C I L1 Logica Fuzzy

Fundamentos de la Lgica Fuzzy o Borrosa
Fundamentos de la Lgica Fuzzy L1

Luis Moreno
Dpto. Ing. de Sistemas y Automtica Universidad Carlos III Madrid
Agosto 2011
Luis Moreno
Curso de Control Inteligente
Table of contents
Luis Moreno
Introduccin
La imprecisin y la incertidumbre pueden ser considerados como dos aspectos asociados de forma ineludible a la mayor parte de los fenomenos que nos rodean, y que tienen su origen en la complejidad de los mismos o/y en la imperfeccin de nuestra informacin sobre ellos. Cada elemento de informacin o item puede denirse por una cuaterna de elementos (objeto, atributo, valor, conanza o certidumbre).
El atributo es la funcin que asigna un valor o conjunto de valores a un objeto. La conanza es una indicacin de la abilidad del elemento de informacin.
Luis Moreno
Es posible diferenciar entre el concepto de imprecisin y el de incertidumbre:

La imprecisin est relacionada con el contenido de un item o elemento de informacin (el componente valor de la cuaterna de elementos que componen el item de informacin), La incertidumbre est relacionada con su verdad, entendida esta como su conformidad con la realidad (el componente conanza de la cuaterna de elementos que componen el item de informacin).
Luis Moreno
Elementos de informacin
La incertidumbre de un elemento de informacin puede tratarse por medio de calicativos como probable, posible, necesario, plausible o creble a los que es necesario dar un signicado preciso. Es evidente que el concepto de probabilidad ha sido extensamente estudiado. Un elemento de informacin se dice que es preciso cuando el componente valor de dicho elemento no puede ser subdividido. La propiedad de ser preciso depende de la denicin del dominio de referencia (de la granularidad del mismo, es decir de la eleccin de la unidad de medida).
Existen diferentes calicativos para referirnos a la imprecisin, asi tenemos: vago, borroso, general , difuso o ambiguo. Por borroso, en un elemento de informacin, entendemos la ausencia de un lmite claro en el conjunto de valores asociados a los objetos a los cuales se reere. La mayora de los calicativos usados en el lenguaje convencional son borrosos.
Luis Moreno
Diferencia entre precisin e incertidumbre
Dado un conjunto de items de informacin, la oposicin entre los conceptos de precisin y de incertidumbre se expresa porque:
Al hacer ms preciso el contenido de una proposicin, se tiende a incrementar su incertidumbre. De forma opuesta, el caracter impreciso de un cierto item de informacin conere por lo general una cierta certidumbre a las conclusiones que se puedan derivar de l.
Luis Moreno
Origenes histricos
El control borroso o fuzzy utiliza las tcnicas de manipulacin de informacin fuzzy iniciadas por Zadeh en los aos 60 con la introduccin del concepto de conjunto borroso y posterior desarrollo de la teora de conjuntos borrosos.
Luis Moreno
Conjuntos borrosos
En la teora de conjuntos borrosos, a los conjuntos normales se les denomina conjuntos crisp o precisos, para diferenciarlos de los conjuntos fuzzy o borrosos. Si C es un conjunto preciso denido sobre un universo de discurso U , entonces para cualquier elemento u de U , o bien u C o bien u / C. En la teora de conjuntos borrosos esta propiedad es generalizada, y la pertenencia de un elemento al conjunto borroso F no es la dicotoma o / , sino que se dene una funcin, denominada funcin de pertenencia que asigna a cada elemento u de U un valor en el intervalo {0,1} que indica el grado de pertenencia de dicho elemento u al conjunto borroso F . Al conjunto denido sobre la base de esta funcin de pertenencia generalizada se le denomina conjunto borroso.
Luis Moreno
Conjuntos borrosos
Luis Moreno
Conjuntos borrosos
Def: La funcin de pertenencia F de un conjunto borroso F es una funcin F : U [0, 1]. (1) Con esta denicin, todo elemento u U tiene un grado de pertenencia F (u ) [0, 1]. El conjunto borroso F est completamente determinado por el conjunto de n-tuplas F = {(u , F (u )) |u U }. (2)
Luis Moreno
Conjuntos borrosos
Ejemplos :
Supongamos que queremos denir el conjunto borroso de los nmeros naturales "prximos a 8". Esto se puede expresar por: 8 = (5, 0,1)+(6, 0,2)+(7, 0,5)+(8, 1,0)+(9, 0,5)+(10, 0,2)+(11, 0,1) Si suponemos que lo que queremos representar es la funcin de pertenencia al conjunto borroso de temperaturas confortables, esta podra ser, por ejemplo, C ( x ) = que grcamente 1 1 + (x 20)2
Luis Moreno
Conjuntos borrosos
Una notacin ms conveniente para los conjuntos borrosos es la propuesta por Zadeh. Supongamos que C es un conjunto preciso (crisp) nito {u1 , u2 , ..., un }, una notacin alternativa es C = u1 + u2 + ... + un donde el smbolo + indica enumeracin. De forma similar el par (u , (u )) podra denotarse como (u )/u , donde / denota n-tupla.
Con esto el conjunto borroso F , F = {(u , F (u )) |u U } puede expresarse por: F = F (u1 )/u1 + F (u2 )/u2 + ... + F (un )/un =
n
(3)
=
i =1
F (ui )/ui y en el caso de conjuntos continuos, F =

U
Luis Moreno Curso de Control Inteligente
(4)
F (u )/u
(5)
Funciones de pertenencia tpicas:

Gamma
funcin de dos parmetros
Def: La funcin : u [0, 1] es una denida como 0 (u ) (u ; , ) = ( ) 1 if u < if u if u >
(6)
Luis Moreno
Funciones de pertenencia
S
Def: La funcin S : u [0, 1] , debida a Zadeh, es una funcin no lineal de tres parmetros denida como if u S (u ; , , ) =
(u ) ( ) 2 2
0 2
if < u 12 1
(u ) ( )
(7) if < u if u >
Luis Moreno
Funciones de pertenencia tpicas:

L
Def: La funcin L : u [0, 1] es una funcin de dos parmetros denida como if u < 1 ( u ) if u 1 ( (8) L(u ; , ) = ) 0 if u >
Luis Moreno
Lambda
Def: La funcin : u [0, 1] es una funcin de tres parmetros denida como 0 if u (u ) if u ( ) (u ; , , ) = (9) ( u ) 1 ( ) if u 0 if u >
Luis Moreno
Pi
es una funcin de cuatro parmetros 0

(u ) ( ) ( u ) ( )
Def: La funcin : u [0, 1] denida como (u ; , , , ) = 1 1 0 if if if if if u u< u <u u> (10)
Luis Moreno
Fuciones de pertenencia
Esta funcin puede utilizarse para describir las anteriores ya que, si suponemos que el dominio va de [-6,6], podramos hacer (x ; , ) = (x ; , , 6, 6) L (x ; , ) = (x ; 6, 6, , ) (x ; , , ) = (x ; , , , ) (11)
Luis Moreno
Gaussiana
Def: Una funcin de pertenencia gaussiana, Gauss (x ; c , ), se dene segn la expresin, Gauss (x ; c , ) = e
(x c ) 2 2 2
(12)
siendo c su centro y > 0 el ancho de la funcin de pertenencia.
Luis Moreno
Conceptos bsicos
Def : (Conjunto borroso normalizado ). Sea A un conjunto borroso denido en X , se dice que A es un conjunto borroso normalizado si y slo si 0 A (x ) 1. Dado que un grado de pertenencia mayor de uno no tiene mucho sentido lgico, normalmente siempre se emplean conjuntos borrosos normalizados. Def : (Conjunto borroso nulo o vaco ). Sea A un conjunto borroso denido en X , se dice que A es un conjunto borroso nulo o vaco, A = , si y slo si A (x ) = 0, x X . Es decir, A es un conjunto borroso nulo si no existe ningn elemento cuyo grado de pertenencia al conjunto sea distinto de cero. Def : (Conjunto borroso normal ). Sea A un conjunto borroso denido en X , se dice que A es un conjunto borroso normal, si y slo si existe al menos un x X tal que A (x ) = 1. En caso contrario, se dice que A es un conjunto borroso no-normal.
Luis Moreno
Conceptos bsicos
Convexidad
Def : (Conjunto borroso convexo ). Sea A un conjunto borroso denido en X , se dice que A es un conjunto borroso convexo si y slo si para dos puntos cualesquiera x1 y x2 , y cualquier [0, 1], se verica la ecuacin: A (x1 + (1 )x2 ) min(A (x1 ), A (x2 )) (13) Esta denicin no implica que A (x ) deba ser una funcin convexa.
Luis Moreno
Conceptos bsicos
Soporte
Def : (Soporte de un conjunto borroso ). Sea A un conjunto borroso denido en X , el soporte de A, denotado por Sop (A) o por sup (A), es el subconjunto de X cuyos elementos tienen un grado de pertenencia distinto de cero en A. Sop (A) = {x X : A (x ) > 0}. (14)
Luis Moreno
Conceptos bsicos
Soporte
Cuando se utilizan funciones de pertenencia asintticas, como la gaussiana, esta denicin no resulta prctica, ya que el soporte de dichas funciones es innito. Para limitar el soporte de funciones asintticas a un conjunto nito de elementos, se suele modicar la denicin anterior por la siguiente. Sop (A) = {x X : A (x ) > , > 0}. (15)
Si se elije un valor positivo cercano a cero, se eliminan del soporte aquellos elementos cuya calidad de pertenencia al conjunto es muy baja, consiguiendo a la vez un soporte nito y representativo del conjunto.
Luis Moreno
Conceptos bsicos
Ncleo, frontera y altura
Def : (Ncleo de un conjunto borroso ). Sea A un conjunto borroso denido en X , el ncleo de A, denotado por nuc (A), es el subconjunto de X cuyos elementos tienen grado de pertenencia uno en A. nuc (A) = {x X |A (x ) = 1} (16) Si A es un conjunto borroso convexo, su ncleo tambin es convexo. Def : (Frontera de un conjunto borroso ). Sea A un conjunto borroso denido en X , la frontera de A es el subconjunto de X cuyos elementos tienen grados de pertenencia en A comprendidos entre cero y uno. Def : (Peso o altura de un conjunto borroso ). Sea A un conjunto borroso denido en X , el peso o altura de A es el mximo valor de la funcin de pertenencia A . Si A es un conjunto borroso normal (y normalizado), su peso ser 1.
Luis Moreno
Conceptos bsicos
Nmero borroso
Def : (Nmero borroso ). Un nmero borroso A es un conjunto borroso denido en R, normal y convexo, cuya funcin de pertenencia es continua y su soporte limitado. Si el soporte no es limitado, pero se cumple la condicin de lmite dada por la ecuacin
|x |
lim A(x ) = 0
(17)
tambin se puede decir que A es un nmero borroso o, ms exactamente, cuasi-borroso.

Los nmeros borrosos son conjuntos borrosos con un claro signicado cuantitativo, en la medida en que clasican un concepto alrededor de un nmero o intervalo de nmeros. Estos nmeros tienen una gran importancia en el control borroso, ya que permiten representar valores numricos mediante la imprecisin propia de la lgica borrosa.
Luis Moreno
Operaciones sobre conjuntos borrosos
Las operacines bsicas que se denen sobre los conjuntos borrosos son las mismas que en la teora clsica de conjuntos: igualdad, inclusin, unin, interseccin y complementacin.
Def: [igualdad ] Dos conjuntos borrosos son iguales , A=B , si y slo si x S : A ( x ) = B ( x ) . Def: [inclusin] A es un subconjunto de B , A B , si y slo si x X : A ( x ) B ( x ) . (19) (18)
Luis Moreno

En la teora de conjuntos clsica las operacines de unin, interseccin y complementacin son operaciones simples y denidas sin ambigedad. No ocurre lo mismo en la teora de conjuntos borrosos. Zadeh propuso que estas operaciones se denieran de la siguiente forma (existen otras denicines posibles para estas operaciones):
Def: La interseccin de dos conjuntos borrosos A y B , A B , se dene como x X : AB (x ) = min (A (x ), B (x )) . (20)
Def: La unin de dos conjuntos borrosos A y B , A B , se dene como x X : AB (x ) = max (A (x ), B (x )) . (21) Def: El conjunto borroso complementario de un conjunto borroso A, A , se dene como x X : A ( x ) = 1 A ( x ) .
(22)

Las operaciones anteriores se muestran grcamente en la siguiente gura:
Luis Moreno
Propiedades
Los conjuntos borrosos y las operaciones de unin, interseccin y complemento cumplen las propiedades bsicas de sus equivalentes clsicos:
Idempotencia: AA = A A (23) = AA Identidad: A = A y, si y, si = A Transitividad: Si A B C, entonces AC (25) A X,A X = A A X,A X = X (24)
Luis Moreno
Propiedades
Cont.:
Involucin: Propiedad conmutativa: AB AB Propiedad asociativa: A (B C ) A (B C ) = = (A B ) C (A B ) C (28) = = B A B A (27) A = A (26)
Luis Moreno
Propiedades
Con las operaciones y propiedades bsicas estudiadas es posible extender a los conjuntos borrosos muchas de las identidades vlidas para los conjuntos clsicos.
Se puede comprobar que en la teora de conjuntos borrosos se cumplen las leyes de Morgan dadas por (A B ) = = A B (A B )
A B (29)
si se consideran los operadores clsicos de unin, interseccin y negacin propuestos inicialmente por L. Zadeh (operador mximo, mnimo, y complemento a uno respectivamente). Igualmente, bajo las mismas suposiciones, tambin se cumplen las leyes distributivas C (A B ) C (A B ) = = (C A) (C B ) (C A) (C B ) (30)
Luis Moreno
Las funciones lgicas vista fueron propuestas por el profesor Zadeh en el desarrollo inicial de la teora de conjuntos borrosos, sin embargo estas funciones pueden ser sustituidas por otras siempre y cuando cumplan determinadas condiciones. A estas funciones que generalizan las operaciones de interseccin y unin, derivadas de los conceptos presentados por Menger y Schwizer y Sklar se las conoce como normas y conormas triangulares respectivamente. Adems de la funcin mnimo, existen otros operadores que implementan dicha funcin, conocidos como normas triangulares o T-normas.
Luis Moreno
T-normas
Def : (Normas triangulares o T-normas ). Una norma triangular, o T-norma, es una aplicacin T : [0, 1] [0, 1] [0, 1] que cumple las propiedades conmutativa, asociativa, de monotonicidad e identidad unitaria (o condicin de frontera).
Las T-normas representan un modelo genrico para la interseccin lgica (operador lgico Y o AND). Las propiedades conmutativa y asociativa ya se han visto. Dados dos pares de valores x y ,w z , la propiedad de monotonicidad exige que se cumpla que T (x , w ) T (y , z ). La condicin de frontera que debe cumplir una funcin para que pueda considerarse como norma triangular (T-norma) es que sea de identidad unitaria, es decir, que T (x , 1) = x , para todo x [0, 1]. Para que una funcin pueda considerarse T-norma debe cumplir la propiedad asociativa (esta exigencia permite extender las T-normas a ms de dos argumentos). Como deben cumplir la propiedad conmutativa, el orden de aplicacin de las T-normas no afecta al resultado nal.
Luis Moreno
T-normas
Principales
T-normas principales:
Mnimo (estndar): T (x , y ) = min{x , y } . Producto: T (x , y ) = xy . min{x , y } si max {x , y } = 1 Producto drstico: T (x , y ) = 0 en otro caso Producto acotado (Lukasiewicz): T (x , y ) = max{0, (1 + )(x + y 1) xy }, 1 . xy Hamacher: T (x , y ) = +(1)( , 0 . x +y xy ) Yager: T (x , y ) = 1 min{1, (1 x ) + (1 y ) }, Dubois-Prade: T (x , y ) = max{xy , (0, 1) . x ,y ,}
1)( 1) Frank: T (x , y ) = log 1 + ( , > 0, = 1 1 xy Producto de Einstein: T (x , y ) = 1+(1x )+(1y )
x y
0.
Luis Moreno
T-normas
Ejemplo:
T-normas producto y producto acotado.
Luis Moreno
S-normas
Igual que con la interseccin, la unin borrosa puede denirse mediante otras funciones distintas al mximo (son las T-conormas o S-normas). Def : (T-conorma o S-norma). Una conorma triangular, tambin 2 llamada T-conorma o S-norma, es una aplicacin S : [0, 1] [0, 1] que cumple las propiedades conmutativa, asociativa, de monotonicidad e identidad cero (o condicin de frontera).
Las S-normas representan un modelo genrico para la unin lgica (operador lgico O u OR). La condicin de frontera que debe cumplir una funcin para que pueda considerarse como conorma triangular (S-norma) es que sea de identidad cero, es decir, que S (x , 0) = x , x [0, 1]. Al igual que sucede con las T-normas, las S-normas o T-conormas pueden extenderse a ms de dos argumentos empleando su asociatividad, sin importar su orden de aplicacin (conmutatividad).
Luis Moreno
S-normas
Principales
S-normas principales:
Mximo (estndar): T (x , y ) = max{x , y } . Suma-Producto: T (x , y ) = x + y xy . max{x , y } si min {x , y } = 0 Suma drstica: T (x , y ) = 1 en otro caso Suma acotada (Lukasiewicz): T (x , y ) = min{1, (x + y + xy )}, 0 . +y (2)xy Hamacher: T (x , y ) = x1 , 0 . (1)(xy ) Yager: T (x , y ) = 1 min{1, Dubois-Prade: T (x , y ) = 1 Frank: T (x , y ) = log 1 +
x + y },
0. [0, 1] . > 0, = 1
(1x )(1y ) , max{(1x ),(1y ),} ( ( 1x )1)(( 1y )1) , 1
Luis Moreno
S-normas
Ejemplo:
S-normas suma-producto y suma acotada.
Luis Moreno
S-normas
Para cada T-norma existe una S-norma dual o conjugada y viceversa. As para una T-norma, T (x , y ), su S-norma conjugada es: S (x , y ) = 1 T ((1 x ), (1 y )). Aunque las T-normas y S-normas no pueden ordenarse, s que puede identicarse claramente la mayor y menor de ellas. As, la mayor de las T-normas es la funcin mnimo y la menor el producto drstico. En el caso de las S-normas, la mayor es la suma drstica, y la menor la funcin mximo. El resto de T-normas y S-normas estn comprendidas entre stas. Con respecto a las propiedades que cumplen las T-normas y S-normas, en general se puede decir que estas operaciones no satisfacen las propiedades de contradiccin ni exclusin del medio, a excepcin de la familia de Lukasiewicz con = 0. Las propiedades de idempotencia y la propiedad distributiva slo se cumplen en el caso de los operadores estndar, es decir, si se emplean el mximo y el mnimo como operadores de unin e interseccin, respectivamente.
Luis Moreno
Operadores de Negacin
Deniciones alternativas
Igual que con las operaciones de unin e interseccin, el operador de negacin tambin se puede denir de forma distinta a su denicin original. Def : (Operador de negacin). Una funcin de negacin es una aplicacin N : [0, 1] [0, 1] continua, montona no creciente, involutiva, es decir, N (N (x )) = x , para todo x X , y que cumple las condiciones de frontera N (0) = 1 y N (1) = 0. Deniciones principales:
Estndar: N (x ) = 1 x . 1 si x 0 0 < 1 Umbral: N (x ) = 0 si x > 0 1 x Sugeno: N (x ) = 1+x , > 1 . Yager: N (x ) = (1 x ), > 0.
Luis Moreno
Operadores de negacin
Ejemplo:
Operadores de negacin de Yager y Sugeno.
Luis Moreno
Otras operaciones borrosas

Def : (-corte). Sea A un conjunto borroso, cuya funcin de pertenencia es A (x ), el -corte de A es un conjunto borroso que se denota por [A] y se dene segn [A] = x X |A (x ) > , > 0.
(31)
Luis Moreno

Def : (Concentracin y dilatacin). Sea A un conjunto borroso cuya funcin de pertenencia es A (x ), entonces Ak , con k R+, denota la operacin de concentracin si k > 1 o de dilatacin si k [0, 1) . La funcin de pertenencia del conjunto borroso concentrado o dilatado se obtiene mediante: Ak = A ( x ) k . (32)
Normalmente se utiliza k = 2 para la operacin de concentracin y k = 0,5 para la dilatacin.
Def : (Producto algebraico ). El producto algebraico de dos conjuntos borrosos A y B , cuyas funciones de pertenencia son A (x ) y B (x ), respectivamente, se denota por AB y se dene mediante: (AB ) (x ) = A (x )B (x ). El conjunto borroso AB cumple AB A B .
(33)
Def : (Suma algebraica). La suma algebraica de dos conjuntos borrosos A y B , cuyas funciones de pertenencia son A (x ) y B (x ), respectivamente, se denota por A + B y se dene mediante (A+ B ) ( x ) = A ( x ) + B ( x ) (34)
Si A y B son conjuntos borrosos normalizados, el conjunto borroso obtenido mediante la suma algebraica de A y B slo ser normalizado si A (x ) + B (x ) 1 para todo x X , es decir, a diferencia del producto algebraico, la suma algebraica de dos conjuntos borrosos slo tendr sentido si (A+B ) 1 para todo x X .
Luis Moreno

Def : (Suma). La suma de dos conjuntos borrosos A y B , cuyas funciones de pertenencia son A (x ) y B (x ), respectivamente, se denota A B y se dene mediante la ecuacin: (A B ) (A B ) ( x ) = = A + B AB A (x ) + B (x ) A (x )B (x ), x X (35)
Si A y B son conjuntos borrosos normalizados, el conjunto borroso A B ser normalizado en todo caso, por lo que la operacin suma s tiene sentido en todo el universo de discurso de los conjuntos A y B . Observacin: el producto algebraico es una T-norma, por lo que es equivalente a la operacin de interseccin borrosa, sin embargo la suma algebraica no es una T-conorma, por lo que no sera la operacin dual del producto algebraico. En lgica borrosa, la operacin dual del producto algebraico es la suma, ya que sta si es equivalente a la operacin unin (es una S-norma).
Luis Moreno

Def : (Combinacin convexa). La combinacin convexa de dos conjuntos borrosos A y B , con funciones de pertenencia son A (x ) y B (x ), a travs de un tercer conjunto borroso C , con funcin de pertenencia C (x ), se denota por (A, B ; C ), y se dene como: (A, B ; C ) ( A , B ;C ) ( x ) = = CA + CB C (x )A (x ) + (1 C (x ))B (x ), x X (36)
Luis Moreno
La combinacin convexa de A y B mediante un conjunto borroso C es un conjunto borroso intermedio entre la unin y la interseccin de los conjuntos A y B ; es decir verica que: A B (A, B ; C ) A B , C (37)
Luis Moreno
Relaciones borrosas
Una relacin precisa o crisp representa:

La presencia o ausencia de asociacin, interaccin o interconexin entre los elementos de dos o ms conjuntos. Una relacin puede ser considerada como un conjunto de n-tuplas, donde una tupla es un par ordenado. Una n-tupla binaria se denota como (x , y ), una n-tupla ternaria es (x , y , z ), y una de orden nsera (x1 , x2 , . . . , xn ). El producto cartesiano es una relacin binaria, que para el caso de dos conjuntos precisos o crisp, X e Y , se denota por X xY , y se dene formalmente como X Y = { (x , y ) |x X , y Y } (38)
Luis Moreno
Relaciones borrosas
El producto cartesiano puede generalizarse para una familia de conjuntos precisos o crisp { Xi |i N, i n} y se dene como
i =1
Xi = { (x1 , . . . , xn )|xi Xi , i N, i
n}
(39)
Una relacin entre conjuntos precisos o crisp X1 , . . . , Xn es un subconjunto del producto cartesiano n i =1 Xi . Se denota como R (X1 , X2 , . . . , Xn ), y R (X1 , X2 , . . . , Xn ) X1 X2 . . . Xn (40)
Como una relacin es en s misma un conjunto, los conceptos bsicos de conjuntos tales como subconjunto, unin, interseccin y complementacin pueden ser aplicados a una relacin sin ninguna modicacin.
Luis Moreno
Relaciones borrosas
Denicin
Una relacin borrosa es un conjunto borroso denido sobre el producto cartesiano de conjuntos precisos o crisp X1 , . . . , Xn donde las n-tuplas (x1 , . . . , xn ) pueden tener grados de pertenencia que varan con la relacin. Def: Sean U y V dos universos de discurso continuos, y R : UxV [0, 1], la funcin caracterstica que dene el grado de pertenencia de una n-tupla a la relacin R , entonces R=
UxV
R (u , v )/(u , v ) es una relacin borrosa binaria sobre UxV.
(41)
En el caso de que U y V sean universos de discurso discretos, entonces R= R (u , v )/(u , v )

UxV
(42)
Luis Moreno
Operaciones con relaciones borrosas
Las relaciones borrosas tienen gran importancia en control ya que permiten describir interacciones entre variables (mediante reglas <if-then>. Def: (Interseccin) Sean R y S dos relaciones binarias denidas sobre XxY. La interseccin de R y S se dene como (x , y ) X Y : R S (x , y ) = min (R (x , y ), S (x , y )) . Def: (Unin) Sean R y S dos relaciones binarias denidas sobre XxY. La unin de R y S se dene como (x , y ) X Y : R S (x , y ) = max (R (x , y ), S (x , y )) . (44) (43)
Luis Moreno
Dos operaciones muy importantes sobre conjuntos borrosos y relaciones borrosas son las denominadas proyeccin y extensin cilndrica.
La operacin de proyeccin convierte una relacin ternaria en una binaria, o una binaria en un conjunto borroso, o un conjunto borroso en un valor preciso. La extensin cilndrica es lo opuesto a la proyeccin , es decir extiende los conjuntos borrosos a relaciones binarias borrosas, las relaciones binarias borrosas en relaciones ternarias borrosas, etc.
Luis Moreno

Proyeccin
Sea R una relacin sobre U = Xn i =1 Ui . Sea (i1 , . . . , ik ) una subsecuencia de (1, . . . , n), y sea (j1 , . . . , jl ) la subsecuencia complementaria de (1, . . . , n). Sea adems V = Xk m=1 Vim . Def: La proyeccin de R sobre V se dene como projRonV=
V xj1 ,...,xj
l
sup R (x1 , . . . , xn )
x1 , . . . , xik .
(45)
En el caso binario esta operacin es muy simple (supongamos que R est denida sobre X xY ): projRonY=
Y
supR (x , y )/y
x
(46)
Luis Moreno

Proyeccin
Interpretacin grca
Luis Moreno

Extensin cilndrica
Def: La extensin cilndrica de S en U se dene como ce (S )= S xi1 , . . . , xik

U
( x 1 , . . . , xn ) .
(47)
En el caso binario esta operacin es muy simple (supongamos que F es un conjunto fuzzy denido sobre Y ), la extensin cilindrica de F sobre X xY es el conjunto de n_tuplas (x , y ) X xY con grado de pertenencia igual a F , es decir: ce (F )=
X Y
F (y )/(x , y ).
(48)
Luis Moreno

Extensin cilndrica
Interpretacin grca
Luis Moreno

Ejemplo
A (x ), B (y ), cey (A(x )) = ceA (x , y ), cex (B (y )) = ceB (x , y ) y R = ceA (x , y ) ceB (x , y ).
Luis Moreno
Composicin
A la combinacin de conjuntos borrosos con relaciones borrosas con la ayuda de la extensin cilndrica y de la proyeccin se le denomina composicin. Y se denota por . Def: (Composicin) Sea A un conjunto borroso denido sobre X y R una relacin borrosa denida sobre X xY . Entonces la composicin de A y R que da como resultado un conjunto borroso B denido sobre Y se obtiene como: B = A R = proj (ce (A) R ) onY (49)
Si la interseccin se realiza con la operacin mximo y la proyeccin con el mnimo, B (y ) = max min (A (x ), R (x , y )) .
x
(50) a esta composicin se le denomina max-min. Si la operacin de interseccin se realiza con mximo y la proyeccin con producto, tenemos B (y ) = max (A (x ).R (x , y )) (51)
x
que se denomina composicin max-dot o max-producto.


Composicin
Interpretacin grca
Luis Moreno
El principio de Extensin
Una de las nociones de ms importancia en la teora de conjuntos borrosos es el denominado principio de extensin. Este principio de extensin nos da un m todo general para combinar conceptos borrosos y no-borrosos de cualquier clase,
por ejemplo, para combinar conjuntos borrosos y relaciones, pero tambin para las operaciones de una funcin matemtica sobre conjuntos borrosos.
Los conjuntos borrosos pueden ser interpretados como nmeros borrosos. En este caso puede usarse el principio de extensin para sumar o multiplicar estos nmeros.
Luis Moreno
Sean A1 , . . . , An conjuntos borrosos, denidos sobre U1 , . . . , Un , y sea f una funcin no borrosa f : U1 . . . Un V . El propsito es extender f de forma que opere sobre A1 , . . . , An y devuelva un conjunto borroso F sobre V . Esto se realiza utilizando la operacin de composicin sup-min de la siguiente forma: Def: La extensin de f , operando sobre A1 , . . . , An da como resultado la siguiente funcin de pertenencia para F F ( v ) = min A1 (u1 ), . . . , An (un ) sup u1 , . . . , un f (u1 , . . . , un ) = v (52)
cuando f 1 (v ) existe. En cualquier otro caso A (v ) = 0.
Luis Moreno
En el caso binario y sobre dominios compactos o discretos, la expresin anterior podra formularse como f (A 1 , A 2 ) ( y ) = max min A1 (x1 ), A2 (x2 ) x1 , x2 y = f (x1 , x2 ) Con esto podemos extender el dominio de los nmeros reales al dominio de los nmeros borrosos. Dado que en control fuzzy los dominios son discretos o compactos, es posible casi siempre utilizar la composicin max-min en vez de la sup-min. (53)
Luis Moreno
Fin L1
Luis Moreno

C I L1 Logica Fuzzy

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

C I L1 Logica Fuzzy

Uploaded by

Copyright:

Available Formats

Fundamentos de la Lgica Fuzzy o Borrosa

Fundamentos de la Lgica Fuzzy L1

Curso de Control Inteligente

Fundamentos de la Lgica Fuzzy o Borrosa

Fundamentos de la Lgica Fuzzy o Borrosa

Curso de Control Inteligente

Fundamentos de la Lgica Fuzzy o Borrosa

Curso de Control Inteligente

Fundamentos de la Lgica Fuzzy o Borrosa

Es posible diferenciar entre el concepto de imprecisin y el de incertidumbre:

Curso de Control Inteligente

Fundamentos de la Lgica Fuzzy o Borrosa

Curso de Control Inteligente

Fundamentos de la Lgica Fuzzy o Borrosa

Diferencia entre precisin e incertidumbre

Curso de Control Inteligente

Fundamentos de la Lgica Fuzzy o Borrosa

Curso de Control Inteligente

Fundamentos de la Lgica Fuzzy o Borrosa

Curso de Control Inteligente

Fundamentos de la Lgica Fuzzy o Borrosa

Curso de Control Inteligente

Fundamentos de la Lgica Fuzzy o Borrosa

Curso de Control Inteligente

Fundamentos de la Lgica Fuzzy o Borrosa

Curso de Control Inteligente

Fundamentos de la Lgica Fuzzy o Borrosa

F (ui )/ui y en el caso de conjuntos continuos, F =

Fundamentos de la Lgica Fuzzy o Borrosa

Funciones de pertenencia tpicas:

funcin de dos parmetros

Def: La funcin : u [0, 1] es una denida como 0 (u ) (u ; , ) = ( ) 1 if u < if u if u >

Curso de Control Inteligente

Fundamentos de la Lgica Fuzzy o Borrosa

(7) if < u if u >

Curso de Control Inteligente

Fundamentos de la Lgica Fuzzy o Borrosa

Funciones de pertenencia tpicas:

Curso de Control Inteligente

Fundamentos de la Lgica Fuzzy o Borrosa

Curso de Control Inteligente

Fundamentos de la Lgica Fuzzy o Borrosa

es una funcin de cuatro parmetros 0

Def: La funcin : u [0, 1] denida como (u ; , , , ) = 1 1 0 if if if if if u u< u <u u> (10)

Curso de Control Inteligente

Fundamentos de la Lgica Fuzzy o Borrosa

Curso de Control Inteligente

Fundamentos de la Lgica Fuzzy o Borrosa

siendo c su centro y > 0 el ancho de la funcin de pertenencia.

Curso de Control Inteligente

Fundamentos de la Lgica Fuzzy o Borrosa

Curso de Control Inteligente

Fundamentos de la Lgica Fuzzy o Borrosa

Curso de Control Inteligente

Fundamentos de la Lgica Fuzzy o Borrosa

Curso de Control Inteligente

Fundamentos de la Lgica Fuzzy o Borrosa

Curso de Control Inteligente

Fundamentos de la Lgica Fuzzy o Borrosa

Curso de Control Inteligente

Fundamentos de la Lgica Fuzzy o Borrosa

tambin se puede decir que A es un nmero borroso o, ms exactamente, cuasi-borroso.

Curso de Control Inteligente