Tecnicas Inteligentes Fuzzy Aula01

Tpicos Especiais em Otimizao
Tcnicas Inteligentes
Aula 01: Lgica Fuzzy e
Sistemas de Inferncia
Leonardo Willer de Oliveira
Juiz de Fora, 20 de Maro de 2017

Referncias
[1] Mendel, J. M., Fuzzy Logic Systems for Engineeering: A

Tutorial, Proceedings of IEEE, vol 83, no. 3, march 1995.
[2] Shaw, I. S., Simes, M. G., Controle e Modelagem Fuzzy,

Editora Edgard Blcher: 1999, Brasil.
[3] Falco, D. M., Conjuntos, Lgica e Sistemas Fuzzy, Apostila

da disciplina Tcnicas Inteligentes Aplicadas a Sistemas de
Potncia, Coppe/UFRJ: 2002, Brasil.
[4] Gomide, F., Imperfeio, Impreciso e Incerteza e Modelos de

Otimizao, III Workshop sobre Teoria de Conjuntos Fuzzy e
Incerteza Generalizada Aplicada Otimizao, UFU: 2012, Brasil.
[5]Tutorial of Fuzzy Logic Toolbox of Matlab. The Matworks Inc. 2

Introduo Lgica Fuzzy
Formas de conhecimento para a resoluo de

problemas:
Conhecimento objetivo;
Conhecimento subjetivo.
Modelos matemticos convencionais:

Crisp ou ambivalentes;
Determinsticos;
Precisos por hiptese;
No ambguos.
3
Introduo
As far as the propositions of

mathematics refer to reality, they are
not certain; and as far as they are
certain, they do not refer to reality.
(Cincia e Incerteza, Albert Einstein, 1921)
4
Introduo
Situaes no mundo real podem apresentar:

Incertezas;
Informaes vagas;
Ambiguidade.
Mtodos:
Probabilsticos ou estocsticos;
Anlise de Intervalos;
Teoria de Erros;
Fuzzy.
5
Introduo
Significado do termo Fuzzy:

Incerto;
Impreciso;
Difuso;
Nebuloso.
6
Introduo
Stated informally, the essence of this

principle is that as the complexity of a
system increases, our ability to make
precise and yet significant statements
about its behavior diminishes until a
threshold is reached beyond which
precision and significance (or
relevance) become almost mutually
exclusive characteristics.
(Princpio da Incompatibilidade, Lotfi Zadeh, 1973)
7
Introduo
O problema do caixeiro viajante
New York Times, 12/03/91

Nmero de cidades Erro Tempo de Processamento
100.000 0,75% 7 meses
100.000 1% 2 dias
1.000.000 3,5% 3,5 horas
8
Introduo
Impreciso:
Relacionada com o contedo da sentena;
Propriedade da prpria informao.
Incerteza:
Propriedade oriunda da falta de informao;
Propriedade da relao entre a informao e o
conhecimento.
Abordagens
Teoria da probabilidade (repetibilidade)
Teoria da possibilidade (falta de informao)
9
Teoria dos conjuntos fuzzy (gradualidade)
Introduo
Exemplos de eventos
Lanamento de uma moeda (cara ou coroa?)
Incerto, mas certo depois que a moeda

lanada
Medida de probabilidade [0,1]
10
Introduo
Exemplos de eventos
Culpado ou inocente? / Gol ou no?
Incertos, mas verdadeiros ou falsos
Medida fuzzy [0,1]

11
Introduo
Exemplos de eventos
Copo cheio? / Falta?
Imprecisos
Conjuntos fuzzy
Funo de pertinncia [0,1] 12
Introduo
Exemplo de funo de pertinncia
Muito Lento Lento

[ 0,0 0,25 ] [ 0,25 0,50 ]
Rpido Muito Rpido

[ 0,50 0,75 ] [ 0,75 1,00 ]
13
Introduo
Lgica Fuzzy (LF):

Impreciso ou ambiguidade da informao ou
conhecimento do problema;
Representao de conhecimento em linguagem
natural;
Ausncia de dados estatsticos;
Conhecimento subjetivo;
Integrao entre mtodos lgicos e numricos;
Restries e objetivos no-rgidos (soft constraints).
14
Introduo
Tipos de metodologias
Baseada em modelo
Informaes representadas por variveis lingusticas
que so convertidas em regras
Ausncia de modelo
Regras extradas de dados numricos combinados
com informaes lingusticas
15
Introduo
Aplicaes de Lgica Fuzzy
Sistemas de Inferncia Fuzzy: incertezas nas regras

de uma base de conhecimento; mecanismo de
inferncia.
Controladores Fuzzy: regras de controle baseadas
na experincia.
Otimizao e Tomada de Decises: incertezas nos
dados e/ou objetivos; soft constraints, problemas
multi-objetivos.
16
Histrico
Aristteles (384-322 ac): Lgica Clssica

Georg Cantor (1878): Artigo sobre Teoria de Conjuntos
Lotfi A. Zadeh (1965): Teoria dos Conjuntos Fuzzy
Fuzzy Systems Engineering Research Association
(1972)
E. Mandani (1974): Primeira aplicao (controle de uma
mquina a vapor)
Circle Cement and SIRA (1976): Primeira aplicao
industrial (Dinamarca) 17
Histrico
Primeiro Sistema Especialista Fuzzy (1977): controlador

de trfego
International Fuzzy Systems Association IFSA (1984)
isdlab.ie.ntnu.edu.tw/ntust/ifsa/
Chip Fuzzy (1985): Laboratrios BELL

Controle de trens (1987): Metro de Sendai, Japo
Lava-roupas com controlador Fuzzy (1990): Inicio da
aplicao em produtos de consumo 18
Conjuntos Convencionais
Definio de conjuntos convencionais ou precisos

(Crisp)
Por enumerao
C = {1, 2, 3, 4, 5, 6, 7, 8, 9,10}
Por caractersticas semelhantes

C = { x U / x > 0} { }
U = x Z / x 10
Por uma funo de pertinncia

1 se x C
C ( x ) =
0 se x C
19
Conjuntos Convencionais
C
Funo de Pertinncia
1 --
-10 0 10 x
1 se x C C = { x U / x > 0}
C ( x ) =
0 se x C {
U = x Z / x 10 } 20
Conjuntos Fuzzy
Conjunto Fuzzy
Exemplo: Conjunto dos nmeros inteiros prximos

de 5
Funo de pertinncia
x 2 3 4 5 6 7 8
C 0,1 0,4 0,8 1,0 0,8 0,4 0,1
21
Conjuntos Fuzzy
C
Conjunto Fuzzy
1 --
Universo finito
-10 5 10 x
Um elemento pertence ao conjunto com um grau de

pertinncia.
A funo de pertinncia pode assumir valores em um
intervalo. 22
Conjuntos Fuzzy
Em geral, um conjunto fuzzy F definido em um

universo de discurso U como:
F= {( x, F ( x ) ) | x U}
(
O conjunto fuzzy constitudo pelos pares x, F ( x ) )
23
Conjuntos Fuzzy
Conjunto Fuzzy
Universo contnuo: tenses prximas a 1,0 pu

V (v )
0 se v < 0,95

(v 0,95 ) / (1,00 0,95 ) se 0,95 v 1,00
1,0
V (v ) =
(1,05 v ) / (1,05 1,00 ) se 1,00 v 1,05
0 se v > 1,05

0,95 1,00 1,05 v
24
Operaes com Conjuntos Fuzzy

A B ( x )
Unio
AB = {( x, ( x )), x U}
A B
AB ( x ) = max ( A ( x ) , B ( x ) )
x
A B ( x )
Interseo
AB = {( x, ( x )), x U}
A B
AB ( x ) = min ( A ( x ) , B ( x ) )
25
x
Ac ( x )
Complemento
Ac = {( x, ( x )), x U }
Ac
Ac ( x ) = 1 A ( x )
x
26
Isomorfismo
Teoria dos Conjuntos Lgica lgebra Booleana
Pertinncia Verdade Valor
Membro Verdadeiro 1
No-membro Falso 0
Interseo E Produto
Unio OU Soma
Complemento NO Complemento
27
Propriedades
Comutatividade: A B = B A
AB = B A
Associatividade: ( A B ) C = A ( B C )
( A B ) C = A (B C )
Idempotncia: A A = A
AA = A
Distributividade: A ( B C ) = ( A B ) ( A C ) 28
Produto cartesiano
AxB = {( x, y ),min ( A ( x ) , B ( x ) ) | x A y B}
Exemplo:
A= { (3 , 0,5) , (5 , 1) , (7 , 0,6) }
B= { (3 , 1) , (5 , 0,6) }
{
A x B = ( 3,3 ) ,0,5 , ( 3,5 ) ,0,5 , ( 5,3 ) ,1 , ( 5,5 ) ,0,6 , ( 7,3 ) ,0,6 , ( 7,5 ) ,0,6 }
29
Definies Bsicas
Conjunto suporte de um conjunto Fuzzy
F= {( x, F ( x ) ) | x U} {
: S ( F ) = x X | F ( x ) > 0 }
Altura de F ( H(F) ):
maior grau de pertinncia de F. Se H (F) = 1, ento o
conjunto F normalizado
30
Definies Bsicas
Cardinalidade de F ( |F| )
F discreto: F = F (x)
F contnuo: F = F ( x )dx

Corte de nvel- ou corte- (F)
{
F x X | F ( x ) }
31
Definies Bsicas
Condies para o conjunto F ser convexo
F [a x1 + (1 a ) x2 ] min[ F ( x1 ) , F ( x2 )]
x1, x2 X e a [0,1]
F
32
Nmeros Fuzzy
Nmero fuzzy F
Conjunto fuzzy em R convexo normalizado tal que
F ( x ) contnua por partes e que existe pelo menos um
x1 tal que F ( x1 ) = 1
Exemplo F
F trapezoidal=(x1,x2,x3,x4)
Obs.: Triangular: x2=x3

x1 x2 x3 x4 x
Retangular: x1=x2 e x3=x4 33
Nmeros Fuzzy
Operaes Aritmticas com Nmeros Fuzzy

Sejam
F1 = ( x1, x2 , x3 , x 4 ) F2 = ( y1, y 2 , y 3 , y 4 )
Adio
F1 F2 = ( x1 + y1, x2 + y 2 , x3 + y 3 , x 4 + y 4 )
Produto
F1 F2 = ( x1 y1, x2 y 2 , x3 y 3 , x 4 y 4 )
Produto por um nmero real a

a F1 = ( a x1, a x2 , a x3 , a x 4 ) 34
Relaes
Representa grau de presena, associao, interao

ou interconexo entre elementos de dois ou mais
conjuntos convencionais (crisp).
A funo de pertinncia pode assumir valores no

intervalo [0,1].
Exemplo: Sejam x, y C
A relao x muito maior que y pode ser definida
por: 0 se x y

( x, y ) =
( )
1
1+ ( y x )
2
se x > y 35

Variveis Lingusticas
Funo do conjunto crisp: classificao de idades
A pessoa s pode ser jovem ou idosa

Altamente determinstica
36
Funo do conjunto fuzzy: classificao de idades
90 anos (0,0; 0,0; 1,0) 51 anos (0,0; 0,45; 0,03)

2 anos (0,2; 0,0; 0,0) 49 anos (0,0; 0,55; 0,0)
37
Valores representados por
conjuntos fuzzy
Varivel lingustica (x): idade
Conjunto de termos (T(x)): {Jovem, Adulto, Idoso}
Universo de discurso: 0 a 100 anos
Funes de pertinncia no grfico acima 38

Funo do conjunto fuzzy: classificao de tenses

Muito_baixa Baixa Normal Alta Muito Alta

1,0
0,7 0,8 0,9 1,0 1,1 1,2 1,3 v
39
Funes de Pertinncia
Formatos
Triangular Trapezoidal
Observao:
Overlapping
Gaussiana Sino Generalizada
40
Lgica Clssica
Proposio ( F ou V)
Combinao de proposies (F ou V)
Conjuno (p q)
Disjuno (p q)
Condicional (p q)
Equivalncia (p q)
Negao ( p)
Tabela Verdade 41
Lgica Clssica
Tautologia
Proposio formada pela combinao de outras

proposies
Utilizao de funes de pertinncia

1 se p verdadeira(V)
p ( x ) =
0 se p falsa(F)
Associao com teoria dos conjuntos e lgebra

booleana 42
Lgica Fuzzy
Obtida atravs da lgica precisa (crisp), estendendo

funes de pertinncia ambivalentes (0 ou 1) por
funes de pertinncia fuzzy no intervalo [0,1]
Sejam os conjuntos F1 e F2 com x F1 e y F2
A proposio Se x F1, ento y F2 tem a funo de

pertinncia F 1F 2 ( x, y ) 0,1 , que mede o grau de
verdade da proposio 43
Lgica Fuzzy
Relaes
F 1F 2 ( x, y ) = 1 min F 1 ( x ) ,1 F 2 ( y )
F 1F 2 ( x, y ) = max 1 F 1 ( x ) , F 2 ( y ) = 1 F 1 ( x ) 1 F 2 ( y )
44
Sistema de Inferncia Fuzzy
Base de Regras
Fuzzificao Defuzzificao
Entrada precisa Sada precisa
(crisp) (crisp)
Inferncia
45
Inferncia
Em Lgica, inferncia ou ilao operao intelectual

mediante a qual se afirma a verdade de
uma proposio em decorrncia de sua ligao com
outras proposies j reconhecidas como verdadeiras.
Consiste, portanto, em derivar concluses a partir

de premissas conhecidas ou decididamente
verdadeiras. A concluso tambm chamada
de idiomtica.
46
Base de Regras
Regra SE < >, ENTO < > fuzzy
Exemplo
V
Baixa
1,0
0,7 0,8 0,9 1,0 1,1 1,2 1,3 v

Q
Alta
47
Q
Base de Regras
Generalizao
SE x1 F1r e ... xn Fnr ENTO y Gr

14442444
3 1
424
3
Consequente ou Concluso
Antecedentes ouPremissas
Em que F e G so conjuntos fuzzy e r = 1,...,N regras
48
Fuzzificao
Determinao do grau de pertinncia da entrada no
antecedente de regra
Para antecedentes com mais de uma proposio,

operadores fuzzy combinam os graus de pertinncia:
E(min): { }
cr = mini =1,...,n ( xi )
{
OU(max): cr = max i =1,...,n ( xi ) }
49
Inferncia
Determinao do grau de validade dos consequentes
das regras e combinao no conjunto fuzzy de sada
Princpio: regras com baixo grau de pertinncia no

antecedente (cr) devem ter pouca validade no
consequente
{ }
G = max min {cr , i ( xi )},{r ( xi )}
min: corta a funo de pertinncia do consequente no

ponto indicado por cr do antecedente
max: combina (unio) os conjuntos fuzzy que
representam o consequente das regras 50
Inferncia
Combinao maxmin
51
Defuzzificao
Construo de uma sada precisa (crisp) a partir do
conjunto fuzzy
Mtodos:
Valor mximo
Valor mdio dos mximos
Bisetor
Centride ou centro de massa
52
Defuzzificao
u1 u2 u3 u4 u5 u
u1: valor mnimo dos mximos

u2: valor mdio dos mximos
u3: bisetor da rea
u4: centride da rea
u5: valor mximo dos mximos
53

Exemplo:
Em um restaurante, a partir das informaes sobre
qualidade da comida e atendimento, deseja-se
determinar a gorjeta.
Regras
SE (atendimento ruim ou comida pssima)
ENTO (gorjeta baixa)
SE (atendimento bom) ENTO (gorjeta mdia)
SE (atendimento excelente ou comida deliciosa)

54
ENTO (gorjeta generosa)
Lgica Fuzzy no Matlab
Fuzzy Logic Toolbox
Conjunto de funes do ambiente

MATLAB.
Fornece ferramentas pra criar e editar

sistemas fuzzy
Tambm oferece ferramentas para o

Simulink / Matlab
55
56
Editor FIS:Editor da funo de inferncia (comando fuzzy)
57
Membership Function Editor:Editor de funo de pertinncia

(comando mfedit)
58

Funes de pertinncia
x a c x
Funo Triangular trim f ( x ; a , b , c ) = m a x m in , ,0
b a c b
xa d x
Funo Trapezoidal tra p m f ( x ; a , b , c , d ) = m a x m in ,1, ,0
ba d c
2
1 x c

Funo Gaussiana g a u s s m f ( x ; , c ) = e 2
1
Funo Sino Generalizada g b e llm f ( x ; a , b , c ) = 2b
x c
1+ 59
a

Outras funes de pertinncia
60
Rule Editor:Editor de regras (comando ruleedit)
61
Rule Viewer:Visualizador de regras (comando ruleview)
62
Surface Viewer:Visualizador de superfcie (comando surfview)
63
64
65

Tecnicas Inteligentes Fuzzy Aula01

Uploaded by

Document Information

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

Tecnicas Inteligentes Fuzzy Aula01

Uploaded by

Copyright:

Available Formats

Tpicos Especiais em Otimizao

Juiz de Fora, 20 de Maro de 2017

[1] Mendel, J. M., Fuzzy Logic Systems for Engineeering: A

[2] Shaw, I. S., Simes, M. G., Controle e Modelagem Fuzzy,

[3] Falco, D. M., Conjuntos, Lgica e Sistemas Fuzzy, Apostila

[4] Gomide, F., Imperfeio, Impreciso e Incerteza e Modelos de

[5]Tutorial of Fuzzy Logic Toolbox of Matlab. The Matworks Inc. 2

Introduo Lgica Fuzzy

Formas de conhecimento para a resoluo de

Modelos matemticos convencionais:

As far as the propositions of

Situaes no mundo real podem apresentar:

Significado do termo Fuzzy:

Stated informally, the essence of this

O problema do caixeiro viajante

New York Times, 12/03/91

Lanamento de uma moeda (cara ou coroa?)

Incerto, mas certo depois que a moeda

Medida de probabilidade [0,1]

Culpado ou inocente? / Gol ou no?

Incertos, mas verdadeiros ou falsos

Medida fuzzy [0,1]

Muito Lento Lento

Rpido Muito Rpido

Lgica Fuzzy (LF):

Aplicaes de Lgica Fuzzy

Sistemas de Inferncia Fuzzy: incertezas nas regras

Aristteles (384-322 ac): Lgica Clssica

Primeiro Sistema Especialista Fuzzy (1977): controlador

Chip Fuzzy (1985): Laboratrios BELL

Definio de conjuntos convencionais ou precisos

Por caractersticas semelhantes

Por uma funo de pertinncia

Exemplo: Conjunto dos nmeros inteiros prximos

Um elemento pertence ao conjunto com um grau de

Em geral, um conjunto fuzzy F definido em um

Universo contnuo: tenses prximas a 1,0 pu

0,95 1,00 1,05 v

Operaes com Conjuntos Fuzzy

Operaes com Conjuntos Fuzzy

Operaes com Conjuntos Fuzzy

Operaes com Conjuntos Fuzzy

Operaes com Conjuntos Fuzzy

Conjunto suporte de um conjunto Fuzzy

Condies para o conjunto F ser convexo

Obs.: Triangular: x2=x3

Operaes Aritmticas com Nmeros Fuzzy

Produto por um nmero real a

Representa grau de presena, associao, interao

A funo de pertinncia pode assumir valores no

Funo do conjunto crisp: classificao de idades

A pessoa s pode ser jovem ou idosa

Funo do conjunto fuzzy: classificao de idades

90 anos (0,0; 0,0; 1,0) 51 anos (0,0; 0,45; 0,03)

Valores representados por

Varivel lingustica (x): idade

Conjunto de termos (T(x)): {Jovem, Adulto, Idoso}

Universo de discurso: 0 a 100 anos

Funes de pertinncia no grfico acima 38

Funo do conjunto fuzzy: classificao de tenses

Muito_baixa Baixa Normal Alta Muito Alta

0,7 0,8 0,9 1,0 1,1 1,2 1,3 v

Gaussiana Sino Generalizada

Proposio formada pela combinao de outras