 里跑这套时，少加一条就可能让某些输入组合无规则命中，输出直接掉到默认零值。
SugenoFuzzyRule *rule5 = fsCruiseControl.ParseRule("if (SpeedError is zero) and(SpeedErrorDot is zero) then(Accelerate is func)"); SugenoFuzzyRule *rule6 = fsCruiseControl.ParseRule("if (SpeedError is zero) and(SpeedErrorDot is faster) then(Accelerate is slower)"); SugenoFuzzyRule *rule7 = fsCruiseControl.ParseRule("if (SpeedError is faster) and(SpeedErrorDot is slower) then(Accelerate is faster)"); SugenoFuzzyRule *rule8 = fsCruiseControl.ParseRule("if (SpeedError is faster) and(SpeedErrorDot is zero) then(Accelerate is slower)"); SugenoFuzzyRule *rule9 = fsCruiseControl.ParseRule("if (SpeedError is faster) and(SpeedErrorDot is faster) then(Accelerate is slower)"); fsCruiseControl.Rules().Add(rule1); fsCruiseControl.Rules().Add(rule2); fsCruiseControl.Rules().Add(rule3); fsCruiseControl.Rules().Add(rule4); fsCruiseControl.Rules().Add(rule5); fsCruiseControl.Rules().Add(rule6); fsCruiseControl.Rules().Add(rule7); fsCruiseControl.Rules().Add(rule8); fsCruiseControl.Rules().Add(rule9);
往模糊系统塞什么、吐出来怎么接
模糊系统的输入不限制个数，但每个入口都得喂一个数值。实际写的时候，大多不会显式声明模糊特征，而是用恒定隶属函数把普通 double 值直接送进去，FuzzyNet 库就是为这种场景设计的。 具体做法是用一份 CList 清单装输入，清单里每个元素都是 Dictionary_Obj_Double 对象——它带两个字段：模糊变量和 double 数值。MQL5 的 FuzzyNet 里 Dictionary.mqh 已经把这个类实现了，直接 new 出来用 SetAll 把变量和值绑一起，再 Add 进列表即可。 输出侧结构和输入没差别。调用系统的 Calculate 方法，传进去的就是这份输入清单，返回的是另一份 CList。按下标 0 取出来的节点仍是 Dictionary_Obj_Double，用 Key() 拿变量名、Value() 拿数值。上面代码里马丹尼型取 fvTips 的值直接弹窗显示百分比，关野型取加速输出后乘 100 再显示，两者都只有一个输出但数量上并无上限。 跑这段代码前把 Service、Food 或 Speed_Error 等外部变量先赋好值，不然 Calculate 拿到空数据，Alert 出来的就是 0 或异常。外汇和贵金属策略若接这类模糊推理，请先认清模型信号仅代表概率倾向，实盘杠杆风险极高。
CList *in=new CList; Dictionary_Obj_Double *p_od_Service=new Dictionary_Obj_Double; Dictionary_Obj_Double *p_od_Food=new Dictionary_Obj_Double; p_od_Service.SetAll(fvService, Service); p_od_Food.SetAll(fvFood, Food); in.Add(p_od_Service); in.Add(p_od_Food); CList *result=new CList; Dictionary_Obj_Double *p_od_Tips=new Dictionary_Obj_Double; result=fsTips.Calculate(in); p_od_Tips=result.GetNodeAtIndex(class="num">0); Alert("小费, %: ",p_od_Tips.Value()); CList *in=new CList; Dictionary_Obj_Double *p_od_Error=new Dictionary_Obj_Double; Dictionary_Obj_Double *p_od_ErrorDot=new Dictionary_Obj_Double; p_od_Error.SetAll(fvSpeedError,Speed_Error); p_od_ErrorDot.SetAll(fvSpeedErrorDot,Speed_ErrorDot); in.Add(p_od_Error); in.Add(p_od_ErrorDot); CList *result=new CList; Dictionary_Obj_Double *p_od_Accelerate=new Dictionary_Obj_Double; result=fsCruiseControl.Calculate(in); p_od_Accelerate=result.GetNodeAtIndex(class="num">0); Alert("加速, %: ",p_od_Accelerate.Value()*class="num">100);
「模型落地前的强制校验」
基于上文脚本和 FuzzyNet 程序库搭建的模糊模型，并不能直接用于实盘。即便借助 MQL5 或 MQL4 版本的辅助库，构造一个“活性”模糊模型仍是有挑战性的任务，逻辑边界和隶属度函数都需要人工反复推敲。 外汇与贵金属市场高波动、高杠杆，任何模糊推理输出都只是概率倾向，不存在天然可靠的信号。 每个跑通的模型在接入 MT5 前，都必须做彻底的强制检查和参数调整——漏掉这一步，回测好看也只是假象。
◍ 把这条线请下神坛
模糊逻辑在 MT5 里落地，本质是把「差 / 一般 / 好」这类人话翻成可计算的隶属度，再用规则引擎推结论。上面那串参考里，马丹尼和关野两种推理模型差异最大：前者结论也是模糊集，后者直接出常数或线性式，回测时关野通常更省算力。 实际踩坑记录在 2020 年 3 月：有用户把终端升到 build 2342 后，模糊库在 RuleParser.mqh 第 712 行报「incorrect casting of pointers」，说明老接口随版本迭代已不兼容，直接抄文内代码前先核对当前 build。 下面这句规则写法就是典型马丹尼句式，very 嵌在结论术语前才合法： MamdaniFuzzyRule *rule1 = fsTips.ParseRule("if (service is poor) or (food is rancid) then (tips is very cheap)"); 外汇和贵金属波动受流动性与事件驱动，模糊系统只能给「倾向」，不能替你遮掉爆仓风险。真要验证，开 MT5 建个 ea 把上面规则跑一遍，比反复读文献来得快。
MamdaniFuzzyRule *rule1 = fsTips.ParseRule("if (service is poor) or(food is rancid) then(tips is very cheap)");