“AÑO DE LA UNIDAD, LA PAZ Y EL DESARROLLO”

FACULTAD DE CIENCIAS E INGENIERÍA

CARRERA PROFESIONAL DE INGENIERÍA DE SISTEMAS

CURSO:

● INTELIGENCIA ARTIFICIAL

TEMA:

● ESTADO DEL ARTE DE LA LÓGICA FUZZY Y LOS SISTEMAS DE SOFT

COMPUTING.

DOCENTE TUTOR:

● ING. JORGE LUIS GUTIERREZ GUTIERREZ

INTEGRANTES:

● CORNEJO SAAVEDRA YERINA ZARAI

● JIMENEZ CASTILLO ANDERSON
● PACHERREZ NAVARRO MILTON PABLO
● RUIZ RAMOS ELVIS JOEL

CICLO: IX

PIURA – PERÚ
2023
 Índice de Contenido
1. Introducción ........................................................................................................................ 4
2. Desarrollo del tema ............................................................................................................. 5
2.1. La lógica Fuzzy ........................................................................................................... 5
2.2. ¿Para qué sirve? ........................................................................................................... 5
2.2.1. Ejemplo .................................................................................................................... 6
2.3. Aplicaciones de lógica fuzzy....................................................................................... 6
2.3.1. Con relación a la inteligencia artificial .................................................................... 7
2.4. ¿Dónde se puede aplicar esta lógica fuzzy? ................................................................ 7
2.5. Conjuntos borrosos...................................................................................................... 7
2.6. Variables, funciones y reglas ...................................................................................... 8
2.7. Los sistemas de soft computing .................................................................................. 9
3. Metodología ........................................................................................................................ 9
4. Investigaciones usando Lógica Fuzzy y soft computing .................................................. 12
6. Referencias Bibliográficas ................................................................................................ 15
Anexo ....................................................................................................................................... 16

2
 ÍNDICE DE ILUSTRACIÓN

Ilustración 1: Lógica fuzzy ........................................................................................................ 6

Ilustración 2: Conjuntos borrosos .............................................................................................. 8
Ilustración 3: Soft computing..................................................................................................... 9
Ilustración 4: Comparación entre lógica clásica y lógica difusa.............................................. 10
Ilustración 5: Definición de red neuronal artificial ................................................................. 10
Ilustración 6: Inteligencia artificial- Algoritmos genéticos ..................................................... 11
Ilustración 7: Aplicaciones del soft computing ....................................................................... 11
Ilustración 8: Captura de pantalla turnitin. .............................................................................. 16

3
1. Introducción

Antes de conocer a la lógica fuzzy, existía la booleana que era considerada una de las
ciencias más precisas que existían hasta que aparecieron las ciencias modernas, ya que
en la actualidad estamos viviendo en un entorno más moderno, donde las ciencias han
evolucionado y se han vuelto más modernas a medida que transcurre el tiempo. Tanto
así que este tipo de lógica se considera booleana debido a que solo contaba con dos
valores los cuales son conocidos como (0 - 1) lo que indica un valor verdadero y uno
falso. Sin embargo, tiene grandes ventajas ya que era muy eficaz al dar soluciones a
diversos problemas, de tal manera que mostraba los resultados con mayor exactitud, a
pesar de ello también tiene desventajas porque a pesar de que podía dar soluciones
óptimas este aún no ha podido interpretar los patrones que tiene un ser humano (1).

Desde entonces en los años 60, el profesor Lotfi Zadeth quien enseñaba en la
Universidad de California, buscó dar una mejora a la lógica booleana para corregir
ciertos errores que esta presentaba, es por ello que a raíz de las investigaciones que
pudo realizar, el profesor logró crear una nueva lógica la cual denominaría con el
nombre de “lógica fuzzy” (1).

Esta lógica fue denominada como una disciplina matemática, ya que se diseñó con el
objetivo de realizar variación en las variables al ser controladas y esto la haría diferente
a la booleana porque ya no estaría sujeta a los dos valores que solía tener (0-1). En
cambio la fuzzy nos permite ingresar multivalores, con la finalidad de poder resolver
problemas complejos que no serían resueltos con algún modelo matemático, ya sea
porque faltan datos o simplemente porque el problema es demasiado complicado (1).

Los programadores en casos reales realizan la incorporación de los pensamientos

lógicos que poseen los humanos dentro de una computadora para dar mejores
soluciones a los diversos problemas. De tal manera que al adquirir la lógica humana ya
no tienen necesidad de usar las funciones matemáticas, dando así una mejora a los
sistemas y es mucho más fácil realizar modificaciones. En pocas palabras podemos
decir que esto nos permite controlar los diversos procesos, obteniendo las experiencias
de trabajadores especialistas en su respectiva área en el mundo real (1).

4
2. Desarrollo del tema

Estado del arte de la lógica fuzzy y los sistemas de soft computing

2.1.La lógica Fuzzy

Es aquella que con un sinfín de matices que no llevan consigo un significado concreto
que no solo se trata de un sí o no, o que algo sea verdad o sea falsedad se encarga de
plasmar las proposiciones del lenguaje del ser humano. Lo que se quiere realizar es
trasladar las riquezas de las expresiones semánticas hacia un lugar más enfocado a lo
científico como podría ser la tecnología de información, la física, la matemática, entre
otros, empleando razonamientos cualitativos con la finalidad de dar una descripción
de diversas situaciones dinámicas y complejas.

En la lógica difusa no hay nada confuso, sencillamente otorga la posibilidad de que

un elemento tenga un grado de pertenencia dentro de un intervalo que está cerrado
[1,0] en veces de tener solo 2 alternativas ({0,1} (falsedad o verdad), por tanto se
puede representar con atino el elemento dándole un número que se puede hallar entre
el 0 y 1 donde 0 es el límite inferior y el 1 superior. con estas opciones que nos brinda
la lógica fuzzy no obtendremos una conclusión que sea totalmente cierta pero sí muy
válida (2).

2.2.¿Para qué sirve?

Esta es una disciplina que nos permite tratar con información incorrecta. Veamos un
ejemplo. La temperatura se puede medir en grados centígrados. Es decir, podemos decir
que hace 16 grados y medio, pero también podemos medirlo de una manera
inapropiada. Por ejemplo, como ""frío" bastante frío "o" un poco caliente”. Lo que dice,
debemos determinar qué valores cubren el frío, el calor, etc (3).

Es un lugar donde puede ingresar la lógica difusa porque puede relajar este tipo de
información. Esta parte lógica de la teoría del set clásico. Esta teoría establece que los
elementos pueden o no pertenecer al conjunto. Sin embargo, la lógica difusa puede
establecer una variedad de atributos superiores a 0 y 1 (3).

5
 La pertenencia del elemento al conjunto borroso se calcula por su pertenencia, que es
una función de la parte, que determina el grado de pertenencia dependiendo de los
intervalos. Otro elemento que compone los conjuntos borrosos son particiones borrosas.
También debemos determinar el conjunto borroso de secciones, que es un conjunto de
conjuntos borrosos. En particular, este es un conjunto de todos los conjuntos que se
determinaron para una cierta variable (3).

Finalmente, se debe determinar la variable lingüística. Esta variable es la que acepta

valores que son los términos del lenguaje natural como poco, mucho o suficiente. Esta
variable sirve como etiquetas para un conjunto borroso (3).

2.2.1. Ejemplo

La lógica fuzzy puede determinar la edad de niños, jóvenes y adultos para tener en
cuenta la variabilidad y la graduación en los niveles de comprensión de los
diferentes grupos de edad.
Ilustración 1: Lógica fuzzy

Nota. Variabilidad de diferentes grupos de edad.

2.3.Aplicaciones de lógica fuzzy

Las aplicaciones lógicas de desvanecimiento pueden extenderse a sistemas expertos o

desarrollar controladores borrosos.
Por otro lado, también es común determinar la superposición entre variables entre el
20% o el 30%.

6
 También es importante definir reglas difusas que nos permitan conectar conjuntos
difusos de entrada a conjuntos difusos de salida (3).

2.3.1. Con relación a la inteligencia artificial

Lógica difusa o lógica fuzzy es una rama en inteligencia artificial que le permite a
un dispositivo analizar información del mundo real en una escala entre falso o
verdadero permiten a los ingenieros que juzguen la información difícil de definir
(4).

2.3.2. Descripción:

Surge la necesidad de cuantificar características que se expresan con adjetivos de

lenguaje natural.

Es necesario definir una función de pertenencia al conjunto que entendemos por la

población a la que nos enfrentamos por este alto o bajo grado y qué significa para
un determinado conjunto de población que es ampliamente utilizado en el área de
enseñanza. La tecnología actual también se utiliza en el proceso de toma de
decisiones. Se utiliza para el control de ingeniería (4).

2.4.¿Dónde se puede aplicar esta lógica fuzzy?

Se puede aplicar en procesos demasiados complejos es decir, cuando no haya una

solución simple o cuando no hay un modelo matemático. Es útil cuando se va a utilizar
el conocimiento de un experto que utiliza conceptos ambiguos. De la misma manera se
puede aplicar para un sistema, es decir cuando no se pueda medir de manera confiable
cuando el ajuste de una variable puede producir el desajuste de otras. No es
recomendable utilizar la lógica difusa cuando los problemas son lineales (4).

2.5.Conjuntos borrosos

Un conjunto simple siempre va a incluir o excluir elementos. Cómo por ejemplo: los
días de la semana. Es decir que todos los días se incluyen.
7
 En cambio un conjunto borroso es aquel que no tiene límite claro donde pueda definir
la pertenencia de un elemento dado. Por ejemplo, al fin de semana, a unos les parece
sábado un día de descanso y reposo, por otro lado puede ser un domingo, dónde solo
tienen ese día de descanso (4).

La pertenencia de un elemento en un conjunto borroso se determina mediante las

funciones pertenencia les que pueden tener formas de expresión matemática como una
campana de Gauss, una gaussiana, trianguladas o trapezoides, dependiendo también de
cómo es la función, y expresión, la cual es agruparlas por ese entendimiento de grupo
(4).

Ilustración 2: Conjuntos borrosos

Nota. Términos relativos a los conjuntos borrosos.

2.6.Variables, funciones y reglas

Variables

Estos son términos que denotan un determinado elemento que ponemos en el predicado,
lingüísticamente es el sujeto de la oración (4).

Funciones de pertenencia

Las variables son moduladas por la función de pertenencia, representan el rango de

valores que se mueven las variables para una población dada (4).

8
2.7.Los sistemas de soft computing

El sistema soft computing es un modelo de computadora desarrollado adicional para

resolver problemas no lineales que implican soluciones inseguras, inexactas y
aproximadas de un problema. Estos tipos de problemas se ven como problemas reales
en los que se requiere inteligencia similar humana para resolverlos (5).

Ilustración 3: Soft computing

Nota. Sistema soft computing

Es creado por la adaptabilidad y el conocimiento de dos elementos y tiene una serie de

herramientas, como la lógica difusa, las redes neuronales, el algoritmo genético, etc. El
modelo de computación suave difiere de su modelo anterior, que se conoce como
modelo de computación dura, allí hace allí. No funciona en el modelo de resolución de
problemas matemáticos (5).

3. Metodología

La lógica difusa o el sistema difuso se ocupan del problema de los sistemas y controles
de toma de decisiones que no pueden ser una fórmula matemática dura. Esto
básicamente asigna la entrada a la salida lógicamente por la manera no lineal, como lo
hacen los humanos. La lógica difusa se utiliza en subsistemas de automóviles, aires
acondicionados, cámaras, etc (5).

9
 Ilustración 4: Comparación entre lógica clásica y lógica difusa

Nota. Forma representativa entre lógica clásica y lógica difusa

La red neuronal artificial lleva a cabo un proceso de clasificación, minería de datos y

predicciones y administra fácilmente datos "ruidosos" que los clasifican en grupos o los
mapea para obtener los resultados esperados. Por ejemplo, esto se utiliza en el
reconocimiento de imágenes y caracteres, en estimaciones comerciales, donde los
patrones se estudian a partir de conjuntos de datos y los modelos se hacen para
reconocer estos patrones (5).
Ilustración 5: Definición de red neuronal artificial

Nota. Forma gráfica de la red neuronal

Los algoritmos genéticos y técnicos evolutivos se utilizan para resolver los problemas
de optimización y diseño, donde se puede reconocer la solución óptima, pero no se
puede establecer una respuesta correcta predeterminada. La aplicación real del
algoritmo genético que utiliza métodos de búsqueda heurística es robótica, diseño de
automóviles, ruta de telecomunicación optimizada, invención biomimética, etc (5).

10
 Ilustración 6: Inteligencia artificial- Algoritmos genéticos

Nota. Los algoritmos genéticos y técnicos

Los sistemas de soft computing se utilizan en una amplia gama de aplicaciones, como
sistemas de control, reconocimiento de patrones, toma de decisiones, optimización,
minería de datos, etc, ya que tiene una capacidad para manejar la incertidumbre y
adaptarse a cambios lo que hace que sea una herramienta útil en entornos complejos y
dinámicos (5).

Ilustración 7: Aplicaciones del soft computing

Nota. Los sistemas de soft computing

11
4. Investigaciones usando Lógica Fuzzy y soft computing

Según el autor Sañay (6), en su trabajo de investigación del año 2023, titulada “Mapeo
Sistemático sobre soluciones al tráfico vehicular en ciudades inteligentes”, nos indica
que la problemática vehicular está presente en diversos países causando así mucho
trafico en las carreteras, es por ello que con la finalidad de dar solución a este problema
a iniciado con la recolección de información relevante para encontrar herramientas que
le sea útil para combatir el problema, usando como materiales la ciudad de Smart Ciy
ya que es una ciudad que hace uso de las tecnologías para dar una mejor calidad de vida
a sus habitantes, también se está usando los softwares de transportes inteligentes los
cuales permitirán determinar una solución sobre la congestión del tráfico pero no solo
se centraría en el tráfico si no que busca reducir la contaminación del ambiente. Para
dicha investigación está haciendo de la metodología mapeo sistemático (MP), el cual
es el indicado para dar solución al problema del tráfico. Teniendo como objetivo reducir
el tráfico de los vehículos de las diversas ciudades con finalidad de tener un mejor
control sobre el tráfico.

Los autores Lozada, Salame, López (7), en su investigación del año 2023, titulada
“Método para el análisis y evaluación de las fallas más comunes en la adaptación de
prótesis total inferior en adultos mayores mediante Lógica Fuzzy Compensatoria”, nos
habla sobre los problemas que tienen los ancianos tienen problemas con sus prótesis en
la parte inferior generando incomodidades al momento de comer sus alimentos y para
poder conversar, debido a que cuando comen los residuos de comida se van acumulando
en la prótesis en los espacios libres que esta deja al no quedarles perfectamente puestas.
Es por ello que se tiene como objetivo desarrollar un método que ayude analizar,
evaluar cada una de las fallas más frecuentes que suelen tener los ancianos. Esta
investigación hizo uso de la metodología observacional, descriptivo con la finalidad de
poder describir cada uno de los problemas que presentaban los ancianos al obtener su
prótesis y cuantitativo para realizar los cálculos y obtener los resultados relevantes
sobre el problema. Una vez aplicado el método el cual realizado el análisis y el
encargado de evaluar todas las fallas, da paso al funcionamiento que se empleará para
corregir los errores será la Lógica Fuzzy Compesatoria que se basa principalmente en
realizar las medidas geométricas. De tal manera que hará las prótesis con mucha mas
precisión dando solución al problema que tienen los ancianos. Para concluir con esta

12
investigación se determina que hay fallas comunes las cuales pueden ser resueltas por
un odontólogo sin tener que usar la Lógica Fuzzi.

En la investigación realizada en el año del 2020, por el autor Vasconez (8), titulada
“Análisis del estado de arte de Técnicas de Soft Computing aplicadas a problemas de
planificación de red en 5G”, nos da a conocer sobre los problemas que existen en la
tecnología 5G en lo que concierne a su estructura y su funcionalidad. El objetivo
principal de esta investigación es la búsqueda de una posición adecuada para plantar
una estación principal, para realizar la operación de las frecuencias múltiples que son
enviadas para que las personas tengan una buena señal, de tal manera que al tener una
buena estabilidad de señal se generarían más ganancias, limitando un menor recurso de
energía y mejorando mucho más la estructura de la red 5G para expandir más el servicio
y así evitar deficiencias en la señal y tenga un mayor alcance. La presente investigación
tuvo una metodología cualitativa para el recojo de información, para de esa forma tener
datos relevantes que sean de gran ayuda para luego dar un resultado satisfactorio. En
conclusión se pudo determinar que la técnica a usar sería la lógica difusa ya que es la
indicada para este tipo de trabajo debido a son capaces de dar soluciones optimas
usando la inteligencia artificial.

13
5. Conclusiones

El avance en el estado del arte de la lógica fuzzy y los sistemas soft computing ha
permitido su aplicación exitosa en diversos campos, como la inteligencia artificial, la
robótica, los sistemas de control, la toma de decisiones y la optimización, estas
tecnologías continúan evolucionando y ofrecen un gran potencial para enfrentar
desafíos futuros, ofreciendo soluciones más flexibles, precisas y adaptables a la
incertidumbre del mundo real.

La lógica fuzzy permite una de las representaciones más flexibles y de manera natural
a los diversos problemas que existen en el mundo real, de esta manera permiten expresar
de manera más precisa los grados de pertenencia, lo cual facilita la representación de
fenómenos complejos.

La lógica fuzzy es ampliamente utilizada en el uso de sistemas para toma de decisiones,

la cual brinda la capacidad de tener en cuenta diversos factores al momento de tomar
una decisión, esta característica resulta especialmente beneficiosa cuando los factores
no pueden ser medidos de forma precisa o cuando no se cuenta con información
completa, además que es útil para capturar y modelar el conocimiento experto en
diversos campos, en el que los expertos pueden expresar sus conocimientos utilizando
reglas difusas y conjuntos difusos, lo que permite aprovechar su experiencia y utilizarla
en sistemas de razonamiento y control.

La lógica fuzzy es altamente adaptable y se puede combinar con otras técnicas y

enfoques, como la inteligencia artificial, para abordar problemas complejos, ya que su
flexibilidad permite su integración con otras herramientas de modelización y resolución
de problemas.

14
6. Referencias Bibliográficas

1. Tejada G. Tutorial De Lógica FUZZY. ELECUNMSM [Internet]. 2000 [cited

2023 Jul 4];(5):18–29. Available from:
https://revistasinvestigacion.unmsm.edu.pe/index.php/electron/article/view/44
26

2. Edificación M en, Gestión E en. La Lógica Fuzzy y su Aplicación en la

Limitación de Recursos [Internet]. Upv.es. [citado el 2 de julio de 2023].
Disponible en:
https://riunet.upv.es/bitstream/handle/10251/33512/impresion.pdf?sequence=1

3. Bello E. Lógica Difusa o Fuzzy Logic: Qué es y cómo funciona + Ejemplos.

Pensando para la Innovación [Internet]. 2021 [citado el 3 de julio de 2023];
Disponible en: https://www.iebschool.com/blog/fuzzy-logic-que-es-big-data/

4. Monografía Lógica Difusa [Internet]. Scribd. [citado el 3 de julio de 2023].

Disponible en: https://es.scribd.com/document/470836149/MONOGRAFIA-
LOGICA-DIFUSA

5. Computación blanda [Internet]. Solucion PC. 2018 [citado el 2 de julio de

2023]. Disponible en: https://pc-solucion.es/terminos/soft-computing/

6. Sañay, Anthony F. Mapeo sistemático sobre soluciones al tráfico vehicular en

ciudades inteligentes. 2023.

7. Lozada F, Salame V, López R. Vista de Método para el análisis y evaluación de

las fallas más comunes en la adaptación de prótesis total inferior en adultos
mayores mediante Lógica Fuzzy Compensatoria [Internet]. Unm.edu. 2023
[cited 2023 Jul 4]. Available from:
https://fs.unm.edu/NCML2/index.php/112/article/view/289/865

8. Vasconez VA. Análisis del estado de arte de Técnicas de Soft Computing

aplicadas a problemas de planificación de red en 5G. ConcienciaDigital
[Internet]. 2020 [cited 2023 Jul 4];3(2.2):60–79. Available from:
https://cienciadigital.org/revistacienciadigital2/index.php/ConcienciaDigital/ar
ticle/view/1246

15
 Anexo
Ilustración 8: Captura de pantalla turnitin.

Nota: El turnitin no muestra la similitud del plagio, el trabajo fue enviado dos días antes de
que venza el turnitin sin embargo sigue sin mostrar similitud.

16