Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Daniel Reina
Director:
Leonardo Jiménez Moscovitz
Matemático
Especialista en Informática y Ciencias de la Computación
10 de junio de 2008
Resumen
Este trabajo presenta la base fundamental de la matemática difusa,
dentro del desarrollo de un proyecto de investigación en la Universidad.
Se tratan los conjuntos difusos, la lógica difusa y la aritmética difusa y
las operaciones lógicas, conjuntistas o aritméticas que se pueden realizar
1
con estos objetos, así como sus propiedades. El tema se ha desarrollado
buscando en lo posible una presentación preferiblemente axiomática
2
Índice
Introducción 4
1. Preliminares 6
1.1. Desarrollo Intuitivo de la Matemática Difusa . . . . . . . . . . . 6
3. Operaciones Difusas 34
3.1. Operaciones entre Conjuntos Difusos . . . . . . . . . . . . . . . . 34
3.1.1. Complementos Difusos . . . . . . . . . . . . . . . . . . . . 35
3.1.2. Intersecciones Difusas (T-normas) . . . . . . . . . . . . . 37
3.1.3. Uniones Difusas (T-conormas) . . . . . . . . . . . . . . . 39
3.2. Operaciones Aritméticas en Intervalos Difusos . . . . . . . . . . . 40
3.3. Operaciones Aritmeticas en Números Difusos . . . . . . . . . . . 43
3.4. Reticula de Números Difusos . . . . . . . . . . . . . . . . . . . . 48
4. Inferencia Difusa 55
4.1. Inferencia para Proposiciones Difusas Condicionales . . . . . . . 55
4.1.1. Modus Ponens Generalizado . . . . . . . . . . . . . . . . . 57
4.1.2. Modus Tollens Generalizado . . . . . . . . . . . . . . . . . 58
4.1.3. Silogismo Hipotético Generalizado . . . . . . . . . . . . . 59
4.2. Inferencia para Proposiciones Difusas Condicionales Calificadas . 60
4.3. Inferencia de Proposiciones Cuantificadas . . . . . . . . . . . . . 63
5. Conclusiones 67
Referencias 69
Introducción
Este trabajo forma parte del desarrollo del proyecto de investigación del
Grupo Promente de la Fundación Universitaria Konrad Lorenz, en el proyecto
denominado Desarrollo de un Producto de Software para aplicación de la Lóg-
ica Difusa a los problemas de Regresión y Clasificación, dentro de la línea de
Sistemas Computacionales Bioinspirados
Dentro de los intereses del Grupo de Investigación Promente, se encuentra
por supuesto el de la investigación sobre la fundamentación matemática. Este
trabajo pretende introducir justamente los formalismos matemáticos, desde un
punto de vista puramente teórico, aunque se introducen algunos ejemplos con el
fin de aclarar los conceptos. Sin embargo, el alcance de este trabajo no pretende
conecta la teoría con los sistemas prácticos, tema que se desarrolla por otros
integrantes del grupo de investigación.
Dentro de la literatura que se consigue en el área de los sistemas difusos,
es proporcionalmente escasa la que se puede conseguir en idioma español, y
más escasa aún la que trata de los temas matemáticos que se encuentran en los
propios fundamentos de los sistemas difusos. Dentro del exámen bibliográfico
que se realizó, aún en idioma inglés, pocos son los libros que tratan esta funda-
mentación teórica con la suficiente profundidad. Se examinó particularmente el
libro de Ross [Ros04], que contiene abundante información tanto a nivel teóri-
co como aplicado, así como el libro de George Klir y Bo Yuan, Fuzzy Sets and
Fuzzy Logic [Gky95] que tiene también una excelente profundidad y tratamiento
matemático.
El presente trabajo se basa fuertemente en el libro de Klir & Yuan, del cual
se toman varios ejemplos y desarrollos. Se hizo de esta manera para ir propor-
cionando, tanto al grupo de investigación como a quien consulte el libro de Klir
& Yuan, de un punto de entrada al mismo y al excelente tratamiento y temática
que el cobija. El tratamiento que aquí se hace de los temas abordados no es
exhaustivo, dado que por limitaciones de tiempo y por los propios intereses del
grupo, se ha centrado en solo algunos de los temas más relevantes alli tratados.
Se espera con esto contribuir en algo a la literatura en idioma español sobre esta
temática, así como familiarizar al lector con los temas que trata el libro de Klir
& Yuan.
En el capítulo 1 se hace una presentación intuitiva del concepto de matemáti-
ca difusa, presentando un ejemplo simple. Alli se hace una presentación inicial
de los conceptos de conjunto difuso y función de pertenencia, entre otros. En el
capítulo 2, se presenta la fundamentación axiomática básica de la matemática
difusa y una definición más formal de la función de pertenencia y sus propieda-
des. Con base en esto, se introduce el concepto de número difuso, llevando así el
concepto de conjunto difuso al campo de los números reales o un subconjunto
de ellos. Por otra parte, se presentan las variables lingüísticas y los llamados
modificadores lingüísticos, que facilitan la conexión de la teoría estudiada con
las expresiones más usuales del lenguaje natural que utiliza el ser humano en
su comunicación habitual. Se expone también la teoría más general sobre los
cuantificadores difusos, mencionando solo dos de los más importantes.
4
En el capítulo3 se presentan las operaciones difusas. Por una parte, se ex-
ponen las operaciones con conjuntos difusos, tales como complemento, unión e
intersección, para pasar luego a las operaciones aritméticas tanto con números
como con intervalos difusos. Se exponen las retículas de números difusos, que
permiten introducir el concepto de orden en ellos. En el capítulo 4 se exponen
los principales conceptos relacionados con la inferencia difusa, así como algunos
de sus principales esquemas.
Dentro de los temas que no se tocan en este trabajo, está el de los mecan-
ismos de inferencia prácticos (que corresponden a otros integrantes del grupo
de investigación). Por supuesto que tampoco se toca la mecánica práctica que
utilizan. No se aborda por ejemplo el tema de las relaciones difusas, por cuanto
no era relevante en esta etapa del proyecto de investigación.
El trabajo se ha desarrollado en LaTex siguiendo muy de cerca las normas
AMS (American Mathematical Association) para la presentación de trabajos en
matemáticas.
5
1. Preliminares
El concepto intuitivo de conjunto clásico corresponde al de una colección de
objetos, reunidos usualmente mediante la referencia a alguna propiedad que los
caracteriza. En teoría de conjuntos clásica, un conjunto esta bien definido si se
puede determinar de manera absoluta si determinado elemento pertenece o no
al conjunto sin ninguna ambigüedad.
Las operaciones que se pueden realizar con los conjuntos clásicos, tales como
la unión, intersección, complemento, diferencia se definen mediante axiomas
sencillos que, como se verá en el desarrollo del trabajo, corresponden a casos
particulares de la matemática difusa, en particular de los conjuntos difusos.
La lógica clásica igualmente se puede considerar como un caso particular de
la lógica difusa. Por tanto, es conveniente tener presente tanto los fundamentos
de la misma, las operaciones que se pueden realizar con los objetos de la lógica,
y las principales propiedades.que poseen dichas operaciones.
La idea de la matemática difusa nació en un artículo de Lotfi A. Zadeh pub-
licado en 1965, que tenía por título "Fuzzy Sets.en la cual se permite representar
de forma matemática conceptos difusos, borrosos o imprecisos. La matemática
difusa tiene en cuenta que solo en pocas ocasiones el concepto de blanco/negro
o verdadero/falso es absoluto. Por el contrario, existen infinitos tonos de gris
o valores de verdad en muchos de los aspectos de la realidad. Tras la publi-
cación de la obra de Lotfi A. Zadeh, la lógica difusa comenzó a tener auge y se
desarrollaron rápidamenta aplicaciones con base en ella.
6
pertenencia mientras que el valor 1 denota pertenencia total..Usualmente se uti-
liza cualquiera de las siguientes notaciones para hacer referencia a esta función:
κA : X → [0, 1] (2)
A : X → [0, 1] (3)
Así, la lógica difusa tiene un gran potencial para entender sistemas que son
esquivos a desarrollos analíticos por su complejidad [Ros04]. Este tipo de prob-
lemas no está circunscrito a ser de un determinado tipo; por ejemplo, pueden
ser de tipo lineal o no lineal. En casos donde se presenta esta incertidumbre,
es conveniente utilizar aproximadores universales, esto es, sistemas que de-
scriben en cierta manera el comportamiento de sistemas complejos, usualmente
no lineales.
Los sistemas difusos pueden verse como aproximadores universales, es-
to es, sistemas que describen en cierta manera el comportamiento de sistemas
complejos, usualmente no lineales. Esta condición de aproximador universal ha
sido demostrado en varios trabajos [Kos94]. En ellos se llegó a establecer un iso-
morfismo entre el álgebra abstracta y lineal y la estructura de un sistema difuso.
Dicho isomorfismo se basa en esencia, en que el desarrollo de los sistemas difusos
se basan en el teorema de aproximación de Stone-Weierstrass, que es-
tablece que toda función real contínua cuyo dominio es un intervalo compacto,
esto es cerrado y acotado, puede ser aproximado uniformemente por polinomios.
7
Por otra parte, es común que al abordar inicialmente el tema de la lógica
difusa asocie erradamente este término con la probabilidad como tal. Sin em-
bargo [Ros04] hace una clara distinción entre estos dos términos: "difuso"hace
referencia a una falta de distinción de un evento, mientras que la probabilidad
describe la incertidumbre en la ocurrencia de dicho evento.
Los conjuntos difusos representan conceptos lingüísticos como bajo, medio
y alto, que se emplea a menudo para definir los estados de una variable. Tal
variable normalmente se llama variable difusa. En Fig.1(a), por ejemplo, la
temperatura dentro de un rango [T1 , T2 ] se caracteriza como una variable difusa,
y se contrasta en la fig.1(b). Los estados de la variable difusa allí indicados son
conjuntos difusos que representan cinco conceptos lingüísticos: muy bajo, bajo,
medio, alto, muy alto. Todos ellos estan definidos por las funciones de pertenencia
que se pueden expresar de la siguente forma:
8
al estado alcanza el valor máximo en cada frontera donde trapecios adyacentes
se intersectan. En ese punto, una medida debe considerarse como evidencia para
cualquiera de los dos estados en la frontera. Al tratar con las variables clásicas,
fig. 1(b), el caso es muy diferente, ya que la incertidumbre incluso se ignora
en este caso extremo; la medida se considera como evidencia exclusiva para
uno de los estados en la frontera, dependiendo de cual estado contiene al punto
fronterizo en la definición matemática.
Dado que las variables borrosas capturan las incertidumbres de la medida
como la parte de datos experimentales, ellos se armonizan más a la realidad
que las variables clasicas. Es una paradoja interesante que las bases de datos
alimentadas con variables borrosas nos proporcionan, de hecho, evidencia más
exacta y más real de los fenómenos que la base de datos alimentadas con las
variables clásicas.
Aunque la matemática basada en los conjuntos difusos tiene mejor capaci-
dad expresiva que la matemática basada en los conjuntos clásicos, su utilidad
depende críticamente de la capacidad que se tenga para construir las funciones
de pertenencia apropiadas para diferentes conceptos den diferentes contextos.
Edadx
9
1 cuando x ≤ 20
(35−x)
A1 (x) = 15 cuando 20 < x < 35 (4)
0 cuando x ≥ 35
0 cuando x < 20 o x > 60
(x−20)
cuando 20 < x < 35
15
A2 (x) = (60−x) (5)
15 cuando 45 < x < 60
1 cuando x ≥ 60
0 cuando x ≤ 4520
(x−45)
A3 (x) = 15 cuando 45 < x < 60 (6)
1 cuando x ≥ 60
10
x D 2x
x ∉ 22, 24, . . . , 58 0. 00
x ∈ 22, 58 0. 13
x ∈ 24, 56 0. 27
x ∈ 26, 54 0. 40
x ∈ 28, 52 0. 53
x ∈ 30, 50 0. 67
x ∈ 32, 48 0. 80
x ∈ 34, 46 0. 93
x ∈ 36, 38, . . . , 44 1. 00
4. ∧ la conjunción.
5. ∨ la disyunción.
La retícula se puede denotar por L (X, T, F, ∧, ∨) .Las letras x, y, z denotan
elementos de X dentro de la retícula.
Los axiomas presentan inicialmente, la definición de la retícula:
Axioma 2.1 (Idempotencia) Para todo x ∈ L, se tiene que:
x∧x=x∨x=x (7)
Axioma 2.2 (Conmutatividad) Para todo x, y ∈ L, se tiene que:
x∨y = y∨x (8)
x∧y = y∧x (9)
Axioma 2.3 (Asociatividad) Para todo x, y, z ∈ L, se tiene que:
x ∨ (y ∨ z) = (x ∨ y) ∨ z (10)
Axioma 2.4 (Absorción) Para todo x, y ∈ L, se tiene que:
x ∨ (x ∧ y) = x (11)
x ∧ (x ∨ y) = x (12)
11
Axioma 2.5 (Elemento Maximal y Minimal) Para todo x ∈ L se tiene
que:
x∨T = T y x∧T =x (13)
Axioma 2.6 (Relación de Órden) Para todo x, y ∈ L se tiene que:
x ≤ y si existe z ∈ L tal que y = x ∨ z (14)
A cada elemento de la retícula se le puede aplicar una función de val-
uación, que indicará su valor de verdad en el intervalo [0, 1] . La función de
valuación de denotará por
p : L → [0, 1] (15)
y está sujeta a las siguientes condiciones:
Axioma 2.7 p(F ) = 0 y p(T ) = 1
Axioma 2.8 Para todo x, y ∈ L,
si x ≤ y entonces p(x) ≤ p(y) (16)
Axioma 2.9 (Aditividad) Para todo x, y ∈ L,
p(x ∧ y) + p(x ∨ y) = p(x) + p(y) (17)
donde p(x ∧ y) ≤ mı́n(p(x), p(y)) ≤ máx(p(X), p(y)) ≤ p(x ∨ y)
Axioma 2.10 (Equivalencia o Congruencia) Para todo x, y ∈ L,
x ↔ y si p(x ∧ y) = p(x ∨ y) (18)
Los10 axiomas anteriores son comunes a prácticamente la totalidad de las
lógicas.
Axioma 2.11 (Distancia) Para todo x, y ∈ L,
d(x, y) = p(x ∨ y) − p(x ∧ y) (19)
donde d(x, y) cumple que 0 = d(x, x) ≤ d(x, y) ≤ 1
Axioma 2.12 (Medida de Equivalencia) Para todo x, y ∈ L, se tiene:
p(x ↔ y) = 1 − d(x, y) = 1 − p(x ∨ y) + p(x ∧ y) (20)
Axioma 2.13 (Medida de la Fuerza de la Implicación.) Para todo x, y ∈
L, se tiene:
12
Axioma 2.14 (Negación) Para todo x ∈ L, se cumple
x ∧ (y ∨ z) = (x ∧ y) ∨ (x ∧ z) (23)
Algunas funciones de pertenencia de uso común, que cumplen con las pro-
piedades mencionadas, se muestran en la fig. 4.
13
1 1
A1 (x) A1 (x)
.5 .5
0 0
0 1 2 3 4 x 0 1 2 3 4 x
1 1
A 1 (x) A 1 (x)
.5 .5
0 0
0 1 2 3 4 x 0 1 2 3 4 x
Esto es, son los conjuntos clásicos α A y α+ A donde están contenidos todos
los elementos x del conjunto referencial X cuyo grado de pertenencia es mayor
que o igual al valor específico de α.
14
y
α1 +
A ∩α2 + A =α2 + A,α1 + A ∪α2 + A =α1 + A (30)
Una consecuencia obvia de esta propiedad es que todos los cortes α y todos
los cortes α estrictos de cualquier conjunto difuso forman dos familias distintas
de conjuntos clásicos anidados. Por ejemplo, los intervalos que representan los
cortes α y los cortes α estrictos de los conjuntos difusos A1 , A2 , y A3 en la fig.
2 cortan con el α creciente. Desde que los conjuntos de nivel A1 , A2 , y A3 son
todos [0, 1], claramente, las familias de todos los cortes α y todos los cortes α
estrictos son en este caso infinitos para cada uno de los conjuntos.
En este punto conviene conocer la forma general de una función de perte-
nencia, y conocer los nombres asignados a algunas de sus partes.
15
Ejemplo 2.1 Con base en el ejemplo 1.1, se puede tener una caracterización
completa de todos cortes α y los cortes estrictos α para los Paconjuntos difusos
A1 , A2 , A3 según la fig. 2. Para todo α ∈ (0, 1]
0 0
A1 = A2 =0 A3 = [0, 80] = X
α
A1 = [0, (35 − 15α)]
α
A2 = [(15α + 20) , (60 − 15α)]
α
A3 = [(15α + 45) , 80]
α+
A1 = (0, (35 − 15α))
α+
A2 = ((15α + 20) , (60 − 15α))
α+
A3 = ((15α + 45) , 80)
1+ 1+
A1 = A2 =1+ A3 = ∅
Ejemplo 2.2 Para el ejemplo 1.1 se tienen los siguientes conjuntos nivel:
para todo x1 , x2 ∈ y todo λ ∈ [0, 1], donde mı́n denota al operador mínimo.
16
Se tiene que cualquier x1 , x2 ∈α A. (esto es, A(x1 ) ≥ α, A(x2 ) ≥ α), para
cada λ ∈ [0, 1],
17
A2
1
A 3(x)
A 3 ) (x)
18
B(x)
C (x)
(B C)(x)
(B C)(x)
19
Figura 6: Operaciones difusas.para el ejemplo [Gky95]
juegan los papeles de ínfimo y supremo respectivamente. Esto satisface todas
las propiedades de la retícula Booleana definidas en la sec. ??, exceptuando la
ley de contradicción y la ley de medio excluido. Tal retícula es a menudo llamada
un Retícula de De Morgan o un Álgebra de De Morgan.
La retícula de De Morgan también puede definirse como el par (F (X), ⊆),
donde el ⊆ denota la inclusión difusa, gracias a la cual los elementos de F (X) es-
tán parcialmente ordenados. Entonces, si se tienen dos conjuntos difusos A, B ∈
F (X), A es un subconjunto de B, y se denota (A ⊆ B) si,
A(x) B(x)
para todo x ∈ X. Se puede verificar que con las operaciones difusas estándar,
A ⊆ B si A ∩ B = A y A ∪ B = B para cualquierA, B ∈ F (X).
Si bien muchas propiedades de la lógica clásica y la lógica difusa se comparten
entre ellas, es necesario tener precaución porque no sucede con todas las leyes.
Este es el caso de la Ley de Contradicción. Si esta ley se cumpliera en lógica
difusa, se debería tener siempre que min[A(x), 1 − A(x)] = 0. Esto se puede
traducir afirmando que o bien un valor de verdad o bien su contrario debe ser
totalmente falso (valor 0). Sin embargo, es fácil verificar que esta igualdad no se
cumple para cualquier valor A(x) ∈ (0, 1) y sólo se cumple para A(x) ∈ {0, 1},
que corresponde al caso particular de los conjuntos clásicos.
Ejemplo 2.3 Según esta definción, la cardinalidad escalar del conjunto difuso
D2 definido en el ejemplo 1.1 es
20
la cual se puede expresar de manera más resumid, mediante algunas trans-
formaciones, de la forma
|A ∩ B|
S(A, B) = (40)
|A|
En esta definición, la describe la suma de los grados a que la desigual-
dad del subconjunto A(x) B(x) se viola. La diferencia describe la falta de
estas violaciones, y la cardinalidad |A| en el denominador permite normalizar la
expresión en el rango 0 ≤ S(A, B) ≤ 1 como es de esperarse.
21
Intuitivamente, los números o intervalos difusos se pueden ver como números
o intervalos aproximados, como "los números cercanos a un número real " o "los
números reales que estan alrededor de un intervalo de números reales"[Gky95]
Ya que un corte α de cualquier número difuso requiere estar dentro de un
intervalo cerrado para todo α ∈ (0,1], cada número difuso es un conjunto difuso
convexo. Lo inverso, sin embargo, no necesariamente es verdad, ya que cortes α
de algunos conjuntos difusos convexos, quizá sean abiertos o intervalos abiertos
por la mitad.
0
0
22
Las formas de la función de pertenencia más usuales para los números difusos
son precisamente las mostradas en la fig. 7, aunque el tipo de aplicación y la
necesidad pueden determinar el uso de otras formas, incluso asimétricas, tal
como se observa en la fig. 8.
La función de pertenencia asimétrica de la fig.8(c) aumenta hasta llegar a
cierto valor, mientras que la función de pertenencia de la fig. 8(d) disminuye
después de cierto valor, lo que también satisface los requisitos de los números
difusos en el sentido que captan nuestra concepción de un número grande y
número pequeño respectivamente, en el contexto de una aplicación particular.
Aún cuando estas funciones tampoco cumplen la condición de simetría, su im-
portancia y utilidad es clara.
1 1
A B
0 0
a (b)
1 1
C D
0 0
(c) (d)
23
Donde la función l es una función monótona creciente, contínua a la derecha
definida como:
l : (−∞, a) → [0,1] (43)
La implicación del teorema 2.2 es que cada número difuso puede ser repre-
sentado de forma fragmentada, tal como se expone en la gráfica 9.
1
D
0 a b
24
3. a = b = 1,3, w1 = 1,2, w2 = 1,4,
0 para x ∈ (−∞, 1,2)
l(x) =
10(x − 1,3) + 1 para x ∈ (1,2, 1,3]
0 para x ∈ (1,4, ∞)
r(x) =
10(1,3 − x) + 1 para x ∈ (1,3, 1,4]
25
Definición 2.16 (Variable Lingüística) Una variable lingüística se carac-
teriza totalmente por un quíntuplo (v, T (x), X, g, m) en donde
A cada uno de los términos lingüísticos básicos es asignado uno de los cinco
números difusos según una regla semántica, como mostrado en la figura [Gky95].
Los números difusos cuyas funciones de pertenencia tienen la forma trapezoidal
usual, se han definido en el intervalo [0, 100].
26
Variable
Linguistica
Valores
Linguisticos
Restricción
Difusa
Variable Base
27
Ejemplo 2.8 Sea V una variable que representa la temperatura. Sea "altaün
predicado, donde "alta"∈ F. Sea p una proposición difusa que espresa:
p : La temperatura (V) es alta (F )
De acuerdo con la definición, el grado de verdad T (p) depende tanto del
valor real de la temperatura como de la definición de .a lta". Suponga ahora que
se tiene la función de pertenencia definida en la fig. 11
28
Figura 12: Ejemplo de conexión entre Teoría de Conjuntos Diusos y Proposi-
ciones Difusas.
{V, W} es R, (50)
donde R es un conjunto difuso en el producto cartesiano V × W que es
determinado para cada v ∈ V y cada w ∈ W de la forma
29
2.6.1. Cuantificadores Difusos Absolutos
Los cuantificadores difusos absolutos están definidos en R y se caracteri-
zan mediante determinados términos lingüísticos que lo evidencian: "casi 10 ",
"mucho más de 1500 ", "aproximadamente 270 ", por ejemplo.
Las expresiones de este tipo se pueden representar formalmente de tres ma-
neras equivalentes:
p : Hay Q i s en I tales que V(i) es F (52)
p : Hay Q E s donde E(i) = F (V(i)) (53)
p : X es Q (54)
donde p es la expresión más analítica, p es la expresión resumida, y p es una
expresión equivalente aún más resumida y más habitual en el lenguaje natural,
que pueden representar todas el mismo concepto como se verá en el ejemplo. Se
tiene en estas expresiones que Q es un número difuso en R, V es una variable
que asume el valor V(i) para el individuo i ∈ I, y F es un conjunto difuso
constituido por todos los posibles valores de V.
En la ec. 54 se tiene que X es una variable que toma valores en R que
representa la cardinalidad del escalar del conjunto difuso, esto es, W = |E| ,
donde |E| = i∈I E(i) = i∈I F (V(i)).Además, se puede verificar que
30
V (Andres) = 35,
V (Blanca) = 20,
V (Carlos) = 80,
V (Diego) = 95,
V (Esteban) = 70.
El valor de verdad de la proposición es:
0 0 ,75 1 ,5
E= Andres + Blanca + Carlos + Diego + Esteban .
1 1
0.75
0.625
Q(E) F(a)
0.5
0 1 2 3 4 5 6 0 50 100
a
2.25 Andres Carlos David
(E) Brenda
Q: cerca de 3 F: Fluidez
31
Aprox mitad Medio
1
Casi Todo
0.4
0 0.63 1
Las proposiciones difusas con los cuantificadores del segundo tipo tienen la
forma general
p : Entre los i s en I tales que V (i) es F1 hay Qi s en I tales que V2 (i) es(56)
F2
p : Q E1 s son E2 s (57)
p : X es Q (58)
32
También se llaman cuantificadores del primer tipo los cuantificadores abso-
lutos, mientras los cuantificadores del segundo tipo se llama los cuantificadores
relativos. Esta terminología tiene el sentido cuando se comparan las definiciones
de la variable W para los cuantificadores del primer tipo y segundo tipo, dado
por las ecuaciones correspondientes.
33
Por ejemplo, considere tres proposiciones difusas:
p1 : John es joven,
p2 : John es muy joven,
p3 : John es bastante joven,
Matemáticamente se permite√que los modificadores lingüísticos h se repre-
sente por a2 si es fuerte, y por a si es débil. Si se asume que John tiene 26
años y, según el conjunto difuso JOVEN representando el predicado difuso joven,
JOVEN (26) = 0,8. Entonces, MUY JOVEN (26) = 0,82 = 0,64 y BASTANTE
JOVEN (26) = (0,8) = 0,89. De, T (P1 ) = 0,8, T (p2 ) = 0,64, y T (p3 ) = 0,89.
Estos valores están de acuerdo con nuestra intuición: entre más fuerte la aserción
es menor su valor de verdad y viceversa.
3. Operaciones Difusas
En este capítulo se introducen o amplían los operaciones difusas ya vistas,
tanto para los conjuntos como para los números e intervalos difusos.
Para la intersección:
34
cuando el rango de la funcion de pertenencia se restringe al conjunto {0, 1}. Es
decir, las operaciones difusas normales son generalizaciones de las operaciones
de conjuntos clásicos. Se entiende ahora bien, sin embargo, que ellos no son
las únicas posibles generalizaciones. Para las tres operaciones, existe una clase
amplia de funciones cuyos miembros también califican como las generalizaciones
difusas de las operaciones clásicas. Estas tres clases de funciones se examinan en
las secciones siguientes, donde cada una se caracteriza por los axiomas descritos.
Funciones que califican como las intersecciones difusas y las uniones difusas
normalmente se divulgan en la literatura como las t-normas y t-conormas,
respectivamente.
Desde que el complemento, la intersección y la unión difusa no son las únicas
operaciones, contrariamente a sus análogos para la lógica clásica, diferentes fun-
ciones pueden ser definidas y funcionar apropiadamente para representar estas
operaciones en diferentes contextos.
Entre la gran variedad de complementos, intersecciones y uniones difusas
la propiedad de las operaciones difusas poseen ciertas propiedades que les dan
una importancia especial. Por ejemplo, la intersección difusa normal (operador
min) produce el conjunto mas grande entre aquéllos producidos por todas las
posibles intersecciones difusas (t-normas). La unión difusa normal (operador
max) produce, al contrario, el conjunto difuso más pequeño entre los conjuntos
difusos producidos por todas las posibles uniones difusas (t-conormas).
Un rasgo deseable de los operaciones difusos normales es su prevención in-
herente del componente de errores de los operadores. Si cualquier error ε es
asociado con la funcion de grados de pertenencia A(x) y B(x), entonces el error
máximo asociado con la funcion de pertenencia x en Ā, A ∩ B, y A ∪ B sigue
siendo ε. La mayoría de las operaciones de los conjunto difusos alternativos
carecen esta característica.
Las intersecciones difusas (t-normas) y las uniones difusas (t-conorms) no
cubren todos los operaciones porque pueden agregarse los conjuntos difusos,
pero cubren todos agregando operaciones que sean asociativas [Gky95].
35
c(A(x)) = cA(x) (68)
para todo x ∈ X por definición. Dado un conjunto difuso A, se obtiene cA
aplicando la función c a los valores A(x) para todo x ∈ X.
Se debe tener en cuenta que esta función c es totalmente independiente de los
elementos x que valoran al A(x) asignado; sólo depende de los propios valores.
En la investigación siguiente de su las propiedades formales, se puede ignorar x y
se asume que el argumento de c es un número arbitrario a ∈ [0, 1]. Sin embargo,
para usar la función pora determinar un complemento de un conjunto difuso A,
se tiene que guardar huella de elementos x para hacer la conexión entre A(x) y
cA(x) expresado por la ec. 68.
La función c debe ser también válida intuitivamente, como los complementos
significativos de conjuntos difusos. Para caracterizar la funcion c que produce
los complementos difusos significativos, se pueden declarar intuitivamente las
propiedades justificables por lo que se refiere a los requisitos axiomáticos. Luego
se puede determinar la clase de funciones que satisfacen estos requisitos.
Para producir los complementos difusos significantes, la función c debe sat-
isfacer por lo menos los axiomas definidos a continuación.
c(0) = 1 (69)
c(1) = 0
c(c(a)) = a
36
calidad del número de miembros correspondiente en cA no debe aumentar: puede
disminuir o, por lo menos, permanecer igual.
Hay muchas funciones que satisfacen los Axiomas 1 y 2. Para cualquier
conjunto difuso A, conjuntos difusos diferentes cA constituyen su complemento,
cada uno se produce por una función distinta c. toda funcion que satisface
los axiomas forman la clase más general de complementos difusos. Es bastante
obvio que la exclusión o debilidad de estos axiomas agregarían algunas funciones
totalmente inaceptable como los complementos.
Una violación del Axioma 3.1 incluiría funciones que no conforman al com-
plemento normal para los conjuntos clasicos. El axioma 3.2 es esencial, se espera
intuitivamente que un aumento en el grado de pertenencia en un conjunto di-
fuso deba producir una disminución o en el caso extremo, ningún cambio en el
grado de pertenencia de su complemento. Los Axiomas 3.2 y 3.2 son llamados
el esqueleto axiomático para los complementos difusos.
En la mayoría de los casos de importancia práctica, es deseable considerar
adicionar varios requisitos para los complementos difusos. Cada uno de ellos
reduce la clase general de los complementos difusos a un subclase especial. Dos
de los requisitos más deseables que normalmente se listan en la literatura entre
los axiomas de complementos difusos están especificados en los axiomas 3.3 y
3.4.
Para cada elemento x del conjunto universal, esta función toma como su
argumento el par que consiste en grado de pertenencia en los conjuntos A y B, y
retorna el grado de pertenencia de sus elementos que constituyen la intersección
de A y B, asi,
para todo x ∈ X.
Un orden para cualquier función i de esta forma para calificar una intersec-
ción difusa, debe tener propiedades apropiadas que aseguren que conjuntos difu-
sos producidos por i son intuitivamente aceptables como las intersecciones
difusas de cualquier par de conjuntos difusos. Esta funcion es conocida como
t-norma. De hecho, las t-normas son generalmente aceptadas como el equiva-
lente a la clase de intersecciones difusas. Se puede usar el termino t-normas o
intersecciones difusas.
37
Dada una t-norma y los conjuntos difusos A y B, se tiene que aplicar la ec.
72 para cada x ∈ X para determinar la intersección de A y B basada en i. Sin
embargo, la función i es totalmente independiente de x; sólo depende de los
valores A(x) y B(x). Se puede ignorar x y asumir que los argumentos de i son
los números arbitrarios a, b ∈ [0, 1] en las propiedades formales de t-normas que
se examinan a continuación.
Una interseccion difusa o t-norma i es una operacion binaria en el intervalo
unitario que satisface al menos los siguientes axiomas para todo a, b, d ∈ [0, 1]:
Axioma 3.8 (Asociatividad para Intersección) i(a, i(b, d)) = i(i(a, b), d)
38
El axioma de continuidad previene una situación en que un pequeño cambio
en el grado de pertenencia de cualquier conjunto difuso A o B produzca una
discontinuidad en el grado de pertenencia A ∩ B.
El axioma de subidempotencia trata un caso especial, en que el grado de
pertenencia en A y B (para algún x) tiene el mismo de valor de a. El axioma
expresa el requisito que el grado de la funcion de pertenencia A ∩ B en este caso
especial no debe exceder a. Este requisito es más débil que el de idempotencia,
el requisito i(a, a) = a, es llamado el subidempotencia. Finalmente, el axioma
de monotonía estricta expresa una forma más fuerte que el de monotonicidad.
para todo el x ∈ X.
Las propiedades que una función u debe satisfacer para ser intuitivamente
aceptable como una unión difusa está exactamente igual que las propiedades de
funciones como que son conocido en la literatura como t-conormas. Se puede
usar los términos t-conormas o uniones difusas indistintamente.
Un union difusa o t-conorma u es una operacion binaria en el intervalo
unitario que satisface por lo menos los axiomas que se enuncian a continuación.
Para todo a, b, d ∈ [0, 1]:
Axioma 3.15 (Asociatividad para Unión) u(a, u(b, d)) = u(u(a, b), d)
39
Estos axiomas son el esqueleto axiomátioco esencial para las uniones difusas
o t-conormas. Se puede hacer un análisis análogo al caso del complemento e
intersección y verificar que las propiedades se cumplen para los conjuntos clásicos
y que son suficientemente válidas de manera intuitiva.
Análogamente al caso de la intersección, se pueden establecer restricciones
axiomáticas para lograr algunos resultados esperados.
Axioma 3.16 (Continuidad para Unión) u es una función contínua
Axioma 3.17 (Superidempotencia para Unicón) u(a, a) > a
Axioma 3.18 (Monotonía Estricta para Unión) a1 < a2 y b1 < b2 impli-
ca u(a1 , b1 ) < u(a2 , b2 )
40
Cuando uno de los intervalos descritos en las ecuaciones de la definición 3.1
es el intervalo degenerado, se obtienen las operaciones especiales; cuando dos de
los intervalos se degeneran, se obtiene la aritmética normal de números reales,
como sería de esperarse.
[−1,1]
[−2,−0,5] = [−2, 2]
[4,10]
[1,2] = [2, 10].
1. Conmutatividad:
A + B = B + A,
A·B =B·A
2. Asociatividad:
(A + B) + C = A + (B + C)
(A · B) · C = A · (B · C)
3. Identidad:
A =0+A =A+0
A =1·A= A·1
41
4. Subdistributiva:
A · (B + C) ⊆ A · B + A · C
5. Distributiva:
si b · c ≥ 0 para cadab ∈ B y c ∈ .C, entonces A · (B + C) = A · B + A · C .
Si A = [a, a], entonces a · (B + C) = a · B + a · C
A
6. 0 ∈ A − A y 1 ∈ A.
7. si A ⊆ E y B ⊆ F , entonces:
A+B ⊆ E +F (80)
A−B ⊆ E −F (81)
A·B ⊆ E ·F (82)
A E
⊆ (83)
B F
A · (B + C) = {a · (b + c) | a ∈ A, b ∈ B, c ∈ C] (84)
= {a · b + a · c | a ∈ A, b ∈ B, c ∈ C) (85)
⊆ {a · b + a · c | a ∈ A, b ∈ B, c ∈ C) (86)
= A · B + A · C. (87)
Luego A · (B + C) ⊆ A · B + A · C.
2. Se asume ahora, sin pérdida de generalidad, que b1 ≥ 0 y c1 ≥ 0. Entonces,
se tienen que considerar los siguientes tres casos:
si a1 ≥ 0, entonces,
si a1 < 0ya2 ≤ 0, entonces −a2 ≥ 0, (−A) = [−a2 , −a1 ], y
si a1 < 0 y a2 > 0, entonces
42
3.3. Operaciones Aritmeticas en Números Difusos
A continuación se presentan dos métodos para desarrollar la aritmética di-
fusa. Un método es basado en la aritmética de intervalos. El otro método es
el principio de extensión por medio del cual se extienden operaciones en los
números reales a las operaciones en los números difusos. Para ello se asumirá
que los números difusos son representados por funciones de pertenencia con-
tinuas.
/α B
para algun α ∈ (0, 1]. (Cuando = /, claramente, se requiere que 0 ∈
para todos α ∈ (0, 1].)
Se puede demostrar [Gky95] que AB puede expresarse como
α
AB = ∪ (AB) (92)
α∈[0,1]
o para x ≤ −1yx > 3
x+1
A(x) = para − 1 < x ≤ 1
2
3−x
2 para 1 < x ≤ 3
o para x ≤ 1y x > 5
x−1
B(x) = 2 para 1 < x ≤ 3
5−x
para 3 < x ≤ 5
2
α
A = [2α − 1, 3 − 2α]
α
B = [2α + 1, 5 − 2α].
43
[−4a2 + 12α − 5, 4α2 − 16α + 15] para α ∈ (0, ,5]
α
(A, B) =
[4a2 − 1, 4a2 − 16α + 15] para α ∈ (,5, 1]
2α−1 3−2α
,
2α+1 2α+1 para α ∈ (0, ,5]
αA
B = 2α−1 3−2α
5−2α , 2α+1
para α ∈ (,5, −1]
para todo z ∈ R.
Especificando para todo z ∈ R, se define:
44
Figura 15: Operaciones aritméticas con números difusos.
45
(A + B)(z) = sup mı́n[A(x), B(y)], (94)
z=x+y
1
min[A(xn ), B(yn )] > a − .
n
a−1 a−1
Es decir, xn ∈ n A, yn ∈ n B y se pueden considerar dos sucesiones, {xn }
46
y {yn }, siempre que
1 1
a− ≤a− ,
n n+1
y se tiene
a−1 a−1 a−1 a−1
n+1 A⊆ n A, n+1 B ⊆ n B.
a−1 a−1
De aqui, {xn } y {yn } entre en algunos n Ay n B, respectivamente. Desde
el último son intervalos cerrados, {xn } y {yn } se limita las sucesiones. Así, existe
una sucesion convergente {xn,i } tal que xn,i → x0 . Para la correspondiente
secuencia {yn,i, }, también existe una subsequencia convergente {yn,i,j ) tal que
yn,i,j → y0 . Si se toma la correspondiente subsecuencia, {xn,i,j } desde {xn,j },
entoncesxn,i,j → x0 . Así, se tienen dos sucesiones, {xn,i,j } y{yn,i,j }, tal que
xn,i,j → x0 y yn,i,j → y0 y xn,i,j yn,i,j = z.
Ahora, desde que es contínuo,
z = lim xn,i,j yn,i,j = lim xn,i,j lim yn,i,j = x0 y0 .
j→∞ j→∞ j→∞
1 1
También, desde A(xn,i,j ) > a − ni,j y B(yn,i,j ) > a − ni,j ,
1
A(x0 ) = A lim xn,i,j )=a
= lim A(xn,i,j ) ≥ lim (a −
j→∞ j→∞ j→∞ ni,j
1
B(x0 ) = B lim yn,i,j = lim B(yn,i,j ) ≥ lim (a − )=a
j→∞ j→∞ j→∞ ni,j
47
Dado que la operacion ∈ (+, −, ·, /} es monótona con respecto al primero
y segundo argumentos respectivamente, siempre se pueden encontrar dos suce-
siones {xn } y {yn } tal que xn → x0 , yn → y0 , ya que n → ∞, y xn ∗ yn < z0
para cualquier n. Sea zn = xn yn ; entonces zn → z0 ya.que n → ∞.
Así.
Esto contradice la ec. 102 y, por consiguiente, AB debe ser un número
difuso continuo.
para todo z ∈ R.
48
1
B
A
-2 -1 0 1 2 3 4
1
B
A
min
-2 -1 0 1 2 3 4
1
B
A
-2 -1 0 1 2 3 4
-2 -1 0 1 2 3 4
49
Observe que los símbolos MIN y MAX que denotan las operaciones intro-
ducidas en números difusos, debe distinguirse para los símbolos min y max, que
denotan la operacion usual de mínimo y máximo en los números reales, respec-
tivamente. Tanto min y max son operaciones continuas, de Ec.106, ??, y del
Teorema 4.2 tanto MIN (A, B) y MAX (A, B) son números difusos.
Es importante comprender que las operaciones MIN y MAX son totalmente
diferentes de
la intersección y la union difusa normal, min y max. Esta diferencia se ilustra
en la fig ??, donde
0 para x < −2 y x > 4
x+2
A(x) = 3 para -2 ≤ x ≤ 1
4−x
3 para 1 ≤ x ≤ 4
0 parax < 1 y x > 3
B(x) = x − 1 para 1 ≤ x ≤ 2
3 − x para 2 ≤ x ≤ 3
0 para x < −2 y x > 3
x+2
3 para − 2 ≤ x ≤ 1
M IN(A, B)(x) = 4−x
3 para 1 ≤ x ≤ 2,5
3 − x para 2,5 < x < 3
0 para x < 1 y x > 4
x − 1 para 1 ≤ x ≤ 2
MAX(A, B)(x) =
3 − x para 2 ≤ x ≤ 2,5
4−x
3 para 2,5 < x ≤ 4
Si se tiene que R que denota el conjunto de números difusos. Entonces,
operaciones MIN y M AX son claramente funciones de la forma R × R → R.
El teorema siguiente que establece las propiedades básicas de estas operaciones,
asegura que la tripleta (, MIN, M AX) es una retícula distributiva en donde
MIN y M AX representan la reunión y unión, respectivamente.
1. Propiedad conmutativa:
M IN(A, B) = M IN(B, A),
M AX(A, B) = M AX(B, A).
50
2. Propiedad asociativa:
M IN [MIN (A, B), C] = MIN [A, M IN (B, C)],
M AX[MAX(A, B), C] = M AX[A, MAX(B, C)].
3. Propiedad de idempotencia:
M IN (A, A) = A, M AX(A, A) = A.
4. Propiedad de absorción:
M IN [A, MAX(A, B)] = A,
M AX[A, MIN (A, B)] = A.
5. Propiedad distributiva:
M IN [A, MAX(B, C)] = MAX[MIN(A, B), M IN(A, C)],
M AX[A, MIN (B, C)] = MIN [M AX(A, B), M ÁXIM O(A, C)].
51
Se utilizará M para denotar el lado derecho de la última ecuación. Des-
de que B sea un número difuso, existe v0 ∈ , tal que B(v0 ) = 1. Por z =
min[z, max(z, v0 )], se tiene
M AX[MIN (A, B), MIN (A, C)](Z) = supmin[A(m), B(n), A(s), C(t)] (112)
z
mı́n(m, n),
donde x = máx
mı́n(s, t)
Para demostrar que Ec.111 y 112 son iguales, se muestra primero que E ⊆ F
donde
Para cada a = min[A(x), B(u), C(v)] tal que min[x, max(u, v) = z (es decir,
a ∈ E), donde existe m = s = x, n = u, y t = v tal que,
52
Para cualquier b ∈ F , existe m, n, s, y t tales que max[min(m, n), min(s, t)] =
z, b = min[A(m), B(n), A(s), C(t)] de donde,
De allí, existe a = min[A(x), B(u), C(v)] con min[x, max(u, v)] = z (es
decir, a ∈ F ), y
supF ≤ supE.
Esta desigualdad, junto con el resultado anterior, asegura que (111) y (112)
son iguales. Esto concluye la prueba de la primera ley distributiva. La prueba
de la segunda ley distributiva se realiza de manera análoga.
La reticula (R, M IN, M AX) también puede expresarse como el par (R, ≤),
donde ≤ es una clasificación parcial definida como:
A ≤ B si M IN(A, B) = A ó
A ≤ B si M AX(A, B) = B
A ≤ B si min(α A,a B) =a A ó
A ≤ B si max(a A,a B) =a B
53
Si se define la clasificación parcial de intervalos cerrados de la manera usual,
eso es, [a1 , a2 ] ≤ [b1 , b2 ] si a1 ≤ b1 y a2 ≤ b2 , entonces para cualquier A, B ∈ R,
se tiene
A B si a A ≤a B
para todo α ∈ (0, 1]. Esto significa por ejemplo, que los dos números difusos
A y B en la fig. ??, no son comparables. Sin embargo, los valores de las vari-
ables lingüísticas en la mayoría de las aplicaciones son definidos por números
difusos que son comparables. Por ejemplo, los valores de la variable lingüísti-
ca la .a ctuación" definido anteriormente forma una cadena de la forma: "muy
pequeñopequeñomedianograndemuy grande".
Aunque el conjunto R no es de orden lineal, hay algunos subconjuntos que
se comportan como tal, y son subconjuntos muy importnates en las aplicaciones
comunes de la teoría difusa.
54
4. Inferencia Difusa
Las reglas de la inferencia dentro del armazón de lógica difusa son usadas
para facilitar el razonamiento aproximado. Ellas pueden describir generaliza-
ciones de tres inferencias clásicas, que son: las reglas modus ponens, modus
tolens, y el silogismo hipotético. Estas generalizaciones se basan en la regla
composicional que se llama inferencia.
para todo y ∈ Y.
Se asume que R es una relación difusa en X × Y , y A, B son conjuntos
difusos en X y Y , respectivamente. Entonces, si R y A son dados, se puede
obtener B por la ecuación
B = A ◦ R
y es llamada la Regla de Inferencia Composicional. Esta regla se ilustra en
Fig.18
55
Y R
u X
(a)
Y
R
A X
(b)
56
Y
Relación Difusa R
0
1
A
1
p : Si χ es A, entonces γ es B
es determinado para todo x ∈ X y todo y ∈ Y mediante la expresión
q : χ es A
57
se puede concluir que γ es B por la regla de inferencia composicional de la ec.
114. Este procedimiento se llama un modus ponens generalizado.
La proposición p es una regla y la proposición q como un hecho, el modus
ponens generalizado se expresa por el esquema siguiente:
Regla si X es A, entoncesY es B
Factor .......................... X es A
(116)
___________________________
Conclusion ...... Y es B
En este esquema B es calculado por la ec. 114, y R en esta determinado por
la ec. 115.
Se observa que ec.116 se vuelve el modus ponens clásico cuando los conjuntos
son los clásicos y A = A, B = B.
58
y R en esta ecuación es determinado mediante la ec. 115.
En este caso, χ, γ, z son variables que toman los valores en los conjuntos
X, Y, Z, respectivamente, y A, B, C son los conjuntos difusos en los conjuntos
X, Y, Z, respectivamente.
Para cada proposición difusa condicional en ec. 118, hay una relación difusa
determinada por ec. 115, estas relaciones son determinadas para cada x ∈ X,y ∈
Y , y z ∈ Z por las ecuaciones:
59
R3 (x, z) = sup mı́n [R1 (x, y), R2 (y, z)] , (122)
y∈Y
R3 = R1 ◦ R2 . (123)
Ejemplo 4.4 Sea X, Y como se han definido en las líneas anteriores , y sea
,5 l ,6 l ,4 ,2 1
Z = {z1 , z2 }. Además, sea A = x1 + x2 + x3 , B= y1 + y2 , C= z1 + z2 , y
j(a.b) = {1 si a ≤ b, b si a > b}
Entonces se puede verificar fácilmente que
1 0,4
R1 = 1 0,4
1 0,4
0,2 1
R2 =
0,2 1
0,2 1
R3 = 0,2 1
0,2 1
Y por tanto el silogismo hipotético generalizado se ha verificado en esete
caso, ya que R1 ◦ R2 = R3 .
p : Si X es A, entonces Y es B es S, (124)
60
Paso 1 Calcule el valor de verdad difuso relativo de A con respecto a A, de-
notado por RT (A/A), que es un conjunto difuso en el intervalo unitario
definido por:
RT (A/A)(a) = sup A(x), (125)
x:A(x)=a
para todo a ∈ [0, 1], donde S es el calificador difuso de la ec. 124. Clara-
mente, el papel del calificador S es modificar el valor de verdad de j(a, b).
Se nota que cuando S es verdadero (es decir, S(a) = a) para todo a ∈ [0, 1],
entonces S(j(a, b)) = j(a, b). El valor de verdad difuso relativo RT (B/B)
expresa el grado en que la conclusión de la proposición difusa ec.124 es
verdadera.
Paso 4 Calcule el conjunto B relacionado en la inferencia ”γes B ” mediante
la ecuación
B(y) = RT (B/B)(B(y))
para todo y ∈ Y .
61
1
0.9
0.8 2
0.7
( 0.3 +x ) 2
0.6
0.5
2
0.4
0.3
0.2
0.1
RT (B/B)(b) = max {min[,9, S(j(,9, b))], min[,6, S(j(,6, b))], min[,7, S(j(,7, b))]}
(0,4 + B)2 para b ∈ [0, 0,375)
,6 para b ∈ [0,375, 0,475)
(0,3 + b)2 para b ∈ [0,475, 0,537)
=
0,7 para b ∈ [0,537, 0,737)
(0,1 + b)2 para b ∈ [0,737, 0. − 849)
0,9 para b ∈ [0,849, 1]
62
Cuando S en la ec. 124 es la función de identidad, el método de las restric-
ciones del verdad-valor es equivalente al modus pones generalizado bajo una
condicion particular, expuesta en el teorema siguiente.
Teorema 4.1 Sea S una proposición difusa de la forma descrita en la ec. 124,
donde S es la función identidad (es decir, S posiciones para verdadero), y supón-
gase que se tiene un hecho de la forma ”X es A”’, donde
pi : Wi es Qi (i ∈ Nn ), (127)
p : W es Q. (128)
f : Rn → R (129)
y tal que
63
donde el significado de f (Q1 , Q2 , ....Qn ) se define mediante el principio de la
extensión. Entonces se puede concluir p de la forma p1 , p2 , ..., pn .
Una alternativa más general para formular el principio se puede establecer,
afirmando que si existen dos funciones
f : Rn → R (132)
g : Rn → R (133)
tales que
|E ∩ F |
f (W1 , W2 ) = W1 W2 = |E| = |E ∩ F | = |F | = W
|E|
64
El principio de extensión de cuantificador puede usarse para derivar varias
reglas de inferencia para las proposiciones borrosas cuantificadas. Dos de las
reglas derivadas son:
65
p1 : Q1 E’s son F ’s
p2 : Q2 E’s son G’s
p : QE’s son (F y G)’s
donde E, F, G son los conjuntos difusos en algún conjunto universal X,
Q1 , Q2 son los cuantificadores relativos, y Q es un cuantificador relativo da-
do por
Q = [≥ MAX(0, Q1 + Q2 − 1)] ∩ [≤ M IN (Q1 , Q2 )]
es decir, Q es por lo menos MAX(0, Q1 + Q2 − 1) y a lo sumo M IN(Q1 , Q2 ).
Se tiene que M IN y M AX son extensiones de las operaciones min y max de
los números reales a los números difusos.
66
5. Conclusiones
Los desarrollos matemáticos, en particular del análisis han permitido ofre-
cer una sólida fundamentación matemática a los sistemas difusos, aunque su
concepción filosófica ha sido criticada por algunos, afirmando, como W. Kahn,
que afirmaron que .E l peligro de la lógica borrosa es que da alas a esa suerte de
pensamiento impreciso que nos ha traído tantos problemas".
Sin embargo, uno de los aspectos más importantes que se perciben en el
trabajo con matemática difusa, es la importancia de replantear los conceptos
clásicos de verdad y falsedad, y pertenencia y no-pertenencia, para involucrar
en nuestras concepciones, de una manera formal, el concepto de borrosidad o
vaguedad [Kos94], en la cual los conceptos clásicos de la lógica bi-valuada son
tan solo un caso extremo. y particular. Incluso principios tal universalmente
aceptados como el principio del tercio excluido y el de no contradicción pierden
granparte de su validez, y pasan igualmente a ser comportamientos en casos
particulares.
La matemática difusa nos permite entender y manipular matemáticamente
conceptos que son a la vez parcialmente verdaderos y parcialmente falsos en
la mayoría de las veces, o conceptos de no están definidos de manera precisa
en el lenguaje y trabajo habitual (tales como alto, pesado, etc). Permite, (de
manera útil además), asignar valores de verdad a las proposiciones, en el inter-
valo unitario, y operar matemáticamente con ellos. Permite luego introducir
"borrosidades.en las propias proposiciones (las variables y los modificadores
lingüísticos). Estos aspectos, simples en apariencia, abren nuevas perspectivas
sobre conceptos aparentemente "trillados"basados en la lógica y teoría de con-
juntos clásicos. Las reglas de inferencia toman gracias a esto una nueva dimen-
sión, más cercana al razonamiento humano.
En este trabajo se introdujeron temas relativos a las operaciones con con-
juntos, números e intervalos difusos. Se examinaron algunas reglas de inferencia
difusas, que aunque no abarcan la totalidad de las reglas que se pueden encon-
trar, son las más importantes desde un punto de vista teórico: modus ponens,
modus tollens y el silogismo hipotético generalizados.
Dentro de las muchas líneas posibles en las que conviene reforzar los temas
presentados, y que no se incluyeron por limitaciones de tiempo y espacio, se
encuentran:
67
Los sistemas de inferencia utilizados en la práctica. Son los mecanismos
que permiten la toma de decisiones por parte del sistema. Un proceso
práctico de inferencia difusa involucra la funciónde pertenencia, los oper-
adores lógicos difusos y un conjunto de reglas si-entonces. Los sistemas
de inferencia difusa tienen asociados una cantidad de nombres, debido a
que sonutilizaods de manera interdisciplinaria: sistemas expertos difusos,
sistemas expertos basados en reglas difusas, modelamiento difuso, contro-
ladores lógicos difusos, entre otros.
Dentro de estos sistemas de inferencia sobresalen dos, que son práctica-
mente los más utilizados: el Sistema de Inferencia Difusa de Mamdani y el
Sistema de Inferencia Difusa de Sugeno. El primero de ellos, tal vez el más
común, fue desarrollado en 1975 por E. Mamdani basado en los trabajos
de L. Zadeh.
68
Referencias
[Ros04] T. Ross, Fuzzy Logic with Engineering Applications. NJ, USA: John
Wilwy and Sons (2004)
[Gky95] G. Klir, B. Yuan, Fuzzy Sets and Fuzzy Logic. NJ, USA: Prentice Hall
(1995)
[Got01] S. Gottwald, A Treatise on Many Valued Logics. England: Research
Studies Press (2001)
[Bbs02] B. Martin, A, Sans, Redes Neuronales y Sistemas Difusos. México: Al-
faomega (2002)
[Kos94] B. Kosko, Pensamiento Borroso. Barcelona: Ed. grijalbo (1992)
[Kos92] B. Kosko, Neural Networks and Fuzzy Logic. NewJersey: Prentice-Hall
(1992)
69