Tema: FUZZY LOGIC CON TOOLBOX DEL MATLAB

1
LGICA DIFUSA EN LA INVESTIGACIN
SISTEMAS INTELIGENTES(SI)
 QU ES LGICA DIFUSA?
Se considera una persona
como alta si mide mas de 1.80
m pero si la persona mide
1.7999 m. Se puede
considerar alta?
Respuesta: Si en lgica difusa.
Esta consideracin no existe
en la lgica tradicional que
utiliza demarcaciones
estrictas para determinar
pertenencia en conjuntos.
Ejemplo: A es el conjunto de
personas altas A={x/ x>1.80
m }. Una persona que mide
1.7999 m es baja.
 LGICA DIFUSA

Definicin:La lgica difusa es

definida como un sistema
matemtico que modela
funciones no lineales, que
convierte unas entradas en
salidas acordes con los
planteamientos lgicas que usan
el razonamiento aproximado.
 LGICA DIFUSA

La Lgica Fuzzy es una de las

herramientas de la inteligencia
artificial que utiliza la
experiencia del ser humano para
generar un razonamiento que
permite la toma de decisiones.
Mediante esta herramienta se
puede representar un sistema de
gestin a travs de un modelo
matemtico no-lineal, para ello
se hace uso de variables
lingsticas y una serie de
condiciones o reglas previamente
definidas.
 LGICA DIFUSA

La Lgica Fuzzy tambin es conocida como Lgica

Difusa o Lgica Borrosa, y se basa en lo relativo de
lo observado. En la lgica clsica (binaria o
booleana) se tiene solo dos estados posibles:
verdadero y falso (1 0). En cambio en la lgica
Difusa se asigna valores intermedios dentro de una
escala a fin de cuantificar una incertidumbre. Por
ejemplo segn la lgica clsica solo podemos
definir la temperatura como fra y como
caliente, segn la lgica difusa podemos asignar
infinitos valores intermedios como poco fra,
templada, "tibia, algo caliente, etc.
 LGICA DIFUSA

Todo sistema puede ser

representado
matemticamente
utilizando tcnicas de
identificacin y
parametrizacin de
sistemas, dando lugar a
un modelo matemtico,
cuyo comportamiento
puede ser simulado y
analizado empleando
herramientas
informticas.
 LGICA DIFUSA

La Lgica Fuzzy utiliza la experiencia del ser

humano para generar un conjunto de
normas que permitan seguir una lgica de
razonamiento, puede representar el modelo
matemtico de un sistema mediante el uso
de variables lingsticas y una serie de
condiciones o reglas previamente definidas,
sus algoritmos (reglas) hacen uso de
instrucciones IFTHEN (SIENTONCES), por
ejemplo: SI hay mucha demanda de mi
producto ENTONCES aumentar el precio.
 ELEMENTOS DE LGICA DIFUSA

Variable Lingstica: Son

variables evaluadas en un
lenguaje natural y no
corresponden a un valor
numrico exacto. Las
variables lingsticas
pueden descomponerse en
trminos lingsticos. Ej.
temperatura, conducta,
posicin, tamao,
ganancias, tiempo, etc..
 VARIABLES LINGISTICAS

Son variables cuyos valores son palabras fcil del

lenguaje natural.
 ELEMENTOS DE LGICA DIFUSA

Universo de Discusin: Es el
rango de toda la informacin
necesaria para el
comportamiento correcto de un
sistema. Por ejemplo,
temperatura en rango de 5 a
100 C; rentabilidad en rango
de 10% a 33%, etc.
 ELEMENTOS DE LGICA DIFUSA

Trmino Lingstico: Son

los sub-conjuntos o las
partes que puede
dividirse una variable
lingstica. Por ejemplo
para la variable
tamao se puede
tener los trminos: alto,
medio, bajo; para la
variable margen de
utilidad se puede tener
los trminos: esperado,
apropiado, regular,
deficiente, etc.
 ELEMENTOS DE LGICA DIFUSA

Conjunto Difusos: Son

formas geomtricas que
representan una
funcin generada por
un trmino lingstico.
Ellas elaborarn una
salida intermedia en el
sistema difuso. Pueden
ser: tringulos,
cuadrados, trapecios,
campanas gaussianas,
entre otros.
 ELEMENTOS DE LGICA DIFUSA

Funcin de
Membresa: La funcin
de membresa es la
agrupacin de
conjuntos difusos
correspondientes a
una sola variable
lingstica, asociada a
su grado de
pertenencia o
membresa dentro del
intervalo [0 ; 1].
 ELEMENTOS DE LGICA DIFUSA

Fuzzificacin:
La fuzzificacin es el proceso realizado
para convertir un valor tradicional
lgico, binario, decimal, y/o exacto,
en un valor o cantidad difusa.
 ELEMENTOS DE LGICA DIFUSA

Proceso de Inferencia:
Es el proceso o
metodologa que se
realiza para evaluar las
normas, dado un
conjunto de reglas
(instrucciones SIENTONCES)
se deben permitir
determinar un resultado.
Permite operar con
conjuntos: Unin (OR),
Interseccin (AND),
Complemento (NOT).
PROCESO DE INFERENCIA
 ELEMENTOS DE LGICA DIFUSA

Defuzzificacin:Es
el proceso inverso
que el de la
fuzzificacin, es
decir, es la accin
de convertir un
valor difuso en un
valor exacto.
 CONJUNTO DIFUSO

Asumiendo que X es un
conjunto, un conjunto
difuso A en X es
asociado a una funcin
caracterstica (x)
A

donde ( x) : X 0 ,1
A

La funcin caracterstica
es tpicamente
denominada funcin de
pertenencia
SOFTWARE MATLAB
 SOFTWARE MATLAB

Links del software

http://www.mathworks.com/products/matlab/
 FuzzyLogicToolbox de MATLAB

Esuna de las Herramientas

de Matlab, que desarrolla
programas de lgica difusa,
es decir basndose en grados
de pertenencia, obtener
respuestas de varios
problemas.
SISTEMA DE CONTROLES
MTODO DE INFERENCIA DIFUSA
MTODO DE INFERENCIA DE MANDANI
 MTODO DE INFERENCIA DE MANDANI

La entrada de un sistema de lgica difusa tipo Mamdani

normalmente es un valor numrico proveniente, por ejemplo,
de un sensor; para que este valor pueda ser procesado por el
sistema difuso se hace necesario convertirlo a un "lenguaje"
que el mecanismos de inferencia pueda procesar. Esta es la
funcin del fuzzificador, que toma los valores numricos
provenientes del exterior y los convierte en valores "difusos"
que pueden ser procesados por el mecanismo de inferencia.
Estos valores difusos son los niveles de pertenencia de los
valores de entrada a los diferentes conjuntos difusos en los
cuales se ha dividido el universo de discurso de las diferentes
variables de entrada al sistema.
 REGLAS DIFUSAS

La base de reglas son la manera que tiene el sistema difuso de

guardar el conocimiento lingstico que le permiten resolver el
problema para el cual ha sido diseado. Estas reglas son del
tipo IF-THEN.
Una regla de la base de reglas o base de conocimiento tiene
dos partes, el antecedente y la conclusin como se observa en
la siguiente figura:

En un sistema difuso tipo Mamdani tanto el antecedente

como el consecuente de las reglas estn dados por
expresiones lingsticas.
 DEFUZZIFICADOR

La salida que genera el mecanismo de inferencia es una

salida difusa, lo cual significa que no puede ser
interpretada por un elemento externo (por ejemplo un
controlador) que solo manipule informacin numrica.
Para lograr que la salida del sistema difuso pueda ser
interpretada por elementos que solo procesen
informacin numrica, hay que convertir la salida
difusa del mecanismos de inferencia; este proceso lo
realiza el fuzzificador.
La salida del mecanismo de inferencia es un conjunto
difuso resultante, para generar la salida numrica a
partir de este conjuntos existen varias opciones como
el Centro de Gravedad, los Centros Promediados entre
otros.
 DEFUZZIFICADOR

b (i ) i
y i
Centro de gravedad
(i )
i

b i premisa (i )
y i
Centros Pr omediados
i
premisa (i )
MTODO DE INFERENCIA DE SUGENO
 MTODO DE INFERENCIA DE SUGENO

w1 y1 f ( x1 , x 2 ) w1 y1 w2 y 2
y
w2 y 2 f ( x1 , x 2 ) w1 w2
 FUNCIONES DE PERTENENCIA

Definicin: una funcin de pertenencia de un conjunto

borroso A sobre un universo de discurso X es de la
forma A:X [0,1], donde a cada elemento de X le
corresponde un valor entre 0 y 1. Este valor, llamado
valor de pertenencia o grado de pertenencia,
representa el grado en el que el elemento de X
pertenece al conjunto borroso A.
Las funciones de pertenencia nos permiten representar
grficamente un conjunto borroso. En el eje x
(abscisas) se representa el universo de discurso,
mientras que en el eje y (ordenadas) se sitan los
grados de pertenencia en el intervalo [0,1].
 FUNCIONES DE PERTENENCIA

Las funciones de pertenencia son una forma de

representar grficamente un conjunto borroso sobre
un universo
 FUNCION TRIANGULAR
Definida mediante el lmite inferior a, el superior b y el valor
modal m, tal que a<m<b. La funcin no tiene porqu ser
simtrica.

0 ; Si x a
xa ; Si a x m
ma
A ( x) b x
bm ; Si m x b
0 ; Si x b

 FUNCION TRAPEZOIDAL
Definida por sus lmites inferior a, superior d, y los lmites de
soporte inferior b y superior c, tal que a<b<c<d.
En este caso, si los valores de b y c son iguales, se obtiene una
funcin triangular.

0 ; Si ( x a) ( x d )
xa ; Si a x b
ba
A ( x)
1 ; Si b x c
dd cx ; Si c x d

 FUNCION TRAPEZOIDAL PARTICULAR 1
Hombro Izquierdo
Definida por sus lmites inferior a=-, superior d, y los lmites
de soporte inferior b=-, y superior c, tal que c<d.

0 ; Si x d
d x
A ( x) d c ; Si c x d
1 ; Si x c

 FUNCION TRAPEZOIDAL PARTICULAR 2
Hombro Derecho
Definida por sus lmites inferior a, superior d=+, y los lmites
de soporte inferior b y superior c=+, tal que a<b.

0 ; Si x a
x a
A ( x) ba ; Si a x b
1 ; Si x b

 FUNCION GAMMA 1

Definida por su lmite inferior a y el valor k>0.

Esta funcin se caracteriza por un rpido crecimiento a partir
de a; cuanto mayor es el valor de k, el crecimiento es ms
rpido.
Nunca toma el valor A (x) = 1, aunque tienen una asntota
horizontal en dicho valor.

0 ; Si x a
A ( x) k ( x a ) 2
1 e ; Si x a
 FUNCION GAMMA 2
Definida por su lmite inferior a y el valor k>0.
Esta funcin se caracteriza por un rpido crecimiento a partir
de a; cuanto mayor es el valor de k, el crecimiento es ms
rpido.
Nunca toma el valor A (x) = 1, aunque tienen una asntota
horizontal en dicho valor.

0 ; Si x a

A ( x) k ( x a) 2
1 k ( x a) 2 ; Si x a

 FUNCION SIGMOIDAL
Definida por sus lmites inferior a, superior b y el valor m o
punto de inflexin, tales que a<m<b.
El crecimiento es ms lento cuanto mayor sea la
distancia a-b. Para el caso concreto de m=(a+b)/2, que es lo
usual, se obtiene la siguiente grfica.

0 ; Si x a
x a 2
2ba ; Si a x m
A ( x)
1 2ba ; Si m x b
x b 2

1 ; Si x b

 FUNCION GAUSEANA 1
Definida por su valor medio m y el parmetro k>0.
Esta funcin es la tpica campana de Gauss y cuanto
mayor es el valor de k, ms estrecha es dicha campana.

A ( x) e k ( xm) 2
 FUNCION GAUSEANA 2
Definida por su valor medio m y el parmetro k>0.
Esta funcin es la tpica campana de Gauss y cuanto
mayor es el valor de k, ms estrecha es dicha campana.

( xm) 2

A ( x) e
2
2k
 FUNCION PSEUDO EXPONENCIAL
Definida por el valor medio m y el parmetro k>1.
Cuanto mayor es el valor de k, el crecimiento es ms
rpido y la campana es ms estrecha.

1
A ( x)
1 k ( x m) 2
 OPERACIONES CON CONJUNTOS DIFUSOS
UNIN DE CONJUNTOS DIFUSOS
Asumiendo que A y B son dos conjuntos difusos de X, la unin de A y
B es un conjunto difuso C = A U B, en el cual C(x) = Max[A(x), B(x)].
INTERSECCIN DE CONJUNTOS DIFUSOS
Asumiendo que A y B son dos sets difusos de X, la interseccin de A y
B es un set difuso C = A B, en el cual C(x) = Min[A(x), B(x)].
COMPLEMENTO DE UN CONJUNTO DIFUSO
El complemento relativo de B con respecto a A es E = A B en el cual
E(x) = Max[0, A(x) B(x)]
SUMA LIMITADA
La suma limitada de A y B se define como C=AB tal que se verifica
,C(x) = Min[1, A(x) + B(x)].
COMPLEMENTO
El complemento de A, se define como: A X A
Entonces para cualquier x de X se tiene: A( x ) X A( x )
DOBLE NEGACIN:
A A
OPERACIONES CON CONJUNTOS DIFUSOS
OPERACIONES CON CONJUNTOS DIFUSOS
OPERACIONES CON CONJUNTOS DIFUSOS
OPERACIONES CON CONJUNTOS DIFUSOS
A B A v B = Max (A ; B)
0.3 0.2 0.3
0.3 0.8 0.8
0.7 0.2 0.7
0.7 0.8 0.8

A B A B = Min (A ; B)
0.3 0.2 0.2
0.3 0.8 0.3
0.7 0.2 0.2
0.7 0.8 0.7

A B A B = Mx (~A ; B)
0.3 0.2 0.7
0.3 0.8 0.8
0.7 0.2 0.3
0.7 0.8 0.8
OPERACIONES CON CONJUNTOS DIFUSOS