Está en la página 1de 25

Cap2: Descripcin general de las tcnicas de lgica difusa

Captulo 2: CONCEPTOS FUNDAMENTALES DE LGICA DIFUSA


Una de las disciplinas matemticas con mayor nmero de seguidores actualmente es la llamada lgica difusa o borrosa, que es la lgica que utiliza expresiones que no son ni totalmente ciertas ni completamente falsas, es decir, es la lgica aplicada a conceptos que pueden tomar un valor cualquiera de veracidad dentro de un conjunto de valores que oscilan entre dos extremos, la verdad absoluta y la falsedad total [44]. Conviene recalcar que lo que es difuso, borroso, impreciso o vago no es la lgica en s, sino el objeto que estudia: expresa la falta de definicin del concepto al que se aplica. La lgica difusa permite tratar informacin imprecisa, como estatura media o temperatura baja, en trminos de conjuntos borrosos que se combinan en reglas para definir acciones: si la temperatura es alta entonces enfriar mucho . De esta manera, los sistemas de control basados en lgica difusa combinan variables de entrada, definidas en trminos de conjuntos difusos, por medio de grupos de reglas que producen uno o varios valores de salida.

2.1 INTRODUCCIN A LA LGICA DIFUSA: BREVE HISTORIA Y APLICACIONES.

La lgica difusa fue investigada, por primera vez, a mediados de los aos sesenta en la Universidad de Berkeley (California) por el ingeniero Lotfy A. Zadeh (figura 2.1.1) cuando se dio cuenta de lo que l llam principio de incompatibilidad: Conforme la complejidad de un sistema aumenta, nuestra capacidad para ser precisos y construir instrucciones sobre su comportamiento disminuye hasta el umbral ms all del cual, la precisin y el significado son caractersticas excluyentes. Introdujo entonces el concepto de conjunto difuso (Fuzzy Set) bajo el que reside la idea de que los elementos sobre los que se construye el pensamiento humano no son nmeros sino etiquetas lingsticas. La lgica difusa permite representar el conocimiento comn, que es mayoritariamente del tipo lingstico cualitativo y no necesariamente cuantitativo, en un lenguaje matemtico a travs de la teora de conjuntos difusos y funciones caractersticas asociadas a ellos. Permite trabajar a la vez con datos numricos y trminos lingsticos; los trminos lingsticos son inherentemente

- 35 -

Cap2: Descripcin general de las tcnicas de lgica difusa

menos precisos que los datos numricos pero en muchas ocasiones aportan una informacin ms til para el razonamiento humano.

Figura 2.1.1. L. A. Zadeh

El aspecto central de los sistemas basados en la teora de la lgica difusa [45] es que, a diferencia de los que se basan en la l gica clsica, tienen la capacidad de reproducir aceptablemente los modos usuales del razonamiento, considerando que la certeza de una proposicin es una cuestin de grado. Ms formalmente se puede decir que si la lgica es la ciencia de los principios formales y normativos del razonamiento, la lgica difusa o borrosa se refiere a los principios formales del razonamiento aproximado, considerando el razonamiento preciso (lgica clsica) como caso lmite. As pues, las caractersticas ms atractivas de la lgica difusa son su flexibilidad, su tolerancia con la imprecisin, su capacidad para modelar problemas no-lineales, y su base en el lenguaje natural.

Aunque la lgica difusa es conocida con este nombre desde que Zadeh la bautiz as en 1965, la idea que se esconde tras ella y sus orgenes se remontan hasta 2.500 aos atrs [46]. Los filsofos griegos, Aristteles entre ellos, consideraban que existan ciertos grados de veracidad y falsedad y Platn ya trabaj con grados de pertenencia. El trmino borroso aplicado a la lgica y a la teora de conjuntos y sistemas procede de la expresin fuzzy sets (conjuntos borrosos) acuada por Lofti A. Zadeh, brillante ingeniero elctrico iran nacionalizado en Estados Unidos, profesor en las ms prestigiosas universidades norteamericanas y doctor honoris causa de varias instituciones acadmicas. Sus tesis entroncan, como podemos observar, con la obra de pensadores de distintas disciplinas que tenan una visin similar de los problemas alejada de la lgica tradicional. La paradoja del conjunto de Bertrand Russell, el principio de incertidumbre de la fsica cuntica de W. Heisenberg, la teora de los conjuntos vagos de Max Black, sin olvidar la fundamental

- 36 -

Cap2: Descripcin general de las tcnicas de lgica difusa

aportacin del polaco Jan Lukasiewicz, creador de la lgica multivaluada, influyeron para que Zadeh publicase su famoso ensayo "Fuzzy Sets" en "Informations and Control" en 1965 y ms tarde Fuzzy algorithm en la misma revista en 1968. Mientras que Russell y Black utilizaron el trmino vagueness (vaguedad, vago) para referirse a la nueva lgica o para calificar a los conjuntos en la teorizacin sobre los mismos, Zadeh prefiri el trmino fuzzy (borroso, difuso) para denominar a sus conjuntos y a la lgica en la que se apoya su anlisis. Aunque en un principio la lgica difusa encontr una fuerte resistencia entre la comunidad cientfica, algunos investigadores se convirtieron en seguidores de las teoras de Zadeh y mientras l sigui ampliando y asentando los fundamentos de la teora de conjuntos difusos estos investigadores exploraron estas nuevas teoras durante la dcada posterior a su nacimiento. Adems de las contribuciones del propio Zadeh, otros autores como Bellman, Lakoff, Goguen, Kohout, Smith, Sugeno, Chang, Dunn, Bezdek, Negoita, Mizumoto, Tanaka, Kandel, Zimmermann, etc hicieron aportaciones al desarrollo de las bases de esta teora. Durante esta primera dcada, gran parte de estructuras lgicas y matemticas son generalizadas en trminos de lgica difusa: relaciones lgicas, funciones, grupos, operaciones, operadores, algoritmos, etc A principios de la dcada de los setenta, se establecen varios grupos de investigacin en lgica difusa en algunas pequeas universidades japonesas; los profesores Terano y Shibata en Tokio y los profesores Tanaka y Asai en Osaka, y pese a encontrar tambin un ambiente hostil en estos primeros aos de investigacin, hacen grandes contribuciones tanto al desarrollo de la teora de la lgica difusa como al estudio de sus aplicaciones. Un hito importante en el desarrollo de la lgica difusa fue establecido por Assilian y Mamdani en 1974 en el Reino Unido al desarrollar el primer controlador difuso diseado para una mquina de vapor, pero la primera implantacin real de un controlador de este tipo fue realizada en 1980 por F.L. Smidth & Co. en una planta cementera en Dinamarca. En 1983 Fuji aplica la lgica difusa para el control de inyeccin qumica en plantas depuradoras de agua por primera vez en Japn y en 1987 Hitachi pone en marcha un controlador fuzzy para el control del tren-metro de Sendai, y la empresa Omron desarrolla los primeros controladores difusos comerciales. Paralelamente al desarrollo de las aplicaciones de la lgica difusa, investigadores tericos siguen, en la dcada de los ochenta, el camino iniciado por Mamdani. As, Takagi y Sugeno desarrollan la primera aproximacin para construir reglas fuzzy a partir de datos de
- 37 -

Cap2: Descripcin general de las tcnicas de lgica difusa

entrenamiento, y aunque en un principio no tiene mucha repercusin, ms tarde ser el punto de partida para investigar la identificacin de modelos fuzzy. Otro de los factores que contribuye a seguir con la investigacin en este campo es el creciente inters en las redes neuronales y su similitud con los sistemas fuzzy; la tendencia es buscar vas de relacin entre las dos tcnicas y los resultados son los llamados neuro -fuzzy systems, sistemas fuzzy que usan mtodos de aprendizaje basados en redes neuronales para identificar y optimizar sus parmetros. B. Kosko es conocido por su contribucin a los sistemas neurofuzzy y con sus publicaciones introdujo en la lgica difusa a muchos lectores interesados en las redes neuronales. En la dcada de los noventa, adems de las redes neuronales y los sistemas fuzzy, hacen su aparicin los algoritmos genticos. Estas tres tcnicas computacionales , que pueden combinarse de mltiple maneras y se pueden considerar complementarias , son herramientas de trabajo muy potentes en el campo de los sistemas de control en la ltima dcada. En realidad, la intencin original del profesor Zadeh era crear un formalismo para manipular de forma ms eficiente la imprecisin y la vaguedad del razonamiento humano expresado lingsticamente, sin embargo caus cierta sorpresa que el xito de la lgica borrosa llegase en el campo del control automtico de procesos. Esto se debi bsicamente al boom que la lgica borrosa caus en Japn, iniciado en 1987 y que alcanz su mximo apogeo a principios de los noventa. Este boom fue el resultado de una estrecha colaboracin entre el gobierno, las universidades y las industrias japonesas, establecindose dos proyectos nacionales a gran escala llevados a cabo por el Ministerio de Industria y Comercio (MITI) y la Agencia de Ciencia y Tecnologa (STA) en consorcio con el LIFE, Laboratory for International Fuzzy Research, y en los que se involucraron ms de 50 compaas durante seis aos. Desde entonces, han sido infinidad los productos lanzados al mercado que usan tecnologa borrosa, muchos de ellos utilizando la etiqueta fuzzy como smbolo de calidad y prestaciones avanzadas. El control difuso ha sido aplicado con xito en muy diversas ramas tecnolgicas, por ejemplo la metalurgia, robots para la fabricacin, controles de maniobras de aviones, sensores de imagen y sonido (sistema de estabilizacin de la imagen en cmaras fotogrfica y de video Sony, Sanyo y Cannon), lavadoras (Panasonic y Bosch) que son capaces de autorregular la cantidad de jabn que requiere un lavado dependiendo del grado de suciedad de la ropa, aire acondicionado (Mitsubishi) en el que el sistema fuzzy evita las oscilaciones entre el exceso y el defecto de temperatura), rice-cooker capaces de elaborar diversas variedades de arroz regulando la cantidad de agua y la temperatura en cada caso para que el grano quede cocido y suelto,
- 38 -

Cap2: Descripcin general de las tcnicas de lgica difusa

en automocin, sistemas de frenado ABS (Mazda y Nissan), cambio automtico de Renault, control automtico de velocidad que controla la frenada en casos peligrosos y selecciona la relacin de marchas a partir del rendimiento del motor, climatizadores, fotocopiadoras (ajusta el voltaje del tambor a partir de la densidad de la imagen, la temperatura y la humedad), lavaplatos (ajusta el ciclo de lavado y enjuague a partir del nmero de platos y cantidad de comida adherida), ascensores (reduce el tiempo de espera a partir del nmero de personas), humidificadores (ajusta el contenido de humedad a las condiciones de la habitacin), mejoras en imgenes mdicas (ajustando el contraste en los bordes), sistemas de reconocimiento de escritura, hornos microondas (establece y afina el programa de energa y coccin), neveras (establece los tiempos de descongelacin y enfriamiento en funcin del uso que se haga), televisores (ajusta el color de la pantalla y la textura de cada imagen), mecanismos de atraque automtico de naves espaciales, sistemas automticos de regulacin de la cantidad de anestesia que se suministra a los pacientes en un quirfano -aunque bajo supervisin mdica, por supuesto -, sistemas de concesin -o denegacin- automtica de crditos segn el perfil econmico del solicitante, etc Estas son algunas de las muchsimas aplicaciones de la lgica difusa [44], que ya estn funcionando en el campo de los llamados sistemas expertos. Todos estos sistemas utilizan informacin, esencialmente, imprecisa con el fin de lograr sus cometidos. La lgica difusa est teniendo, por lo tanto, bastante xito en su utilizacin sobre los sistemas de control, aplicacin que ya podra considerarse como rutinaria. Sin embargo, los investigadores buscan nuevos campos de aplicacin de esta tcnica. Se investiga en reas como el reconocimiento de patrones visuales o la identificacin de segmentos de ADN, por mencionar dos ejemplos. Adems, segn algunos de los ms prestigiosos investigadores en Internet [47], parece que el futuro para abordar la ingente cantidad de datos, recuperar la informacin, controlar y gestionar la red, pasa por el uso de las tecnologas borrosas. Esta intuicin parece ser que coincide con la nueva orientacin que, segn el profesor Zadeh, debe seguir la lgica borrosa. Prueba de ello fue la celebracin del primer encuentro sobre lgica borrosa e internet en el ao 2001 (FLINT 2001) en la universidad de Berkeley organizado por el propio Zadeh.

- 39 -

Cap2: Descripcin general de las tcnicas de lgica difusa

2.2 CONJUNTOS DIFUSOS Y FUNCIONES CARACTERSTICAS

El primer ejemplo utilizado por Lofti A. Zadeh, para ilustrar el concepto de conjunto difuso, fue el conjunto hombres altos. Segn la teora de la lgica clsica el conjunto hombres altos es un conjunto al que perteneceran los hombres con una estatura mayor a un cierto valor, que podemos establecer en 1.80 metros, por ejemplo, y todos los hombres con una altura inferior a este valor quedaran fuera del conjunto. As tendramos que un hombre que mide 1.81 metros de estatura pertenecera al conjunto hombre altos, y en cambio un hombre que mida 1.79 metros de altura ya no pertenecera a ese conjunto. Sin embargo, no parece muy lgico decir que un hombre es alto y otro no lo es cuando su altura difiere en dos centmetros. El enfoque de la lgica difusa considera que el conjunto hombres altos es un conjunto que no tiene una frontera clara para pertenecer o no pertenecer a l: mediante una funcin que define la transicin de alto a no alto se asigna a cada valor de altura un grado de pertenencia al conjunto, entre 0 y 1. As por ejemplo , un hombre que mida 1.79 podra pertenecer al conjunto difuso hombres altos con un grado 0.8 d e pertenencia, uno que mida 1.81 con un grado 0.85, y uno que mida 1.50 m con un grado 0.1. Visto desde esta perspectiva se puede considerar que la lgica clsica es un caso lmite de la lgica difusa en el que se asigna un grado de pertenencia 1 a los hombres con una altura mayor o igual a 1.80 y un grado de pertenencia 0 a los que tienen una altura menor (figura 2.2.1).

VISIN DE LA LGICA DIFUSA

VISIN DE LA LGICA CLSICA

ALTO

ALTO

0 1.80

NO ALTO ALTURA (m)

0 1.80

NO ALTO ALTURA (m)

Figura 2.2.1 Lgica clsica versus lgica difusa.

As pues, los conjuntos difusos pueden ser considerados como una generalizacin de los conjuntos clsicos [48]: la teora clsica de conjuntos slo contempla la pertenencia o no pertenencia de un elemento a un conjunto, sin embargo la teora de conjuntos difusos

- 40 -

Cap2: Descripcin general de las tcnicas de lgica difusa

contempla la pertenencia parcial de un elemento a un conjunto, es decir, cada elemento presenta un grado de pertenencia a un conjunto difuso que puede tomar cualquier valor entre 0 y 1. Este grado de pertenencia se define mediante la funcin caracterstica asociada al conjunto difuso: para cada valor que pueda tomar un elemento o variable de entrada x la funcin caracterstica A(x) proporciona el grado de pertenencia de este valor de x al conjunto difuso A. Formalmente, un conjunto clsico A, en un universo de discurso U, se puede definir de varias formas: enumerando los elementos que pertenecen al conjunto, especificando las propiedades que deben cumplir los elementos que pertenec en a ese conjunto o, en trminos de la funcin de pertenencia A (x):
1 si x A A (x ) = 0 si x A

Podemos adems decir que el conjunto A es matemticamente equivalente a su funcin de pertenencia o caracterstica A ( x ) , ya que conocer A ( x ) es lo mismo que conocer A. Un conjunto difuso en el universo de discurso U se caracteriza por una funcin de pertenencia A (x) que toma valores en el intervalo [0.1], y puede representarse como un conjunto de pares ordenados de un elemento x y su valor de pertenencia al conjunto:

A = {( x, A ( x )) x U }
Muchos conceptos de teora clsica de conjuntos se pueden hacer extensivos a los conjuntos difusos, otros son exclusivos e inherentes a la teora de conjuntos difusos. Algunos de los que ms utilizados son los siguientes:

El soporte de un conjunto difuso A en el universo de discurso U es un conjunto crisp (numrico) que contiene todos los elementos de U que tienen un valor de pertenencia distinto de cero en A, esto es,

sop( x ) = {x U A ( x ) > 0}

Si el soporte de un c onjunto difuso no contiene ningn elemento tendremos un conjunto difuso vaco. Si el soporte de un conjunto difuso es un solo punto tendremos lo que se conoce como singleton difuso. El punto de cruce de un conjunto difuso es el punto de U cuyo valor de pertenencia al conjunto es igual a 0.5.

- 41 -

Cap2: Descripcin general de las tcnicas de lgica difusa

Dos conjuntos difusos A y B son iguales si y slo si sus funciones caractersticas A (x) y B(x) son iguales El conjunto difuso B contiene al conjunto difuso A, esto es A B, si y slo si A(x)

B(x) para todo x U.


La funcin caracterstica proporciona una medida del grado de similaridad de un elemento de U con el conjunto difuso. La forma de la funcin caracterstica utilizada, depende del criterio aplicado en la resolucin de cada problema y variar en funcin de la cultura, geografa, poca o punto de vista del usuario. La nica condicin que debe cumplir una funcin caracterstica es que tome valores entre 0 y 1, con continuidad. Las funciones caractersticas ms comnmente utilizadas por su simplicidad matemtica y su manejabilidad son: triangular, trapezoidal, gaussiana, sigmoidal, gamma, pi, campana etc (figura 2.2.2) [20]. Conceptualmente existen dos aproximaciones para determinar la funcin caracterstica asociada a un conjunto: la primera aproximacin est basada en el conocimiento humano de los expertos, y la segunda aproximacin es utilizar una coleccin de datos para disear la funcin.

1 0.5 0 0 50 (a) 100 0 50 (b) 1 0.5 0 0 50 (c) 100 0 50 (d) 100 100

0.5 0

0.5 0

Figura 2.2.2. Algunas de las funciones caractersticas ms habituales: (a) triangular, (b) trapezoidal, (c) gaussiana y (d) sigmoidal.

El nmero de funciones caractersticas asociadas a una misma variable es elegido por el experto: a mayor nmero de funciones caractersticas tendremos mayor resolucin pero tambin mayor complejidad computacional; adems estas funciones pueden estar

- 42 -

Cap2: Descripcin general de las tcnicas de lgica difusa

solapadas o no, el hecho de estar solapadas pone de manifiesto un aspecto clave de la lgica difusa: una variable puede pertenecer con diferentes grados a varios conjuntos difusos a la vez , es decir, el vaso puede estar medio lleno y medio vaco a la vez .

2.2.1

Operaciones con conjuntos difusos

Las operaciones bsicas entre conjuntos difusos son las siguientes: El conjunto complementario A de un conjunto difuso A es aquel cuya funcin caracterstica viene definida por:

A (x) = 1 A (x)
La unin de dos conjuntos difusos A y B es un conjunto difuso A U B en U cuya funcin de pertenencia es:

A B ( x ) = mx[ A ( x ), B ( x )]
La interseccin de dos conjuntos difusos A y B es un conjunto difuso A B en U con funcin caracterstica:

A B ( x ) = mn[ A ( x ), B ( x )]
Estas tres operaciones definidas para conjuntos difusos cumplen, al igual que en la teora clsica de conjuntos, asociatividad, conmutatividad y distributividad as como las leyes de Morgan. Sin embargo, tambin hay que destacar que existen dos leyes fundamentales de la teora clsic a de conjuntos como son el Principio de contradiccin: A A = U, y el Principio de exclusin: A A = que no se cumplen en la teora de conjuntos difusos; de hecho una de las formas para describir en qu se diferencia la teora clsica de conjuntos de la teora difusa es explicar que estas dos leyes en trminos de fuzzy logic no se cumplen. En consecuencia, algunas de las teoras derivadas de la teora de conjuntos como por ejemplo la de la probabilidad ser muy diferente planteada en trminos difusos. Las funciones que definen la unin y la interseccin de conjuntos difusos pueden generalizarse, a condicin de cumplir ciertas restricciones. Las funciones que cumplen estas condiciones se conocen como Conorma Triangular (T-Conorma) y Norma

- 43 -

Cap2: Descripcin general de las tcnicas de lgica difusa

Triangular (T-Norma). Los principales operadores que cumplen las condiciones para ser t-conormas son el operador mximo y la suma algebraica

[ A B ( x ) = A ( x ) + B ( x ) A ( x )B ( x )] y los principales operadores que cumplen las


condiciones para ser t-normas son el operador mnimo y el producto algebraico

[ A B ( x ) = A ( x )B ( x )] . En la mayora de las aplicaciones a la ingeniera de la lgica


difusa se usan como t conorma el operador mximo y como t-norma los operadores mnimo o producto.

2.2.2

Relaciones difusas

Una relacin difusa representa el grado de presencia o ausencia de asociacin, interaccin o interconexin entre elementos de dos o ms conjuntos difusos, por ejemplo: x es mayor que y. Supongamos U y V dos universos de discurso, la relacin difusa R(U,V) es un conjunto difuso en el espacio producto UxV que se caracteriza por la funcin de pertenencia R(x, y) dnde x pertenece a U e y pertenece a V, es decir,

R(U ,V ) = {(( x, y ), R ( x, y )) ( x, y ) U V }
en el caso de las relaciones difusas R(x, y) [0,1] y en caso de las relaciones clsicas R (x,y) = 0 1. Como las relaciones difusas son en si mismas un conjunto difuso en el espacio producto, las operaciones entre conjuntos y los operadores definidos anteriormente tambin pueden ser aplicadas a ellas. Supongamos R(x,y) y S(x,y) dos relaciones en el mismo espacio producto UxV. La interseccin o unin entre R y S, que son composiciones entre las dos relaciones, se definen como:

R S ( x, y ) = R ( x, y ) S ( x, y ) R S ( x, y ) = R ( x, y ) S ( x, y )
dnde es cualquier t-norma, y es cualquier t-conorma. Si consideramos las relaciones difusas R y S que pertenecen a diferentes espacios producto R(U, V) y S(V, W), por ejemplo x es mayor que y y y es cercano a z, su composicin difusa se define de forma anloga a la composicin clsica teniendo en cuenta

- 44 -

Cap2: Descripcin general de las tcnicas de lgica difusa

que en el caso difuso la relacin difusa R tiene asociada una funcin caracterstica R (x, y) que toma valores en el intervalo [0,1] y la relacin difusa S tambin tiene asociada una funcin caracterstica S(y,z) que de igual forma toma valores en el intervalo [0,1]. Entonces la composicin difusa entre R y S, es decir R o S , cuando R y S pertenecen a universos discretos de discurso, se define como una relacin difusa en UxW pertenencia viene dada por: cuya funcin de

Ro S ( x , z ) = sup [ R ( x, y) S ( y, z )]
yV

dnde el operador sup es el mximo y el operador puede ser cualquier t-norma. En funcin de la t-norma elegida podemos obtener distintas composiciones ; las dos composiciones ms usadas son la composicin mx-min y la composicin mx-product: La composicin mx-min de las relaciones difusas R(U, V) y S(V, W), es una relacin difusa R o S en UxW definida por la funcin de pertenencia

Ro S ( x , z ) = mx mn[ R ( x , y), S ( y, z )]
yV

dnde (x,z) UxW La composicin mx-product de las relaciones difusas R(U,V) y S(V,W), es una relacin difusa R o S en UxW definida por la funcin caracterstica

Ro S ( x, z ) = mx [ R ( x, y ) S ( y, z ) ]
yV

dnde (x,z) UxW.

- 45 -

Cap2: Descripcin general de las tcnicas de lgica difusa

2.3 INFERENCIA DIFUSA

Se llama reglas difusas al conjunto de proposiciones IF-THEN que modelan el problema que se quiere resolver. Una regla difusa simple tiene la forma: si u es A entonces v es B dnde A y B son conjuntos difusos definidos en los rangos de u y v respectivamente. Una regla expresa un tipo de relaci n entre los conjuntos A y B cuya funcin caracterstica sera A B ( x , y) y representa lo que conocemos como implicacin lgica. La eleccin apropiada de esta funcin caracterstica est sujeta a las reglas de la lgica proposicional. Como es bien sabido se puede establecer un isomorfismo entre la teora de conjuntos, la lgica proposicional y el lgebra booleana que garantiza que cada teorema enunciado en una de ellas tiene un homlogo en las otras dos. La existencia de estos isomorfismos nos permitir traducir las reglas difusas a relaciones entre conjuntos difusos y stas a trminos de operadores algebraicos con los que podremos trabajar.

2.3.1

Fundamentos de lgica proposicional

En la teora de la lgica clsica una proposicin slo puede ser cierta o falsa, no admite trminos medios; adems las pro posiciones pueden combinarse de muchas maneras, utilizando tres operaciones fundamentales: Conjuncin (pq): las dos proposiciones son ciertas simultneamente Disyuncin (pq): cualquiera de las dos proposiciones es cierta Implicacin (pq): el cumplimiento o la verdad de una de las proposiciones tiene como consecuencia el cumplimiento de la otra; generalmente toma la forma de una regla si-entonces. La parte de la regla encabezada por el condicional si, si u es A, es el antecedente o premisa de la regla, mientras que la parte encabezada por entonces, entonces v es B, es el consecuente o conclusin de la regla. Tambin existe el operador negacin (~p) que invierte el sentido de la proposicin.

- 46 -

Cap2: Descripcin general de las tcnicas de lgica difusa

La tabla de verdad (tabla 2.3.1.1) de estas operaciones que se pueden realizar entre las proposiciones es la que se muestra a continuacin: P V V F F Q V F V F pq V F F F Pq V V V F pq V F V V ~p F F V V

Tabla 2.3.1.1 Tabla de verdad de las principales operaciones lgicas

Algunas equivalencias de estos operadores con os operadores utilizados en teora de l conjuntos son las siguientes (tabla 2.3.1.2): Lgica proposicional ~ Teora de conjuntos

Tabla 2.3.1.2 Correspondencia entre operadores lgicos y de teora de conjuntos

Y con los operadores algebraicos (tabla 2.3.1.3): Lgica proposicional V F ~ lgebra de Boole 1 0 x + = a,b,c
Tabla 2.3.1.3 Correspondencia entre operadores lgicos y algebraicos

P,q,r

dnde la comilla representa el complementario y a,b,c son elementos del conjunto [0,1].

- 47 -

Cap2: Descripcin general de las tcnicas de lgica difusa

Una tautologa se define como una proposicin formada por la combinacin de otras proposiciones y cuya verdad es independiente de la certeza o falsedad de las proposiciones que la trabajamos es: forman. La tautologa ms importante para el mbito en el que

( p q ) ~ [p ^ (~ q )]
que tambin puede ser expresada como:

( p q ) ~ (p) v q
La importancia de las tautologas reside en que nos permitirn expresar la funcin caracterstica de la relacin de implicacin pq en trminos de las funciones caractersticas de p, q , ~p y ~q. En la teora clsica proposicional existen dos importantes reglas de inferencia, el Modus Tollens y el Modus Ponens: El Modus Ponens o razonamiento directo puede resumirse de la siguiente forma: Premisa 1: x es A Premisa 2: SI x es A, ENTONCES y es B Consecuencia: y es B El Modus Ponens est asociado a la implicacin A implica B (AB) y en trminos de lgica proposicional se expresa: (p(pq))q. El Modus Tollens o razonamiento inverso que puede resumirse de siguiente forma: Premisa 1: y es No B Premisa 2: SI x es A ENTONCES y es B Consecuencia: x es NO A En trminos de lgica proposicional esto se expresa: (q ^ (p q )) p . El Modus Ponens es el utilizado en las aplicaciones de la lgica a la ingeniera ya que conserva la relacin causa-efecto mientras que el Modus Tollens apenas se utiliza.

- 48 -

Cap2: Descripcin general de las tcnicas de lgica difusa

2.3.2

Implicacin difusa

Al igual que para describir las nociones bsicas de la teora de conjuntos difusos podemos establecer un paralelismo con las de la teora clsica de conjuntos, tambin los fundamentos de la teora de la lgica difusa parten y toman los conceptos fundamentales de la lgica clsica. Como ya hemos visto, en trminos de teora de lgica difusa la proposicin SI u es A, ENTONCES v es B donde u U y v V, tiene asociada una funcin caracterstica

A B ( x , y) que toma valores en el intervalo [0,1]. Es decir, cada una de las reglas o
proposiciones if-then es a su vez un conjunto difuso con su funcin caracterstica que mide el grado de verdad de la relacin de implicacin entre x e y. Ejemplos de posibles funciones caractersticas asociadas, extradas de aplicar las analogas entre operadores y la tautologa antes mencionada, son:

A B ( x, y ) = 1 A B ( x, y ) = 1 min [ A ( x ),1 B ( y )] A B ( x, y ) = max [1 A ( x ), B ( y )] A B ( x, y ) = 1 A ( x )(1 B ( y ))


En lgica difusa el Modus Ponens se extiende a lo que se llama Modus Ponens Generalizado y que puede resumirse de la siguiente forma: Premisa 1: u es A* Premisa 2: SI u es A ENTONCES v es B Consecuencia: v es B* En dnde e conjunto difuso A* no tiene por qu ser necesariamente el mismo que el l conjunto difuso A del antecedente de la regla y el conjunto difuso B* tampoco tiene por qu ser necesariamente el mismo que el conjunto difuso B que aparece en el consecuente de la regla. Como vemos en lgica clsica una regla se ejecuta slo si la primera premisa es exactamente la misma que el antecedente de la regla y el resultado de cada regla ejecutada es exacto al consecuente, en cambio en lgica difusa, una regla es ejecuta si existe un grado de similaridad distinto de cero entre la primera premisa y el antecedente de

- 49 -

Cap2: Descripcin general de las tcnicas de lgica difusa

la regla y el resultado de la ejecucin de la regla es un consecuente que tiene un grado de similaridad distinto de cero con el consecuente de la regla. As pues el Modus Ponens generalizado es una composicin difusa en la que la primera relacin difusa es el conjunto difuso A* y que puede expresarse:

B* ( y ) = sup [ A* ( x ) A B ( x, y )]
x A *1

teniendo en cuenta que, en las aplicaciones de la lgica difusa a la ingeniera la funcin caracterstica de la implicaci n se construye con los operadores mnimo y producto, que adems de ser los ms simples conservan la relacin causa-efecto, tendremos dos opciones a elegir:

A B ( x, y ) = min [ A ( x ), B ( y )] A B ( x, y ) = A ( x ) B ( y )

2.3.3

Reglas difusas

Una regla difusa base es un conjunto de reglas SI-ENTONCES que pueden ser expresadas de la siguiente forma: Rm: SI u1 es A1 m y u2 es A2 m y . up es Apm, ENTONCES v es Bm Con m=1,2,, M Y donde Aim y Bm son conjuntos difusos en Ui (nmeros reales) y V respectivamente, u = (u1, u2, , un) U1 x U2 x x Un y v V, y x = x1, x2, , xn U e y V son los valores numricos concretos de u y v, tambin respectivamente. Vemos que esta regla tiene adems la particularidad de que es un regla multi antecedente; este tipo de reglas, que combina varias variables en el antecedente, es el ms utilizado en el diseo de sistemas difusos. Un sistema difuso estar formado por varias reglas difusas base con diferentes consecuentes , ya que una regla con multi antecedente y multi consecuente siempre podr ser descompuesta en un conjunto de reglas base con multi antecedente pero un solo consecuente.

- 50 -

Cap2: Descripcin general de las tcnicas de lgica difusa

Existen dos caminos para obtener el conjunto de reglas correspondiente a un conjunto de datos numricos: Dejar que los datos establezcan los conjuntos difusos que aparecen en los antecedentes y los consecuentes Predefinir los conjuntos difusos para antecedentes y consecuentes y luego asociar los datos a esos conjuntos Para llegar a obtener el conjunto completo de reglas que modelan un problema se puede partir de considerar t das las combinaciones de reglas Pt que es posible establecer o tericamente, entre el nmero de antecedentes p y el nmero de conjuntos difusos de entrada Ap considerados para cada antecedente. As, para cada consecuente, el nmero terico de reglas posibles ser:

Pt = An n

para n = 1....p;

Sin embargo entre estas Pt reglas tericamente posibles para cada consecuente, habr algunas que no tengan sentido fsico y otras que no se ajusten a las caractersticas del problema a resolver. Se deber pues seleccionar, de entre todas las reglas posibles, el conjunto de reglas ms adecuadas al problema que se considera.

2.4 DIAGRAMA DE BLOQUES DE UN SISTEMA BASADO EN TCNICAS DE LGICA DIFUSA

El esquema de un sistema basado en tcnicas de lgica difusa se presenta en la figura 2.4.1.

Entrada datos

DIFUSOR

MECANISMO INFERENCIA REGLAS DIFUSAS

DESDIFUSOR

Salida datos

Figura 2.4.1 Esquema general de un sistema basado en lgica difusa

- 51 -

Cap2: Descripcin general de las tcnicas de lgica difusa

Est compuesto por los siguientes bloques BLOQUE DIFUSOR: bloque en el que a cada variable de entrada se le asigna un grado de pertenencia a cada uno de los conjuntos difusos que se ha considerado, mediante las funciones caractersticas asociadas a estos conjuntos difusos. Las entradas a este bloque son valores concretos de las variables de entrada y las salidas son grados de pertenencia a los conjuntos difusos considerados. BLOQUE DE INFERENCIA: bloque que, mediante los mecanismos de inferencia que veremos ms adelante, relaciona conjuntos difusos de entrada y de salida y que representa a las reglas que definen el sistema. Las entradas a este bloque son conjuntos difusos (grados de pertenencia) y las salidas son tambin conjuntos difusos, asociados a la variable de salida. DESDIFUSOR: bloque en el cual a partir del conjunto difuso obtenido en el mecanismo de inferencia y mediante los mtodos matemticos de desdifusin, se obtiene un valor concreto de la variable de salida, es decir, el resultado.

2.4.1

MECANISMOS DE INFERENCIA

Los mecanismos de inferencia son aquellos en los que se usan los principios de la lgica difusa explicados en el apartado 2.3 (inferencia difusa) para realizar un mapeo de los conjuntos difusos de entrada a los conjuntos difusos de salida. Cada regla es interpretada como una implicacin difusa. Es decir, el bloque de inferencia es aquel en el cual se realiza la traduccin matemtica de las reglas difusas: estas reglas modelan el sistema pero para poder trabajar con ellas y extraer un r esultado se debe de evaluar matemticamente la informacin que reflejan. Como ya se ha mencionado anteriormente, l s reglas ms a utilizadas para disear un sistema basado en lgica difusa toman la forma: SI u1 es A1 y u2 es A2 y u3 es A3 ENTONCES v es B Podemos decir que la implicacin de cada regla (el conectivo lgico ENTONCES) es un conjunto difuso cuya funcin caracterstica sera:

- 52 -

Cap2: Descripcin general de las tcnicas de lgica difusa

AB (x , y )
donde x = (x1, x2, , xp) El resultado de evaluar el multi-antecedente tambin resultara un c onjunto difuso con funcin caracterstica:

Ax ( x ) = x1 ( x1 ) x 2 ( x 2 ) ... x p ( x p )
donde representa una t-norma. Adems, como ya hemos visto en el apartado anterior de inferencia difusa podemos asociar las reglas difusas al modus ponens generalizado: cada regla Rm determina un conjunto difuso B m que es el resultado de la composicin entre el conjunto difuso resultante de evaluar el antecedente y el conjunto difuso resultante de la implicacin, es decir, B m=Ax Rm. La funcin caracterstica asociada a estos conjuntos difusos de salida, como ya se ha visto, es:

B m ( y ) = Ax o R m = sup xAx Ax ( x ) A B ( x, y )

Y finalmente, el conjunto difuso de salida B = Ax [R1, R2, , Rm ], es el resultado de la agregacin de todas las reglas que componen la regla base, es decir, de la combinacin de los conjuntos difusos Bm resultantes de todas las reglas. Esta combinacin se realiza generalmente mediante una t-conorma ya que, aunque no hay una razn terica convincente que argumente que sea sta la nica manera de hacerlo (de hecho existen y funcionan los sistemas difusos aditivos y la adicin no es una t-conorma), en aplicaciones a la ingeniera se obtienen resultados correctos y razonables usando este tipo de operadores. Entonces concluimos que: B = B1 B2 BM . A la vista de lo anteriormente expuesto, queda claro que para procesar la informacin contenida en las reglas y obtener un resultado se deben elegir los operadores matem ticos que corresponden a los siguientes operadores lgicos:

- 53 -

Cap2: Descripcin general de las tcnicas de lgica difusa

Los conectivos lgicos entre antecedentes, es decir, los operadores Y (AND, *), O (OR,

) y NO (NOT,):
SI u1 es A1 y u2 es A2 y u3 es A3 ENTONCES v es B El operador lgico ENTONCES (): implicacin.

Adems, esto debe realizarse para un conjunto de reglas mediante: La unin del resultado de todas las reglas (): agregacin.

Vamos a ver cmo se realizan estas tres operaciones.

2.4.1.1 Conectivos lgicos entre antecedentes Como ya se ha mencionado anteriormente, se puede considerar que la lgica clsica es un caso lmite de la lgica difusa. En este caso lmite, las tablas de verdad de los operadores lgicos clsicos y las de los operadores lgicos difusos deben coincidir [49]. Considerando las tablas clsicas de verdad de los operadores AND, OR y NOT (Tablas 2.4.1.1.1):

A 0 0 1 1

B 0 1 0 1

AND 0 0 0 1

A 0 0 1 1

B 0 1 0 1

OR 0 1 1 1 A 0 1 NOT A 1 0

Tablas 2.4.1.1.1 Tablas clsicas de verdad de los operadores and, or y not.

Se establece una equivalencia entre la lgica clsica y la lgica difusa, teniendo en cuenta que, la equivalencia de estas tablas de verdad en lgica difusa debe preservar estos resultados y extender los dems valores a nmeros reales entre 0 y 1. Como ya hemos visto anteriormente, una posibilidad para esta equivalencia consiste en la siguiente generalizacin de los conectivos lgicos:
- 54 -

Cap2: Descripcin general de las tcnicas de lgica difusa

AND t-norma OR t-conorma NOT operadores negacin

En este caso las mismas tablas de verdad para la lgica difusa seran (fig 2.4.1.1.2):

A 0 0 1 1

B 0 1 0 1

T-norma(A,B)

A 0 0 1 1

B 0 1 0 1

T-conor(A,B )

0 0 0 1

0 1 1 1 A 0 1
compl

1 0

Tablas 2.4.1.1.2. Tablas de verdad para los operadores and, or y not difusos.

La misma informacin expresada de manera grfica sera la siguiente (figura 2.4.1.1.3 ):

LGICA CLSICA
A

A B

A AND B

A OR B

NOT B

LGICA DIFUSA
A B A B

A AND B

A OR B

NOT A

Figura 2.4.1.1.3 Actuacin de los o peradores and, or y not, segn la lgica clsica y la lgica difusa

- 55 -

Cap2: Descripcin general de las tcnicas de lgica difusa

Como ya hemos visto en apartados anteriores, la interseccin (AND) de dos conjuntos difusos A y B se modela mediante una familia de operadores llamados t-normas, siendo el mnimo y el producto algebraico, los dos casos de t normas ms sencillos y utilizados. Igualmente, la unin (OR) de dos conjuntos difusos se modela mediante otra familia de operadores llamados t-conormas o s-normas, cuyo representante ms habitual es el mximo. Por ltimo la negacin (NOT) tambin tiene una familia de operadores para ser modelada, siendo la complementariedad aditiva uno de los ms habituales. As, sustituyendo en cada regla los conectivos lgicos entre antecedentes por uno de sus operadores lgicos equivalentes, se podr operar con los escalares que representa cada antecedente y obtener como resultado del multi-antecedente un escalar. Considerando que el antecedente de una regla tiene la forma: Si x1 es A1 y x2 es A2 y x3 es A3........si xp es Ap...... Si traducimos el operador lgico y mediante la operacin mnimo (min), el

antecedente ser el resultado de:

min A1 ( x1 ), A2 ( x2 ),..., Ap ( x p )

Si traducimos el operador lgico y mediante el producto (prod), el antecedente

ser el resultado de:

prod A1 ( x1 ), A2 ( x 2 ),..., Ap ( x p )

2.4.1.2 Implicacin difusa. Superficies de implicacin El conectivo lgico ENTONCES representa la implicacin entre antecedente y consecuente. Como ya hemos visto anteriormente, para que se cumpla la equivalencia entre lgica proposicional o clsica y lgica difusa [50], se debe traducir por una t-norma, cuyos representantes ms utilizados en el mbito de la ingeniera son el mnimo y el producto algebraico ya que preservan la relacin causa-efecto y el sentido fsico.

- 56 -

Cap2: Descripcin general de las tcnicas de lgica difusa

En cada regla, la implicacin se realiza de la siguiente manera: Si se elige el operador mnimo para realizar la implicacin:

Bm * ( y) = mn{escalar resultado del antecedente, B m ( y ) }


Es decir, el escalar resultante del antecedente modifica el conjunto difuso de salida (su funcin caracterstica) y pasa de ser B a ser B*. Grficamente, la funcin caracterstica del conjunto difuso de salida quedar truncada por el valor escalar que resulte del antecedente. Si se elige el operador producto

Bm * ( y) = prod{escalar resultado del antecedente, B m ( y ) }


Grficamente, la funcin caracterstica del conjunto difuso de salida quedar escalada segn el valor del antecedente. Cada regla define una superficie de implicacin: para cada posible valor del antecedente, se puede obtener el conjunto difuso que resulta de realizar la implicacin; la superposicin de todos estos conjuntos difusos forma la superficie de implicacin de esa regla. Todas las reglas que tienen el mismo consecuente, (elegido un operador para realizar la implicacin), definirn la misma superficie de implicacin ya que la superficie se construye para todos los valores que puede tomar el antecedente. Al particularizar la implicacin para el antecedente resultante de cada regla, se obtiene el resultado concreto de esa regla, representado en la superficie de implicacin por la interseccin de esta superficie con el plano vertical que pasa por el valor del antecedente.

2.4.1.3 Agregacin lgica Una vez evaluadas todas las reglas y obtenidos los conjuntos difusos de salida modificados, hay que realizar la agregacin de todas las reglas para obtener un resultado nico de la actuacin de todas ellas [51]. Esta agregacin es una unin lgica y una vez ms para conservar la equivalencia entre lgicas clsica y difusa se traduce p una tor

- 57 -

Cap2: Descripcin general de las tcnicas de lgica difusa

conorma: mximo o suma algebraica, obtenindose as el conjunto difuso de salida, asociado a la variable de salida: Si se elige el operador mximo para realizar la agregacin, el conjunto difuso de salida

ser :

B ( y ) = max B * ( y ), B * ( y ),... B * ( y )
1 2 m

Si se elige el operador suma, el resultado de la agregacin ser :

B ( y ) = sum B1 *( y), B2 * ( y ),... Bm * ( y)

2.4.2

Mtodos de desdifusin

El bloque desdifusor realiza la funcin contraria al difusor. El difusor tiene como entradas valores concretos de las variables de entrada y como salidas grados de pertenencia a conjuntos difusos (entre 0 y 1). La entrada al bloque desdifusor es el conjunto difuso de salida, resultado del bloque de inferencia y la salida es un valor concreto de la variable de salida. Para obtener, a partir del conjunto difuso de salida que resulta de la agregacin de todas las reglas, un resultado escalar, se aplican mtodos matemticos. Ejemplos sencillos de algunos de estos mtodos de clculo son: Mtodo del mximo: se elige como valor para la variable de salida aquel para el cual la

funcin caracterstica del conjunto difuso de salida es mxima. En general no es un mtodo ptimo, ya que este valor mximo puede ser alcanzado por varias salidas. Mtodo del centroide: utiliza como salida del sistema el centro de gravedad de la

funcin caracterstica de salida. Matemticamente :

y = ( y B ( y ) dy ) /( B ( y ) dy )
Es el mtodo ms utilizado en aplicaciones de la lgica difusa a la ingeniera ya que se obtiene una solucin nica, aunque a veces es difcil de calcular.

- 58 -

Cap2: Descripcin general de las tcnicas de lgica difusa

Mtodo de la altura: se calcula para cada regla el centro de gravedad del conjunto

difuso de salida Bm y despus se calcula la salida del sistema como la media ponderada:

yh = ( ym Bm ( y m ) dy) /( Bm ( ym ) dy )

- 59 -