Control con Inteligencia Artificial

- Lógica Difusa -
Javier Silva Gallegos
Electricidad y Electrónica
Automatización Industrial
 Introducción
• La lógica difusa fue creada para emular la lógica humana y tomar
decisiones acertadas a pesar de la información.
• Es una herramienta flexible que se basa en reglas lingüísticas dictadas por
expertos.
• La lógica difusa proporciona un marco matemático que permite modelar la
incertidumbre de los procesos cognitivos humanos de forma que pueda ser
tratable por un computador.
• Por ejemplo, la velocidad de un automóvil es una variable que puede tomar
distintos valores lingüísticos, como “alta”, “media” o “baja”.
• En otras palabras, la lógica difusa es un conjunto de principios matemáticos
basados en grados de membresía o pertenencia, cuya función es modelar
información. Pretende producir resultados exactos a partir de datos
imprecisos.
 Introducción
¿Por qué usar un sistema difuso?:
• Permite automatizar un proceso que controla un trabajador. Sistema difuso
permite traspasar la experiencia de una persona hacia un controlador.
• Si el trabajador hace juicios con base a su criterio y experiencia, y estos
juicios se realizan en forma lingüística (como “alto, “lento”, “bajo”, etc.) se
puede notar que un sistema convencional no maneja este tipo de entradas,
mientas que el sistema difuso si lo hace. Permite procesar información con
incertidumbre.
• No es necesario conocer un modelo matemático del sistema real, por lo
tanto se pueden controlar sistemas no lineales sin linealizaciones ni
aproximaciones.
• Otra ventaja es que permite control MIMO, a diferencia del PID que es
simplemente SISO.
 Introducción
Aplicaciones:
• Control de posición de puente Grúa de transporte
de material, donde se utiliza la posición deseada y
el balanceo de la grúa.
• No se utiliza PID porque hay 2 variables de
entrada.
• Control de la generación de electricidad, donde se
pretende generar potencias estables y a la vez se
pretende reducir las emisiones de contaminantes y
tóxicos..
• La basura cambia su poder calórico, por ende la
temperatura cambia constantemente, lo que afecta la
generación de electricidad.
• Nuevamente, no es posible utilizar PID.
 Introducción
Aplicaciones:
• Aerogeneradores. El ángulo de las hélices
afecta la generación de energía, pero si el
viento aumenta demasiado se dañan los
instrumentos.
• El control pretende maximizar la generación de
electricidad y aumentar la vida útil del equipo.
• El metro de Sendai, Japón, fue un exitoso caso
de aplicación de control Difuso, se logró la
conducción más suave nunca antes realizada, la
precisión de frenada fue de 7 cm, las
aceleraciones y desaceleraciones fueron muy
suaves, el número de cambios de marcha se
redujo a un tercio de las conducción humana y
además se tuvo un ahorro de energía del 10%.
 Introducción
Aplicaciones:
• Existen innumerables aplicaciones tanto a nivel industrial como
comercial, además encontramos:
• Planta de aguas caliente en Holanda, intercambiadores de calor en Dinamarca,
control de horno cementero en Dinamarca, control de planta de purificación de
agua en Japón, etc.
• Hoy en día existen muchos aparatos electrónicos que funcionan con
este tipo de controladores, tales como:
• Control de A/C, foco automático de cámaras fotográficas, lavadoras/secadoras,
aspiradoras, microondas, ventiladores, mejora en la eficiencia del uso de
combustibles en motores, control de ascensores, etc.
 Introducción
Partes de un
controlador difuso:
 Lógica Booleana y Difusa
• Conjunto Convencional: Se define
como aquel conjunto que sólo tiene
dos grados de pertenencia, 0 ó 1.

• Conjunto Difuso: se define como Conjunto Nítido o Convencional

aquel conjunto que muestra todos los
grados de pertenencia entre 0 y 1,
incluidos éstos.

Conjunto Difuso
 Conjuntos Difusos
• Un Conjunto Difuso F Es aquel donde la pertenencia de sus elementos queda
caracterizado por una función de inclusión 𝜇𝐹 que toma valores en el rango [0,1],
es decir, 𝜇𝐹 : 𝑈 → [0,1], siendo 𝑈 el universo de discurso. 𝜇𝐹 (𝑢) representa el
grado en el que 𝑢 ∈ 𝑈 pertenece al conjunto difuso 𝐹.
• Variable Lingüística: Es aquella noción o concepto que vamos a calificar de
forma difusa, la cual adopta valores con palabras que permiten describir el estado
de un objeto o fenómeno; estas palabras se pueden representar mediante conjuntos
difusos. Una variable numérica toma valores numéricos, por ejemplo: edad = 65,
mientras que una variable lingüística toma valores lingüísticos, por ejemplo: edad
es “viejo”.
• Universo de discurso: Rango de valores que pueden tomar los elementos que
poseen la propiedad expresada por la expresada por la variable lingüística.
• Valor Lingüístico: Son las diferentes clasificaciones que efectuamos sobre la
variable lingüística. Por ejemplo, si hablamos de altura podría ser “bajo”,
“mediano” y “alto”.
 Conjuntos Difusos
Representación de conjunto difuso discreto:
En forma General un conjunto
difuso discreto viene dado por:
𝜇𝐴 𝑋1 𝜇𝐴 𝑋2
𝐴= + +⋯
𝑋1 𝑋2
𝜇𝐴 𝑋𝑖
𝐴=
𝑋𝑖
0.2 0.4 0.8 0.2 0.6 Donde la suma denota la unión de
𝐴={ + + + + }
𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 los elementos.
 Conjuntos Difusos
Representación de conjunto difuso Continuo:

• Un conjunto convencional
continuo se define por una
función característica, la cual se
conoce como función de
pertenencia.
• La integral denota la unión de los
𝜇𝐴 𝑋 elementos.
𝐴=
𝑋
 Conjuntos Difusos
Ejemplo: Considerar la variable lingüística “Altura de los seres humanos” que toma
valores en el universo de discurso 𝑈 = 1.4, 2.5 , vamos a hacer una clasificación
difusa de los seres humanos en tres conjuntos difusos (valores lingüísticos): bajos,
medianos y altos.
 Conjuntos Difusos
• Altura: Se define la altura de un conjunto difuso
como el valor más grande de su función de
pertenencia.
• Núcleo: Es el conjunto nítido de elementos que
tienen grado de pertenencia 1.
𝑁ú𝑐𝑙𝑒𝑜 𝐴 = 𝑥 ∈ 𝑋 / 𝜇𝐴 𝑥 = 1
• Punto de Cruce: Elemento 𝑥 de U para el cual
𝜇 𝑥 = 0.5.
• Soporte: Es el conjunto de todos los valores de 𝑈
para los que 𝜇𝐹 𝑢 > 0.
𝑆𝑜𝑝𝑜𝑟𝑡𝑒 𝐴 = {𝑥 ∈ 𝑋 / 𝜇𝐴 > 0}
• Frontera: Conjunto de elementos que toman
valores de membresía (grados de pertenencia)
mayores que 0 y menores que 1.
0 < 𝜇𝐴 𝑥 < 1
 Funciones de Membresía
• Para representar los grados de pertenencia de cada uno de los
elementos que conforman un conjunto difuso, lo más natural es extraer
los datos de los fenómenos que se va a representar y con ellos definir
la forma de la función de membresía.
• Existen funciones de membresía convencionales y no convencionales
que permiten realizar un mapeo de un universo nítido a un universo
difuso (grados de memebresía entre 0 y 1), entre estas se destacan:
• Saturación (gamma) , Hombro(L) , triangular, trapecio o PI, sigmoidal.
 Funciones de Membresía
Función saturación (𝚪):
0, 𝑝𝑎𝑟𝑎 𝑥 ≤ 𝑎
𝑥−𝑎
𝜇 𝑥 = , 𝑝𝑎𝑟𝑎 𝑎 < 𝑥 < 𝑚
𝑚−𝑎
1, 𝑝𝑎𝑟𝑎 𝑥 ≥ 𝑚
Función hombro (L):
1, 𝑝𝑎𝑟𝑎 𝑥 ≤ 𝑎
𝑚−𝑥
𝜇 𝑥 = , 𝑝𝑎𝑟𝑎 𝑎 < 𝑥 < 𝑚
𝑚−𝑎
0, 𝑝𝑎𝑟𝑎 𝑥 ≥ 𝑚
 Funciones de Membresía
Función triangular (𝝀):
Triangular es adecuada para definir situaciones en las que se tiene un valor
óptimo central, el cual se va perdiendo conforme que uno se aleja de él.

0, 𝑝𝑎𝑟𝑎 𝑥 ≤ 𝑎
𝑥−𝑎
, 𝑝𝑎𝑟𝑎 𝑎 < 𝑥 ≤ 𝑚
𝑚−𝑎
𝜇 𝑥 = 𝑏−𝑥
, 𝑝𝑎𝑟𝑎 𝑚 < 𝑥 ≤ 𝑏
𝑏−𝑚
0, 𝑝𝑎𝑟𝑎 𝑥 > 𝑏

Comando Matlab: y = trimf(x,[a b c])

 Funciones de Membresía
Función Trapezoidal (𝝅):
• Útil para cuando existe un rango de valores óptimos.

0, 𝑝𝑎𝑟𝑎 𝑥 ≤ 𝑎
𝑥−𝑎
, 𝑝𝑎𝑟𝑎 𝑎 < 𝑥 ≤ 𝑏
𝑏−𝑎
𝜇 𝑥 = 1, 𝑝𝑎𝑟𝑎 𝑏 < 𝑥 ≤ 𝑐
𝑑−𝑥
, 𝑝𝑎𝑟𝑎 𝑐 < 𝑥 ≤ 𝑑
𝑑−𝑐
0, 𝑝𝑎𝑟𝑎 𝑥 > 𝑑
Comando Matlab: y = trapmf(x,[a b c])
 Funciones de Membresía
Función Sigmoidal (S):
• Similar a la función saturación, con la diferencia que los cambios de
pertenencia a cierto conjunto no son tan drásticos, por lo que se apega
más a la realidad.
0, 𝑝𝑎𝑟𝑎 𝑥 ≤ 𝑎
𝑥−𝑎 2 𝑎+𝑐
2 , 𝑝𝑎𝑟𝑎 𝑎 ≤ 𝑥 ≤
𝜇 𝑥 = 𝑐−𝑎 2
𝑥−𝑎 2 𝑎+𝑐
1−2 , 𝑝𝑎𝑟𝑎 ≤𝑥≤𝑐
𝑐−𝑎 2
1, 𝑝𝑎𝑟𝑎 𝑥 ≥ 𝑐
1 a: Pendiente
𝜇 𝑥; 𝑎, 𝑥0 = x0: punto cruce Comando Matlab: y = sigmf(x,[a x0])
1+ 𝑒 −𝑎 𝑥−𝑥0
 Funciones de Membresía
Función Singleton:
Es una función de membresía que
toma el valor de 1 sólo cuando 𝑥 =
𝑎. Similar al impulso.
1, 𝑠𝑖 𝑥 = 𝑎
𝜇 𝑥 =
0, 𝑠𝑖 𝑥 ≠ 𝑎
Es útil en sistemas borrosos simples
para definir conjuntos borrosos de
las particiones de las variables de
salida, pues, permite simplificar los
cálculos y requiere menos memoria
para almacenar la base de regla.
 Funciones de Membresía
Función Gaussiana:
• Posee cambios no tan drásticos,
pero es muy similar a la
triangular.
• Matemáticamente se define
como:
1 𝑥−𝑥0 2
−
𝜇 𝑥; 𝜎, 𝑥0 = 𝑒 2 𝜎
𝐷𝑜𝑛𝑑𝑒:
𝜎 = 𝑎𝑛𝑐ℎ𝑜
𝑥0 = 𝑐𝑒𝑛𝑡𝑟𝑜
Comando Matlab: y = gaussmf(x,[sig x0])
 Funciones de Membresía
Campana Generalizada: 1
Efecto del cambio de a

a = 0.5
• Posee cambios no tan drásticos, 0.9 a=1
a=5
pero es muy similar a la gaussiana 0.8

con la diferencia que se controlan 3 0.7

elementos. 0.6

0.5
• Matemáticamente se define como:
1 0.4

𝜇 𝑥; 𝜎, 𝑥0 = 0.3
𝑥 − 𝑥0 2𝑏
1+ 0.2
𝑎
𝐷𝑜𝑛𝑑𝑒: 0.1

0
a: Ancho, b: pendiente, 𝑥0 : centro. -10 -8 -6 -4 -2 0 2 4 6 8 10

Comando Matlab: y = gbellmf(x,[a b x0])

 Funciones de Membresía
Campana Generalizada: 1
Efecto del cambio de b

• Posee cambios no tan drásticos, 0.9

b = 0.5
b=1

pero es muy similar a la gaussiana 0.8

b=5

con la diferencia que se controlan 3 0.7

elementos. 0.6

• Matemáticamente se define como: 0.5

1 0.4
𝜇 𝑥; 𝜎, 𝑥0 =
𝑥 − 𝑥0 2𝑏 0.3
1+
𝑎 0.2

𝐷𝑜𝑛𝑑𝑒: 0.1

a: Ancho, b: pendiente, 𝑥0 : centro. 0

-10 -8 -6 -4 -2 0 2 4 6 8 10

Comando Matlab: y = gbellmf(x,[a b x0])

 Conjuntos Difusos
Medidas borrosas:
• Dado un conjunto borroso A, se definen ciertas magnitudes medibles
del conjunto, que se conocen como medidas borrosas.
• La distancia entre dos conjuntos borrosos A y C se pueden definir
utilizando diversas medidas, las más frecuentes son:
• Hamming: 𝐹 𝐴 = 𝜇𝐴 𝑥 − 𝜇𝐶 𝑥
2
• Euclídea: 𝐹 𝐴 = 𝜇𝐴 𝑥 − 𝜇𝐶 𝑥
𝑊 1/𝑊
• Minkowski: 𝐹 𝐴 = 𝜇𝐴 𝑥 − 𝜇𝐶 𝑥 , 𝑐𝑜𝑛 𝑤 ∈ [1, ∞[
 Conjuntos Difusos
Operaciones empleando conjuntos difusos:
• A los conjuntos borrosos se les puede aplicar determinados operadores, o bien,
pueden realizarse operaciones entre ellos.
• Existen 3 operaciones básicas: complemento, unión e intersección. Para explicar
esto haremos uso de los siguientes conjuntos difusos:

Conjunto difuso entre 5 y 8 Conjunto difuso cerca del 4

 Conjuntos Difusos
Operaciones empleando conjuntos difusos:
• Intersección: 𝜇𝐴∩𝐵 = 𝜇𝐴 𝑥 ∧ 𝜇𝐵 𝑥 = min{𝐴 𝑥 , 𝐵 𝑥 }
• También conocido como conjunción.
• “Conjunto difuso entre 5 y 8 Y cerca de 4”.
 Conjuntos Difusos
Operaciones empleando conjuntos difusos:
• Unión: 𝜇𝐴∪𝐵 = 𝜇𝐴 𝑥 ∨ 𝜇𝐵 𝑥 = max 𝐴 𝑥 , 𝐵 𝑥
• También conocido como disyunción.
• “Conjunto difuso entre 5 y 8 O cerca de 4”
 Conjuntos Difusos
Operaciones empleando conjuntos difusos:
• Negación: 𝜇𝐴 = 1 − 𝜇𝐴 (𝑥)
• “Conjunto difuso que NO esté dentro 5 y 8.
 Conjuntos Difusos
Operaciones empleando conjuntos difusos:
• Tradicionalmente se utilizan modificadores de los conjuntos difusos a
los que se llaman etiquetas lingüísticas, equivalente a los adverbios.
• La interpretación en el modelo difuso de estos enunciados consiste en
la composición de la función de pertenencia con una operación
aritmética simple.
• Las mas destacadas son “MUY” y “MAS O MENOS”.
2
• Muy: 𝜇𝑀𝑈𝑌 𝐴 𝑥 = 𝜇 𝑥
• Mas o menos: 𝜇𝑚𝑎𝑠 𝑜 𝑚𝑒𝑛𝑜𝑠 𝐴 𝑥 = 𝜇𝐴 (𝑥)
 Conjuntos Difusos
Operaciones empleando conjuntos difusos:
• Los adverbios (también conocidos como modificadores) cambian la forma de los
conjuntos difusos.
• En la práctica se distinguen 3 tipos de modificadores, de concentración, de
dilatación y de intensificación.
 Conjuntos Difusos
Operaciones empleando conjuntos difusos:
Existen otras operaciones que nos pueden ser de gran utilidad como:
• Producto de dos conjuntos:
𝜇𝐴∙𝐵 = 𝜇𝐴 𝑥 ∙ 𝜇𝐵 𝑥
• Potencia de un conjunto difuso:
𝜇𝐴 𝑥 𝛼 = 𝜇𝐴 𝑥 𝛼
 Conjuntos Difusos

Operaciones empleando conjuntos difusos:

• Doble negación: • Asociación:
𝐴=𝐴 𝐴 ∩ 𝐵 ∩ 𝐶 = 𝐴 ∩ (𝐵 ∩ 𝐶)
• Idempotencia: • Absorción:
𝐴∪𝐴=𝐴 𝐴∩ 𝐴∪𝐵 =𝐴
𝐴∩𝐴=𝐴 • Leyes de Morgan:
• Conmutatividad: 𝐴∪𝐵 =𝐴∩ 𝐵
𝐴∪𝐵 =𝐵∪𝐴 𝐴∩𝐵 =𝐴∪ 𝐵
Existen dos reglas de la lógica clásica que NO se cumplen en la lógica Difusa:
𝐴∪𝐴=𝑋
𝐴∩𝐴=𝜙
 Operadores Difusos Generalizados
Norma T:
• Las funciones correspondientes a la definición de la unión y la intersección
pueden generalizarse, a condición de cumplir ciertas restricciones, es decir,
las operaciones de max, min y complemento (negación) no son las únicas
utilizadas para conjuntos difusos, existen otras operaciones, entre ellas la
norma T.
• La norma T es una función que permite realizar la intersección entre dos
conjuntos difusos.
Norma T: La intersección de A y B se puede representar en general como una
función 𝑇 0,1 𝑥 0,1 → [0,1] o como un operador binario ∆ , tal que:
𝜇𝐴∩𝐵 𝑥, 𝑦 = 𝑇 𝜇𝐴 𝑥 , 𝜇𝐵 𝑦 = 𝜇𝐴 𝑥 ∆ 𝜇𝐵 (𝑦)
 Operadores Difusos Generalizados
Norma T:
Para que una operación se considere norma T deben cumplirse 4
propiedades básicas:
• Acotada: 𝑇 0,0 = 0 𝑦 (𝑇 𝑎, 1 = 𝑇 1, 𝑎 = 𝑎
• Monotonía: 𝑇 𝑎, 𝑏 ≤ 𝑇 𝑐, 𝑑 𝑠𝑖 𝑎 ≤ 𝑐 𝑦 𝑏 ≤ 𝑑
• Conmutativa: 𝑇 𝑎, 𝑏 = 𝑇(𝑏, 𝑎)
• Asociativa: 𝑇 𝑎, 𝑇 𝑏, 𝑐 = 𝑇(𝑇 𝑎, 𝑏 , 𝑐)
 Operadores Difusos Generalizados
Norma T:
Las funciones que cumplen con estas 4
propiedades son:
• Mínimo:
𝑇𝑚𝑖𝑛 𝜇𝑎 , 𝜇𝑏 = 𝑚𝑖𝑛 𝜇𝑎 𝑥 , 𝜇𝑏 𝑦 = 𝜇𝑎 ∧ 𝜇𝑏
• Producto algebraico:
𝑇𝑎𝑝 𝜇𝑎 , 𝜇𝑏 = 𝜇𝑎 ∙ 𝜇𝑏
• Producto frontera:
𝑇𝑏𝑝 𝜇𝑎 , 𝜇𝑏 = 0 ∨ (𝜇𝑎 + 𝜇𝑏 − 1)
• Producto drástico:
𝜇𝑎 , 𝑠𝑖 𝑏 = 1
𝑇𝑑𝑝 𝜇𝑎 , 𝜇𝑏 = 𝜇𝑏 , 𝑠𝑖 𝑎 = 1
0, 𝑠𝑖 𝑎, 𝑏 < 1
 Operadores Difusos Generalizados
Norma S:
• También conocido como co-norma T.
• Utilizada para obtener la unión entre dos conjuntos difusos.
Norma S: La unión de A y B es representada en general como una
función 𝑆: 0,1 𝑥 0,1 → 0,1 o como un operador binario ⊥ tal que
𝜇𝐴∪𝐵 𝑥, 𝑦 = 𝑆 𝜇𝐴 𝑥 , 𝜇𝐵 𝑦 = 𝜇𝐴 ⊥ 𝜇𝐵
 Operadores Difusos Generalizados
Norma S:
Para que una función sea una norma S debe cumplir 4 propiedades:
• Acotada: 𝑆 1,1 = 1 𝑦 𝑆 𝑎, 0 = 𝑆 0, 𝑎 = 𝑎
• Monotonía: 𝑆 𝑎, 𝑏 ≤ 𝑆 𝑐, 𝑑 𝑠𝑖 𝑎 ≤ 𝑐 𝑦 𝑏 ≤ 𝑑
• Conmutativa: 𝑆 𝑎, 𝑏 = 𝑆(𝑏, 𝑎)
• Asociativa: 𝑆 𝑎, 𝑆 𝑏, 𝑐 = 𝑆 𝑆 𝑎, 𝑏 , 𝑐
 Operadores Difusos Generalizados
Norma S:
Las funciones que cumplen con estas 4
propiedades son:
• Máximo:
𝑆ma𝑥 𝜇𝑎 , 𝜇𝑏 = max 𝜇𝑎 , 𝜇𝑏 = 𝑎 ∨ 𝑏
• Suma Algebraica:
𝑆𝑎𝑠 𝜇𝑎 , 𝜇𝑏 = 𝜇𝑎 + 𝜇𝑏 − 𝜇𝑎 ∙ 𝜇𝑏
• Suma frontera:
𝑆𝑏𝑠 𝜇𝑎 , 𝜇𝑏 = 1 ∧ 𝜇𝑎 + 𝜇𝑏
• Suma drástica:
𝜇𝑎 , 𝑠𝑖 𝑏 = 0
𝑆𝑑𝑠 𝜇𝑎 , 𝜇𝑏 = 𝜇𝑏 , 𝑠𝑖 𝑎 = 0
1, 𝑠𝑖 𝜇𝑎 , 𝜇𝑏 > 0
 Operadores Difusos Generalizados
Complemento Difuso:
El complemento de un conjunto difuso A se puede generalizar si se
considera como una función 𝑁: 0,1 𝑥 0,1 → [0,1] tal que: 𝜇¬𝐴 𝑥 =
𝑁 𝜇𝐴 𝑥
• Para que una función sea complemento difuso debe cumplir las
siguientes propiedades:
• Acotada: 𝑁 0 = 1 𝑦 𝑁 1 = 0
• Monotonía: 𝑁 𝑎 ≥ 𝑁 𝑏 𝑠𝑖 𝑎 ≤ 𝑏
• Involutiva: 𝑁 𝑁 𝑎 =𝑎
 Operadores Difusos Generalizados
Complemento Difuso:
Las funciones que cumplen con las
propiedades anteriores son:
• Complemento clásico:
𝑁𝑐 𝑎 = 1 − 𝑎
• Complemento de Sugeno:
1−𝑎
𝑁𝑠 𝑎 = , 𝑐𝑜𝑛 𝑠 > 1
1 + 𝑠𝑎
• Complemento de Yager:
1
𝑁𝑤 𝑎 = 1 − 𝑤
𝑎 𝑤 , 𝑐𝑜𝑛 𝑤>0
 Inferencia Borrosa
• Al igual que la lógica clásica, la lógica borrosa se ocupa del razonamiento
formal con proposiciones, pero a diferencia de ésta, los valores de las
proposiciones pueden tomar valores intermedios entre verdadero y falso.
• De la misma forma que se define un isomorfismo (Relación entre objetos
que tienen una estructura igual, idéntica) entre la 1ógica y la teoría de
conjuntos clásica, es posible también definir un isomorfismo entre la 1ógica
y la teoría de conjuntos borrosos, y de éstas a su vez con un Algebra de
Boole. De esta forma, 1os conjuntos borrosos también representan
predicados en la 1ógica proposicional.
• El objeto de la 1ógica borrosa es proporcionar un soporte formal al
razonamiento basado en el lenguaje natural, que se caracteriza por tratarse
de un razonamiento de tipo aproximado, que hace uso de unas
proposiciones que a su vez expresan información de carácter impreciso.
 Inferencia Borrosa
Principio de extensión:
• El principio de extensión permite convertir conceptos no borrosos en
borrosos, siendo además la base de la inferencia en los sistemas
borrosos.
• Sean U y V dos universos de discurso, y f una función de U a V, en
general, para un conjunto borroso A en U el principio de extensión
define un conjunto borrosos B en V dado por:
𝜇𝐵 𝑣 = 𝑠𝑢𝑝𝑢∈𝑓−1(𝑣) 𝜇𝐴 (𝑢)
• En otras palabras, 𝜇𝐵 (𝑣) es el máximo de 𝜇𝐴 (𝑢) para todos los 𝑢 ∈ 𝑈
que cumplen 𝑓 𝑢 = 𝑣.
 Relaciones Difusas
Relación Certera (nítida): Relación Difusa:
• Se puede representar con una • Para dos universos de discurso U
tabla, una gráfica o una matriz. y V, una relación borrosa se
define como un conjunto borroso
R en el espacio UxV, cuya
función de inclusión
(membresía) se denota como
𝜇𝑅 𝑢, 𝑣 , 𝑐𝑜𝑛 𝑢 ∈ U 𝑦 𝑣 ∈ 𝑉.
• Representación Mediante
Matrices.
 Relaciones Difusas
Relación Certera (nítida): Relación Difusa:
• Se puede representar con una • Representación Mediante
tabla, una gráfica o una matriz. Matrices.
 Relaciones Difusas
Producto cartesiano:
• Operación entre conjuntos que sirve para relacionar dos funciones de membresía.

Caso Certero: Caso difuso:

• El producto cartesiano viene definido
por la siguiente expresión matemática:

𝜇𝐴𝑥𝐵 𝑥, 𝑦 = min 𝜇𝐴 𝑥 , 𝜇𝐵 𝑦
 Relaciones Difusas
Producto cartesiano:
Ejemplo: Sean los siguientes conjuntos: A, el cual representa la
Velocidad Alta de un carro y B, el cual representa la gravedad de los
accidentes.
0 0.1 0.5 0.8 1 1
𝐴= + + + + +
0 40 80 100 120 140
0.8 0.8 0.9 1
𝐵= + + +
1 2 3 4
 Relaciones Difusas
Producto cartesiano:
• El producto cartesiano permite relacionar ambos conjuntos de la
siguiente manera:
0 0 0 0 0
Velocidad (Km/hr)
40 0.1 0.1 0.1 0.1
80 0.5 0.5 0.5 0.5
100 0.8 0.8 0.8 0.8
120 0.8 0.8 0.9 1
140 0.8 0.8 0.9 1
1 (Volcar) 2 (Salir calle) 3 (Lateral) 4 (Frontal)
Gravedad Accidente
 Relaciones Difusas
Producto cartesiano: clc, clear all
x = 0:100; %UD venta moderada
Ejemplo. Calcular el producto VMF = gbellmf(x,[20, 3, 50]);
y = 0:1000; %UD Diversidad
cartesiano de los siguientes elementos. DMF = sigmf(y,[0.01 500]);

%Producto Cartesiano
Conjunto (U.D) Función Parámetros
for i=1:101
Venta moderada Campana general A = 20, b=3, centro for j=1:1001
[0,100] = 50 mR(i,j)=min(VMF(i),DMF(j));
end
Diversidad Sigmoide A = 0.01, centro = end
Ofertada [1,1000[ 500
[X,Y] = meshgrid(0:1000,0:100);
mesh(X,Y,mR);
 Relaciones Difusas
Composición Entre Relaciones Difusas:
• La composición para funciones viene dada como la siguiente figura:

• En cambio la composición de conjuntos o relaciones difusas viene dada por:

𝜇𝑅1 ∘𝑅2 𝑥, 𝑧 = max min 𝜇𝑅1 𝑥, 𝑦 , 𝜇𝑅2 𝑦, 𝑧
 Relaciones Difusas
Ejemplo: Se tienen los siguientes productos cartesianos, obtenga como A
afecta en C.
0.4 1 0.2 1 0.6 0.5 0.4 0
𝑅1 = 𝐴 × 𝐵 = 0.1 0 0.5 , 𝑅2 = 𝐵 × 𝐶 = 0.4 0.8 0.7 0.3 0.3
0.9 0.7 0.8 0.5 1.0 0.5 0.2 0.8
0.4 1 0.2 1 0.6 0.5 0.4 0
𝑅1 ∘ 𝑅2 = 0.1 0 0.5 0.4 0.8 0.7 0.3 0.3
0.9 0.7 0.8 0.5 1.0 0.5 0.2 0.8
0.4 0.8 0.7 0.4 0.3
𝑅1 ∘ 𝑅2 = 0.5 0.5 0.5 0.2 0.5
0.9 0.8 0.7 0.4 0.8
 Razonamiento Difuso
Lógica Clásica:
Proposición: es una sentencia que puede ser verdadera (1) o falsa (0).
• Las operaciones típicas son:
• Conjunción ( ∧, “Y” )
• Disyunción (∨, “O”)
• Negación (¬)
• Implicación (→)
• Equivalencia (↔)
• O-Exclusiva (∨)
• O-Exclusiva negada:
𝑝 → 𝑞 = ¬𝑝 ∨ 𝑞
𝑝 ↔ 𝑞 = 𝑝 ∧ 𝑞 ∨ ¬𝑝 ∧ ¬𝑞 = 𝑝 ∨ 𝑞
 Razonamiento Difuso
Lógica Difusa:
Proposición difusa: es una sentencia cuya veracidad puede tomar
valores entre 0 y 1 (inclusive).
• Conjunción: 𝑉 𝑝 ∧ 𝑞 = min 𝑉 𝑝 , 𝑉 𝑞
• Disyunción: 𝑉 𝑝 ∨ 𝑞 = max 𝑉 𝑝 , 𝑉 𝑞
• Negación: 𝑉 𝑝 = 1 − 𝑉(𝑝)
• Implicación: 𝑉 𝑝 → 𝑞 = 𝑉 𝑝 ∨ 𝑞 = max 1 − 𝑉 𝑝 , 𝑉 𝑞
• Equivalencia: 𝑉 𝑝 ↔ 𝑞 = 𝑝 ∧ 𝑞 ∨ ¬𝑝 ∧ ¬𝑞
= max min 𝑉 𝑝 , 𝑉 𝑞 , min 1 − 𝑉 𝑝 , 1 − 𝑉 𝑞
 Razonamiento Difuso
Reglas Difusas Si-Entonces:
• Siempre son de la forma “si x es A, entonces y es B”.
• Donde x e y son variables lingüísticas y A y B son valores lingüísticos.
• Ejemplos:
• Si la presión es alta, entonces el volumen es grande.
• Si la carretera es sinuosa, entonces la carretera es peligrosa.
• Si las revolucionas son altas, entonces el gasto de combustible es alto.
• Interpretación matemática:
• Relación Difusa (producto cartesiano): 𝑅 = 𝐴𝑥𝐵
• Implicación Difusa: 𝐼 = 𝐴 → 𝐵
 Razonamiento Difuso
Ejemplo: Evalué la membresía de la regla difusa “si estudio mucho,
entonces soy un excelente estudiante”.
• 𝐸𝑠𝑡𝑢𝑑𝑖𝑜 𝑀𝑢𝑐ℎ𝑜 → 𝐹𝑢𝑛𝑐𝑖ó𝑛 𝑠𝑖𝑔𝑚𝑜𝑖𝑑𝑎𝑙 𝑐𝑒𝑛𝑡𝑟𝑎𝑑𝑎 𝑒𝑛 3, 𝑐𝑜𝑛 𝑥 ∈ 0,8 ℎ𝑟𝑠 𝑑𝑖𝑎𝑟𝑖𝑎𝑠 𝑑𝑒 𝑒𝑠𝑡𝑢𝑑𝑖𝑜
• 𝐸𝑥𝑐𝑒𝑙𝑒𝑛𝑡𝑒 𝐸𝑠𝑡𝑢𝑑𝑖𝑎𝑛𝑡𝑒 → 𝐹𝑢𝑛𝑐𝑖ó𝑛 𝑠𝑖𝑔𝑚𝑜𝑖𝑑𝑎𝑙 𝑐𝑒𝑛𝑡𝑟𝑎𝑑𝑎 𝑒𝑛 8, 𝑐𝑜𝑛 𝑥 ∈ 0,10 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑎𝑐𝑎𝑑é𝑚𝑖𝑐𝑜
 Razonamiento Difuso
Modus ponens difuso:
• El modo ponens difuso es la regla básica de inferencia en lógica
tradicional de dos valores, según la cual podemos inferir la verdad de
una proposición B a partir de la verdad de A y la implicación A→B
• Se compone de dos premisas, la primera es un hecho y la segunda es
una regla difusa del tipo si-entonces.
Premisa 1 (Hecho) x es A’ 𝐴′
Premisa 2 (regla) Si x es A, entonces y es B 𝑅 =𝐴×𝐵
Conclusión Y es B’ 𝐵′ = 𝐴′ ∘ 𝑅
 Razonamiento Difuso
Modus ponens difuso:
Ejemplo: Infiera la conclusión del siguiente razonamiento difuso.
Premisa 1 (Hecho) Pedro estudia Poco
Premisa 2 (regla) Si estudio mucho, entonces soy un excelente estudiante
Conclusión ?
Supongamos entonces las siguientes funciones de membresía:
Estudia Mucho: Sigmoide, abierta a la derecha, centrada en 3, 𝑥 ∈ [0,8]
Excelente Estudiante: Sigmoide, abierta a la derecha, centrada en 8, 𝑦 ∈ 0,10
Estudia Poco: Sigmoide, abierta a la izquierda, centrada en 1, 𝑥 ∈ [0,8]
 Razonamiento Difuso
La conclusión es que “Pedro no es tan excelente estudiante”.
 Razonamiento Difuso
Modus tolens difuso:
• El modo tolens difuso también se conoce como razonamiento inverso.
Premisa 1 (Regla) Si x es A, Entonces y es B
Premisa 2 (Hecho) y es B’.
Conclusión x es A’
• También se puede expresar como: 𝐴′ = 𝐵′ ∘ 𝑅