LÓGICA DIFUSA

• Conjuntos clásicos y conjuntos

difusos.
• Operaciones Fundamentales.
• Operadores y propiedades de
conjuntos difusos.
• Funciones de Membresía.
• Relaciones Difusas.
Funciones de Membresía

• En la teoría de los conjuntos clásicos, se utiliza la

notación de función característica (A), para indicar
cuando un elemento cualquiera pertenece o no a un
conjunto.

• El universo de discurso es el universo de toda la

información disponible en un problema dado.

• Un conjunto difuso es un conjunto que contiene

elementos, los cuales varían su grado de pertenencia en
el conjunto.

• El concepto de función de membresía en la teoría de

los conjuntos difusos, es una medida de la
pertenencia graduada de un elemento en un
conjunto difuso.
Función de Membresía

Un elemento x de X.

Puede no pertenecer a A: (A(x) = 0)

Pertenecer un poco: (A(x) = valor cercano a 0)

Pertenecer moderadamente: (A(x) = valor no muy

cercano a 0 pero tampoco a 1)

Pertenecer demasiado: (A(x) = con un valor muy

cercano a 1)

Pertenecer totalmente a: (A(x) = 1)

Ejemplo:

Grado de pertenencia de un grupo

de estudiantes, con respecto al
conjunto difuso “personas altas”
Función de Membresía

• Se han desarrollado muchas técnicas para definir la

forma de las funciones de membresía (FM)
utilizando técnicas estadísticas, redes neuronales
artificiales y algoritmos genéticos.

• Se debe de tener especial cuidado al diseñar las

FMs. Aunque se puede definir una FM de forma
arbitraria, se recomienda que se utilicen FM
parametrizables que puedan ser definidas por un
número pequeño de parámetros.
Partes de una función de membresía
Función de Membresía

• Para la representación de los grados de

pertenencia de cada uno de los elementos que
conforman el 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.
Funciones de membresía convencionales:

1. Función saturación.
2. Función triangular.
3. Función trapecio o Pi.
4. Función “S” o sigmoidal.
1. Función saturación

– Es la más sencilla. Tiene un valor 0 hasta cierto punto

y después crece con pendiente constante hasta
alcanzar el valor de 1, en donde se estaciona.

– Este tipo de funciones describe muy bien situaciones

en donde se alcanza un nivel máximo a partir de cierto
punto.

– Ejemplo: la estatura de las personas o el rendimiento

académico de un alumno. Se podría considerar que
una persona es alta con grado de pertenencia unitario
a partir de 1.80 m, o que un alumno es excelente con
grado de pertenencia unitario a partir de un promedio
general de 19.
1. Función saturación
2. Función hombro

– Contraparte de la función saturación. En este tipo de

funciones se inicia en un valor unitario y se desciende
con constante pendiente hasta alcanzar el valor de 0.

– Este tipo de función es útil cuando el grado de

pertenencia es total en valores pequeños y decae
conforme el valor de la variable aumenta.

– Ejemplo: el nivel de oxígeno es suficiente; a medida

que el número de peces aumente, el oxígeno será mas
limitado hasta que llegue el punto en que no sea
suficiente y los peces mueran.
2. Función hombro
3. Función triangular

– Su forma consta de una parte de pendiente positiva

constante hasta alcanzar la unidad, y una vez que lo
ha logrado desciende de manera uniforme.

– La función triangular es muy adecuada para definir

situaciones en las que se tiene un valor óptimo central,
el cual se va perdiendo conforme uno se aleja de el.

– Ejemplo: la temperatura corporal, que tiene un valor

óptimo de 37° centígrados, pero que por debajo de 35°
o por encima de 39° se considera peligrosa, es decir,
el nivel de pertenencia al conjunto de temperaturas
seguras en el cuerpo humano es 0.
3. Función triangular
4. Función trapecio

– Una generalización de la función triangular es la función

de trapecio o función Pi. En el caso de esta función de
membresía, no solo se tiene un valor para el cual la
pertenencia es unitaria, sino toda una franja que varia su
ancho dependiendo del fenómeno observado.

– La forma de esta función es muy utilizada, ya se emplea

cuando hay un rango de valores óptimos, alrededor de
los cuales las condiciones no son adecuadas.

– Ejemplo: la iluminación de un salón de clases. Existe un

rango en el cual la iluminación es agradable para las
personas, pero por debajo de dicho rango la luz no es
suficiente para leer el pizarrón, y por encima de él es
molesto para la vista de los estudiantes.
4. Función trapecio
5. Función “S” o sigmoidal

– Finalmente tenemos la función «S». La forma de esta

función es similar a la de saturación. Sin embargo,
como su nombre lo indica, el segmento de subida no
es una línea recta, sino una curva de segundo orden,
la cual cambia de concavidad en un punto dado, y una
vez que llega a 1 se mantiene en este valor.

– Esta función también define fenómenos como los

definidos por la función de saturación. La diferencia
principal radica precisamente en que los cambios de
pertenencia a cierto conjunto no son tan drásticos, por
lo que se apega mas a la realidad.

– Ejemplo: la pertenencia a la clase media basada en el

ingreso monetario mensual es un ejemplo que puede
ser definido por esta función.
5. Función “S” o Sigmoidal
Notas:

• Las FMs que son diferenciables tienen ciertas ventajas en las

aplicaciones de sistemas neuro-difusos (sistemas que
aprenden funciones de membresía utilizando técnicas de
aprendizaje de RNA).
• Las funciones de membresía Gausianas han sido utilizadas
para dichos sistemas.

• Directrices:
1. Siempre utilice FM parametrizables. No es recomendable definir
una función de membresía punto por punto.
2. Utilice una FM triangular o trapezoidal, a menos que haya una
buena razón para hacer lo contrario.
3. Si desea que el sistema aprenda la función de membresía utilice
técnicas de aprendizaje de RNA, escoja una función Gaussiana.