Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Borrador de Artículo Sobre Lógica Difusa
Borrador de Artículo Sobre Lógica Difusa
Resumen
Introducción
En 1937 Max Black propuso la teoría de los conjuntos vagos (Mallo, y otros, 1999);
sin embargo, en aquella época, tal aportación no resultó trascendente. Y fue hasta
1995 —a partir de que Zadé publicó el artículo Conjuntos Difusos— que el tema
empezó a difundirse.
Definiciones y ejemplos
Definición 1.- Universo del Discurso: se define como el dominio que contiene la
totalidad de variables acerca de lo que se habla. Usualmente, los universos se
representan con las últimas letras, mayúsculas, del alfabeto: X, Y, Z.
Definición 2.- Conjunto clásico: se define como una colección de objetos. Como se
vio en el Ejemplo 1, los conjuntos se representan con cualquier letra mayúscula y
un subíndice; en este sentido, el conjunto será X n, si es una variable definida en el
universo del discurso X.
X3 = {FIDECAP, FINAPYME}
Definición 3.- Elementos: son los miembros que se incorporan dentro de los
conjuntos de un determinado universo del discurso. Los elementos se representan
con una letra minúscula. Hay que tener en cuenta que dicha letra representa a
todos los miembros del universo; por esta razón, cuando es necesario definir algún
elemento en específico éste debe ser llamado por su nombre.
Definición 4.- Conjuntos Difusos: son una extensión de los conjuntos clásicos, la
diferencia radica en que en la teoría difusa los elementos pueden ser miembros de
uno, dos o más conjuntos en el mismo universo del discurso; por esta razón, cada
elemento se acompaña de una función que indica su grado de pertenencia a los
conjuntos.
Xn = {(x, μA(x)│x ∈ X}
La fórmula indica que el conjunto Xn contiene uno o varios elementos x, que cada
miembro va a compañado de una función de pertenencia μA(x) y que cada x debe
ser un elemento del universo X.
μA(x) → [0,1]
Ejemplo 4: si el conjunto X 3 se encuentra integrado por los programas que han
generado beneficio social destacado; si, además, se conoce que tales programas
son FIDECAP y FIDEPYME; y si se sabe que sus funciónes de pertenencia son 1
y 0.4 respectivamente; entonces, el conjunto puede representarse como sigue:
Forma típica:
X3 = {(FIDECAP, 1) + (FINAPYME, 0.4)}
La fórmula indica que el universo del discurso se define en una escala que va del
0 al 100. Asimismo, determina los siguientes límites para el conjunto:
calificaciones del 0 al 30 indican una función de pertenencia de 0; entre 30 y 80 la
función de pertenencia incrementa de 0 a 1; y por último, del 80 al 100 la función
de pertenencia es 1. Regularmente, los universos del discurso contienen más de
un conjunto.
Ejemplo 7: se representa el universo del discurso X con tres conjuntos difusos: X 1,
X2, X3. Se describe unicamente al elemento FONAES.
∀x ∈ X: μᾹ(x) = 1 - μA(x)
Definición 12.- Operaciones entre Universos del Discurso: un solo universo del
discurso sirve, únicamente, para describir las funciones de pertenencia de los
elementos contenidos en sus conjuntos o variables; sin embargo, para realizar
análisis inferenciales, se requiere la interacción entre dos o más universos. Al
anális que involucra diferentes universos del discurso se le conoce como Sistema
de Inferencia Difusa.
Ejemplo 12: para concluir el nivel de impacto que han tenido los programas de
financiamiento (elementos): FONAES, FIDEPYME, FIDECAP y FONDO PYME, se
han considerado dos conjuntos de entrada: (1) el universo del discurso X =
Beneficio Social; y, (2) el universo del discurso Y = Beneficio Económico.
Definición 14.- Conjuntos de entrada: son todas las variables contenidas en los
universos del discurso.
Definición 15.- Conjuntos de Salida: son las variables contenidas en uno o más
universos finales del discurso. Los conjuntos de estos universos representan las
inferencias válidas que el investigador extrae a partir de las operaciones
realizadas entre los conjuntos de entrada.
Ejemplo 13: para evaluar el nivel de impacto que han tenido los programas de
financiamiento se presenta el siguiente universo final:
Una vez definidos los conjuntos de entrada y salida, se sigue con el proceso de
inferencia difusa el cual se descompone en dos etapas: primera, se relacionan los
conjuntos de entrada utilizando la técnica del producto cartesiano; y segunda, se
establecen las reglas de inferencia que vinculan las n -tuplas resultantes (del
producto cartesiano) con los conjuntos de salida.
Primera etapa. Para realizar las operaciones entre los conjuntos de entrada debe
efectuarse el producto cartesiano.
Definición 17.- Relación Difusa: se trata del producto cartesiano que incluye la
función de pertenencia más baja de cada pareja de elementos. Formalmente se
expresa como sigue:
Los expertos han calificado el beneficio social que cada programa ha generado;
dichas calificaciones se muestran en el eje de las abscisas de la Figura 6, y se
encuentran inversa o directamente relacionadas con las funciones de pertenencia
mostradas en el eje de las ordenadas.
De acuerdo con las calificaciones otorgadas por los expertos, los elementos se
clasifican de la forma siguiente:
Beneficio Económico:
Irrelevante = {1/FIDECAP + 0.4/FONAES}
Considerable = {0.3/FONAES + 1/FIDEPYME}
Significativo = {0.9/FONDO PYME}
Una vez ubicados los elementos dentro de los conjuntos comprendidos en los
universos X y Y, se procede con la relación difusa:
R = {(X1, Y1), (X1, Y2), (X1, Y3), (X2, Y1), (X2, Y2), (X2, Y3), (X3, Y1), (X3, Y2), (X3, Y3)}
Los elementos x se han clasificado en los conjuntos del universo X como sigue:
X1 = {0.4/FIDECAP}
X2 = {0.3/FIDECAP + 0.6/FONDO PYME}
X3 = {0.2/FONDO PYME + 0.7/FONAES + 0.8/FIDEPYME}
Los elementos y se han clasificado en los conjuntos del universo Y como sigue:
Y1 = {1/FIDECAP + 0.4/FONAES}
Y2 = {0.3/FONAES + 1/FIDEPYME}
Y3 = {0.9/FONDO PYME}
Combinaciones posibles:
(X1, Y1) = {(0.4/FIDECAP, 0.3/FIDECAP)+(0.4/FIDECAP, 0.4/FONAES)}
(X1, Y2) = {(0.4/FIDECAP, 0.3/FONAES)+(0.4/FIDECAP, 1/FIDEPYME)}
(X1, Y3) = {(0.4/FIDECAP, 0.9/FONDO PYME)}
(X2, Y1) = {(0.3/FIDECAP, 1/FIDECAP)+(0.3/FIDECAP, 0.4/FONAES)+
(0.6/FONDO PYME, 1/FIDECAP)+( 0.6/FONDO PYME, 0.4/FONAES)}
(X2, Y2) = {(0.3/FIDECAP, 0.3/FONAES)+(0.3/FIDECAP, 1/FIDEPYME)+
(0.6/FONDO PYME, 0.3/FONAES)+(0.6/FONDO PYME, 1/FIDEPYME)}
(X2, Y3) = {(0.3/FIDECAP, 0.9/FONDO PYME)+
(0.6/FONDO PYME, 0.9/FONDO PYME)}
(X3, Y1) = {(0.2/FONDO PYME, 1/FIDECAP)+(0.2/FONDO PYME, 0.4/FONAES)+
(0.7/FONAES, 1/FIDECAP)+(0.7/FONAES, 0.4/FONAES)+
(0.8/FIDEPYME,1/FIDECAP) +(0.8/FIDEPYME, 0.4/FONAES)}
(X3, Y2) = {(0.2/FONDO PYME, 0.3/FONAES)+(0.2/FONDO PYME, 1/FIDEPYME)
+(0.7/FONAES, 0.3/FONAES)+(0.7/FONAES, 1/FIDEPYME)+
(0.8/FIDEPYME, 0.3/FONAES)+(0.8/FIDEPYME, 1/FIDEPYME)}
(X3, Y3) = {(0.2/FONDO PYME, 0.9/FONDO PYME)+
(0.7/FONAES, 0.9/FONDO PYME)+(0.8/FIDEPYME, 0.9/FONDO PYME)}
Segunda etapa. Para que las parejas de interés puedan ser clasificadas en los
conjuntos de salida deben formularse las reglas de inferencia difusa.
Definición 19.- Reglas de Inferencia Difusa: son las relaciones del tipo Si…
Entonces…, que vinculan a los conjuntos de entrada X, Y, con los conjuntos de
salida Z.
Si X es Xn , Si Y es Yn ; Entonces, Z es Z n
Ejemplo 17: Se presetan las reglas de inferencia difusa que vinculan a los
cunjuntos de entrada X Beneficio Social y Y Beneficio Económico, con los
conjuntos de salida Z Impacto.
Regla 1
Si el Beneficio Social (X) es Intrascendente (X 1);
Si el Beneficio Económico (Y) es Irrelevante (Y 1);
Entonces, el Impacto (Z) es Nulo (Z 1).
Regla 2
Si el Beneficio Social (X) es Intrascendente (X 1);
Si el Beneficio Económico (Y) es Considerable (Y 2);
Entonces, el Impacto (Z) es bajo (Z 2).
Regla 3
Si el Beneficio Social (X) es Intrascendente (X 1);
Si el Beneficio Económico (Y) es Significativo (Y 3);
Entonces, el Impacto (Z) es Medio (Z 3).
Regla 4
Si el Beneficio Social (X) es Notorio (X 2);
Si el Beneficio Económico (Y) es Irrelevante (Y 1);
Entonces, el Impacto (Z) es bajo (Z 2).
Regla 5
Si el Beneficio Social (X) es Notorio (X 2);
Si el Beneficio Económico (Y) es Considerable (Y 2);
Entonces, el Impacto (Z) es Medio (Z 3).
Regla 6
Si el Beneficio Social (X) es Notorio (X 2);
Si el Beneficio Económico (Y) es Significativo (Y 3);
Entonces, el Impacto (Z) es Alto (Z 4).
Regla 7
Si el Beneficio Social (X) es Destacado (X 3);
Si el Beneficio Económico (Y) es Irrelevante (Y 1);
Entonces, el Impacto (Z) es Medio (Z 3).
Regla 8
Si el Beneficio Social (X) es Destacado (X 3);
Si el Beneficio Económico (Y) es Considerable (Y 2);
Entonces, el Impacto (Z) es Alto (Z 4).
Regla 9
Si el Beneficio Social (X) es Destacado (X 3);
Si el Beneficio Económico (Y) es Significativo (Y 3);
Entonces, el Impacto (Z) es Muy Alto (Z 5).
Las reglas de inferencia difusa también pueden ser expresadas a partir de las
parejas formadas en la relación difusa.
Ejemplo: 18.- Reglas de inferencia difusa expresadas con R.
Regla 1
Si R es (X 1, Y1); Entonces, el Impacto es Nulo (Z 1).
Regla 2
Si R es (X 1, Y2); Entonces, el Impacto es Bajo (Z 2).
Regla 3
Si R es (X 1, Y3); Entonces, el Impacto es Medio (Z 3).
Regla 4
Si R es (X 2, Y1); Entonces, el Impacto es Bajo (Z 2).
Regla 5
Si R es (X 2, Y2); Entonces, el Impacto es Medio (Z 3).
Regla 6
Si R es (X 2, Y3); Entonces, el Impacto es Alto (Z 4).
Regla 7
Si R es (X 3, Y1); Entonces, el Impacto es Medio (Z 3).
Regla 8
Si R es (X 3, Y2); Entonces, el Impacto es Alto (Z 4).
Regla 9
Si R es (X 3,Y3); Entonces, el Impacto es Muy Alto (Z 5).
Resulta conveniente expresar las reglas de inferencia difusa en un lenguaje más
corto:
Predicados simples:
Conjuntos de entrada X Beneficio Social
X1 = Beneficio Social Intrascendente
X2 = Beneficio Social Notorio
X3 = Beneficio Social Destacado
Predicados compuestos:
Conjuntos de salida Z Impacto:
Z1 = Impacto Nulo
Z2 = Impacto Bajo
Z3 = Impacto Medio
z4 = Impacto Alto
z5 = Impacto Muy Alto
Z1 = {(X1, Y1)}
Z2 = {(X1, Y2), (X2, Y1)}
Z3 = {(X1, Y3), (X2, Y2), (X3, Y1)}
Z4 = {(X2, Y3), (X3, Y2)}
Z5 = {(X3, Y3)}
O bien:
Z1 = (Regla 1)
Z2 = (Regla 2), (Regla 4)
Z3 = (Regla 3), (Regla 5), (Regla 7)
Z4 = (Regla 6), (Regla 8)
Z5 = (Regla 9)
Una vez que las parejas de interés han sido clasificadas y que se han identificado
las reglas que se cumplen, es posible iniciar el proceso de inferencia difusa.
Una vez obtenidas las formas sombreadas correspondientes a las salidas finales
de las inferencias difusas, es posible determinar una calificación final para cada
elemento.
Definición 22.- Salida final: es el valor en el eje de las abscisas que se encuentra
determinado por el centroide de la forma geométrica de salida obtenida en la
inferencia difusa. El valor resultante corresponde a la calificación final que recibe
el elemento que esté siendo analizado.
Ejemplo 22.- se muestra el proceso que debe seguirse para calcular la calificación
final del programa FONAES. Posteriormente se muestran las calificaciones finales
del resto de los elementos.
El área de los rectángulos se calcula multiplicando la base por la altura. Dado que
la base de la figura 2 es 66 – 34 = 32 y la altura es 0.4, se realiza la multiplicación
32 * 0.4 = 12.8. Por lo tanto, el área de la figura 2 es A 2 = 12.8.
Una vez que se tienen todas las áreas, se procede con el cálculo de los centroides
de cada figura:
Para calcular los centroides X de los triángulos, se divide la base de la figura entre
3. Dado que la base de la figura 1 es 34 – 30 = 4, se divide 4/3 dando como
resultado Cx1 = 1.33.
Cuando se han obtenido todos los centroides, tanto X como Y, de las 5 figuras
geométricas, se procede con el cálculo del centroide total.
Se suman todos los productos: 25.064 + 640 + 3.3165 + 481.95 + 39.6 obtieniendo
como resultado: 1189.9305.
Bibliografía
Al-Hadithi, B. M., & Díaz, J. M. (2010). Fuzzy logic. Glossarium BITri, 1-17.
Cejas-Montero, J. (2011). La lógica difusa compensatoria. Ingeniería Industrial,
157-161.
Esquivel, R., Félix, B. G., & Bello, R. (2014). Evaluación del impacto de la
capacitación con lógica difusa. Revista chilena de ingeniería, 41-52.
Flores, L., & García, M. L. (2013). Evaluación de programas públicos mediante
lógica difusa: el caso del programa Hábitad. Política y Cultura, 231-255.
Kosko, B. (1994). Pensamiento borroso. Los Ángeles : Hyperion.
Mallo, P. E., Artola, M. A., García , M., D´Amico, F. O., Garrós, J. J., Martínez, D.,
y otros. (1999). Introducción a la matemática borrosa. Faces, 7-16.
Rojas, M., López, D., & Rincón, C. (2012). Aplicación del método cybersin con
lógica difusa en un sistema de control de gestión. Revista Ingenierías
Universidad de Medellín, 153-164.
Zadeh, L. A. (1965). Fuzzy Sets. Department of Electrical Enginnering and
Electronics Research Laboratory, University of California , 338-353.