Lgica Fuzzy

ALUNOS:
Cesar Goes
Dyhercules Lima

Lgica Fuzzy
Usamos, no cotidiano, conceitos subjetivos para
classificar ou considerar certas situaes tais como :

Siga em frente "alguns metros" .

O dia est "parcialmente" nublado.
Preciso perder "alguns" quilos para ficar "bem".
Estamos com uma moeda "estvel".

Nos exemplos acima, os termos entre aspas so "fuzzy" no

sentido que envolvem impreciso e so conceitos vagos.

ESBOO HISTRICO DA LGICA

"FUZZY".
As primeiras noes da lgica dos conceitos "vagos" foi
desenvolvida por um lgico polonsJan Lukasiewicz
(1878-1956) em 1920 que introduziu conjuntos com graus
de pertinncia sendo 0 ,e 1 e, mais tarde, expandiu
para um nmero infinito de valores entre 0 e 1.

Diferente da Lgica Booleana que admite apenas valores

booleanos, ou seja, verdadeiro ou falso, a lgica difusa
ou fuzzy, trata de valores que variam entre 0 e 1. Assim,
uma pertinncia de 0.5 pode representar meio verdade,
logo 0.9 e 0.1, representam quase verdade e quase falso,
respectivamente (SILVA, 2005).

ESBOO HISTRICO DA LGICA

"FUZZY".
A primeira publicao sobre lgica "fuzzy" data de 1965, quando recebeu este
nome. Seu autor foiLotfi Asker Zadeh(ZAH-da) , professor em Berkeley,
Universidade da California.
Zadeh criou a lgica "fuzzy" combinando os conceitos da lgica clssica e os
conjuntos de Lukasiewicz, definindo graus de pertinncia.
Entre 1970 e 1980 as aplicaes industriais da lgica "fuzzy" aconteceram com
maior importncia na Europa e aps 1980, o Japo iniciou seu uso com
aplicaes na indstria. Algumas das primeiras aplicaes foram em um
tratamento de gua feito pela Fuji Electric em 1983 e pela Hitachi em um
sistema de metr inaugurado em 1987. Por volta de 1990 que a lgica "fuzzy"
despertou um maior interesse em empresas dos Estados Unidos.
Devido ao desenvolvimento e as inmeras possibilidades prticas dos sistemas
"fuzzy" e o grande sucesso comercial de suas aplicaes, a lgica "fuzzy"
considerada hoje uma tcnica "standard" e tem uma ampla aceitao na rea
de controle de processos industriais.

Lgica Fuzzy
O conceito "fuzzy" pode ser entendido como uma situao
onde no podemos responder simplesmente "Sim" ou "No".
Mesmo conhecendo as informaes necessrias sobre a
situao, dizer algoentre"sim" e "no" como por exemplo
"talvez", "quase", ....se torna mais apropriado.
Considere, por exemplo, informaes como "homens altos" ,
"dias quentes" ou "vento forte". Nada existe que determine
exatamente qual a "altura" , "temperatura" ou "velocidade"
que podemos considerar como limites para tais
informaes. Se considerarmos como alto todos os homens
com mais de 1,90m, ento um homem com 1,88m no seria
"alto" e sim "quase alto".

Lgica Fuzzy
Lgica convencional: sim/no, verdadeiro/falso
Lgica Fuzzy (difusa ou nebulosa):
Refletem o que as pessoas pensam
Tenta modelar o nosso senso de palavras, tomada de
deciso ou senso comum
Trabalha com uma grande variedade de informaes
vagas e incertas, as quais podem ser traduzidas por
expresses do tipo: a maioria, mais ou menos, talvez,
etc.

Lgica Fuzzy
Sistemas baseados em lgica fuzzy podem ser
usado para gerar estimativas, tomadas de deciso,
sistemas de controle mecnico...

Ar condicionado.
Controles de automveis.
Casas inteligentes.
Controladores de processo industrial.
etc...

Lgica Fuzzy
O Japo um dos maiores utilizadores e difusores
da lgica fuzzy.
O metr da cidade de Sendai utiliza desde 1987 um sistema de
controle fuzzy.
Aspiradores de p e maquinas de lavar da empresa Matsushita
- carrega e ajusta automaticamente quantidade de
detergente necessrio, a temperatura da gua e o tipo de
lavagem.
TVs da Sony utilizam lgica fuzzy para ajustar
automaticamente o contraste, brilho, nitidez e cores.
A Nissan utiliza lgica fuzzy em seus carros no sistema de
transmisso automtica e freios antitravamento.

Lgica Fuzzy

Conjuntos com limites imprecisos

A = Conjunto de pessoas altas

Conjunto Clssico

Conjunto Fuzzy
1.0
0.9
0.8

1.0

Funo de
pertinncia

0.5

1.75

Altura(
m)

1.60 1.70 1.75

Altura
(m)

Funes de Pertinncia

As funes de pertinncia so de diferentes formas, dependendo

do conceito que se deseja representar e do contexto que esto
inseridas .
Pessoas de at 50 Kg apresentam grau de
pertinncia igual a 1 no conjunto B; o grau de
pertinncia nesse conjunto decresce medida
que o peso aumenta;
Uma pessoa de 75 Kg totalmente
pertencente ao conjunto M;
Pessoas acima de 80 Kg (aproximadamente),
apresentam grau de pertinncia diferente de 0
em A.
Pessoas acima de 100 Kg, definitivamente
esto com o peso alto.

Tipos de Funes de Pertinncia

Sistema lgico fuzzy

Variveis Calculadas
(Valores Lingusticos)

Nvel
Lingustico

Inferncia

Variveis de Comando
(Valores Lingusticos)

Fuzzificao
Defuzzificao

Nvel
Numrico

Variveis Calculadas
(Valores Numricos)

Variveis de Comando
(Valores Numricos)

Fuzzificao
Nesta primeira etapa do Sistema Lgico fuzzy o problema
analisado e os dados de entrada so transformados em variveis
lingusticas. Neste momento de extrema importncia que todos
os dados de impreciso e incerteza sejam considerados e
transformados em variveis linguisticas. Aps esta transformao
so determinadas tambm as funes de pertinncia.
Ex; O copo est muito cheio, pouco cheio, est na mdia...

Varivel Lingstica
Uma varivel lingstica uma varivel cujos valores
so nomes de conjuntos fuzzy. Sua principal funo
fornecer uma maneira sistemtica de aproximao de
fenmenos complexos ou mal definidos. Um exemplo
disso o peso de uma pessoa, que pode ser uma
varivel lingstica assumindo valores baixo, mdio e
alto.

Inferncia

Enquanto a agregao define a validade de uma regra, a composio

define o resultado obtido atravs de uma inferncia. Considerando a
realidade do gerenciamento de projeto, onde existem duas
afirmaes:
O projeto A muito longo; (variavel linguistica)
O risco do projeto Alto; ( variavel linguistica)
Se o projeto MUITO LONGO Ento o Risco do Projeto ALTO.
(Inferncia)

Defuzzificao

Segundo Cox(1994) a desfuzzificao a etapa em que os valores fuzzy

so convertidos em nmeros reais tendo assim um conjunto de sada
matematicamente definido. Utilizando-se do exemplo apresentado por
Cox(1994) considere os conjuntos fuzzy A, B e C produzindo uma varivel
de soluo D.
Se w Y ento D A
Se x X ento O B
Se y Z ento D C
Tcnicas de desfuzzificao
Centroid, o mtodo onde a sada precisa a ser considerada o
centro de gravidade do conjunto fuzzy.
Maximum height, o mtodo onde a sada precisa se obtem tomando
a mdia entre os dois elementos extremos no universo de discurso que
correspondem aos maiores valores da funo de pertinncia do conjunto
fuzzy de sada.

Conceitos Importantes
Observe o exemplo abaixo :
Seja o conjunto universoU={5,10,20,30,40,50,60,70,80} e
consideremos os seguintes conjuntos
"fuzzy" :A={crianas},B={jovens},C={adultos} eD={velhos} para os
quais atribuimos os graus de pertinncia dos elementos do
conjuntoUna seguinte tabela:
IDADE

Criana

Jovem

Adulto

Velho

10

20

0.8

0.8

0.1

30

0.5

0.2

40

0.2

0.4

50

0.1

0.6

60

0.8

70

80

Conceitos Importantes
SUPORTE

OSUPORTEde um conjunto fuzzyAno conjunto universoU o conjunto

clssico que contm todos os elementos deUque tm grau de pertinncia
maior do que zero (>0) e indicamos
sup A= { xU | (x) > 0 }
Exemplos:
O suporte do conjunto "fuzzy" "jovem" da tabela anterior o conjunto
clssico sup (jovem) = { 5,10,20,30,40,50}
O conjunto vazio "fuzzy" tem um conjunto suporte vazio, isto , o grau de
pertinncia 0.

Na tabela anterior o suporte do conjunto "fuzzy""crianas" o conjunto

vazio.

Conceitos Importantes
CARDINALIDADE

ACARDINALIDADEde um conjunto "fuzzy"Asobre um conjunto

universo finitoU a soma dos graus de pertinncia de todos os
elementos deUemAe indicamos:
|A| =
(x)
Exemplo:
A cardinalidade do conjunto "fuzzy""velho"da tabela anterior :
| velho | = 0+0+0.1+0.2+0.4+0.6+0.8+1+1 = 4.1

Caracteristicas da lgica Fuzzy

Fuzzy utilizado em jogos

Fuzzy utilizado em jogos

S.W.A.T 2

Um exemplo, seria em um jogo em que a

personalidade do jogador pertencer 0.6 ao
conjunto
violento e 0.8 ao conjunto
dcil. No geral, lgica fuzzy lida com
problemas complexos de controle com um
custo computacional relativamente baixo,
sem sacrificar os detalhes sutis e seus
problemas podem ser atacados com um
melhor trabalho na definio de que variveis
so importantes. Um jogo que utilizou a
lgica fuzzy foi o S.W.A.T 2, sendo usada
para determinar a resposta ttica das
unidades inimigas baseada no somente na
situao mas tambm na personalidade das
unidades.

Fuzzy utilizado em jogos

THE SIMS
Uma forma delgica fuzzy usado para
modelar as emoes dos atores.Cada um
deles tem sentimentos bsicos medidos no
intervalo [-100.100], especificamente:
Fsica: Fome, conforto, higiene e bexiga.
Emocional: Energia, divertimento, social e
ambiente.
Cada um destes mapeado para um valor de
humor / alegria usando uma curva de
resposta.Algumas funes so mapeamentos
lineares, por exemplo, higiene e energia
para a felicidade, mas outros so funes
polinomiais.Por exemplo, os atores mais
famintos obter a menos eles se preocupam
com qualquer outra coisa!