La lgica borrosa es una rama de la inteligencia artificial que se funda en el concepto "Todo es cuestin de grado" , lo cual permite manejar

informacin vaga o de difcil especificacin si quisiramos hacer cambiar con esta informacin el funcionamiento o el estado de un sistema especifico. Es entonces posible con la lgica borrosa gobernar un sistema por medio de reglas de 'sentido comn' las cuales se refieren a cantidades indefinidas. Las reglas involucradas en un sistema borroso, pueden ser aprendidas con sistemas adaptativos que aprenden al ' observar ' como operan las personas los dispositivos reales, o estas reglas pueden tambin ser formuladas por un experto humano. En general la lgica borrosa se aplica tanto a sistemas de control como para modelar cualquier sistema continuo de ingeniera, fsica, biologa o economa.

Se fundamenta en los denominados conjuntos borrosos y un sistema de inferencia borroso basado en reglas de la forma " SI....... ENTONCES...... ", donde los valores lingsticos de la premisa y el consecuente estn definidos por conjuntos borrosos, es as como las reglas siempre convierten un conjunto borroso en otro. Esta es una pregunta importante ya que es la parte fundamental de las medidas de la teora difusa. Como veremos la fusificacin es independiente de cualquier capacidad para medir, ya que un conjunto difuso es un conjunto que no tiene lmites bien definidos. Un conjunto difuso tiene muchas propiedades intrnsecas que afectan la forma del conjunto, su uso y como participa en un modelo. Las propiedades ms importantes de un conjunto difuso son las concernientes a las dimensiones verticales del conjunto difuso (altura y normalizacin) y las dimensiones horizontales (conjunto soporte y cortes "alpha"). a) Mientras ms prximo est (u) a el valor 1, se dice que u pertenece ms a A (de modo que 0 y 1 denotan la no pertenencia y la pertenencia completa, respectivamente). b) Un conjunto en el sentido usual es tambin difuso pues su funcin caracterstica u es tambin una funcin u [0,1]; o sea que los conjuntos difusos son una generalizacin de los conjuntos usuales.

El centro de las tcnicas de modelado difuso es la idea de variable lingstica. Desde su raz, una variable lingstica es el nombre de un conjunto difuso. Si tenemos un conjunto difuso llamado ''largo'' ste es una simple variable lingstica y puede ser empleada como una regla-base en un sistema basado en la longitud de un proyecto en particular Si duracin-proyecto es largo entonces la-terminacin-de-tareas es DECRECIENTE; Una variable lingstica encapsula las propiedades de aproximacin o conceptos de imprecisin en un

sistema y da una forma de computar adecuada. Esto reduce la aparente complejidad de describir un sistema que debe concordar con su semntica. Una variable lingstica siempre representa un espacio difuso. Lo importante del concepto de variable lingstica es su estimacin de variable de alto orden ms que una variable difusa. En el sentido de que una variable lingstica toma variables difusas como sus valores. En el campo de la semntica difusa cuantitativa al significado de un trmino "x" se le representa como un conjunto difuso M(x) del universo de discusin. Desde este punto de vista, uno de los problemas bsicos en semntica es que se desea calcular el significado de un trmino compuesto