以下是我最终找到解决方案的过程（感谢JohanC为我指明了正确的方向）：
正如JohanC在他的评论中所指出的，skfuzzy的可视化模块在为单个隶属函数调用plot函数时并不使用颜色Map，而是使用matplotlib的颜色循环器。因此，调用循环器并给它一个自定义列表来使用，这是一个足够简单的解决方案。
首先，我必须进口一台腹透机：from cycler import cycler。然后使用JohanC的建议，可以使用linspace（）对所需颜色Map表（在本例中为"RdYlBu"）进行采样，以获得所需的颜色（在本例中为11种），并将它们传递给循环器：plt.rc('axes', prop_cycle=cycler(color=plt.get_cmap('RdYlBu')(np.linspace(0, 1, 11))))
编辑：在之前的迭代中，我尝试在色彩Map表上使用. color方法（正如JohanC在他的第一条评论中所建议的），但它返回了一个错误，因为"RdYlBu"是LinerSegmentedColormap（"bwr"和"coolwarm"也是如此），而在matplotlib中，它们没有. color方法（因为它们动态地生成样本）。但是当然，linspace解决了这个问题。你可以使用ListedColormap（它们确实有. color方法），但是我在matplotlib色彩Map表参考文档中找不到任何东西来说明哪个色彩Map表属于哪个类。
或者，你也可以定义你自己的颜色列表，而不是从一个颜色Map表中采样颜色，就像我在最终版本中所做的那样。只需要提供必要数量的颜色作为列表（使用matplotlib使用的RGBA符号）。在我的例子中，我写了一个函数来生成一个渐变（根据需要从它中采样多少），给定一个开始和结束颜色。
下面是最终代码：

import numpy as np
import matplotlib.pyplot as plt
import skfuzzy as fuzz
from cycler import cycler
from skfuzzy import control as ctrl
from skfuzzy.control import visualization

def gradient_colour_list(start, end, steps):
    '''
    The function generates 'steps' amount of solid colours,
    sampled from a gradient between the 'start' and 'end' colours.
    'start' and 'end' are defined in RGBA tuples.
    '''
    r_step = (end[0] - start[0]) / (steps - 1)
    g_step = (end[1] - start[1]) / (steps - 1)
    b_step = (end[2] - start[2]) / (steps - 1)
    a_step = (end[3] - start[3]) / (steps - 1)

    gradient = []
    for i in range(steps):
        r = start[0] + (r_step * i)
        g = start[1] + (g_step * i)
        b = start[2] + (b_step * i)
        a = start[3] + (a_step * i)
        gradient.append((r, g, b, a))

    return gradient

room_temp = ctrl.Antecedent(np.arange(0, 11, 1), 'room temperature')
clothing = ctrl.Antecedent(np.arange(0, 11, 1), 'amount of clothing')
temp_control = ctrl.Consequent(np.arange(0, 11, 1), 'temperature control')

temp_qualitative_values = ['absolute zero',
                           'freezing',
                           'extremely cold',
                           'cold',
                           'chilly',
                           'OK',
                           'warm',
                           'hot',
                           'very hot',
                           'hot as hell',
                           'melting']

# Create a list of colours, for as many steps
# as the amount of membership functions, sampled
# from a gradient between blue and red, at 100% opacity.
colours = gradient_colour_list((0.0, 0.0, 1.0, 1.0),
                               (1.0, 0.4, 0.0, 1.0),
                               len(temp_qualitative_values))

clothing.automf(3)
clothing.view()

temp_control.automf(5)
temp_control.view()

# Tell the cycler to use the custom list of colours
plt.rc('axes', prop_cycle=cycler(color=colours))

# Or use a predefined matplotlib cmap (in which case
# the list of custom colours and the function are redundant):
# plt.rc('axes', prop_cycle=cycler(color=plt.get_cmap('RdYlBu')(np.linspace(0, 1, 11))))

# No more need to pass through the FuzzyVariableVisualizer separately 
room_temp.view()

plt.show()