UNIDAD 2

CONCEPTOS Y
FUNDAMENTOS DE
LGICA DIFUSA.

Conceptos y
Fundamentos de
Lgica Difusa.
2.1 Conceptos bsicos de
Lgica Difusa

2.1.1

Introduccin y dos
ejemplos.

La tcnica esencial de la lgica difusa

se
basa
en
cuatro
conceptos
fundamentales:

1). conjuntos difusos.- son conjuntos con

fronteras uniformes o suaves.

2). variables lingsticas.- Son variables

cuyos
valores
son
descritos
cualitativamente y cuantitativamente por
un conjunto difuso.

3).
Distribuciones
de
posibilidad.restricciones impuestas en el valor de una
variable lingstica al asignarle un conjunto
difuso.

4). Reglas difusas si-entonces.- un esquema

de representacin del conocimiento para
describir una proyeccin funcional o una
frmula
lgica
que
generaliza
una
implicacin en la lgica de dos valores.

Nota:

Los tres primeros conceptos son

fundamentales en todas las sub-reas de la
lgica difusa.

Tambin, el cuarto concepto es importante

debido a que es la base de la mayora de
las aplicaciones industriales de la lgica
difusa desarrolladas hasta hoy, lo cual
incluye muchos sistemas de control lgico
difuso.

Problema A: Control simple

de la mezcla de flujo de aire

Temperatura ambiente, No tiene seal de

retroalimentacin de la temperatura ambiente actual.
Tarea: controlar la cantidad de flujo de aire caliente y fro
basado en una temperatura objetivo. El flujo es controlado
al ajustar el voltaje a la bomba en la etapa de mezclado.
V

es el voltaje menor

es el voltaje mayor

Temperatura Objetivo
(T)
Flujo de aire
caliente
Flujo de aire
fro

Controlador a lazo abierto

Voltaje
(V)

Flujo de aire
Mezclado

Problema B: Control
automtico de una
lavadora
La naturaleza de las decisiones que realizan los seres

humanos en este problema es fcil de entender y modelar.

Tarea: Se desea automatizar la seleccin del ciclo y el tiempo
de lavado basado en la cantidad de ropa y lo sucia que esta la
ropa, lo cual es proporcionado por dos transductores.
Cantidad de
Ropa.
Que tan sucia
esta la ropa

Selecci
n
Automti
ca

Ciclo de
lavado.
Tiempo de
lavado.

2.1.2 Conjuntos Difusos

Un conjunto difuso es un conjunto

con fronteras suaves.
A

Fronteras en conjuntos clsicos

Fronteras en conjuntos difusos

Por ejemplo:

Si se quisiera representar dentro de la

teora de conjuntos clsica, el conjunto de
familias con ingresos anuales altos.

Se propone un umbral: $ 80,000.00,

Familias con un ingreso de $ 79,999.00;
Limitacin de la teora de conjuntos clsica.

Algunos conjuntos tienen fronteras bien

definidas (el conjunto de personas casadas).
Muchos otros no tienen fronteras bien
definidas (el conjunto de parejas casadas
felices, el conjunto de escuelas con buenos
alumnos egresados, etc.).

La teora de conjuntos difusos al permitir

que la membresa sea graduada en un
conjunto da solucin a las limitacin que
se presenta en la teora de conjuntos
clsica.
Un conjunto difuso se define como una
funcin que proyecta objetos de un
dominio de conceptos (denominado
Universo de Discurso) a sus valores de
membresa en el conjunto.
Dicha funcin se define como Funcin de
Membresa y es denotada por el smbolo
Griego .

Por ejemplo:

Representacin de Familias de ingresos-altos.

Alto

Ingresos al
ao
80 K

120 K

El conjunto difuso es asociado a un

trmino lingstico

Trminos lingsticos:
beneficios

Asociar un conjunto difuso a un trmino

lingstico
ofrece dos beneficios
importantes:

1. La asociacin hace ms fcil que un

operador experto exprese su conocimiento
usando trminos lingsticos.
2. El conocimiento expresado en trminos
lingsticos es ms fcil de comprender.

Estos beneficios resultan en un ahorro

significante en el costo del diseo, la
modificacin, y el mantenimiento de un
sistema lgico difuso.

Un concepto importante en la Lgica

Difusa, que permite tener los dos beneficios
descritos, es el de Variable lingstica.
Es importante subrayar que un conjunto
difuso siempre se define a partir del
contexto de que se trate, auque dicho
contexto no este explicito en el modelado
del sistema. Tambin, el contexto de
definicin de un termino lingstico
generalmente
es
especificado
implcitamente dentro de la aplicacin en la
cual es utilizado.

2.1.2.1 Diseo de
Funciones de Membresa

Se puede entender por conjunto

clsico:
una coleccin o clase de
objetos bien definidos.

Objetos que pueden ser cualquier

cosa, tales como: nmeros, ciudades,
colores, animales, temperatura, etc.
Estos objetos se conocen como
elementos o miembros del conjunto .

En la teora de los conjuntos clsicos,

se utiliza la notacin de funcin
caracterstica, ( A ), para indicar
cuando un elemento cualquiera
pertenece o no a un conjunto.

El universo de discurso
es el
universo de toda la informacin
disponible en un problema dado.

Un conjunto difuso es un conjunto que

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

El concepto de funcin de membresa

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

Funcin de Membresa
Un elemento u de U.
Puede no pertenecer a A: (A(u) = 0),
Pertenecer un poco: (A(u) = con un valor
cercano a 0),
Pertenecer moderadamente: (A(u) = con un
valor no muy cercano a 0 pero tampoco a 1 ),
Pertenecer demasiado: (A(u) = con un valor
muy cercano a 1),
Pertenecer totalmente a: (A(u)=1).

Debido a que el cambio de la funcin

de membresa de un conjunto a otro
es gradual en los conjuntos difusos,
dichos conjuntos son agrupamientos
de elementos en clases, tambin
llamados etiquetas difusas, las
cuales a diferencia de los conjuntos
clsicos, no poseen fronteras bien
definidas.

Cmo se determina la forma

exacta de la funcin de
membresa para un conjunto
Una funcin de difuso?.
membresa se puede

disear en tres formas distintas:

(1). Entrevistando a quienes estn
familiarizados con las conceptos
importantes del sistema, y ajustndolos
durante el proceso mediante una estrategia
de sintonizacin (hasta los 80s).
(2). Construyndola directamente a partir
de los datos (2 y 3, despus de los 80s).
(3). Mediante el aprendizaje basado en la
retroalimentacin de la ejecucin del
sistema.

Se han desarrollado muchas tcnicas para

definir la forma de las funciones de
membresa
(FM)
utilizando
tcnicas
estadsticas, redes neuronales artificiales y
algoritmos genticos.

Se debe de tener especial cuidado al

disear las FMs. Aun que se puede definir
una FM de forma arbitraria, se recomienda
que se utilicen FM parametrizables que
puedan ser definidas por un nmero
pequeo de parmetros.

FMs ms utilizadas:
Simplicidad

Funcin de
membresa triangular
y sus parmetros.

l
p

lp

Funcin de membresa
trapezoidal y sus
parmetros.

Estrategias especificas para seleccionar y ajustar las FMs

se vern despus.

Nota:

Las FMs que son diferenciables

tienen
ciertas ventajas en las
aplicaciones de sistemas neurodifusos (sistemas que aprenden
funciones de membresa utilizando
tcnicas de aprendizaje de RNA).
Las
funciones
de
membresa
Gausianas han sido utilizadas para
dichos sistemas.

Resumen: diseo de FM

Directrices:
1. Siempre utilice FM parametrizables.
No defina una funcin de membresa
punto por punto.
2. Utilice una FM triangular o
trapezoidal, a menos que haya una
buena razn para hacer lo contrario.
3. Si desea que el sistema aprenda la
funcin de membresa utilice tcnicas
de aprendizaje de RNA, escoja una
funcin de membresa diferenciable,
como la Gaussiana.

2.1.2.2 Operaciones
bsicas en conjuntos
difusos

Para conjuntos clsicos se pueden

realizar las siguientes definiciones:
x X x pertenece a X
x A x pertenece a A
x X x no pertenece a A

para los conjuntos A y

B en X,
tambin se tiene:
A B A esta contenida en B si x A, entonces x B
A B A esta contenida en o es equivalente a B
A B A B y B A

Algunas definiciones para

conjuntos

Contenimiento: ( ) Un conjunto puede

contener a otro conjunto. Al conjunto
ms pequeo se le llama Subconjunto.
( Subconjunto propio).

En un universo comprendido por tres

elementos X = {a, b, c}, el nmero
cardinal es nx = 3. Y su conjunto
potencial es:

P X , a , b , c , a, b , a, c , b, c , a, b, c

Conjunto Difuso

Si se considera el siguiente conjunto

difuso finito:
A = 0.2/u1, 0/ u2, 0.3/u3, 1/ u4, 0.8/u5.
uU.

UU
Entonces un conjunto difusou
A de
ser un conjunto de parejas:
A = {u, A(u)},

Considerando que xi
es un elemento del
soporte del conjunto difuso A y que i es su
grado de membresa en A.
A = 1 / x1 + 2 / x2 +....+ n / xn.

Donde.
El smbolo / Se emplea para unir los elementos
del soporte con sus grados de membresa en A,
y.
El smbolo + Indica que los pares de elementos
y grados de membresa listados forman
colectivamente la definicin del conjunto A, en
vez de cualquier tipo de suma algebraica.

Conjunto difuso: universo de

discurso finito y no-finito

A x1

x1

A x2

x2

A x
A

x
U

A xi

xi
i 1
n

La integral y la sumatoria
indican la unin de
elementos dentro de un
conjunto difuso A.

Conjunto difuso

Se entender que un conjunto

difuso es finito siempre que al
poder enumerar a sus elementos
representativos este proceso
termine,
independientemente
del valor de sus funciones de
membresa.

Operaciones Bsicas De Los

Conjuntos Clsicos

Las tres operaciones bsicas en conjuntos

clsicos son: unin, interseccin, y
complemento.
UNION

INTERSECCIN
COMPLEMENTO
DIFERENCIA

A B x x A o x B

A B x x A y x B

A x x A, x X

A B x x A y x B

El complemento de un
conjunto se puede
__
denotar por: AC , A,A
.

Por ejemplo:

Si A y B son dos conjuntos de

percepciones anuales por persona
definidos por:
A x 100 K x 200 K , x U
B x 50 K x 120 K , x U

Donde U es el universo de discurso

A Se
B tiene
x 100 K que:
x 120 K , x U
[0,1000K].
A B x 50 K x 200 K , x U

AC x 0 x 100 K 200 K x 1000 K

Operaciones Bsicas De Los

Conjuntos Difusos

Debido a que la membresa en un conjunto

difuso se mide en grados, las operaciones
de conjuntos deberan generalizarse a los
conjuntos difusos de forma acuerda (ilustrar).

La operacin de interseccin difusa es

matemticamente
equivalente
a
la
operacin de conjuncin difusa (AND),
debido
a
que
tienen
propiedades
idnticas.

De operaciones de conjuntos a
operaciones lgicas

Para
explicar
la
relacin
entre
operaciones de conjuntos y operaciones
lgicas, primero se har un repaso de
operaciones bsicas en la lgica clsica:

Una declaracin en lgica clsica solo tiene

dos posibles valores: Falso o Verdadero.
Dichas declaraciones lgicas pueden ser
combinadas al utilizar conectivas lgicas
tales como: AND (conjuncin, denotada por
), OR (disyuncin, denotada por v), NOT
(negacin, denotada por ), y IMPLY
(implicacin, denotada por ).

Tabla de valores de verdad:

Conectivas Lgicas Clsicas

pq

pq

pq

p y q son dos declaraciones lgicas (o proposiciones)

Conectivas Lgicas Clsicas

Una declaracin conjuntiva compuesta
pq ser verdadera si y solo si ambas p y
q son verdaderas.
Una declaracin disyuntiva compuesta p v
q ser verdadera si y solo si cualquiera
de las declaraciones es verdadera.
La negacin de una declaracin es
verdadera si y solo si la declaracin
original es falsa.

Para lgica clsica:

Si la proposicin p representa la sentencia x
est en el conjunto A:
p es verdadera iff
xA
Y si la proposicin q representa la sentencia
x est en el conjunto B:
q es verdadera
iff x B
Entonces, p y q son verdaderas cuando x
est en la descripcin de A y B:
(pq) es verdadera iff x AB
Y que p q es verdadera cuando x est en
la unin de A y B:
(p v q) es verdadera iff x AB
Finalmente, p es falsa cuando x est en el
complemento de A:
p es verdadera iff x Ac.

Conclusin

Por
lo
tanto,
los
operadores de interseccin
unin y complemento en la
teora de conjuntos son
similares a la conjuncin,
disyuncin y negacin en
lgica.

Operaciones Lgicas
Difusas

Un operador comn de conjuncin (AND)

difusa es el operador mnimo. Con
frecuencia la interseccin difusa se
define como:
AB (x)= min{A(x), B(x)}

Interseccin: En conjuntos difusos es

el grado de membresa que dos
conjuntos comparten. Una interseccin
difusa es el menor de la membresa de
cada elemento en ambos conjuntos.

Por ejemplo:

Se puede definir un conjunto difuso A de

los nmeros reales muy cercanos a 8 y B
como el conjunto difuso de los nmeros
reales muy cercanos a 15. Entonces, A
B se definira como el conjunto difuso de
los nmeros reales muy cercanos a 8 y
a 15. Tomando en cuenta la ecuacin:

A B x A x B x min A x , B x
y A = (1 0.8 0.4 0.5) y B = (0.9 0.4
0.0 0.7) se tiene que:
AB(x) = (0.9 0.4 0.0 0.5).

Representacin de la Interseccin
de difusa
conjuncin difusa.
BajaMedia

Temperatura

Operaciones Lgicas
Difusas

Un operador comn de disyuncin difusa

es el operador mximo. Por lo tanto, con
frecuencia la unin difusa se define como:
AB (x)= max{A(x), B(x)}

La unin (o disyuncin) difusa, se lee o

difusa, y representa al conjunto difuso
ms pequeo que contiene a
A y que
contiene a B. El operador max (), toma
como valor verdadero el valor mximo de
la funcin de membresa del elemento x
en A y B.

Ejemplo:

Se puede definir al conjunto difuso A de

los nmeros reales muy cercanos a 8 y
B como el conjunto difuso de los
nmeros reales muy cercanos a 15.
Tomando en cuenta la ecuacin.

A B x A x B x max A x , B x
y que A = (1 0.8 0.4 0.5)
0.4 0.0 0.7) se tiene que:
AB(x) = (1 0.8 0.4

y B = (0.9
0.7).

Representacin de la Unin difusa

disyuncin difusa.
BajaMedia

Temperatura

Operaciones Lgicas
Difusas

El complemento de un conjunto difuso A se

define por la diferencia entre uno y el grado de
membresa en A:
Ac (x)= 1- A (x)
Complemento
(negacin
difusa):
El
complemento de un conjunto difuso es la
cantidad que la membresa necesita para
alcanzar 1. Sea U un conjunto cualquiera y M =
[0,1], su conjunto asociado de membresa. Si se
considera a un conjunto difuso AU, entonces el

u
u U
A
A
complemento de A ser: ,
evidentemente, se cumple que :
(A) = A

Representacin del
complemento de un conjunto
difuso negacin difusa

Medio
Medio
1

Temperatura

2.1.3 Variable Lingstica

Como un conjunto convencional, un conjunto

difuso se puede utilizar para describir el valor
de una variable. Por ejemplo, la oracin El
porcentaje de humedad es Bajo utiliza el
conjunto difuso Bajo para describir la
cantidad de humedad en un da. Ms
formalmente, se expresa como:

Humedad es Bajo

La variable humedad en este ejemplo

demuestra un concepto importante en la
lgica difusa:
La variable lingstica.

Una variable
lingstica se puede
interpretar tanto cualitativamente mediante
un termino lingstico (etiqueta: nombre
del
conjunto
difuso),
como
cuantitativamente
mediante
su
correspondiente funcin de membresa (la
cual expresa el significado del conjunto
difuso).

El termino lingstico es utilizado para

expresar
conceptos
y
conocimiento,
mientras la funcin de membresa se utiliza
para procesar el dato numrico de entrada.

Una variable lingstica es como una

composicin de una variable simblica
(una variable cuyo valor es un
nmero). Un ejemplo de una variable
simblica es:

Forma = Cilndrica

Donde Forma es una variable que

indica la forma de un objeto. Un
ejemplo de variable numrica es:

Altura = 4

Con
frecuencia,
las
variables
numricas son utilizadas en ingeniera,
ciencias, matemticas, medicina, y en
muchas otras disciplinas.

Por otro lado, las variables simblicas

juegan un papel importante en la
inteligencia artificial y las ciencias que
tienen que ver con toma de decisiones.

Utilizando la notacin de la variable

lingstica se pueden combinar estos dos
tipos de variables dentro de una red
uniforme, lo cual es de hecho una de las
razones principales de que la lgica
difusa haya tenido xito en ofrecer una
aproximacin inteligente en la ingeniera
y muchas otras reas que tienen que ver
con problemas que manejan un dominio
continua.

Modificadores Lingsticos:
Hedges
Existen muchos descriptores lingsticos como

son: moderado, normal, alto, algo caliente,

muy bajo, medio normal, mas o menos alto, etc.

Uno de los conceptos importantes en la Lgica

Difusa es que en vez de enumerar todos estos
diferentes descriptores, se pueden generar de
un conjunto esencial de trminos lingsticos
(llamado:
Conjunto
Trmino) utilizando
modificadores (por ejemplo: muy, mas o menos)
y conectivas (por ejemplo: y, o).
En Lgica Difusa a dichos modificadores se les
denomina: Hedges

Ejemplo: Variables
Lingsticas Y
Valores Lingsticos.
Si edad es interpretada como
una
variable
lingstica,
entonces su conjunto trmino
T(edad) puede ser:
joven, no joven, muy joven, no muy joven, ,

medio viejo, no medio viejo, ,

T edad

viejo
,
no
viejo
,
muy
viejo
,
mas
o
menos
viejo
,
no
muy
viejo
,

no muy joven y no muy viejo,

Donde cada trmino en T(edad)

se caracteriza por un conjunto
difuso de un universo de discurso
X = [0, 100], como se muestra en
la siguiente figura.

Del ejemplo anterior, se observa que

el conjunto termino consiste de
varios trminos primarios (joven,
viejo) modificados por la negacin
("no") y/o los adverbios (muy, mas
o menos, completamente,
extremadamente, etc.), y entonces
ligados por conectivas tales como y,
o, y ni.

Universo De
Discurso
Establecimiento Del Universo
De Discurso Para Las
Variables Lingsticas

Se especifica el universo de
discurso para una variable de
entrada y/o salida, cmo el rango
de valores posibles que puede
tomar la variable en cuestin
para la aplicacin actual.

Dado que el universo de discurso para

cada variable debe ser trasladado a
variables lingsticas (conjuntos difusos),
se ha tratado de normalizar que el
nmero de conjuntos difusos definido
para cada variable sea un nmero impar,
recomendando que se inicie especificando
7 conjuntos para cada variable.

La determinacin final del nmero de

conjuntos difusos definidos para cada
variable se determina heursticamente,
pues an cuando se conocen los efectos
de tener pocos o muchos conjuntos
definidos en el universo, finalmente se
establecen
los conjuntos definitivos
observando
un
funcionamiento
satisfactorio del sistema.

Se recomienda especificar una

cantidad de conjuntos difusos ms
densa en aquellas zonas donde se
requieran cambios grandes en los
parmetros de salida del sistema
a cambios pequeos de sus
parmetros de entrada.

Una de las cualidades que caracterizan

a los sistemas difusos es el manejo de
informacin
ambigua,
esta
caracterstica la adquieren debido a la
forma en que se especifican los
conjuntos difusos cubriendo el universo
de discurso de las variables de entrada
y/o salida, por lo que la ambigedad
que puede ser admitida por el
sistema depende del grado de
traslape
entre
los
conjuntos
definidos.

Respecto del grado de traslape que

deben tener dos conjuntos contiguos ,
se recomienda en 25% del rea
total al inicio
del desarrollo
(conjuntos simtricos), an cuando se
sabe que el funcionamiento del sistema
no es muy bueno con estos conjuntos,
tambin se recuerda que esto no es
una generalizacin, pues su adecuacin
depende del grado de precisin
deseado en la respuesta del sistema.

Consideraciones para la
especificacin de los C Ds:

1)
Cada punto en el universo de
discurso debe pertenecer al dominio
de al menos una funcin de
membresa; al mismo tiempo, debe
pertenecer al dominio de no ms de
dos funciones de membresa.
2)
Ningn par de funciones de
membresa deben tener el mismo
punto de mxima membresa.

Consideraciones para la
especificacin de los C Ds:

3) Cuando dos funciones de membresa

se traslapan, la suma de los grados de
membresa para cualquier punto en el
traslape debe ser menor o igual a uno.
4) Cuando dos funciones de membresa
se traslapan, el traslape no debe cruzar
el punto de mxima membresa de
cualquier funcin de membresa.

Durante la especificacin de los conjuntos

difusos que cubren los extremos inferior
(funcin Z) y superior (funcin S) del
universo de discurso considerado, es de
gran importancia que se hagan de una
manera adecuada, ya que estas funciones
son muy importantes para la estabilidad
del funcionamiento del sistema, pues
evalan
las
situaciones
extremas
consideradas para el establecimiento
del universo de discurso.

2.1.4 Distribucin de
Posibilidad

La asignacin de un conjunto difuso a

una variables difusa restringe el valor
de la variable, tal como lo hace un
conjunto clsico (crisp).

Sin embargo, la diferencia entre los

dos es que la idea de valores posible
vs. valores imposible se convierte en
un asunto de grado.

Por ejemplo:

Se realiz un acto terrorista y la polica reporta

que el sospechoso de poner la bomba tiene una
edad entre 20 y 30 aos.
Lo cual puede expresarse al asignar el intervalo
[20, 30] a una variable, que representa la edad
del sospechoso:

Edad (sospechoso)=[20, 30]

De forma especifica el intervalo limita la edad a:

20, 21, ,30, y es imposible que el sospechoso
tenga una edad fuera de dicho rango. Lo
anterior introduce una frontera clasica entre los
valores posibles y los imposibles.

Para situaciones en que una frontera

bien definida no se desea, la lgica
difusa ofrece una alternativa
ms
adecuada generalizar la distincin
binaria entre lo posible vs. lo
imposible a un asunto de grado
llamado la posibilidad.
Por ejemplo, si se asigna el conjunto
difuso JOVEN, el cual tiene la
siguiente funcin de membresa:

JOVEN

17 18 19 20
21
31 32 EDAD

22

23

24

25

26 27

28 29

Una distribucin de posibilidad del

conjunto difuso Joven

30

Para la edad del sospechoso, se

obtiene una distribucin a cerca de
los grados de posibilidad de la edad
del sospechoso (la posibilidad de que
el sospechoso tenga 19 aos es de
0.7, mientras que la posibilidad de
que tenga 21 hasta 28 es de 1).
Edad(sospechoso)(x) = JOVEN(x)

Donde

denota una distribucin de posibilidad de la

edad del sospechoso.
Y x es una variable que representa una edad del
sospechoso.

Cuando se asigne un conjunto

difuso A a una variable
X, la
asignacin
resultar
en
una
distribucin de posibilidad de X, la
cual se define por la funcin de
membresa A.

X (x) = A (x)

2.1.5 Reglas Difusa

La inferencia difusa basada en reglas

se puede entender de varias formas
(conceptualmente, matemticamente,
formalmente, etc.). Por ejemplo:
Desde un punto de vista lgico, la
inferencia difusa basada en regla es
una generalizacin de un esquema de
razonamiento lgico llamado modus
ponens.

Modus ponens: lgica

clsica

En lgica clsica, si una regla es

verdadera y el antecedente de la regla es
verdadera, entonces puede inferirse que
el consecuente de la regla es verdadero.
Lo anterior es referido como modus
ponens. Por ejemplo, si la regla R1 es
verdadera:

R1: IF el ingreso anual de una persona es ms

grande que 120K THEN la persona es rica.

Y tambin, la siguiente declaracin es

verdadera:

El ingreso anual de Pedro es de 121K

Basados en el modus ponens , la lgica

clsica puede deducir que la siguiente
declaracin tambin es verdadera:

Pedro es rico.

Una limitacin del modus ponens es

que no puede manejar situaciones
parciales, como por ejemplo, la regla
R1 y un caso diferente:

El ingreso anual de Juan es de $199,999.

Generalmente, se dira que Juan es un poco

rico, Sin embargo, el modus ponens no
puede inferir si Juan es rico o no utilizando
la regla R1, porque el ingreso anual de Juan
no satisface el antecedente de R1, aunque
solamente le falta un peso. El problema
tiene dos causas:

(1) El antecedente de R1 no representa una

transicin suave hacia la categora rico lo cual
con frecuencia se observa en el razonamiento
humano.

(2) El modus ponens no puede manejar una

situacin donde el antecedente de una regla
sea parcialmente satisfecho.

Al tomar en cuenta tales limitantes, la

inferencia difusa basada en regla
generaliza
el
modus
ponens,
permitiendo
que
sus
conclusiones
inferidas sean modificadas por el grado
para el cual el antecedente se satisfaga.
Lo anterior es la esencia de la
inferencia difusa basada en reglas.

Estructura de las reglas

difusas
IF <antecedentes> THEN
<consecuente>

El antecedente describe una

condicin, y el consecuente describe
una conclusin que puede ser dibujada
cuando las conclusin se obtienen.

Varios Antecedentes: (condicin: rgida,

elstica)
IF PosY is PAba and DesY is DCArr and
PosZ is HAdel THEN NDesY is SDesY;
El consecuente de las Reglas Difusa se
pueden clasificar en tres categoras:
1. Consecuente Crisp: IF THEN y=a
donde a es un valor numrico no-difuso o
valor simblico.

Pueden ser procesadas ms eficientemente.

2. Consecuente Difuso: IFTHEN y es A
Donde A es un conjunto difuso.
Es ms fcil de entender y mas adecuado para
capturar la experiencia humana imprecisa.
3. Consecuente Funcional:
IF x1 es A1 AND x2 es A2 AND x3 es A3 AND ...
n

a x

xn es An THEN y = ao +

i 1

Donde ao , a1 , a2 , , an son constantes.

Puede ser utilizado para aproximar modelos no
lineales complejos utilizando un nmero pequeo
de reglas.

Conceptos y
Fundamentos de
Lgica Difusa.
2.1 Conceptos bsicos de
Lgica Difusa

Reglas para los problemas

planteados

Problema A:
R3: IF la temperatura objetivo T es
baja, THEN Coloque el voltaje a _V
(prenda el flujo fro).
R4: IF la temperatura objetivo T es
alta, THEN coloque el ---V (prenda el
flujo caliente).

Reglas para los problemas

planteados

Problema B: Lavadora automtica.

R5: IF Cantidad de ropa es mucha
AND que tan sucia esta la ropa es
rudo THEN el ciclo de lavado es
fuerte.
R6: IF Cantidad de ropa es medio
AND que tan sucia esta la ropa es
normal-rudo THEN el ciclo de lavado
es normal

Variables y sus Funciones

de membresa

Rudo
Suave

Nrudo Nsuave

Mugrosidad de la
ropa

Poco
Mucho

Cantidad de ropa

Medio

Delicado ligero Normal

fuerte

Ciclo de lavado

Tabla de Reglas Difusas

para el ciclo de lavado
Poca

Medio

Mucha

Suave

Delicado

Ligero

Normal

Normal
Suave
Normal
Rudo
Rudo

Ligero

Normal

Normal

Ligero

Normal

Fuerte

Ligero

Normal

Fuerte

CANT. DE ROPA
MUGROSIDAD

Inferencia difusa basada

en reglas

El algoritmo consiste de tres pasos bsicos y

uno opcional:
1.- Fuzzy Matching: Calcula el grado para el
cual el dato de entrada se iguala (relaciona) a
la condicin de la regla difusa.
2.- Inferencia: calcula la conclusin de la regla
a partir de sus grados de relacin (matching).
3.- Combinacin: Combina las conclusiones
inferidas por todas las reglas difusas en una
conclusin final.
4.- Defusificacin (Opcional): para
aplicaciones que necesitan una salida crisp.

Fuzzy Matching para la

conjuncin

Muc
ha

Rudo
0.
5

Norma
l

Cantidad de
Ropa

0.
2

0.
5

min
Mugrosidad
Norma
l Rudo

0.
8

Grado
de
relaci
n

min
Mugrosidad
Cantidad de
Ropa
IF la Cantidad de ropa es Mucha AND la Mugrosidad de la ropa es
Rudo THEN.

Inferencia: dos mtodos

1.- Mtodo de recorte (min): Este mtodo

trunca la altura de la funcin de
membresa cuyos valores sean ms
grandes que el grado de relacin. (minmax)

2.- El mtodo de escalamiento (prod): Este

mtodo diminuye la funcin de membresa
en proporcin al grado de relacin. (prodsum)

Inferencia difusa

Consecuente
Difuso

Mtodo de
Recorte

Y es A

Conclusin
Inferida

Consecuente
Difuso

Mtodo de

Conclusi
n difusa

Conclusin
Inferida

Combinacin de
Conclusiones Difusas

Al combinar las conclusiones difusas a travs de

superponer los conjuntos se aplica un operador
difuso de disyuncin, max, para mltiples
distribuciones de posibilidad de la variable de
salida.

Combinacin de
Conclusiones Difusas

Defusificacin

Observando los cuatro

pasos juntos del algoritmo

Muc
ha

Rudo
1

min

Fuer
te

Cantidad de
Ropa
Norma
l

Mugrosidad
Normal
Rudo

min

Norma
l

Cicl
o
Salida
defusific
ada

Cantidad de
Ropa

Mugrosidad

Resumen y Conclusiones
Finales

Un conjunto difuso es un conjunto con

fronteras suaves tal que la membresa en el
conjunto llega a ser una materia de grado.
Un conjunto difuso tiene una representacin
dual: una descripcin cualitativa y utilizando
un termino lingstico, y una descripcin
cuantitativa a travs de una funcin de
membresa, la cual relaciona los elementos
en un universo de discurso para sus grados
de membresa en el conjunto.

Una variable lingstica es una variable

cuyo valores son una expresin que
involucra conjuntos difusos.
Cuando un conjunto difuso es asignado
a una variable cuyo valor difuso no es
conocido, el conjunto difuso sirve como
una constante de grado para facilitar
que la variable tome un cierto valor.
Dicho grado de facilidad es conocido
como el grado de posibilidad.

Una distribucin de posibilidad de una

variable es una funcin que relaciona
elementos del universo de discurso de la
variable a sus grados de posibilidad.
Una regla difusa if-then es un esquema
para representar conocimiento y
asociacin que es inexacto e imprecisos
por naturaleza.
La parte if de una regla difusa se conoce
como antecedente, y la parte then de la
regla se conoce como consecuente.

El razonamiento utilizando reglas difusas ifthen tiene tres caracterstica principales.

Primera, se puede realizar la inferencia con
informacin parcial en las entradas de las
reglas. Segunda, tpicamente se puede
inferir la distribucin de posibilidad de una
variable de salida de la distribucin de
posibilidad de una variable de entrada.
Tercera, El sistema combina las
conclusiones inferidas de todas las reglas
para formar una conclusin global.

La mayora de las aplicaciones de la

lgica difusa utiliza reglas difusas if-then.
Muchos sistemas difusos basados en
reglas necesitan producir una salida
precisa utilizan un proceso de
defusificacin para convertir la
distribucin de posibilidad inferida de
una variable de salida a un valor preciso
de representacin.