Introduccion A La Logica Difusa

Introduccin a la Lgica Difusa
Toms Arredondo Vidal

27/6/12
Introduccin a la lgica difusa

Contenidos
Conceptos y definiciones bsicos de la lgica difusa
ets difusos y funciones de membres!a
"peraciones sobre sets difusos
#nferencia usando lgica difusa

Introduccin
$or e%emplo se considera a una persona como alta si
mide mas de 1&'(mts) pero de igual forma se considera
a una persona como alta si mide 1&7***mts
+sta consideracin no e,iste en la logica tradicional -ue
utili.a demarcaciones estrictas para determinar
pertenencia en sets/
+%emplo/ A es el set clsico de personas altas
A 0 1 , 2 , 3 1&'4
5na persona -ue mide 1&7*****mts es ba%a6

Introduccin (cont)
7a logica difusa es una e,tension de la logica tradicional
89ooleana: -ue utili.a conceptos de pertenencia de sets
mas parecidos a la manera de pensar ;umana
+l concepto de un subset difuso fue introducido por 7&A&
<ade; en 1*6= como una generali.acin de un subset
e,acto 8crisp subset: tradicional&
7os subsets e,actos usan lgica 9ooleana con >alores
e,actos como por e%emplo la lgica binaria -ue usa
>alores de 1 o ( para sus operaciones&

Introduccin (cont)
7a lgica difusa no usa >alores e,actos como 1 o ( pero
usa >alores entre 1 y ( 8inclusi>e: -ue pueden indican
>alores intermedios 8+%& () (&1) (&2) ?)(&*)1&() 1&1) ?etc:
7a lgica difusa tambi@n incluye los >alores ( y 1
entonces se puede considerar como un superset o
e,tensin de la lgica e,acta&

Contenidos

Set difuso
Asumiendo -ue A es un set) un set difuso A en A es
asociado con una funcin caracter!stica/ B
A
8,:
B
A
8,:/ A C3 D() 1E
7a funcin caracter!stica es tipicamente denominada
funcin de pertenencia 8members;ip function:&

Set difuso (cont)
i A es una coleccin de ob%etos en el cual , A) un set

difuso es un mapa B
F
8,: / A C3 D() E) en el cual a cada
>alor , la funcin B
F
8,: le asigna un numero entre los
>alores ( a &
+l set difuso es el set de pares ordenados/
A 0 18,) B
A
8,:: 2 , A4

Set difuso (cont)
+%emplos discretos y continuos/
A 0 18() (&1:) 81) (&=:) 82) 1:) 8G) (&1:) 8H)(&':4
9 0 1(&1/() (&=/1) 1/2) (&1/G) (&'/H4
C 0 18,) B
C
8,:2 , A4) B
C
8,: 0 1 / 81 I 8,/1( C =:
H
:
A 0 1() 1) 2) G) H) =) 6) 74 es el set de ;i%os -ue puede
tener una familia) entonces el set difuso J es Kel numero
ra.onable de ;i%os -ue puede tener una familiaL
J 0 1 8() (&1:) 81) (&G:) 82) (&7:) 8G) 1:) 8H) (&7:)
8=) (&G:) 86) (&2:) 87) (&1: 4

Funcin de pertenencia (o membresa)
+l >alor asignado por B

F
8,: corresponde al grado en el
cual el >alor , tiene el atributo F&
Visto de otra manera la funcin B

F
8,: nos indica cual es
el grado de pertenencia de , al atributo F&
7a funcin B
F
8,: se llama la funcin de pertenencia del
atributo F&
7a funcin tiene -ue >er con un grado de ambigMedad
sobre la caracter!stica de la >ariable -ue se esta
midiendo pero no es una probabilidad

Funcin de pertenencia (cont)
+%/ B
F
8,: corresponde al ni>el de fr!o medido en la
>ariable ,
CH( C2( ( 1( 2( G(
1
(
B
F
8,:
, 8C
o
:
fr!o
mas o menos fr!o
No tan fr!o
Jefiniti>amente no fr!o

Un set exacto (crisp set) :
B
s
8,:
,
B

/ A C3 1()14

B
8,: 0 1 si , es un miembro de
B
8,: 0 ( si , no es un miembro de
N
funcin
caracter!stica
par binario
1
} 0 : { N S X S

Un set difuso (fu! set):
B
s
8,:
,
B

/ A C3 D()1E) ( O B
8,: O 1

B
8,: 0 ( si , es (P miembro de )&&&) B
8,: 0 (&1( si , es 1(P miembro de )&&&)

B
8,: 0 (&2( si , es 2(P miembro de )&&&)B
8,: 0 1 si , es 1((P miembro de

N
funcin de
pertenencia
inter>alo de >alores entre cero y uno 8inclusi>e:
1
} 0 : { N S X S
subset

"tros sets difusos (cont):
B
s
8,:
,
B
s
8,:
,
1
1
Qay muc;as posibilidades de como representar un set difuso&

#ariables Ling$sticas
e usan >ariables lingM!sticas para anali.ar y modelar un
sistemas/
+%/ upongamos -ue A 0 KedadL) se pueden definir
set difusos/ K%o>enL) KadultoL) KancianoL
1&(
(&=
(
%
( 2= =( 7= 1((
&(x)
%o>en adulto anciano

Funciones de pertenencia
'
x d
d x c
c d
x d
c x b
b x a
a b
a x
a x
d c b a x
l trapesoida
, 0
,
, 1
,
, 0
) , , , ; (
Funcin de pertenencia trape.oidal/
+%/ B
trapesoid
8,R 1() 2() 6() *=:
1
( 2( H( 6( '( 1((

Funciones de pertenencia (cont):
Funcin de pertenencia triangular/
+%/ B
triangle
8,R 2() 6() '(:
'
x c
c x b
b c
x c
b x a
a b
a x
a x
c b a x
tringulo
, 0
,
,
, 0
) , , ; (
1
( 2( H( 6( '( 1((

Funcin de pertenencia llamada un singleton) tiene un >alor
Snico cuando , 0 a 8es como una funcin delta de Jirac:/
+%/ B
singleton
8,R 6(:
a x
a x
a x
s
'
, 1
, 0
) ; (
1
( 2( H( 6( '( 1((

Tausiana
2
2
1
) , ; (

,
_

c x
e c x
Gausiana
+%/ B
Tausiana
8,R G) 1:

Tausiana
2
2
1
) , ; (

,
_

c x
e c x
Gausiana
+%/ B
Tausiana
8,R G) y:

9ell
b
Bell
a
c x
c b a x
2
| | 1
1
) , , ; (
+

+%/ B
9ell
8,R 2) 1) G:

9ell
b
Bell
a
c x
c b a x
2
| | 1
1
) , , ; (
+

+%/ B
9ell
8,R 1) y) G:

9ell
b
Bell
a
c x
c b a x
2
| | 1
1
) , , ; (
+

+%/ B
9ell
8,R y) 1) G:

igmoide/
) (
1
1
) , , ; (
c x a
e
c b a x s i g m f

+
d i s p ' s i g ( m

7U/
'
,
_

<
,
_
c x
c x
F
c x
x c
F
c x L R
R
L
,
,
) , , ; (

c ) * +
a ) * ,
b ) - ,
c ) . +
a ) - ,
b ) / ,
d i f f l r ( m
F x x
L
( ) m a x ( , ) 0 1
2
F x x
R
( ) e x p ( )
3

V $ara -ue un sistema difuso sea adaptati>o es util el poder
calcular los deri>ados de las funciones de pertenencia&
V 7os deri>ados toman un rol central en la adaptacin de un
sistema difuso 8>er Wang 2&H&G:

Funciones de pertenencia en . o mas dimensiones:
7as funciones de pertenencia tambi@n pueden ser de
dos 8o mas: dimensiones
V C 0 18,) y) B
C
8,) y:2 , A) y X4
+sto es muc;as >eces necesario ya -ue puede -ue
nuestra funcin de pertenencia tenga >arios inputs

F u n c i o n e s d e m e m b r e s a e n . D :
. d m f ( m

con0exmf(m
5n set difuso A es con0exo si para cual-uier ,1),2 A
y en D() 1E)

A A A
x x x x ( ( ) ) min( ( ), ( ))
1 2 1 2
1 +

1lgunas definiciones de los sets difusos:
Jefinicin/ 5n set difuso A en A se llama normal si
e,iste por lo menos un elemento , A en el cual A8,: 0 1&
5n set difuso -ue no es normal se llama subnormal&
Jefinicin/ 7a altura 8;eig;t: de un set difuso A es el
miembro mas grande en A& +ntonces altura8A: 0 Ya, A8,:
Jefinicin/ +l soporte 8support: de un set difuso A es el
subset e,acto de A consistente de todos los miembros con
>alor de pertenencia 3 (& upp8A: 0 1, 2 A8,: 3 ( and , A4

1lgunas definiciones de los sets difusos (cont):
Jefinicin/ 7a medula 8o core: de un set A son todos
los elementos con >alor de pertenencia 0 1&
medula8A: 0 1, 2 A8,: 0 1 and , A4
Jefinicin/ i A y 9 son dos fu..y sets en A& A es un
subset de 9 si 98,: A8,: para todos los >alores , A&
Jefinicin/ i A y 9 son dos fu..y subsets de A& A ) 9 si
A es un subset de 9 y 9 es un subset de A&

Definiciones de los sets difusos (cont):
Jefinicin/ +l 2le0el set de A es el crisp set en A
consistente de los elementos en A para el cual A8,:
A
0 1, 2 A8,: ) , A4
+,ponentes/ Jado -ue A01a) b) c) ?4&
i A 0 1,
1
/a) ,
2
/b) &&&) 4 entonces A
n
0 1,
1
n
/a) ,
2
n
/b) &&&) 4

Definiciones de los sets difusos (cont):
3 F
%
( +
-
,
C o r e
C r o s s o 0 e r p o i n t s
S u p p o r t
2 c u t

Contenidos

"peraciones en sets difusos:
Jefinicin/ Asumiendo -ue A y 9 son dos sets difusos
de A) la union de A y 9 es un set difuso C 0 A 9)
en el cual C8,: 0 Ya,DA8,:) 98,:E
Jefinicin/ Asumiendo -ue A y 9 son dos sets difusos de
A) la interseccin de A y 9 es un set difuso C 0 A 9)
en el cual C8,: 0 YinDA8,:) 98,:E
Jefinicin/ +l complemento relati0o de 9 con respecto a A
es + 0 A V 9 en el cual +8,: 0 Ya,D() A8,: V 98,:E

"peraciones en sets difusos (cont):
Jefinicin/ 7a suma limitada 8bounded sum: de A y 9)
Jefinicin/ +l complemento o negacin de A)
denominado es el set ) entonces para
cual-uier , en
Jefinicin/ 7a doble negacin de A es igual a A&
)] ( ) ( , 1 [ ) ( , x B x A Min x C B A C +
A(x) 1 (x) A
A
A X A

" p e r a c i o n e s e n s e t s d i f u s o s ( c o n t ) :
s u b s e t ( m
f u s e t o p ( m

N a
a
s a
s
( )

+
1
1
Complemento
Ue-uerimientos/
V 9orde/ N8(:01 and N81: 0 (
V Yonotonicidad/ N8a: 3 N8b: if a Z b
V #n>olucin/ N8N8a:: 0 a
Jos tipos/
V ugeno[s complement/
V Xager[s complement/
N a a
w
w w
( ) ( )
/
1
1

Complemento
N a
a
s a
s
( )

+
1
1
N a a
w
w w
( ) ( )
/
1
1

4 x t e n s i o n e s c i l n d r i c a s :
5 a s e s e t 1 C ! l i n d r i c a l 4 x t ( o f 1
c ! l ' e x t ( m

6 r o ! e c c i o n e s :
7 8 o 2 d i m e n s i o n a l
3 F
6 r o 9 e c t i o n
o n t o %
6 r o 9 e c t i o n
o n t o :
R
x ( , )

R
x
x
( )
m a x ( , )
B
x
R
x
( )
m a x ( , )
p r o 9 e c t ( m

Conmutati>idad/
A 9 0 9 A
A 9 0 9 A
\dempotencia/
A A 0 A
9 9 0 9
Asociati>idad
A 89 C: 0 8A 9: C 0 A 9 C
A 89 C: 0 8A 9: C 0 A 9 C

Jistribucin
A 89 C: 0 8A 9: 8A C:
A 89 C: 0 8A 9: 8A C:
Nulo
A = A
A =
Unin e Interseccin de X (A es un subset de X)
A A = X
A A = A

49emplos:
A01&1/a)&1/b) &2/c) (/d) 1/e4
901&1/a) (/b) &2/c) (/d) &*/e4
A es un set fu..y normal en A 8a ra.n de el elemento 1/e:
9 es un set fu..y subnormal en A
altura8A: 0 1) altura89: 0 &*
supp8A: 0 1a) b) c) e4) supp89: 0 1a) c) e4
core8a: 0 1e4) core89: 0 1 4
89 es un subset de A ya -ue A8,: 98,: para , A:
A B

49emplos (cont):
A01&1/a)&1/b) &2/c) (/d) 1/e4
901&1/a) (/b) &2/c) (/d) &*/e4
C 0 A 9 0 Ya,DA8,:) 98,:E 0 1&1/a) &1/b) &2/c) (/d) 1/e4
C 0 A 9 0 YinDA8,:) 98,:E 0 1&1/a) (/b) &2/c) (/d) &*/e4
0 1 V A 0 1&*/a) &*/b) &'/c) 1/d) (/e4
A

49emplos (cont):
]
C
8,: 0 ]
A
8,: ]
9
8,: 0 min8 ]
A
8,:) ]
9
8,: :
(
1
(
1
,
,
B
c
8,:
B
a
8,:
B
b
8,:

49emplos (cont):
]
C
8,: 0 ]
A
8,: ]
9
8,: 0 ma,8 ]
A
8,:) ]
9
8,: :
(
1
,
B
c
8,:
B
a
8,:
B
b
8,:
(
1
,

Interseccin de sets difusos (1 5) :
7a interseccin de dos sets difusos A y 9 se en
general se especifica por una funcin T/D()1E :[0,1]^ [0,1].
+stas operaciones se efectSan a tra>@s de un operador -ue
opera sobre los grados de pertenencia de los con%untos /
B
A
8,: 0 T8B
A
8,:) B
9
8,:: 0 B
A
8,: DopE B
9
8,:
+n el cual DopE es un operador binario&

Interseccin de set difusos (1 5) (cont) :
#nterseccin o 72;orma Tenerali.ado
Ue-uerimientos/
V 9orde/ T8() (: 0 () T8a) 1: 0 T81) a: 0 a
V Yonotonicidad/ T8a) b: Z T8c) d: if a Z c and b Z d
V Conmutati>idad/ T8a) b: 0 T8b) a:
V Asociati>idad/ T8a) T8b) c:: 0 T8T8a) b:) c:
+%emplos/
V Yinimum/ Tm8a) b:
V Algebraic product/ Ta8a) b:
V 9ounded product/ Tb8a) b:
V Jrastic product/ Td8a) b:

Interseccin de sets difusos (1 5) (cont) :
Cuatro operadores TCnorm/
V
T
min
8a)b: 0 min8a) b: 0 A 9 8minino:
V
T
ap
8a)b: 0 ab 8producto algebraico:
V
T
bp
8a)b: 0 ( (aI bC1: 8producto limitado:
V
T
dp
8a)b: 0 a if b01) 8producto drastico:
0 b if a01)
0 ( if a)b Z 1

3 i n i m u m :
7 m ( a < b )
1 l g e b r a i c
p r o d u c t :
7 a ( a < b )
5 o u n d e d
p r o d u c t :
7 b ( a < b )
D r a s t i c
p r o d u c t :
7 d ( a < b )
t n o r m ( m

Unin de sets difusos (1 5) :
5nion o 72conorm 8Cnorm: satisface 8& ) &:/
V 9orde/ 81)1: 0 1) 8()a: 0 8a)(: 0 a
V Yonotonicidad/ 8a)b: O 8c)d: if a O c and b O d
V Conmutati>idad/ 8a)b: 0 8b)a:
V Asociati>idad/ 8a)8b)c:: 0 88a)b:)c::

Unin de sets difusos (1 5) (cont) :
Cuatro operadores TCconorm/
V 8a)b: 0 ma,8a) b: 0 A 9 8m,imo:
V 8a)b: 0 aIbCab 8suma algebraico:
V 8a)b: 0 1 (a I b: 8suma limitada:
V 8a)b: 0 a if b0() 8suma drastica:
0 b if a0()
0 1 if a)b 3 (

3 a x i m u m :
S m ( a < b )
1 l g e b r a i c
s u m :
S a ( a < b )
5 o u n d e d
s u m :
S b ( a < b )
D r a s t i c
s u m :
S d ( a < b )
t c o n o r m ( m

7ey de Je Yorgan/
T8a) b: 0 N88N8a:) N8b:::
8a) b: 0 N8T8N8a:) N8b:::
B A B A
B A B A

) (
) (
7 m ( a < b )
7 a ( a < b )
7 b ( a < b )
7 d ( a < b )
S m ( a < b )
S a ( a < b )
S b ( a < b )
S d ( a < b )

72norma ! 72conorma 6arametriadas
Varios in>estigadores ;an propuesto >ersiones
parametri.adas de TCnorma y TCconorma
V Xager
V c;_ei.er and `lar
V Jubois and $rade
V Qamac;er
V Fran`
V ugeno
V Jombi

6rincipio de 4xtensin
+l principio de e,tensin nos da un mecanismo bsico para
e,tender las e,presiones matemticas de sets e,actos al
dominio difuso&
+ste principio generali.a la idea de un mapeo punto a punto
de una funcin en sets tradicionales y0f8,: a un mapeo entre
con%untos difusos&

6rincipio de 4xtensin (cont)
i f es una funcin X 0 f8A: y A es un set difuso sobre A
definido como/
A 0 1B
A
8,
1
:/,
1
) B
A
8,
2
:/,
2
) &&& ) B
A
8,
n
:/,
n
4
+ntonces el principio de e,tensin indica -ue la imagen del
set A ba%o la funcin f8 : es el set difuso 9/
9 0 f8A: 0 1B
9
8y
1
:/y
1
) B
9
8y
2
:/y
2
) &&& ) B
9
8y
n
:/y
i
4
en el cual y
i
0 f8,
i
: y B
9
8y: 0 ma, B
A
8,:

6rincipio de 4xtensin (cont)
+%emplo/
i A 0 1(&1/C2) (&H/C1) (&'/() (&*/1) (&G/24
y f8,: 0 ,
2
C G
+ntonces aplicando el principio de e,tensin tenemos -ue/
9 0 1(&1/1) (&H/C2) (&'/CG) (&*/C2) (&G/14
0 1(&'/CG) 8(&H (&*: /C2) 8(&1 (&G:/14
0 1(&'/CG) (&*/C2) (&G/14

=elaciones Difusas
Uelaciones difusas binarias son mapas difusos en A X

-ue mapean cada elemento en A X a una sola funcin
de pertenencia 8entre ( y 1 inclusi>e:&
7as relaciones difusas no solo pueden ser binarias si no
-ue pueden ser generali.adas a n >ariables
Jefinicin/ +l producto Cartesiano de dos sets e,actos
8A X: es un set consistente de todos los pares 8,) y: donde
, A) y X&

=elaciones Difusas 5inarias (cont)
Jefinicin/ 5na relacin difusa sobre un par A) X se define
como el set difuso del producto Cartesiano A X/
U 0 1 88, ) y:) B
U
8,) y:: 2 8, ) y: A X 4
+%emplo/ Uelacin difusa discreta
i A 0 1a) b) c4) X 0 11) 24) entonces
A 0 1(&1/8a) 1:) (&6/8a) 2:) (&*/8b) 1:) 1/8b)2:) (/8c)1:) (&2/8c)2:4
es una relacin difusa sobre el espacio A X&

Jefinicin/ i e,isten un par de sets difusos A y 9 su
producto cruce 8cross product: Cartesiano A 9 es una
relacin difusa T sobre el set A 9) T 0 A 9 donde
T8,) y: 0 YinDA8,:) 98y:E
+%emplo/
i A 0 11/a) (&6/b) (&G/c4) 9 0 11/1) (&=/2) (/G4 son dos subsets
difusos) entonces)
A 0 1 1/8a) 1:) (&=/8a) 2:) (/8a) G:) (&6/8b)1:) (&=/8b)2:)
(/8b)G:) (&G/8c)1:) (&G/8c)2:) (/8c)G:4

=elaciones Difusas 5inarias (cont):
+%/ A/ >ariable -ue indica el tamaao de una casa) X/ >ariable -ue
indica el precio de una casa
B
Tamaao
8,:/ tamaao atracti>o para familia de cuatro personas 8mts:
B
Tamaao
8,: 0 B
Tausiana
8,R 1((R 2:

+%/ A/ >ariable -ue indica el tamaao de una casa) X/ >ariable -ue
indica el precio de una casa)
B
$recio
8y:/ precio atracti>o de una casa para una familia de cuatro
personas 8millones:
B
$recio
8y: 0 B
Tausiana
8yR G(R 1:

+%/ J 0 18,) y) B
J
8,) y:2 , A) y X4 indica casas de Ktamaao
atracti>o para familia de cuatro personasL ANJ Kprecio atracti>o
de una casa para una familia de cuatro personasL
B
J
al ser el producto de dos funciones de pertenencia se
denomina KcompuestaL / B
J
8,) y: 0 B
T
8,: B
$
8y:

+s posible e,presar la relacin difusa en un matri, U de
B
U
8,) y:&
+%emplo/
i A 0 1,
1
) ,
2
) ,
G
4) X 0 1y
1
) y
2
4) entonces U /
R=
[
x! " ! x! " #
x# " ! x# " #
x$ " ! x$ " #
]

Composicin de =elaciones Difusas
7as relaciones difusas se usan en sistemas de inferencia
difusa 8e&g& if A t;en X:
$ara combinar las relaciones difusas se usan operaciones
de composicin
V ma,Cmin propuesta por <ade;
V ma,Cproduct

Composicin de =elaciones Difusas (cont)
Jefinicin/ i U
1
y U
2
son dos relaciones difusas definidas en
A X e X < respecti>amente& 7a composicin max2min de
U
1
y U
2
es un set difuso definido como/
B
U1 b U2
8,) .:

0 ma,
y
minDB
U1
8,) y:) B
U2
8y) .:E
Jefinicin/ i U
1
y U
2
son dos relaciones difusas definidas en
A X e X < respecti>amente& 7a composicin max2
product de U
1
y U
2
es un set difuso definido como/
B
U1 b U2
8,) .:

0 ma,
y
DB
U1
8,) y: B
U2
8y) .:E

Composicin de =elaciones Difusas (cont)
+n general se tiene ma,Cc en la cual c es un operador de
TCnorma/
B
U1 b U2
8,) .:

0 ma,
y
DB
U1
8,) y: c B
U2
8y) .:E

=eglas IF27>4; difusas:
5na regla #FCTQ+N difusa es de la forma
#F , is A TQ+N y is 9
+n la cual A y 9 son >ariables lingM!sticas definidas por sets
difusos en los uni>ersos A e X& 7a parte IF , is 1 es llamada
el antecedente o premisa) mientras la parte 7>4; y is 5 es
la consecuencia o conclusin
+%emplos/
#f presin es alta) t;en >olumen es pe-ueao&
#f carretera esta mo%ada) t;en mane%ar es peligroso&

Ueglas #FCTQ+N pueden usar >ariables difusas linguisticas
+%emplos/
c o m p l 0 ( m

=eglas IF27>4; difusas (cont):
i se -uiere utili.ar la regla #F , is A TQ+N y is 9 8A ^9:
entonces se puede definir la regla como una relacin binaria
difusa U en el espacio A X&
U puede ser >isto como un set difuso con una funcin de
pertenencia/
B
U
8,) y: 0 f8B
A
8,:)B
9
8y::
7a funcin de implicacin difusa f con>ierte los grados de
pertenencia indi>iduales a grados de pertenencia de 8,) y:&

9asado en la interpretacin de 8A ^9: KA coupled _it; 9L o
KA y 9 ambos estnL entonces las cuatro funciones TCnorm se
pueden usar para resol>er la relacin U
V
U
min
8a)b: 0 min8a) b: 0 A 9 8minimo:
V
U
ap
V
U
bp
V
U
dp
8a)b: 0 a if b01) 8producto drstico:
0 b if a01)
0 ( if a)b Z 1

9asado en la interpretacin de 8A ^9: KA implies 9L o
KA implica 9L 8N"T A "U 9: se pueden utili.ar otras funciones/
V 9ounded sum
V Ya,Cmin composition
V 9oolean fu..y implicacin
V Tougends fu..y implication 8Wang& p62:

3aneras de Interpretar =eglas IF27>4; difusas:
1 c o u p l e d 8 i t ? 5
A
B
x
!
1 c o u p l e d 8 i t ? 5
A
B
x
!
A
B
1 e n t a i l s 5
!
x
A
B
1 e n t a i l s 5
!
x

1 coupled 8it? 5:

R A B
x f x f a b ( , ) ( ( ) , ( ) ) ( , )
f u i m p ( m

1 entails 5 (not 1 or 5):
f u i m p ( m

=aonamiento difuso:
+l Yodus $onens en reglas de lgica tradicional indica -ue
podemos inferir la >erdad de la proposicin 9 basados en la
>erdad de A y en la implicacin A ^ 9/
premisa 1 8input:/ , es A
premisa 2 8regla:/ if , es A t;en y is 9)
consecuencia/ y es 9
+l proceso de ra.onamiento difuso utili.a el Yodus $onens
Tenerali.ado 8TY$:/
premisa 1 8input:/ , es Ad
premisa 2 8regla:/ if , es A t;en y is 9)
consecuencia/ y es 9d

=aonamiento difuso (cont):
Jefinicin/ =aonamiento aproximado) si A) Ad) y 9 son sets
difusos de A) A e X respecti>amente& Asumiendo -ue 8A ^9:
se e,presa como una relacin U en A X&
+ntonces el set difuso inducido por , es Ad y la regla difusa
if , is A t;en y is 9 se define como/
V
B
9d
8y:

0 ma,
,
minDB
Ad
8,:) B
U
8,)y:E

i B
9d
8y:0ma,
,
minDB
Ad
8,:) &
=
(x<!)E) entonces usando las
funciones de implicacin de Yamdani y la regla de composicin
ma,Cmin/ B
9d
8y:

0 ma,
,
minDB
Ad
8,:) &
1
(x) &
5
(!)E
0 ma,
,
DB
Ad
8,: B
A
8,:E B
9
8y: 0 _ B
9
8y:
1
%
8
1 @ 5
:
x i s 1 @
5 @
:
1 @
%
! i s 5 @
7 2 n o r m

+n casos con mas >ariables usando TY$/
premisa 1 8input:/ , is Ad and y is 9d
premisa 2 8regla:/ if , is A and y is 9 t;en . is C)
consecuencia c is Cd
1 5
72norm
% :
8
1@ 5@ C.
A
C@
A
% :
1@ 5@
x is 1@ ! is 5@ is C@

=aonamiento con dos reglas: +n general se toma como la
unin de las relaciones difusas correspondiente a las reglas&
$remisas/ , is A[ and y is 9[
Uegla 1/ if , is A1 and y is 91 t;en . is C1
Uegla 2/ if , is A2 and y is 92 t;en . is C2
Conclusin/ . is C[
1- 5-
1. 5.
72norm
%
%
:
:
8-
8.
1@
1@ 5@
5@ C-
C.
A
A
C@
A
% :
1@ 5@
x is 1@ ! is 5@ is C@

Contenidos

Inferencia usando lgica difusa:
7a computacin usando inferencia basada en lgica difusa
es un m@todo de computo popular
Qay muc;as aplicaciones en reas como control)
clasificacin) sistemas e,pertos) robtica y reconocimiento
de patrones
+l sistema de inferencia difuso se conoce por muc;os
nombres como/ sistema difuso de reglas) sistema e,perto
difuso) modelo difuso) lgica asociati>a difusa) controlador
difuso

Sistemas de inferencia usando lgica difusa:
+l sistema de inferencia difuso consiste de tres
componentes conceptuales/
V reglas difusas)
V diccionario 8con funciones de pertenencia:)
V mecanismo de raciocinio
#nput Ueglas "utput

Sistemas de inferencia usando lgica difusa (cont):
Tipicamente los controladores se relacionan con el mundo
e,terno a tra>es de >alores e,actos 8no difusos:
>elocidad controlador flu%o de gasolina
i el controlador usa logica difusa >a a ser necesario
alguna con>ersion

+sto se denomina fu..ificacion y defu..ificacion&

input
e,acto
fu..ificador
controlador
difuso
defu..ificador
output
e,acto

49emplo: Controlador 3amdani usando lgica difusa
5sando la lgica difusa y la teor!a de ra.onamiento
apro,imada introducida por <ade; es posible crear un
controlador basado en esta logica
7a forma tradicional de las leyes de control con
autorregulacin 8feedbac`: es/
u8`: 0 f8e8`:) e8`C1:)&&&)e8`C>:) u8`C1:) u8`C2:) &&&) u8`C>::
e es el error entre el punto de control _ y el output y
C es el controlador y es el sistema siendo controlado
7a idea es diseaar C -ue minimi.a el error 8e0_Cy: en el
tiempo
_
e
C
u y

Controlador de lgica difusa (cont):
+l controlador de lgica difuso 8Fu..y 7ogic Controler:
utili.a leyes de control consistentes en reglas lgicas
#F&&&TQ+N en con%unto con funciones de pertenencia
difusas para controlar un proceso y minimi.ar el error
7os con%untos y los operadores difusos son los su%etos y
predicados de la lgica difusa&
7as reglas lgicas #FCTQ+N son usadas para formular
las e,presiones condicionales -ue usan la lgica difusa

3amdani FLC (Fu! Logic Controler) :
+l Yamdani F7C fue propuesto por Yamdani y Assilian en
1*7H) este F7C utili.a el error e8`: y el cambio de error
e8`: para producir cambios en la funcin de output del
controlador (puede ser B8`: o B8`::
e8`: 0 _8`: V y8`:
e8`: 0 e8`: V e8` V 1:
u8`: 0 F8e8`:) e8`:: o
u8`: 0 F8e8`:) e8`::

e8`: se define como el punto de control menos el output/
V i e8`: 3 ( entonces _8`: 3 y8`:
V i e8`: 3 ( entonces e8`: 3 e8`C1:

3amdani FLC (Fu! Logic Controler) (cont) :
(& #f e 0 positi>o and e 0 apro, .ero t;en u 0 positi>o
1& #f e 0 negati>o and e 0 apro, .ero t;en u 0 negati>e
2& #f e 0 apro, .ero and e 0 apro, .ero t;en u 0 apro, .ero
G& #f e 0 apro, .ero and e 0 positi>o t;en u 0 positi>o
H& #f e 0 apro, .ero and e 0 negati>o t;en u 0 negati>o
1
C&=
( &= 1 C1
negati>o
.ero
positi>o
B
Funcines de pertenencia B8e:) B8e:) B8u:/

"tra manera de definir las reglas del controlador es usando una matri./
P P Z
P
P Z N
Z
Z N N
N
P Z N
e8`:
e8`:
Valores de la funcin de
pertenencia de input e8`:
pertenencia de input e8`:
pertenencia de output u8`:

Algoritmo del Yamdani F7C/
1& 5sando el >alor del antecedente de cada una de las reglas 8#F&&&:
2& Jeterminar la consecuencia 8TQ+N &&&: de cada una de las reglas
G& Agregar todos los outputs de las reglas para obtener el output de
todo el sistema 8este es una o mas funcines de pertenencia
difusa:) tambi@n se llama determinar el grado de disparo de todas
las reglas 8degree of firing:
H& Jefu.ificar el output para obtener un >alor e,acto) se pueden usar
>arios m@todos como el C"A 8centroide: o el Y"Y

Jefu.ificacion usando el centroide/
+n forma discreta/
dx x f
xdx x f
Centroide
) (
) (
n
i
i
n
i
i i
x f
x x f
Centroide
0
0
) (
) (

+%emplo de defu.ificacion usando el centroide/
+n forma discreta con 1( muestras/

+ +
+ +
10
1 . 6
1 . 6
1 . 4
1 . 4
0
10
1 . 6
1 . 6
1 . 4
1 . 4
0
8 .
10
5 . 0
8 .
10
5 . 0
dx dx
x
dx
xdx xdx
x
xdx
Cg
8 . 8 . 8 . ) 10 / 6 ( ) 10 / 5 ( 5 . 5 . 5 . 5 . 5 .
8 . 9 8 . 8 8 . 7 ) 10 / 6 ( 6 ) 10 / 5 ( 5 5 . 4 5 . 3 5 . 2 5 . 1 5 . 0
+ + + + + + + + +
+ + + + + + + + +
Cg

49emplo 3amdani FLC (Fu! Logic Controler):
8+l siguiente e%emplo pro>iene del sitio _eb de la eattle Uobotics ociety:
+ste e%emplo es un sistema de control de temperatura&&&

49emplo 3amdani FLC (Fu! Logic Controler) (cont):
+n el e%emplo se -uiere minimi.ar el error entre el Cmd y Temp
+rror/ Cmd C Temp 8I cold) C ;ot:
d+/dT/ 8I cooling) C ;eating:
"ut/ Qeat) N" CQANT+ or C""7
Variables linguisticas usadas en el e%emplo/
V eNe 0 enegati>ee error or errorCdot input le>el 8input negati>o:
V e<e 0 e.eroe error or errorCdot input le>el 8input .ero:
V e$e 0 epositi>ee error or errorCdot input le>el 8input positi>o:
V eQe 0 eQeate output response 8output es calentar o KQeatL:
V eCe 0 eNo C;angee to current output 8output es ningun cambio
o KNo C;angeL:
V eCe 0 eCoole output response 8output es enfriar o KCoolL

49emplo (cont): e(B)) 2-(,F (>ot)< e(B) ) C.(+ F (Cooling)
Funcin de pertenencia del input e 8error:/
e8`:0 C1&(F
^ e
neg
8C1: 0 (&=) e
.ero
8C1: 0 (&=
y e
positi>e
8C1: 0 (
Funcin de pertenencia de input e/
e8`: 0 I2&= F
^ e
negati>e
82&=: 0 ()
e
.ero
82&=: 0 (&= y e
pos
82&=: 0 (&=

6asos - ! .: 4ncontrar ni0el de disparo ! output en todas las reglas e ! e
6aso D: "btener funciones del pertenencia del output:
E4rrorE selecciona reglas -<.</<+<F<G< Eerror2dotE reglas / a H(
1gregar outputs usando producto lgico (1;D) para obtener las reglas Iue
se acti0an (interseccin en ro9o)((( se acti0aron /< +< F< G (grado de disparo
o degree of firing)

-( If (e J ,) 1;D (e J ,) t?en u(B))Cool (,(+ K ,(, ) ,(,)
.( If (e ) ,) 1;D (e J ,) t?en u(B))Cool (,(+ K ,(, ) ,(,)
D( If (e L ,) 1;D ( e J ,) t?en u(B))>eat (,(, K ,(, ) ,(,)
/( If (e J ,) 1;D (e ) ,) t?en u(B))Cool (,(+ K ,(+ ) ,(+)
+( If (e ) ,) 1;D (e ) ,) t?en u(B));o'C?ng (,(+ K ,(+ ) ,(+)
*( If (e L ,) 1;D (e ) ,) t?en u(B))>eat (,(, K ,(+ ) ,(,)
F( If (e J ,) 1;D (e L ,) t?en u(B))Cool (,(+ K ,(+ ) ,(+)
G( If (e ) ,) 1;D (e L ,) t?en u(B))>eat (,(+ K ,(+ ) ,(+)
H( If (e L ,) 1;D (e L ,) t?en u(B))>eat (,(, K ,(+ ) ,(,)

$aso H/ Jefu.ificar usando algoritmo de Centroide
para obtener un >alor e,acto -ue es el pr,imo output
para calentar o enfriar el ambiente controlado&&&
Calcular fuer.a 8strengt;: de las reglas usando Uoot um -uared 8U:/
eQeate 0 8U
G
2
I U
6
2
I U
'
2
I U
*
2
:
1/2
0 8(
2
I (
2
I (&=
2
I (
2
:
1/2
0 (&= 8Qeat:
eNoCC;ge 0 8U
=
2
:
1/2
0 8(&=
2
:
1/2
0 (&= 8No C;ange:
eCoole 0 8U
1
2
I U
2
2
I U
H
2
I U
7
2
:
1/2
0 8(
2
I (
2
I (&=
2
I (&=
2
:
1/2
0 (&7(7 8Cool:
5sando UCCentroide/
"U76U7 ) (;eatfcenter c ;eatfstrengt; I .erofcenter c .erofstrengt; I coolfcenter
c coolfstrengt;: / 8;eatfstrengt; I .erofstrengt; I coolfstrengt;:
8C1(( c (&= I ( c (&= I 1(( c (&7(7:/ 8(&= I (&= I (&7(7: 0 --(FM
n
i
i
n
i
i i
x f
x x f
Centroide
0
0
) (
) (

49emplo (cont):
7a coordenada ;ori.ontal se toma como el >alor e,acto& +n este e%emplo el >alor
de 11&7P 8+nfriando: parece lgico ya -ue el e 0 I2&= input indica -ue el calor
toda>!a se esta incrementando 8Qeating:&
1
=( ( =( 1(( C1((
Qeat
NoCC;g
Cool
B
11&7

+l e%emplo anterior es basado en un modelo de inferencia
difuso llamado el modelo Yamdani
"tro modelo utili.ado es el modelo ugeno 8tambi@n
conocido como modelo Taàgi) ugeno) gang o Tg:
5n tercer modelo es el modelo Tsuàmoto
Cada modelo tiene caracter!sticas especificas -ue lo
;acen mas ameno a ser usado en una implementacin
dependiendo del problema a resol>er

7a principal diferencia entre los modelos es en las
consecuencias de las reglas y en los m@todos de
agregacin y defu.ificacion
input
e,acto
fu..ificador
controlador
difuso/
reglas if t;en
agregacin
defuificador
output
e,acto

4l modelo 3amdani:
Fue uno de los primeros m@todos de control difuso
obtenidos basados en la e,periencia de operadores
;umanos
+n el modelo Yamdani se pueden usar diferentes
operadores 8siempre -ue sean TCnorm o TCconorm:

#ariantes de 72norm ! 72conorm en modelos 3amdani:
$ara implementar un modelo Yamdani ;ay -ue asignar un
operador basado en las operaciones seleccionadas/
ANJ/ 8usualmente TCnorm: para calcular la fuer.a de disparo de
una regla con antecedentes -ue usan ANJ
"U/ 8usualmente TCconorm: para calcular la fuer.a de disparo de
una regla con antecedentes -ue usan "U
#mplicacin/ 8usualmente TCnorm: para calcular consecuentes
Agregacin/ 8usualmente TCconorm: para agregar consecuentes y
generar una funcin de pertenencia del output
Jefu.ificacion/ para transformar la funcin de pertenencia 8output
difuso: a un output e,acto

Union e Interseccin de lgica difusa (1 5< 1 5) (cont) :
Cuatro posibles operadores TCnorm/
V
T
min
8a)b: 0 min8a) b: 0 A 9 8minimo:
V
T
ap
V
T
bp
V
T
dp
8a)b: 0 a if b01) 8producto drastico:
0 b if a01)
0 ( if a)b Z 1

Union e Interseccin de lgica difusa (1 5< 1 5) (cont) :
Cuatro posibles operadores TCconorm/
V 8a)b: 0 ma,8a) b: 0 A 9 8ma,imo:
V 8a)b: 0 aIbCab 8suma algebraico:
V
8a)b: 0 1 (a I b: 8suma limitada:
V 8a)b: 0 a if b0() 8suma drastica:
0 b if a0()
0 1 if a)b 3 (

4l modelo 3amdani (original):
#f , is A
1
and y is 9
1
t;en . is C
1
#f , is A
2
and y is 9
2
t;en . is C
2
TCnorm 0 min
TCconorm 0 ma,

4l modelo 3amdani II:
#f , is A
1
and y is 9
1
t;en . is C
1
#f , is A
2
and y is 9
2
t;en . is C
2
TCnorm 0 product
TCconorm 0 ma,

3Ntodos de defuificacion usados en 3amdani:
Centroid 8Centroid o C"A:
9isector de un Area 89"A:
Yas pe-ueao) medio) m,imo de un m,imo 8"Y)
Y"Y) 7"Y:

3odelo 3amdani de tres reglas con un input ! un output:
5sando composicin ma,Cmin) defu.ificacion centroide
#f A is small t;en X is small
#f A is medium t;en X is medium
#f A is large t;en X is large

3amdani de cuatro reglas con dos input ! un output:
5sando composicin ma,Cmin) defu.ificacion centroide
#f A is small and X is small t;en < is negati>e large
#f A is small and X is large t;en < is negati>e small
#f A is large and X is small t;en < is positi>e small
#f A is large and X is large t;en < is positi>e large

4l modelo Sugeno:
"tro modelo desarrollado para la inferencia difusa) utili.a
una funcin como consecuente/
V #f , is A and y is 9 t;en . 0 f8,) y:
< 0 f8,) y: es una funcin e,acta en el consecuente
f8,) y: es un polinomio
V i f8,) y: es constante el modelo ugeno es de orden
.ero
V i f8,) y: es de primer orden el modelo ugeno es de
orden uno

4l modelo Sugeno (cont):
+n el modelo ugeno no es necesaria la defu.ificacion)
ya -ue cada regla tiene un output e,acto) alternati>as son/
V $romedio ponderada de cada regla
V
uma ponderada de cada regla 8.d 0 _
1
.
1
I _
2
.
2
:

4l modelo Sugeno (cont):
+l output continuo del modelo ugeno de orden .ero
depende de -ue las funciones de pertenencia de los
antecedentes est@n suficientemente traslapados

3odelo Sugeno con antecedentes exactos ! difusos:
Consideren un modelo ugeno de un input/
V #f A is small t;en X 0 (&1, I 6&H
V #f A is medium t;en X 0 C(&=, I H
V #f A is large t;en X 0 , C H

3odelo Sugeno con cuatro reglas< dos inputs ! un output:
#f A is small and X is small t;en < 0 C, I y I 1
#f A is small and X is large t;en < 0 Cy I G
#f A is large and X is small t;en < 0 C, I G
#f A is large and X is large t;en < 0 , Iy I G

3odelo 7suBamoto:
+n este modelo la funcin consecuente es un set difuso con
una funcin monotonica/
V #f , is A and y is 9 t;en . is C
+l output de cada regla se define como un >alor e,acto
inducido por la fuer.a de disparo de cada regla
Cada regla tiene un output e,acto
+ste metodo no necesita defu.ificacion ya -ue agrega los
outputs e,actos de cada regla usando el promedio
ponderado

3odelo 7suBamoto con dos reglas dos inputs ! un output:
#f , is A
1
and y is 9
1
t;en . is C
1
#f , is A
2
and y is 9
2
t;en . is C
2

3odelo 7suBamoto con tres reglas un input ! un output
(cont):
#f A is small t;en X is C
1
#f A is medium t;en X is C
2
#f A is large t;en X is C
G

3odelamiento difuso:
7a idea del modelamiento difuso es di>idir 8particin: los posibles
>alores de input 8antecedentes:
7os consecuentes pueden ser funciones de pertenencia
8Yamdani y Tsuàmoto:) >alores constantes 8ugeno de orden
.ero: o funciones lineares 8ugeno:
7os diferentes consecuentes resultan en diferentes sistemas de
inferencia pero los antecedentes son los mismos

3odelamiento difuso: 3Ntodos de particin del input:
a: Trid partition/ di>idir el espacio del input en celdas de igual
tamaao e igual distribucin
V ufre de un problema de dimensionalidad
V +%/ Yodelo con G inputs y 2 funciones 8large) small: de
pertenencia por input/ A) 9) C ^ 2
G
0 ' reglas)
V Yodelo con H inputs y G funciones de pertenencia 8large)
medium) small: por input/
V A) 9) C) J ^ G
H
0 '1 reglas) &&&

3odelamiento difuso: 3Ntodos de particin del input (cont)
b: Tree partition/ di>idir el espacio de bSs-ueda en celdas de
diferente tamaao y basado en la lgica de un rbol
No tiene el problema e,ponencial de grid partition
Yuc;as >eces el significado de las >ariables no es tan gen@rico
lingM!sticamente como en Trid 8no es tan ortogonal:
5sado en el algoritmo CAUT 8Wang& C;1H:

3odelamiento difuso: 3Ntodos de particin del input (cont)
c: catter partition/ no cubrir el espacio de bSs-ueda completo si no
-ue solo un subcon%unto de este
7a particin es decidida por espec!ficos pares de datos de
inputCoutput
+l significado de las >ariables no es gen@rico linguisticamente
No es ortogonal y ;ay traslapado posible

3odelamiento difuso: reglas generales
T!picamente un sistema difuso tiene -ue replicar 8o me%orar: el
accionamiento de un sistema de control e,istente/
V 5n operador a cargo de un proceso en una planta -u!mica
V 5n operador a cargo de un tren del metro
V 5n operador a cargo de monitorear una linea del metro
V 5n medico especialista en cierto diagnostico
V etc
+l sistema difuso se con>ierte en un sistema e,perto en el cual las
reglas -ue utili.a son dictadas por la lgica -ue utili.a el e,perto
original 8reglas h conocimiento del dominio del problema:
Cuando solo se tienen pares de datos de input ^ output entonces
se pueden usar m@todos para identificar el sistema y modelarlo
8datos num@ricos h conocimiento del dominio del problema:

3odelamiento difuso: pasos
$asos iniciales/
eleccionar >ariables rele>antes de input y output
+legir un tipo especifico de sistema de inferencia
Jeterminar el numero de t@rminos lingM!sticos 8basados en
>ariables:
Jiseaar una coleccin de reglas ifCt;en difusas
Jespu@s de estos pasos iniciales t!picamente se desea me%orar el
modelo/
+legir funciones de pertenencia correctamente parametri.adas
Ye%orar las reglas y los parmetros de la funciones de
pertenencia
Uefinar los parmetros de las funciones de pertenencia usando
m@todos de optimi.acin 8+%& Tradiente) TA) T$)&&&:

=eferencias:
O-P :ager< =(< File0< D(< 4ssentials of Fu! 3odeling and Control<
Qile! Interscience< ;:< -HH/
O.P Rartalopoulos< S(< Understanding ;eural ;et8orBs and Fu!
Logic< I444 6=4SS< ;:< -HH/
ODP Sang< S(< et al< ;euro2Fu! and Soft Computing< 6rentice
>all<-HHF
O/P 888(seattlerobotics(org

Introduccion A La Logica Difusa

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Introduccion A La Logica Difusa

Cargado por

Copyright:

Formatos disponibles

Introduccin a la Lgica Difusa

Toms Arredondo Vidal

i A es una coleccin de ob%etos en el cual , A) un set

+l >alor asignado por B

Visto de otra manera la funcin B

8,: 0 ( si , es (P miembro de )&&&) B

8,: 0 (&1( si , es 1(P miembro de )&&&)

8,: 0 (&2( si , es 2(P miembro de )&&&)B

8,: 0 1 si , es 1((P miembro de

Introduccin a la lgica difusa

Uelaciones difusas binarias son mapas difusos en A X

u8`: 0 F8e8`:) e8`:: o

u8`: 0 F8e8`:) e8`::

También podría gustarte