Tutorial de Introduccin de Lgica Borrosa

http://www.dma.fi.upm.es/java/fuzzy/tutfuzzy/contenido.html

Introduccin 1. Introduccin a la Lgica Borrosa 2. Historia de la Lgica Borrosa 3. Aplicaciones de la Lgica Borrosa Contenido 1. Qu es un predicado? 2. Conjunto clsico y conjunto borroso 3. Funciones de pertenencia 4. Operaciones con conjuntos borrosos 4.1 Extensin de las operaciones clsicas 4.2 Otras operaciones con conjuntos borrosos 4.3 Propiedades de las operaciones con conjuntos borrosos 4.4 T-normas, t-conormas y negaciones estrictas 4.4.1 Normas triangulares o t-normas 4.4.2 Conormas triangulares o t-conormas 4.4.3 Negaciones estrictas 4.5 Relacin entre operaciones Anexo Anexo I: Conjunto clsico Bibliografa Libros Pginas Web Glosario Definiciones

Introduccin
1. Introduccin a la Lgica Borrosa La Lgica Borrosa es un tipo de lgica que realiza el tratamiento de predicados vagos o tambin denominados borrosos. Un predicado vago o borroso es aqul que se le aplica a los elementos de un conjunto, en un cierto grado. Es decir, no tiene por qu verificarse o no verificarse, sino que se verificar en un cierto grado. Un predicado de este tipo, en general, no clasifica el universo en dos categoras, es decir, no produce una distincin en dos clases diferenciadas. Ejemplo Predicados vagos son: rico, feliz, joven, grande, alto... A partir de ellos formulamos enunciados borrosos: Juan es alto y no es muy joven. Mi casa es grande. El vecino es feliz porque le ha tocado la lotera. Ante esto, se necesita una nueva herramienta para poder realizar clculos matemticos y surge el concepto de conjuntos difusos o borrosos, es decir, conjuntos que no tienen bien definida su frontera frente a los conjuntos clsicos, usados en la Lgica Clsica, en los que la frontera est definida ntidamente. Ejemplo Estudiamos el conjunto de los nmeros reales entre 0 y 1. Dado el intervalo [0,1] y el predicado "ms grande que 0.5", vemos que es un predicado ntido ya que lo verifican los nmeros del subconjunto (1/2,1] y no lo verifican los del subconjunto [0,1/2]. Con este predicado se puede observar que se realiza una particin del conjunto inicial [0,1]. Una de las

partes satisface la propiedad dada en el predicado y la otra parte contiene los que no satisfacen la propiedad.

Sin embargo, en el intervalo [0,1], el predicado "grande" no realiza una particin del conjunto anterior, ya que no queda claro qu es grande y qu no. Por ejemplo, si establecemos que los nmeros grandes son los pertenecientes al intervalo [0.75,1], y preguntramos, es el 0.7499 un nmero grande?

La respuesta desde el punto de vista de la Lgica Clsica sera que no lo es, puesto que no est dentro del intervalo que hemos propuesto, y esto sera totalmente vlido. Pero, si lo consideramos bajo nuestro sentido comn, o desde el punto de vista de la Lgica Borrosa, diramos que 0.7499 es un nmero grande ya que est muy prximo al valor de 0.75. Un conjunto borroso es aqul al que los elementos no tienen por qu pertenecer o no pertenecer, sino que pertenecen con un cierto grado. Para poder trabajar con los conjuntos borrosos, usamos los grados de pertenencia que los elementos tienen a dicho conjunto borroso. Los grados de pertenencia tienen valores reales definidos en [0,1], es decir, si el grado de pertenencia es 0, el elemento no pertenece al conjunto que estamos estudiando, si el grado de pertenencia es 1, el elemento pertenece al conjunto de estudio; y los valores intermedios (0.33, 0.5, 0.75, ..) tendrn su propia representacin dependiendo del problema que estemos estudiando en cada caso. Ejemplo Una persona que mide 2 metros es una persona alta (es alta con grado 1) y una persona que mide 1 metro no es una persona alta (es alta con grado 0). Si tenemos una persona que mide 1.80 metros, podemos decir que es alta (es alta con grado 0.75). Como 0.75 es un valor prximo a 1 podemos decir que esta persona es bastante alta. Si en este ejemplo solamente dispusiramos de la Lgica Clsica una persona que mida 2 metros sera alta pero si midiese 1.99 metros claramente no, aunque la diferencia entre 2 y 1.99 metros sea mnima. La Lgica Borrosa nos permite dar valores intermedios dentro del lmite de verdad y falsedad, ya que hay enunciados cuyo valor de verdad depende del contexto. Por esto, tenemos que tener cuidado al definir el dominio en el cual estamos en cada caso. Ejemplo Si estamos hablando de los jugadores de un equipo de baloncesto, un jugador que mide 1.80 metros se considera que no es tan alto, mientras que si nos fijamos en los alumnos que hay en una clase, podemos afirmar que los alumnos que miden 1.80 metros s son altos. Este tipo de lgica intenta construir modelos que reflejan el razonamiento humano, ya que ste no puede tomar slo dos valores de certeza como en el caso de la Lgica Clsica que slo posee dos valores, 0 y 1, verdadero y falso.

2. Historia de la Lgica Borrosa Parece que la Lgica Borrosa es algo reciente y en lo que se lleva trabajando poco tiempo pero sus orgenes se remontan a los tiempos de los filsofos Aristteles y Platn. Ellos son los primeros en considerar que las cosas no tienen por qu ser de un cierto tipo o dejar de serlo, sino que hay una escala intermedia entre los dos extremos. Es ms son los pioneros en considerar que existan diferentes grados de verdad y falsedad. Ejemplo En el caso de los colores, entre el blanco y el negro hay una escala de tonalidades grises. Despus de stos, en el siglo XVIII, David Hume e Immanuel Kant continuaron pensando estas ideas. Ambos concluyeron en que el razonamiento se adquiere gracias a las vivencias a lo largo de nuestra vida. Hume crea en la lgica del sentido comn y Kant pensaba que slo los matemticos podan proveer definiciones claras y que por lo tanto haba principios contradictorios que no tenan solucin. Uno de los ejemplos dados por Kant es que, la materia poda ser dividida infinitamente, pero al mismo tiempo no poda ser dividida infinitamente. En conclusin, ambos detectaron algunos principios contradictorios en la Lgica Clsica. A principios del siglo XX, el filsofo y matemtico britnico Bertrand Russell divulg la idea de que la lgica produce contradicciones. Realiz un estudio sobre las vaguedades del lenguaje, concluyendo con precisin que la vaguedad es un grado. Tambin en este tiempo Ludwing Wittgenstein, estudi las diferentes acepciones que tiene una misma palabra. ste lleg a la conclusin de que en el lenguaje una misma palabra expresa modos y maneras diferentes.

En 1920 Jan Lukasiewicz, desarroll la primera lgica de vaguedades. Para l los conjuntos tienen un posible grado de pertenencia con valores que oscilan entre 0 y 1, y en este intervalo existen un nmero infinito de valores. Jan Lukasiewicz El padre del trmino "borroso" fue Lofti Asier Zadeh cuando en 1965 public "Fuzzy Sets" (Conjuntos Difusos). Las tesis que propone surgen del estudio de pensadores de distintas disciplinas que como l, tenan una visin de los problemas diferente de la lgica tradicional. La paradoja del conjunto de Bertrand Russell, el principio de incertidumbre de la fsica cuntica de Werner Heisenberg, la teora de los conjuntos vagos de Max Black y la aportacin de Jan Lukasiewiz, influyeron para que Zadeh publicase el ensayo "Fuzzy Sets" en la revista "Information and Lofti Control" y tres aos despus en 1968, "Fuzzy Algorithm". Zadeh

A.

Al comienzo las ideas publicadas por Zadeh no fueron seguidas por la comunidad cientfica del momento, pero con el tiempo comenz a tener seguidores lo que produjo que sus teoras fuesen ampliadas y se asentaran sus conocimientos. La intencin de Zadeh era la creacin de un formalismo para manejar de forma ms eficiente la imprecisin del razonamiento humano. Es en 1971, cuando realiza la publicacin de "Quantitative Fuzzy Semantics" en donde aparecen los elementos formales que dan lugar a la metodologa de la Lgica Borrosa y de sus aplicaciones tal y como se conocen en la actualidad. A partir de 1973, con la teora bsica de los controladores borrosos de Zadeh, otros investigadores comenzaron a aplicar la Lgica Borrosa a diversos procesos. 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 hacen grandes aportaciones tanto al desarrollo de la teora de la Lgica Borrosa como al estudio de sus aplicaciones.

En 1974 Assilian y Mamdani en el Reino Unido desarrollaron el primer controlador difuso diseado para la mquina de vapor. La implantacin real de un controlador de este tipo no fue realizada hasta 1980 por F.L. Smidth & Co. en una planta cementera en Dinamarca. E.H. Mamdani En 1987 Hitachi usa un controlador fuzzy para el control del tren de Sendai, el cual usa uno de los sistemas ms novedosos creados por el hombre. Desde entonces, el controlador ha realizado su trabajo correctamente con la consiguiente satisfaccin por parte de los usuarios de dicho tren. Es tambin en este ao cuando la empresa Omron desarrolla los primeros controladores difusos comerciales y es que 1987 es considerado como el "fuzzy boom" debido a la gran cantidad de productos basados en Lgica Borrosa que se comercializan. En 1993, Fuji aplica la Lgica Borrosa para el control de inyeccin qumica en plantas depuradoras de agua por primera vez en Japn. Ha sido precisamente aqu, en donde ms apogeo ha tenido la Lgica Borrosa, crendose estrechas colaboraciones entre el gobierno, las universidades y las industrias, estableciendo proyectos llevados a cabo por el Ministerio de Industria y Comercio (MITI) y la Agencia de Ciencia y Tecnologa (STA) en consorcio con el Laboratory for International Fuzzy Engineering Research (LIFE). De forma paralela al desarrollo de las aplicaciones de la lgica difusa, Takagi y Sugeno desarrollan la primera aproximacin para construir reglas fuzzy a partir de datos de entrenamiento. Otro factor decisivo para continuar con la investigacin de este campo es el inters en las redes neuronales y su semejanza con los sistemas fuzzy. Se buscan relaciones entre las dos tcnicas obtenindose como resultado los sistemas neuro-fuzzy, que usan mtodos de aprendizaje basados en redes neuronales para identificar y optimizar sus parmetros. Para finalizar, aparecen los algoritmos genticos que sumados a las redes neuronales y los sistemas fuzzy son herramientas de trabajo muy potentes en el campo de los sistemas de control. 3. Aplicaciones de la Lgica Borrosa La Lgica Borrosa tiene gran utilidad ya que ella nos permite tratar problemas demasiado complejos, mal definidos o para los cuales no existen modelos matemticos precisos. Gracias a este tipo de lgica se ha permitido modelizar y resolver situaciones consideradas intratables desde el punto de vista de la Lgica Clsica. En los ltimos aos la Lgica Borrosa se ha utilizado en distintos tipos de instrumentos, mquinas y en diversos mbitos de la vida cotidiana. Algunos casos por ejemplo son los estabilizadores de imgenes en grabadoras de vdeo, controladores de ascensores e ingeniera de terremotos. Tambin se ha usado esta tcnica en la industria, obtenindose excelentes resultados como en el caso del metro de Sendai en Japn, ya que permita que el metro arrancara y frenara con gran suavidad, sin producir alteraciones entre los pasajeros. Realizando una divisin de los ejemplos en tres grandes grupos tenemos: Productos creados para el consumidor: Lavadoras difusas (Matsuhita Electronic Industrial), hornos microondas, sistemas trmicos, traductores lingsticos, cmaras de vdeo, televisores,

estabilizadores de imgenes digitales (Matsuhita) y sistemas de foco automtico en cmaras fotogrficas. Sistemas: Elevadores, trenes, automviles (caso de los sistemas de transmisiones, de frenos y mejora de la eficiencia del uso de combustible en motores), controles de trfico, sistemas de control de acondicionadores de aire que evitan las oscilaciones de temperatura y sistemas de reconocimiento de escritura. Software: Diagnstico mdico, seguridad, comprensin de datos, tecnologa informtica y bases de datos difusas para almacenar y consultar informacin imprecisa (uso del lenguaje FSQL). A continuacin se muestran aplicaciones en las que se pueden consultar a travs de la pgina web algunas de las caractersticas, uso y una informacin ms detallada: Gestin de recursos humanos mediante Lgica Borrosa. http://www.uv.es/asepuma/recta/ordinarios/6/6-2.pdf Mdulo hardware mediante lgica difusa. http://www.tq.com/product/cart/pdfs_spanish/CE124%20Spanish.PDF Algoritmo de control borroso usando el dispositivo MSP430x14x. http://focus.ti.com/lit/an/slaa235/slaa235.pdf Sistema experto para evaluar daos postssmicos en edificios. http://dspace.uniandes.edu.co:5050/dspace/bitstream/1992/413/1/mi_798.pdf Determinacin de las IBNR mediante lgica difusa. http://www.actuarios.org/espa/anales/2003/De%20Andres%202003.pdf Evaluacin de lgica difusa en el control de mquinas elctricas. http://dei-s1.dei.uminho.pt/pessoas/jaime/Documentos/CIT.pdf Control de un generador de induccin como un freno elctrico. http://www.ijesp.com/Vol2No1/IJESP2-8Hosseinzadeh.pdf Modelizacin de magulladuras por disparos en armaduras con un sistema adaptativo de sistema difuso. http://sipi.usc.edu/~kosko/SMCFinal.D05.pdf Razonamiento para el estudio de la probabilidad de eventos borrosos http://delivery.acm.org Diseo de bases de datos difusa modelada con UML. http://www.inf.udec.cl/~mvaras/papers/2003/fuzzy-IDEAS-2003.pdf Xfuzzy 3.0, entorno de desarrollo para sistemas de Lgica Borrosa. http://www.imse.cnm.es/Xfuzzy/Xfuzzy_3.0/index.html Software para diagnstico mdico. http://espejos.unesco.org.uy/simplac2002/Ponencias/Inforedu Ejemplo A continuacin se muestra una interfaz que est en desarrollo realizada mediante Lgica Borrosa, EDIMED. EDIMED es una herramienta software para la realizacin de diagnsticos mdicos, el cual puede formar parte del aprendizaje y evaluacin de los estudiantes de Medicina. El estudiante selecciona el tipo de enfermedad y dependiendo de los sntomas que el sistema tenga registrados ms los sntomas que el paciente de dicho alumno le exponga, el sistema debera dar un diagnstico apropiado segn el tipo de enfermedad del paciente.

Contenido
1. Qu es un predicado? Un predicado es lo que se afirma o niega de un objeto. Ejemplo Alto: es un predicado que se puede afirmar o negar de una persona, de un rbol, de un edificio ... Tener ms de 40 aos: es un predicado que se puede afirmar o negar de una persona, de un cuadro, de un mueble... Caro: es un predicado que se puede afirmar o negar de un viaje, de un reloj de oro, de un apartamento, de un coche... Medir ms de 1.60 metros: es un predicado que se puede afirmar o negar de una persona, de una mesa, de un tabln de madera..... Si lo desea puede realizar un ejercicio sencillo. Para expresar nuestras ideas nos ayudamos de predicados y con ellos construimos enunciados. Ejemplo Mi amigo Miguel es alto. El precio del aceite de oliva es muy caro. Hay que reformar el tejado de la casa de veraneo ya que tiene ms de 40 aos. La mesa de mi habitacin mide ms de 1.60 de largo por 90 centmetros de ancho. La hoz que encontr mi padre en el cuarto de labranza es muy antigua. El Pirul de Madrid es uno de los edificios ms altos de Madrid . En Agosto el viaje a Finlandia es mucho ms caro que en el mes de Octubre. El universo es el conjunto de los elementos a los que se puede aplicar un predicado. Ejemplo El predicado "ser par" se puede aplicar en el caso del universo A = {Nmeros naturales menores que 10} El predicadado "ser rubios" o el predicado "tener ms de 2 hijos" se puede aplicar en el caso del universo B = {Habitantes de un pas}

 El predicado "gozar de buena salud" se puede aplicar en el caso del universo C = {Personas adultas de una familia} El predicado "ser barato" se puede aplicar en el caso del universo D = {Viajes que se ofertan para el mes de Marzo} El predicado "tener ms de 20 aos" se puede aplicar en el caso del universo E = {Alumnos de la facultad que han aprobado el 50% de los crditos de la carrera} 1.1 Predicados clsicos Un predicado clsico o ntido, es aqul que al aplicarlo a los elementos de un universo, lo divide en dos subconjuntos: el de los elementos que verifican dicho predicado, y el de los que no lo verifican. Ejemplo Dado el universo A = {Nmeros naturales menores que 10} y el predicado clsico P = "ser par", podemos realizar la divisin en dos conjuntos claramente diferenciados: Subconjunto de elementos de A que verifican el predicado P: = {2,4,6,8}

Subconjunto de elementos de A que no verifican el predicado P: = {1,3,5,7,9} A continuacin se muestra la representacin grfica de los subconjuntos anteriores.

Se muestra un ejemplo en donde se puede aplicar la definicin anterior. Cada predicado ntido P en un universo X, tiene asociado una funcin del universo en {0,1}, de forma que a cada elemento que verifica el predicado le hace corresponder el 1, y a cada elemento que no lo verifica, el 0. Es decir, a cada elemento le hace corresponder el grado en que verifica dicho predicado. Esta funcin recibe el nombre de funcin caracterstica o de compatibilidad: P: X {0,1}, P(x) = { 1, 0, si x verifica P si x no verifica P

Ejemplo Dados A = [-1,2] y el predicado ntido P = "mayor de 0.9", su funcin de pertenencia ser:

 P(x) = {

1, 0,

si x > 0.9 si x 0.9

Para ilustrar la idea anterior se pueden consultar ms ejemplos. 1.2 Predicados borrosos Hay predicados P que, al aplicarlos a los elementos de un universo, no lo dividen perfectamente en dos subconjuntos, el de los que cumplen dicho predicado y el de los que no lo cumplen. A este tipo de predicados se les denomina predicados borrosos, fuzzy o flexibles. Ejemplo Dado el conjunto A = [0,1], intervalo de la recta real, y el predicado G = "grande", vemos que el predicado G no admite una definicin por medio de G: X {0,1}, de forma que a cada elemento le haga corresponder el grado en que verifica G. Si fuera as, se definira: G(x) = 1: si x verifica G, es decir, la afirmacin "x es G" es verdadera. G(x) = 0: si x no verifica G, es decir, la afirmacin "x es G" es falsa. Por medio de la definicin anterior vemos que G(1) = 1 y que G(0) = 0. Ahora estudiamos el caso de G(0.9), al cual le podemos dar el valor 1 (G(0.9) = 1) que nos indica que 0.9 es grande. Pero, qu pasara para el valor de G(0.89)? Si damos G(0.89) = 1, la siguiente pregunta es, en dnde podemos establecer un corte que nos separe lo que es grande y lo que no? Si disemos dicho corte de separacin estaramos contradiciendo nuestra propia intuicin, por lo tanto no podemos hacer tal clasificacin en dos subconjuntos, los grandes y los no

grandes . Un predicado P en el universo A es borroso si existe algn elemento x de A tal que la afirmacin "x es P" no es ni verdadera ni falsa, por lo tanto, no se puede obtener una divisin en dos subconjuntos claramente diferenciados. Ejemplo Tenemos el predicado P = "joven", y lo aplicamos al conjunto A = {Jugadores de baloncesto}. En este caso para representar el predicado "joven" hacemos uso de los colores, partimos de los tonos amarillos que representarn a un jugador de baloncesto joven, hasta llegar en la escala a los tonos azules, que representarn a un jugador de baloncesto no joven.

Podemos decir que un jugador de baloncesto que tiene una edad de 19 aos (zona amarilla) es joven, y esto es verdadero, pero tambin lo es uno de 20 y otro de 20 y 3 meses. Cuando llegamos a un jugador con una edad 30 aos (zona azul claro) decimos que es menos joven que el de 20 aos. Y uno que tiene 40 aos decimos que no es joven (zona azul oscuro). Con este ejemplo observamos que no existe una frontera establecida claramente entre los que son jvenes y los que no lo son. Al igual que en el ejemplo anterior, con este predicado borroso no podemos realizar una divisin en dos subconjuntos. Tambin con este ejemplo vemos que el contexto influye en la determinacin o significado que tiene un predicado, ya que por ejemplo una persona de 40 aos no es joven en el caso de los jugadores de baloncesto pero s lo es cuando hablamos de una persona que es padre de familia. Como conclusin, con los predicados borrosos no podemos establecer subconjuntos definidos dentro de un universo, ni podramos asociarle una funcin en {0,1}, pero sin embargo, s podemos asociar al predicado una funcin del universo en el intervalo [0,1], de forma que a cada elemento le haga corresponder el grado en que verifica el predicado. Ejemplo Sea el conjunto X = {Marta, Luis, Carlos, Lola}, el predicado P = "ser alto". En este caso, como en otros muchos, el grado en que cada elemento verifica el predicado va a depender de una caracterstica numrica; en concreto, en este predicado, depender de la altura; por eso para asignar el grado en que cada elemento verifica el predicado "ser alto", se ha de conocer la altura del mismo. Supongamos que las alturas son: Nombre Altura (centmetros) Marta Luis Carlos Lola 179 cm 184 cm 159 cm 130 cm

Se podra asignar los siguientes valores de pertenencia: P(Marta) = 0.8, P(Luis) = 0.9, P(Carlos) = 0.5, P(Lola) = 0.3 De esta forma la funcin de pertenencia se podra definir sobre las posibles alturas, de la siguiente manera:

Si lo desea puede consultar un ejemplo sobre predicados borrosos.

Recordamos que dado un predicado borroso, cada elemento verifica el mismo predicado en un cierto grado entre 0 y 1, y la funcin de pertenencia asociada asignar a cada elemento dicho grado. Ejemplo Dados A = [0,70] y el predicado borroso J = "ser joven", la funcin de pertenencia del mismo podra estar definida de la siguiente forma:

1, 0,

si x < 25 si 25 x 40 si x 40

J(x) = { 8/3 - (1/15)x,

En este caso, para un valor menor de 25 aos se le asigna el valor 1, es decir, nos indica que una persona es joven y para una edad mayor de 40 aos, se le asigna un valor de 0, lo que nos dice que una persona no se considera joven. Para las edades comprendidas entre 25 y 40 aos una persona ser joven de acuerdo al grado de pertenencia asignado por la funcin J. Por ejemplo a una persona con 30 aos se le asigna un grado de pertenencia de 0.66, lo que nos indica que es joven y a una persona con 38 aos se le asigna un grado de 0.13, por lo que es menos joven que la persona de 30 aos. 2. Conjunto clsico y conjunto borroso En el apartado anterior hemos utilizado los trminos conjunto y subconjunto, refirindonos a una coleccin de elementos que tienen una determinada caracterstica. Por otra parte, el estudio de los predicados clsicos y borrosos nos permitir hablar de conjuntos borrosos o fuzzy. El estudio de los mismos ser el objetivo de la presente seccin. Un conjunto clsico es una coleccin de elementos. Por ejemplo, puede ser el conjunto de elementos que verifican un predicado ntido. Dado un subconjunto clsico A de X, se le puede asociar su funcin caracterstica. A: X {0,1}, dada por A(x) = { 1, 0, si x pertenece A si x no pertenece A

es decir, A(x) = 1 si el grado en que x pertenece a A es 1 y A(x) = 0, si el grado en que x pertenece a A es 0. Ejemplo Sea el conjunto de estudiantes {Luca, scar, Marcos, Roberto, Marta, Almudena, Aurora, Pedro}, el predicado P = "no ser de Madrid" y la siguiente tabla en donde se recogen las ciudades de origen de cada uno de ellos: Nombre Luca scar Marcos Ciudad de origen Segovia Mstoles-Madrid Legans-Madrid

Roberto Marta

Crdoba Ciudad Real

Almudena Madrid Aurora Pedro Lugo Alcobendas-Madrid de la

Expresamos el subconjunto de los estudiantes que provienen de otras ciudades siguiente forma: = {Luca, Roberto, Marta, Aurora} La funcin de pertenencia de P o funcin caracterstica tendr los siguientes valores: P(Luca) = 1; P(scar) = 0; P(Marcos) = 0; P(Roberto) = 1; P(Marta) = 1; P(Almudena) = 0; P(Aurora) = 1; P(Pedro) = 0; Se muestran ms ejemplos de conjuntos clsicos.

Las operaciones entre conjuntos clsicos y sus propiedades aparecen en el anexo I. Los conjuntos borrosos son aqullos cuyos elementos no tienen por qu pertenecer (grado de pertenencia 1) o no pertenecer (grado de pertenencia 0), sino que pertenecen segn un cierto grado entre 0 y 1. Ejemplo Dado el universo X=[1,100] y los predicados A= "nmero grande" y B="mayor de 70" podemos decir que, para el predicado B, tenemos dos subconjuntos diferenciados: 1. B = {x perteneciente a X | x > 70} 2. B = {x perteneciente a X | x 70} El problema aparece cuando intentamos obtener dos subconjuntos del predicado A, 1. A={x perteneciente a X| "x es grande" es verdadera} 2. A={x perteneciente a X| "x es grande" es falsa} Ya que si tenemos un x perteneciente a A (por ejemplo, x=100), entonces existe un > 0 tal que x- tambin es grande. De la misma forma (x-) - = x-2 tambin es grande. Repitiendo el razonamiento sucesivas veces, llegaremos a que todos los nmeros en [1,100] son grandes, lo que contradice nuestra intuicin. Por lo tanto, los conjuntos clsicos no son vlidos para trabajar con predicados borrosos. Por tanto, para un predicado borroso no se puede obtener de forma precisa el conjunto de los elementos que lo verifican, sino que cada elemento verifica dicho predicado en un cierto grado. De esta forma todo conjunto borroso A en el universo X tiene asociada una funcin de pertenencia A:X [0,1] que a cada elemento de X le hace corresponder el grado en que verifica dicha propiedad. Existen varias formas de representar los conjuntos borrosos; en este tutorial se utilizarn las dos ms usuales. Mediante la notacin valor/elemento dentro de un conjunto de elementos. Determinando la funcin de pertenencia. Ejemplo Dado el universo de personas X={p1, p2, p3, p4, p5} y el predicado B= "bueno", el subconjunto = {personas buenas} puede venir definido por: = {0.5/p1, 0.9/p2, 0.2/p3, 0.4/p4, 0.6/p5} o mediante la funcin de pertenencia con los siguientes valores: B(p1) = 0.5; B(p2) = 0.9; B(p3) = 0.2; B(p4) = 0.7;

B(p5) = 0.6; Por ejemplo, la persona p1 es buena con un grado 0.5 mientras que la persona p3 lo es con grado 0.2. Para aclarar estas ideas sobre los conjuntos borrosos se puede consultar otro ejemplo. En esta pgina se muestra un ejemplo ms sobre conjuntos borrosos. Recordamos que un conjunto borroso es aqul que no clasifica claramente dentro de un universo. Ejemplo Dado el universo de provincias espaolas, X = {Madrid, Barcelona Bilbao, Sevilla, Valencia, Cdiz, Asturias, vila y Cceres} y el predicado P = "tener temperatura agradable" y la siguiente tabla en donde se recogen las temperaturas de algunas provincias espaolas previstas para un cierto da de primavera. Provincia Temperatura C Madrid 30

Barcelona 24 Bilbao Sevilla Valencia Cdiz Asturias vila Cceres 20 33 19 23 15 10 29

Se define como el subconjunto de provincias de X con temperaturas agradables. P puede venir dado por: = {0.6/Madrid, 0.9/Barcelona, 0.8/Bilbao, 0.4/Sevilla, 0.75/Valencia, 0.85/Cdiz, 0.3/Asturias, 0.2/vila, 0.65/Cceres} o mediante su funcin de pertenencia: P(Madrid) = 0.6; P(Barcelona) = 0.9; P(Bilbao) = 0.8; P(Sevilla) = 0.4; P(Valencia) = 0.75; P(Cdiz) = 0.85; P(Asturias) = 0.3; P(vila) = 0.2; P(Cceres) = 0.65 Por ejemplo, Madrid es una provincia que tiene una temperatura agradable con grado 0.6 mientras que Cdiz lo es con un grado de 0.85, lo que nos indica que Cdiz tiene una temperatura ms agradable que Madrid. 3. Funciones de pertenencia La funcin de pertenencia de un conjunto nos indica el grado en que cada elemento de un universo dado, pertenece a dicho conjunto. Es decir, la funcin de pertenencia de un conjunto A sobre un universo X ser de la forma: A:X [0,1], donde A (x) = r si r es el grado en que x pertenece a A. Si el conjunto es ntido, su funcin de pertenencia (funcin caracterstica) tomar los valores en {0,1}, mientras que si es borroso, los tomar en el intervalo [0,1]. Si A(x) = 0 el elemento no pertenece al conjunto, si A(x) = 1 el elemento s pertenece totalmente al conjunto.

Las funciones de pertenencia son una forma de representar grficamente un conjunto borroso sobre un universo.

La funcin caracterstica del conjunto de los elementos que verifican un predicado clsico est perfectamente determinada. No ocurre lo mismo cuando se intenta obtener la funcin de pertenencia de un conjunto formado por los elementos que verifican un predicado borroso. Dicha funcin depender del contexto (o universo) en el que se trabaje, del experto, del usuario, de la aplicacin a construir, etc. A la hora de determinar una funcin de pertenencia, normalmente se eligen funciones sencillas, para que los clculos no sean complicados. En particular, en aplicaciones en distintos entornos, son muy utilizadas las triangulares y las trapezoidales: Funcin Triangular Definida mediante el lmite inferior a, el superior b y el valor modal m, tal que a<m<b. La funcin no tiene porqu ser simtrica.

Si lo desea puede dibujar funciones triangulares con diferentes parmetros. Funcin Trapezoidal Definida por sus lmites inferior a, superior d, y los lmites de soporte inferior b y superior c, tal que a<b<c<d. En este caso, si los valores de b y c son iguales, se obtiene una funcin triangular.

Casos especiales de estas funciones trapezoidales son aqullas en las que algunos parmetros toman valores no finitos: Funciones Trapezoidales con parmetros a = b = -

Funciones Trapezoidales que tienen los parmetros c = d = +

o Puede dibujar funciones trapezoidales con diferentes parmetros.

Adems de las funciones de tipo lineal anteriormente expuestas, tambin se usan las siguientes: Funcin Gamma Definida por su lmite inferior a y el valor k>0. Esta funcin se caracteriza por un rpido crecimiento a partir de a; cuanto mayor es el valor de k, el crecimiento es ms rpido. Nunca toma el valor A (x) = 1, aunque tienen una asntota horizontal en dicho valor.

Ejemplo Cuando los valores de los parmetros son a = 5 y k = 3, se obtienen las siguientes funciones:

 Funcin Sigmoidal Definida por sus lmites inferior a, superior b y el valor m o punto de inflexin, tales que a<m<b. El crecimiento es ms lento cuanto mayor sea la distancia a-b. Para el caso concreto de m=(a+b)/2, que es lo usual, se obtiene la siguiente grfica.

Ejemplo Cuanto se toma el valor de a = 3, el valor de b = 10 y m = (3+10)/2 = 6.5 se obtiene la siguiente grfica:

 Funcin Gaussiana Definida por su valor medio m y el parmetro k>0. Esta funcin es la tpica campana de Gauss y cuanto mayor es el valor de k, ms estrecha es dicha campana.

Ejemplo Para los valores k = 5 y m = 3:

Si lo desea puede dibujar funciones gaussianas. Al modificar los parmetros se puede observar la variacin de la grfica.

 Funcin Pseudo-Exponencial Definida por el valor medio m y el parmetro k>1. Cuanto mayor es el valor de k, el crecimiento es ms rpido y la campana es ms estrecha.

Ejemplo Para los valores de k = 4 y m = 7 se obtiene:

Puede dibujar funciones pseudo-exponenciales modificando los parmetros. 4. Operaciones con conjuntos borrosos En este apartado se presentan algunos modelos matemticos para realizar las operaciones de interseccin, unin y complemento de los conjuntos borrosos. 4.1 Extensin de las operaciones clsicas De la misma manera que se realizan operaciones con los conjuntos clsicos, se definen operaciones para los conjuntos borrosos. Para estas definiciones, inicialmente nos basaremos en las operaciones con conjuntos clsicos que se pueden ver en el anexo I. Interseccin de conjuntos El primer problema que nos planteamos es la obtencin de la interseccin de dos conjuntos borrosos. Para ello, vemos qu ocurre en el caso clsico. Dados dos subconjuntos clsicos P y Q del universo X, un elemento x pertenece a la interseccin PQ, si y slo si x pertenece a P y x pertenece a Q. Tomando las respectivas funciones caractersticas como: P(x) = { 1, si x pertenece a P Q(x) = { 1, si x pertenece a Q

0, si x no pertenece a P La funcin caracterstica de la interseccin quedar: O lo que es lo mismo,

PQ(x) PQ(x)

0, si x no pertenece a Q

= {

1, si P(x) = 1 y Q(x) = 1 0, en otro caso = Min (P(x),Q(x))

Sin embargo, en el caso de los conjuntos borrosos, la definicin del conjunto interseccin no es tan trivial. Dadas las funciones de pertenencia P: X [0,1] y Q:X [0,1], la pregunta es: si un elemento pertenece a P en un cierto grado entre 0 y 1 (P(x)), y a Q en otro grado entre 0 y 1 (Q(x)), en qu grado pertenecer a PQ? Es decir, qu valor tomar PQ(x)? Tomando como modelo el caso clsico, una primera forma de definir la interseccin de dos conjuntos borrosos es: PQ(x) = Min(P(x),Q(x)) Unin de conjuntos En el caso de los conjuntos clsicos, dados dos subconjuntos P y Q del universo X, un elemento x pertenece a la unin de PUQ, si y slo si x pertenece a P o x pertenece a Q. Dadas las respectivas funciones caractersticas: P(x) = { 1, si x pertenece a P 0, si x no pertenece a P Q(x) = { 1, si x pertenece a Q 0, si x no pertenece a Q

La funcin caracterstica de la unin ser: O lo que es lo mismo, P U Q(x) = Max (P(x),Q(x)) Igual que en el caso de la interseccin de conjuntos borrosos la definicin de la unin de dos conjuntos no es trivial. Teniendo las funciones de pertenencia P: X [0,1] y Q:X [0,1], y sabiendo que un elemento pertenece a P en un cierto grado 0 y 1 (P (x)), y que pertenece a Q en otro grado (Q (x)), en qu grado pertenecer a PUQ? Qu valor tomar P U Q(x)? Fijndonos en el modelo del conjunto clsico, definimos la unin de dos conjuntos borrosos como: PUQ(x) = Max(P(x),Q(x)) Complemento de un conjunto Para finalizar, veamos qu ocurre en el caso de los conjuntos clsicos cuando tenemos que realizar la operacin del complemento de un conjunto. Dado el subconjunto clsico P del universo X, un elemento x pertenece al complemento Pc, si y slo si dicho elemento x no pertenece a P. La funcin caracterstica est definida mediante:
P c PUQ(x)

= {

1, si P(x) = 1 o Q(x) = 1 0, en otro caso

(x) = {

0, si P(x) = 1 1, si P(x) = 0

El complemento de un conjunto borroso no es una operacin tan claramente definida como en el caso clsico. Dada la funcin de pertenencia P: X [0,1], si un elemento pertenece a P en un cierto grado entre 0 y 1 (P (x)), en qu grado pertenece a Pc? Cul es el valor de Pc (x)?

Realizando una semejanza con los conjuntos clsicos se podra definir el complemento de un conjunto borroso P, mediante la funcin de pertenencia: Pc(x) = 1 - P(x) Para poner en prctica los conocimientos adquiridos con la teora anteriormente expuesta, se presentan a continuacin algunos ejercicios donde se realizan las operaciones definidas en los conjuntos borrosos. Se puede empezar con un ejercicio sencillo en el que seleccionando algunos de los conjuntos discretos dados, se pueden realizar las diferentes operaciones. Ahora vamos a poder realizar operaciones con conjuntos borrosos en un universo continuo. Para ello, recordamos que existen varios tipos de funciones de pertenencia, pero como las ms utilizadas son las trapezoidales y las triangulares, nos limitaremos a trabajar con ellas. En los diferentes ejercicios se podrn dibujar mediante la introduccin de parmetros diferentes formas trapezoidales y triangulares, para despus realizar las distintas operaciones. Ejercicio para dibujar una funcin de pertenencia trapezoidal y obtener su complemento. Ejercicio para dibujar una funcin de pertenencia triangular y obtener su complemento. Ejercicio para realizar operaciones de unin, interseccin y complemento entre conjuntos borrosos con funciones de pertenencia trapezoidal. Ejercicio para realizar operaciones de unin, interseccin y complemento entre conjuntos borrosos con funciones de pertenencia triangular. Ejercicio para realizar operaciones de unin, interseccin y complemento entre conjuntos borrosos con funciones de pertenencia trapezoidal y triangular. 4.2 Otras operaciones con conjuntos borrosos Aunque los modelos de operaciones presentados en el apartado anterior son los ms habituales al ser una extensin del caso clsico, tambin son comunes otras formas de representar la unin, la interseccin y el complemento en conjuntos borrosos. Este apartado se dedica a desarrollarlas. Dados dos conjuntos borrosos P y Q y sus funciones de pertenencia P: X [0,1] y Q:X [0,1], se presentan los diferentes modelos para cada una de las operaciones. En el caso de la interseccin, se consideran dos modelos: El producto La funcin de pertenencia de la interseccin viene dada mediante la siguiente expresin: PQ(x) = Prod(P(x), Q(x)) = P(x) Q(x) x X En la siguiente grfica se muestra la funcin producto como funcin de dos variables:

 La operacin de Lukasiewicz En este caso la funcin de pertenencia se define como: PQ(x) = W (P(x), Q(x)) = Max (0, P(x) + Q(x) -1) x X A continuacin se pinta la funcin de Lukasiewicz:

En el caso de la unin, se consideran otros dos modelos: La suma producto La funcin de pertenencia de la unin vendr dada por: PUQ(x) = Prod* (P(x), Q(x)) = P(x) + Q(x) - [P(x) Q(x)] x X Para entender mejor este tipo de unin se muestra la grfica:

 La suma acotada Definimos la funcin de pertenencia de la unin de la siguiente manera: PUQ(x) = W* (P(x), Q(x)) = Min (1, P(x) + Q(x)) x X A continuacin se muestra una grfica con la operacin de dos variables:

Y, por ltimo, en el caso del complemento o la negacin de un conjunto borroso se presenta el modelo dado por: La familia de negaciones de Sugeno Las funciones de pertenencia, dependiendo del valor que tome el parmetro vienen dadas por:
P c

(x) = 1 -

(x) / 1 +

(x)

> -1

Un ejemplo de la negacin de Sugeno se muestra a continuacin con el valor de = 2:

Ahora se puede realizar un ejercicio sencillo, en el que dados una serie de conjuntos borrosos se pueden realizar las diferentes operaciones que hemos detallado de forma terica. 4.3 Propiedades de las operaciones de los conjuntos borrosos Antes de seguir adelante y presentar nuevos modelos para las operaciones con conjuntos borrosos, hacemos un repaso de las principales propiedades que pueden presentar dichas operaciones. Para ello tendremos en cuenta que : es el conjunto borroso cuya funcin de pertenencia es (x) = 0 x X es el conjunto borroso cuya funcin de pertenencia es X(x) = 1 x P en Q si P(x) Q(x) x Dados tres conjuntos P, Q y R y sus funciones de pertenencia P: X [0,1], Q: X [0,1] y R: X [0,1] se definen las siguientes propiedades para las operaciones: Respecto de la interseccin y de la unin: 1. Conmutativa P Q = Q P; las funciones de pertenencia coincidirn, y por lo tanto, PQ (x) = QP (x), x del universo P U Q = Q U P; por lo tanto, PUQ (x) = QUP (x), x del universo 2. Asociativa P (Q R) = (P Q) R; entonces, P(Q R) (x) = (PQ)R (x) P U (Q U R) = (P U Q) U R; entonces, PU(QUR) (x) = (PUQ)UR (x) 3. Distributiva P (Q U R) = (P Q) U (P R); as obtenemos, P(QUR) (x) = (PQ)U(P R) (x) P U (Q R) = (P U Q) (P U R); as obtenemos, PU(QR) (x) = (PUQ)(P U R) (x) 4. Idempotencia P P = P; por lo tanto, PP (x) = P (x) P U P = P; por lo tanto, PUP (x) = P (x) 5. Elemento neutro P X = P; donde X (x) = 1 x X; es decir, X es el elemento neutro de la interseccin P U = P; donde (x) = 0 x X; es decir, es el elemento neutro de la unin 6. Elemento absorbente P = ; por lo tanto, P (x) = P U X = X; por lo tanto, P U X (x) = P (x) 7. Ley de absorcin P (P U Q) = P; de esta forma P (P U Q) (x) = P (x) P U (P Q) = P; de esta forma, P U (P Q) (x) = P (x) 8. Monotona

Si A B, C D; entonces, A C B D y A U C B U D, es decir, si A (x) B (x), C (x) D (x), entonces, A (x) C (x) B (x) D (x) y A (x) C (x) B (x) D (x) Respecto de la negacin: 1. Doble negacin P = P; con lo que tendremos, (P) (x) = P (x) 2. Leyes de Morgan (P Q) = P U Q; entonces, (P Q) (x) = (P U Q) (x) (P U Q) = P Q; entonces, (P U Q) (x) = (P Q) (x) 4.4 T-normas, t-conormas y negaciones estrictas Aunque ya se han expuesto diversas formas de representar las operaciones en conjuntos borrosos, en este apartado, se hace de una forma ms general. Se van a buscar todas las funciones que verifican unas propiedades determinadas, en orden a representar dichas operaciones. Las funciones que se van a desarrollar en este apartado son: Normas triangulares o t-normas Conormas triangulares o t-conormas Negaciones estrictas

4.4.1 Normas triangulares o t-normas Para representar la interseccin de dos conjuntos borrosos, buscamos funciones del tipo T: [0,1] x [0,1] [0,1], que nos permitan obtener la funcin de pertenencia del conjunto interseccin de la siguiente forma: PQ(x) = T(P(x), Q(x)), x X Si queremos que la interseccin sea conmutativa, asociativa, que tenga por elemento neutro el conjunto X y sea montona creciente, se debe verificar: Desde el punto de vista de las funciones de pertenencia se deben cumplir cuatro propiedades: Conmutativa: PQ(x) = QP(x), y por tanto, T(P (x), Q (x)) = T(Q (x),P (x)) x, con lo que T ha de ser conmutativa. Asociativa: (PQ)R(x) = P(QR)(x), entonces, T(T(P (x), Q (x)),R (x)) = T(P (x), T(Q (x),R (x))) x, por lo que T ha de ser asociativa. Elemento neutro el conjunto X: PX(x) = P(x) con lo que T(P (x), X (x)) = T(P (x),1) = P (x) x, siendo el 1 el elemento neutro de T. Montona Si P (x) Q (x) x creciente: S (x) x.

y R (x) S (x) x, entonces, P

(x) Q

De esta forma, T(P (x), V (x)) T(Q (x),S (x)) por lo tanto, T ha de ser creciente. Por tanto buscamos las funciones T: [0,1] x [0,1] [0,1] que cumplan las siguientes propiedades:

1. T(x,y)

Conmutativa = T(y,x) x, y [0,1]

2. Asociativa T(x,T(y,z)) 3. Elemento T(x,1) 4. Montona Si x y entonces T(x,z) T(y,z) x, y, z = x x = T(T(x,y),z) x, y, z [0,1] neutro [0,1] creciente [0,1]

A estas funciones se les denomina normas triangulares o t-normas. Las ms conocidas son: Mnimo T(x,y) = Min (x,y), que es la mayor de las t-normas.

Producto Prod (x,y) = x y

Operacin W (x,y) = Max (0, x+y-1)

de

Lukasiewicz:

Producto drstico x, si y = 1 Z(x, y) = { y, si x = 1 0, en otro caso

que es discontinua y es la menor de todas las t-normas.

Estas t-normas se relacionan por medio de las desigualdades siguientes: Z(x,y) W(x,y) Prod(x,y) Min(x,y) x,y [0,1] Ahora se puede consultar un resumen de las operaciones anteriormente expuestas ver as como cambian sus grficas.

Familias de t-normas Una t-norma T1 pertenece a la familia de otra t-norma T, y se expresa T1 F(T), si existe un automorfismo de orden en [0,1], , (: [0,1] [0,1], estrictamente creciente, con (0) = 0 y (1) = 1) tal que T (x,y) = -1 (T( (x), (y))), x,y [0,1]. De este modo, tendremos la familia de la t-norma Min, a la que slo pertenece ella misma F(Min) = {Min};es la nica idempotente y es continua. la t-norma Prod, F(Prod); son estrictamente positivas (si x,y > 0, entonces T(x,y) > 0) y continuas. Lukasiewick, F(W); no son estrictamente positivas pero s continuas. Todas las t-normas continuas pertenecen a una de estas familias, o son una t-norma ordinal, es decir, una t-norma definida de la forma: T(x, y) = { ai+ (bi - ai)Ti ((x-ai/bi-ai), (y-ai/bi-ai)), Min(x,y) en otro caso si (x,y) [ai, bi]2

donde los [ai, bi] con i = 1,..,n son conjuntos disjuntos del intervalo [0,1], y para cada i, T i es una t-norma. Para fijar las ideas anteriores se puede realizar un ejercicio con las diferentes tnormas en el caso conjuntos discretos. Ahora se puede realizar un ejercicio con funciones triangulares y t-normas en el caso de conjuntos continuos.

Para continuar con la prtica, se puede llevar a cabo un ejercicio con funciones trapezoidales y t-normas en el caso de conjuntos continuos. Finalmente, se puede llevar a cabo un ejercicio con funciones trapezoidales, triangulares y t-normas en el caso de conjuntos continuos. 4.4.2 Conormas triangulares o t-conormas Con la operacin de la t-conorma se trata de representar la unin de dos conjuntos borrosos. En este caso, necesitamos buscar una funcin del tipo S: [0,1] x [0,1] [0,1], tales que nos permitan obtener la funcin de pertenencia del conjunto unin de forma que: PUQ (x) = S(P(x),Q(x)) xX Desde el punto de vista de las funciones de pertenencia se deben cumplir unas propiedades: Conmutativa: PUQ(x) = QUP(x), y por tanto, S(P (x), Q (x)) = S(Q (x),P (x)) x, con lo que S ha de ser conmutativa. Asociativa: (PUQ)UR(x) = PU(QUR)(x), entonces, S(S(P (x), Q (x)),R (x)) = S(P (x), S(Q (x),R (x))) x, por lo que S ha de ser asociativa. Elemento neutro el conjunto : PU(x) = P(x) con lo que S(P (x), (x)) = S(P (x),0) = P (x) x, siendo el 0 el elemento neutro de S. Montona Si P (x) Q (x) x creciente: S (x) x.

y R (x) S (x) x, entonces, P

U R

(x) Q

De esta forma, S(P (x), R (x)) S(Q (x),S (x)) por lo tanto, S ha de ser creciente. Para definir de forma correcta la unin, a la funcin S: [0,1] x [0,1] [0,1] se le exige que cumpla las siguientes propiedades: 1. Conmutativa S(x,y) 2. Asociativa S(x,S(y,z)) 3. Elemento S(x,0) 4. Montona Si x y entonces S(x,z) S(y,z) x, y, z = x x = S(S(x,y),z) x, y, z [0,1] neutro [0,1] creciente [0,1] = S(y,x) x, y [0,1]

Se denota con el nombre de funciones conormas triangulares o t-conormas aquellas funciones que verifican las propiedades anteriores. Las ms conocidas son:

Mximo S(x,y) = Max(x,y) que es la menor de todas las t-conormas

Suma-Producto: Sum-Prod(x,y) = x + y - x y

Operacin W* (x,y) = Min (1, x+y)

dual

de

Lukasiewicz:

Suma drstica x, si y = 0 Z (x, y) = { y, si x = 0 1, en otro caso

*

que es discontinua y la mayor de todas las t-conormas.

Estas t-conormas se relacionan por medio de las desigualdades siguientes: Max(x,y) Sum-Prod(x,y) W*(x,y) Z*(x,y) x,y [0,1] Ahora se puede consultar un resumen de las operaciones anteriormente expuestas y ver as como se van modificando sus grficas. Familias de t-conormas

Una t-conorma S1 pertenece a la familia de otra t-conorma S, y se expresa S1 F(S), si existe un automorfismo de orden en [0,1], , (: [0,1] [0,1], estrictamente creciente, con (0) = 0 y (1) = 1) tal que S (x,y) = -1 (S( (x), (y))), x,y [0,1]. De este modo, tendremos la familia de la t-conorma Max, a la que slo pertenece ella misma F(Max) = {Max} que es la nica idempotente y tambin es continua. la t-conorma Sum-Prod, F(Sum-Prod) que es estrictamente positiva y tambin continua. Lukasiewick, F(W*) que no son estrictas ni positivas pero s continuas. Todas las t-conormas continuas pertenecen a una de estas familias, o son una t-conorma ordinal, es decir, una t-conorma definida de la forma: S(x, y) = { ai+ (bi - ai)Si ((x-ai/bi-ai), (y-ai/bi-ai)) Max(x,y) en otro caso si (x,y) [ai, bi]2

donde los [ai, bi] con i = 1,..,n son conjuntos disjuntos del intervalo [0,1], y para cada i, S i es una t-conorma. Una vez estudiadas t-normas y t-conormas todas se pueden visualizar de forma grfica en el siguiente resumen en donde aparecen expuestas para poder ver las diferencias entre las diferentes grficas. Las ideas anteriores se pueden reforzar realizando un ejercicio con las diferentes funciones de t-conormas con conjuntos discretos. En este caso, se puede realizar un ejercicio con funciones triangulares y t-conormas en el caso de conjuntos continuos. Siguiendo con los ejercicios, se puede llevar a cabo un ejercicio con funciones trapezoidales y t-conormas en el caso de conjuntos continuos. Para terminar, se realiza un ejercicio con funciones trapezoidales, triangulares y tconormas en el caso de conjuntos continuos. 4.4.3 Negaciones estrictas Para representar el complemento o la negacin de un conjunto, buscamos funciones N: [0,1] [0,1], tales que nos permita obtener la funcin de pertenencia del conjunto complementario de forma que P (x) = N(P (x)), x del universo. Teniendo en cuenta que segn la lgica clsica: si "x es P" es falsa, entonces "x es no P" es verdadera. si "x es ms es P" es verdadera, es no "x es P" entonces P ", "x ms es falsa a no es "x P" "x es es es no falsa. P". P".

cuanto "x

verdadera no

equivale

Y considerando las funciones de pertenencia del conjunto borroso P y de no P, se ha de verificar: si P(x) = 0, entonces P(x) = 1

si si si

P(x) P(x) P(x)

= P(y),

1, entonces =

entonces P(y) P(x),

P(x)

P(x)

= x, y

0 X X

De este modo buscaremos funciones N: [0,1] [0,1] verificando las siguientes propiedades: N(0) = 1, N(1) = 0 si x y entonces N(y) N(x)

N(N(x)) = x x [0,1] Las funciones que verifican estas tres propiedades se denominan negaciones fuertes. Se sabe que una funcin N: [0,1] [0,1] es una negacin fuerte si y slo si existe un automorfismo de orden , (: [0,1] [0,1], estrictamente creciente, con (0) = 0 y (1) = 1) tal que N(x) = -1 (1 - (x)), x [0,1] Algunas negaciones fuertes son: N(x) = 1 x, cuyo automorfismo viene dado por (x) = x. Esta negacin = es (1 las ms utilizada x2)

se donde

denomina (x)

negacin =

usual. x2

N(x)

N(x) = (2(1-x))/( x+ 2(1-x)) con

> 0, donde (x) = x / ( + (1- )x)

N(x) = ((1-x)/(1+x))1/ con > -1, > 0, donde (x) = (Ln(1+x))/(Ln(1+)) A esta familia de negaciones, dependiendo de los parmetros y , se les denomina negaciones de Sugeno-Yager. En particular: fijando = 1, obtenemos: N(x) = (1-x)/(1+x) con > -1 que son las llamadas negaciones de Sugeno.

y fijando = 0, obtenemos: N(x) =

(1-x)1/

con

>

que son las llamadas negaciones de Yager. A continuacin se puede realizar un ejercicio, obteniendo los complementos de conjuntos borrosos con funciones de pertenencia triangulares. En este caso se realiza un ejercicio, obteniendo los complementos de conjuntos borrosos con funciones de pertenencia trapezoidales. 4.5 Relacin entre operaciones A travs de las negaciones fuertes es posible relacionar las t-normas y las t-conormas. Dada una t-norma T y una negacin fuerte N, la funcin SN: [0,1] x [0,1] [0,1], definida como: SN (x,y) = N(T(N(x), N(y)))

es una t-conorma a la que denominaremos t-conorma N-dual de T. Debido a las propiedades de las negaciones se tiene que tambin, T (x,y) = N(SN(N(x), N(y))) es decir T, es la t-norma N-dual de SN. Dada una t-conorma S y una negacin fuerte N, la funcin TN: [0,1] x [0,1] [0,1], expresada como: TN (x,y) = N(S(N(x), N(y))) es una t-norma a la que denominaremos t-norma N-dual de S. De nuevo, por las propiedades de las negaciones, S (x,y) = N(TN(N(x), N(y))) es decir es a su vez, la t-norma N-dual de TN. En conclusin diremos que: T y S son N-duales si x, y [0,1] se cumple: T(x,y) = N(S(N(x), N(y))) y que S(x,y) = N(T(N(x), N(y))) En particular tomando la negacin usual, N(x) = 1 - x, T y S son duales si x [0,1] se cumple: T(x,y) = 1 - S(1-x, 1-y) y que S(x,y) = 1- T(1-x, 1-y) Anexo I: Conjunto clsico En este anexo se puede consultar el documento de conjuntos clsicos, en donde se exponen la definicin de conjunto clsico, las diferentes operaciones que se realizan entre conjuntos de este tipo y sus propiedades. Libros Buckley, J. J.; Feuring, T. Fuzzy and Neural: Interactions and Applications. Ed. Springer, New York 1999 Eckel, B. Piensa en Java. Ed. Pearson Education S.A, Madrid, 2007 Guadarrama, S. Representacin del conocimiento impreciso: Revisin parcial de las teoras de conjuntos borrosos. Ed. Facultad de Informtica Universidad Politcnica de Madrid, Madrid 2000 Martn, M.A. Java 2. Ed. Anaya Multimedia, Madrid 2000 Menchn, A.J. La lgica y los conjuntos borrosos. Aplicaciones en Inteligencia Artificial, control de procesos e ingeniera. Apuntes de la Facultad de Informtica Universidad Politcnica de Madrid, Madrid Nguyen, Hung T.; Walker, Elbert A. A first course in Fuzzy Logic. Ed. CRC Press, New Mexico 1996 Sivanandam, S.N.; Sumathi, S.; Deepa S.N. Introduction to Fuzzy Logic using MATLAB. Ed. Springer, Berln, New York 2007 Tanaka, K. An introduction to fuzzy logic for practical Applications. Ed. Springer, Estados Unidos 1997 Trillas, E.; Cubillo, S. Primeras Lecciones de Lgica Borrosa. Ed. Facultad de Informtica Universidad Politcnica de Madrid, Madrid 1999 Trillas, E.; Delgado, M.; Vila, M.A.; Castro, J. L.; Verdegay, J.L; Moraga, C.; Cuena, J.; Gutierrez, J.; Ruiz, A. Fundamentos e introduccin a la ingeniera "Fuzzy" . Ed. Omron Electronics S.A, Espaa 1994 Pginas Web A continuacin se muestran algunas de las pginas web ms importantes consultadas para la realizacin del tutorial. Manuales http://www.solotutoriales.com http://www.tecnun.es http://www.w3schools.com

http://www.webestilo.com/css http://www.tutorial-enlace.net/listado-largo-de-tutoriales-Css.html http://www.abcdatos.com/tutoriales http://www.pangea.org/pacoc/manuales/manual2.htm http://www.uv.es/~ivorra/Latex/LaTeX.pdf http://www.fceia.unr.edu.ar/lcc/cdrom/Instalaciones/LaTex/latex.html http://www.sbcodigo.com/manual/java/Java-3d-Modelado-grafico.php Hojas de estilo http://www.csszengarden.com http://www.sidar.org/recur/desdi/traduc/es/css/intro.html http://www.webtaller.com/maletin/articulos/guia-CSS.php http://html.conclase.net/w3c/css1-es.html http://www.htmlhelp.com/es/reference/css http://es.selfhtml.org/css/eigenschaften/listen.htm http://jigsaw.w3.org/css-validator/ Herramientas http://validator.w3.org http://html.conclase.net/w3c/html401-es/sgml/entities.html http://www.geocities.com/Eureka/Enterprises/5493/Html/CarEsp.htm http://www.singularsys.com/jep http://java.sun.com/javase/downloads/index.jsp Ejemplos de aplicaciones http://www.uv.es/asepuma/recta/ordinarios/6/6-2.pdf http://www.tq.com/product/cart/pdfs_spanish/CE124%20Spanish.PDF http://focus.ti.com/lit/an/slaa235/slaa235.pdf http://dspace.uniandes.edu.co:5050/dspace/bitstream/1992/413/1/mi_798.pdf http://www.actuarios.org/espa/anales/2003/De%20Andres%202003.pdf http://dei-s1.dei.uminho.pt/pessoas/jaime/Documentos/CIT.pdf http://www.ijesp.com/Vol2No1/IJESP2-8Hosseinzadeh.pdf http://sipi.usc.edu/~kosko/SMCFinal.D05.pdf http://delivery.acm.org http://www.inf.udec.cl/~mvaras/papers/2003/fuzzy-IDEAS-2003.pdf http://www.imse.cnm.es/Xfuzzy/Xfuzzy_3.0/index.html http://espejos.unesco.org.uy/simplac2002/Ponencias/Inforedu Varios http://www.ilustrados.com/publicaciones/ http://www.monografias.com/trabajos6/lalo/lalo.shtml http://www.puntolog.com/actual/ESPECIAL_LOGICA_BORROSA/ http://www.lcc.uma.es/~ppgg/FSS/ http://delta.cs.cinvestav.mx/~gmorales/ldifll/ldifll.html http://campusvirtual.unex.es/cala/commonpedia/index.php http://www.gsi.dit.upm.es/~anto/tesis/html/fuzzylog.html http://www.fiv.upv.es/varios/iface/num3/logica.html http://www.imse.cnm.es/Xfuzzy/Xfuzzy_2.1/xfl_sp.htm http://wwwdi.ujaen.es/~jmserrano/teaching/sistemasdifusos/pdfs http://www.uv.es/asepuma/recta/ordinarios/6/6-2.pdf http://wwwdi.ujaen.es/asignaturas/si/tema1.pdf http://www.dma.fi.upm.es/docencia/segundociclo/geomfrac/ http://www.dma.fi.upm.es/java/calculo/derivacion/ http://www.infonegocio.com/lubrin/zirkel/trozos/acerca.html http://tracer.lsi.upc.es/visual-grab-and-go/integration.html

http://e-stadistica.bio.ucm.es/mod_intervalos/intervalos_applet.html http://www.mclibre.org/consultar/amaya/otros/ot_diferencias_ff_ie.html Glosario Aqu se muestran algunas definiciones de trminos que han ido apareciendo a lo largo de la exposicin: Conjunto Es una coleccin de elementos (reales o imaginarios) considerados como un todo. Conjunto borroso Es aqul en que cada elemento tiene un grado de pertenencia asociado, dicho grado es un nmero real en el intervalo [0,1]. Conjunto clsico Es aqul en que cada elemento tiene asignado un grado de pertenencia, 1 si el elemento pertenece al conjunto y 0, si el elemento no pertenece a dicho conjunto. Funcin de pertenencia Es una funcin que indica el grado de pertenencia de un elemento a un conjunto. Grado de pertenencia Es un valor numrico en el intervalo [0,1] con el cual se expresa la medida en que un elemento cumple un determinado predicado. Lgica Borrosa Es un tipo de lgica que utiliza informacin de entrada vaga e imprecisa para extraer conclusiones. Mediante ella se definen conceptos que no pueden ser formulados de forma precisa. Predicado Lo que se afirma o niega del sujeto de una proposicin. Predicado vago o borroso Es un predicado que al aplicarlo a un conjunto proporciona informacin imprecisa. Universo Conjunto de elementos cualesquiera en los cuales se consideran una serie de caractersticas a estudiar.