You are on page 1of 0

Cap2: Descripcin general de las tcnicas de lgica difusa

- 35 -


Captulo 2:


CONCEPTOS FUNDAMENTALES DE LGICA DIFUSA


Una de las disciplinas matemticas con mayor nmero de seguidores actualmente es la
llamada lgica difusa o borrosa, que es la lgica que utiliza expresiones que no son ni
totalmente ciertas ni completamente falsas, es decir, es la lgica aplicada a conceptos que
pueden tomar un valor cualquiera de veracidad dentro de un conjunto de valores que
oscilan entre dos extremos, la verdad absoluta y la falsedad total [44]. Conviene recalcar
que lo que es difuso, borroso, impreciso o vago no es la lgica en s, sino el objeto que
estudia: expresa la falta de definicin del concepto al que se aplica. La lgica difusa permite
tratar informacin imprecisa, como estatura media o temperatura baja, en trminos de
conjuntos borrosos que se combinan en reglas para definir acciones: si la temperatura es
alta entonces enfriar mucho. De esta manera, los sistemas de control basados en lgica
difusa combinan variables de entrada, definidas en trminos de conjuntos difusos, por
medio de grupos de reglas que producen uno o varios valores de salida.



2.1INTRODUCCIN A LA LGICA DIFUSA: BREVE HISTORIA Y APLICACIONES.


La lgica difusa fue investigada, por primera vez, a mediados de los aos sesenta en la
Universidad de Berkeley (California) por el ingeniero Lotfy A. Zadeh (figura 2.1.1) cuando se
dio cuenta de lo que l llam principio de incompatibilidad: Conforme la complejidad de un
sistema aumenta, nuestra capacidad para ser precisos y construir instrucciones sobre su
comportamiento disminuye hasta el umbral ms all del cual, la precisin y el significado
son caractersticas excluyentes. Introdujo entonces el concepto de conjunto difuso (Fuzzy
Set) bajo el que reside la idea de que los elementos sobre los que se construye el
pensamiento humano no son nmeros sino etiquetas lingsticas. La lgica difusa permite
representar el conocimiento comn, que es mayoritariamente del tipo lingstico cualitativo
y no necesariamente cuantitativo, en un lenguaje matemtico a travs de la teora de
conjuntos difusos y funciones caractersticas asociadas a ellos. Permite trabajar a la vez
con datos numricos y trminos lingsticos; los trminos lingsticos son inherentemente
Cap2: Descripcin general de las tcnicas de lgica difusa
- 36 -
menos precisos que los datos numricos pero en muchas ocasiones aportan una
informacin ms til para el razonamiento humano.









Figura 2.1.1. L. A. Zadeh

El aspecto central de los sistemas basados en la teora de la lgica difusa [45] es que, a
diferencia de los que se basan en la lgica clsica, tienen la capacidad de reproducir
aceptablemente los modos usuales del razonamiento, considerando que la certeza de una
proposicin es una cuestin de grado. Ms formalmente se puede decir que si la lgica es
la ciencia de los principios formales y normativos del razonamiento, la lgica difusa o
borrosa se refiere a los principios formales del razonamiento aproximado, considerando el
razonamiento preciso (lgica clsica) como caso lmite. As pues, las caractersticas ms
atractivas de la lgica difusa son su flexibilidad, su tolerancia con la imprecisin, su
capacidad para modelar problemas no-lineales, y su base en el lenguaje natural.


Aunque la lgica difusa es conocida con este nombre desde que Zadeh la bautiz as en
1965, la idea que se esconde tras ella y sus orgenes se remontan hasta 2.500 aos atrs
[46]. Los filsofos griegos, Aristteles entre ellos, consideraban que existan ciertos grados
de veracidad y falsedad y Platn ya trabaj con grados de pertenencia.

El trmino borroso aplicado a la lgica y a la teora de conjuntos y sistemas procede de la
expresin fuzzy sets (conjuntos borrosos) acuada por Lofti A. Zadeh, brillante ingeniero
elctrico iran nacionalizado en Estados Unidos, profesor en las ms prestigiosas
universidades norteamericanas y doctor honoris causa de varias instituciones acadmicas.
Sus tesis entroncan, como podemos observar, con la obra de pensadores de distintas
disciplinas que tenan una visin similar de los problemas alejada de la lgica tradicional. La
paradoja del conjunto de Bertrand Russell, el principio de incertidumbre de la fsica cuntica
de W. Heisenberg, la teora de los conjuntos vagos de Max Black, sin olvidar la fundamental
Cap2: Descripcin general de las tcnicas de lgica difusa
- 37 -
aportacin del polaco J an Lukasiewicz, creador de la lgica multivaluada, influyeron para
que Zadeh publicase su famoso ensayo "Fuzzy Sets" en "Informations and Control" en
1965 y ms tarde Fuzzy algorithm en la misma revista en 1968. Mientras que Russell y
Black utilizaron el trmino vagueness (vaguedad, vago) para referirse a la nueva lgica o
para calificar a los conjuntos en la teorizacin sobre los mismos, Zadeh prefiri el trmino
fuzzy (borroso, difuso) para denominar a sus conjuntos y a la lgica en la que se apoya su
anlisis.

Aunque en un principio la lgica difusa encontr una fuerte resistencia entre la comunidad
cientfica, algunos investigadores se convirtieron en seguidores de las teoras de Zadeh y
mientras l sigui ampliando y asentando los fundamentos de la teora de conjuntos difusos
estos investigadores exploraron estas nuevas teoras durante la dcada posterior a su
nacimiento. Adems de las contribuciones del propio Zadeh, otros autores como Bellman,
Lakoff, Goguen, Kohout, Smith, Sugeno, Chang, Dunn, Bezdek, Negoita, Mizumoto,
Tanaka, Kandel, Zimmermann, etchicieron aportaciones al desarrollo de las bases de
esta teora. Durante esta primera dcada, gran parte de estructuras lgicas y matemticas
son generalizadas en trminos de lgica difusa: relaciones lgicas, funciones, grupos,
operaciones, operadores, algoritmos, etc

A principios de la dcada de los setenta, se establecen varios grupos de investigacin en
lgica difusa en algunas pequeas universidades japonesas; los profesores Terano y
Shibata en Tokio y los profesores Tanaka y Asai en Osaka, y pese a encontrar tambin un
ambiente hostil en estos primeros aos de investigacin, hacen grandes contribuciones
tanto al desarrollo de la teora de la lgica difusa como al estudio de sus aplicaciones.

Un hito importante en el desarrollo de la lgica difusa fue establecido por Assilian y
Mamdani en 1974 en el Reino Unido al desarrollar el primer controlador difuso diseado
para una mquina de vapor, pero la primera implantacin real de un controlador de este
tipo fue realizada en 1980 por F.L. Smidth & Co. en una planta cementera en Dinamarca.
En 1983 Fuji aplica la lgica difusa para el control de inyeccin qumica en plantas
depuradoras de agua por primera vez en J apn y en 1987 Hitachi pone en marcha un
controlador fuzzy para el control del tren-metro de Sendai, y la empresa Omron desarrolla
los primeros controladores difusos comerciales.

Paralelamente al desarrollo de las aplicaciones de la lgica difusa, investigadores tericos
siguen, en la dcada de los ochenta, el camino iniciado por Mamdani. As, Takagi y Sugeno
desarrollan la primera aproximacin para construir reglas fuzzy a partir de datos de
Cap2: Descripcin general de las tcnicas de lgica difusa
- 38 -
entrenamiento, y aunque en un principio no tiene mucha repercusin, ms tarde ser el
punto de partida para investigar la identificacin de modelos fuzzy. Otro de los factores que
contribuye a seguir con la investigacin en este campo es el creciente inters en las redes
neuronales y su similitud con los sistemas fuzzy; la tendencia es buscar vas de relacin
entre las dos tcnicas y los resultados son los llamados neuro-fuzzy systems, sistemas
fuzzy que usan mtodos de aprendizaje basados en redes neuronales para identificar y
optimizar sus parmetros. B. Kosko es conocido por su contribucin a los sistemas neuro-
fuzzy y con sus publicaciones introdujo en la lgica difusa a muchos lectores interesados en
las redes neuronales.

En la dcada de los noventa, adems de las redes neuronales y los sistemas fuzzy, hacen
su aparicin los algoritmos genticos. Estas tres tcnicas computacionales, que pueden
combinarse de mltiple maneras y se pueden considerar complementarias, son
herramientas de trabajo muy potentes en el campo de los sistemas de control en la ltima
dcada.

En realidad, la intencin original del profesor Zadeh era crear un formalismo para manipular
de forma ms eficiente la imprecisin y la vaguedad del razonamiento humano expresado
lingsticamente, sin embargo caus cierta sorpresa que el xito de la lgica borrosa
llegase en el campo del control automtico de procesos. Esto se debi bsicamente al
boom que la lgica borrosa caus en J apn, iniciado en 1987 y que alcanz su mximo
apogeo a principios de los noventa. Este boom fue el resultado de una estrecha
colaboracin entre el gobierno, las universidades y las industrias japonesas,
establecindose dos proyectos nacionales a gran escala llevados a cabo por el Ministerio
de Industria y Comercio (MITI) y la Agencia de Ciencia y Tecnologa (STA) en consorcio
con el LIFE, Laboratory for International Fuzzy Research, y en los que se involucraron ms
de 50 compaas durante seis aos. Desde entonces, han sido infinidad los productos
lanzados al mercado que usan tecnologa borrosa, muchos de ellos utilizando la etiqueta
fuzzy como smbolo de calidad y prestaciones avanzadas. El control difuso ha sido aplicado
con xito en muy diversas ramas tecnolgicas, por ejemplo la metalurgia, robots para la
fabricacin, controles de maniobras de aviones, sensores de imagen y sonido (sistema de
estabilizacin de la imagen en cmaras fotogrfica y de video Sony, Sanyo y Cannon),
lavadoras (Panasonic y Bosch) que son capaces de autorregular la cantidad de jabn que
requiere un lavado dependiendo del grado de suciedad de la ropa, aire acondicionado
(Mitsubishi) en el que el sistema fuzzy evita las oscilaciones entre el exceso y el defecto de
temperatura), rice-cooker capaces de elaborar diversas variedades de arroz regulando la
cantidad de agua y la temperatura en cada caso para que el grano quede cocido y suelto,
Cap2: Descripcin general de las tcnicas de lgica difusa
- 39 -
en automocin, sistemas de frenado ABS (Mazda y Nissan), cambio automtico de
Renault, control automtico de velocidad que controla la frenada en casos peligrosos y
selecciona la relacin de marchas a partir del rendimiento del motor, climatizadores,
fotocopiadoras (ajusta el voltaje del tambor a partir de la densidad de la imagen, la
temperatura y la humedad), lavaplatos (ajusta el ciclo de lavado y enjuague a partir del
nmero de platos y cantidad de comida adherida), ascensores (reduce el tiempo de espera
a partir del nmero de personas), humidificadores (ajusta el contenido de humedad a las
condiciones de la habitacin), mejoras en imgenes mdicas (ajustando el contraste en los
bordes), sistemas de reconocimiento de escritura, hornos microondas (establece y afina el
programa de energa y coccin), neveras (establece los tiempos de descongelacin y
enfriamiento en funcin del uso que se haga), televisores (ajusta el color de la pantalla y la
textura de cada imagen), mecanismos de atraque automtico de naves espaciales,
sistemas automticos de regulacin de la cantidad de anestesia que se suministra a los
pacientes en un quirfano -aunque bajo supervisin mdica, por supuesto-, sistemas de
concesin -o denegacin- automtica de crditos segn el perfil econmico del solicitante,
etcEstas son algunas de las muchsimas aplicaciones de la lgica difusa [44], que ya
estn funcionando en el campo de los llamados sistemas expertos. Todos estos sistemas
utilizan informacin, esencialmente, imprecisa con el fin de lograr sus cometidos.

La lgica difusa est teniendo, por lo tanto, bastante xito en su utilizacin sobre los
sistemas de control, aplicacin que ya podra considerarse como rutinaria. Sin embargo, los
investigadores buscan nuevos campos de aplicacin de esta tcnica. Se investiga en reas
como el reconocimiento de patrones visuales o la identificacin de segmentos de ADN, por
mencionar dos ejemplos. Adems, segn algunos de los ms prestigiosos investigadores
en Internet [47], parece que el futuro para abordar la ingente cantidad de datos, recuperar la
informacin, controlar y gestionar la red, pasa por el uso de las tecnologas borrosas. Esta
intuicin parece ser que coincide con la nueva orientacin que, segn el profesor Zadeh,
debe seguir la lgica borrosa. Prueba de ello fue la celebracin del primer encuentro sobre
lgica borrosa e internet en el ao 2001 (FLINT 2001) en la universidad de Berkeley
organizado por el propio Zadeh.







Cap2: Descripcin general de las tcnicas de lgica difusa
- 40 -

2.2 CONJUNTOS DIFUSOS Y FUNCIONES CARACTERSTICAS


El primer ejemplo utilizado por Lofti A. Zadeh, para ilustrar el concepto de conjunto difuso,
fue el conjunto hombres altos. Segn la teora de la lgica clsica el conjunto hombres
altos es un conjunto al que perteneceran los hombres con una estatura mayor a un cierto
valor, que podemos establecer en 1.80 metros, por ejemplo, y todos los hombres con una
altura inferior a este valor quedaran fuera del conjunto. As tendramos que un hombre que
mide 1.81 metros de estatura pertenecera al conjunto hombre altos, y en cambio un
hombre que mida 1.79 metros de altura ya no pertenecera a ese conjunto. Sin embargo, no
parece muy lgico decir que un hombre es alto y otro no lo es cuando su altura difiere en
dos centmetros. El enfoque de la lgica difusa considera que el conjunto hombres altos
es un conjunto que no tiene una frontera clara para pertenecer o no pertenecer a l:
mediante una funcin que define la transicin de alto a no alto se asigna a cada valor de
altura un grado de pertenencia al conjunto, entre 0 y 1. As por ejemplo, un hombre que
mida 1.79 podra pertenecer al conjunto difuso hombres altos con un grado 0.8 de
pertenencia, uno que mida 1.81 con un grado 0.85, y uno que mida 1.50 m con un grado
0.1. Visto desde esta perspectiva se puede considerar que la lgica clsica es un caso
lmite de la lgica difusa en el que se asigna un grado de pertenencia 1 a los hombres con
una altura mayor o igual a 1.80 y un grado de pertenencia 0 a los que tienen una altura
menor (figura 2.2.1).










Figura 2.2.1 Lgica clsica versus lgica difusa.

As pues, los conjuntos difusos pueden ser considerados como una generalizacin de los
conjuntos clsicos [48]: la teora clsica de conjuntos slo contempla la pertenencia o no
pertenencia de un elemento a un conjunto, sin embargo la teora de conjuntos difusos
ALTURA (m)
1
0
1.80
VISIN DE LA LGICA DIFUSA
ALTO
NO ALTO
0
NO ALTO
ALTURA (m)
1
1.80
VISIN DE LA LGICA CLSICA
ALTO
ALTURA (m)
1
0
1.80
VISIN DE LA LGICA DIFUSA
ALTO
NO ALTO
ALTURA (m)
1
0
1.80
VISIN DE LA LGICA DIFUSA
ALTO
NO ALTO
0
NO ALTO
ALTURA (m)
1
1.80
VISIN DE LA LGICA CLSICA
ALTO
Cap2: Descripcin general de las tcnicas de lgica difusa
- 41 -
contempla la pertenencia parcial de un elemento a un conjunto, es decir, cada elemento
presenta un grado de pertenencia a un conjunto difuso que puede tomar cualquier valor
entre 0 y 1. Este grado de pertenencia se define mediante la funcin caracterstica asociada
al conjunto difuso: para cada valor que pueda tomar un elemento o variable de entrada x la
funcin caracterstica
A
(x) proporciona el grado de pertenencia de este valor de x al
conjunto difuso A.

Formalmente, un conjunto clsico A, en un universo de discurso U, se puede definir de
varias formas: enumerando los elementos que pertenecen al conjunto, especificando las
propiedades que deben cumplir los elementos que pertenecen a ese conjunto o, en
trminos de la funcin de pertenencia
A
(x):

( )

=
A x 0
x si 1
si
A
x
A



Podemos adems decir que el conjunto A es matemticamente equivalente a su funcin de
pertenencia o caracterstica ( ) x
A
, ya que conocer ( ) x
A
es lo mismo que conocer A.
Un conjunto difuso en el universo de discurso U se caracteriza por una funcin de
pertenencia
A
(x) que toma valores en el intervalo [0.1], y puede representarse como un
conjunto de pares ordenados de un elemento x y su valor de pertenencia al conjunto:

( ) ( ) { } U x x x A
A
= ,
Muchos conceptos de teora clsica de conjuntos se pueden hacer extensivos a los
conjuntos difusos, otros son exclusivos e inherentes a la teora de conjuntos difusos.
Algunos de los que ms utilizados son los siguientes:

El soporte de un conjunto difuso A en el universo de discurso U es un conjunto
crisp (numrico) que contiene todos los elementos de U que tienen un valor de
pertenencia distinto de cero en A, esto es,
( ) ( ) { } 0 > = x U x x sop
A

Si el soporte de un conjunto difuso no contiene ningn elemento tendremos un
conjunto difuso vaco. Si el soporte de un conjunto difuso es un solo punto
tendremos lo que se conoce como singleton difuso.
El punto de cruce de un conjunto difuso es el punto de U cuyo valor de pertenencia
al conjunto es igual a 0.5.
Cap2: Descripcin general de las tcnicas de lgica difusa
- 42 -
Dos conjuntos difusos A y B son iguales si y slo si sus funciones caractersticas

A
(x) y
B
(x) son iguales
El conjunto difuso B contiene al conjunto difuso A, esto es AB, si y slo si A(x)
B(x) para todo x U.

La funcin caracterstica proporciona una medida del grado de similaridad de un elemento
de U con el conjunto difuso. La forma de la funcin caracterstica utilizada, depende del
criterio aplicado en la resolucin de cada problema y variar en funcin de la cultura,
geografa, poca o punto de vista del usuario. La nica condicin que debe cumplir una
funcin caracterstica es que tome valores entre 0 y 1, con continuidad. Las funciones
caractersticas ms comnmente utilizadas por su simplicidad matemtica y su
manejabilidad son: triangular, trapezoidal, gaussiana, sigmoidal, gamma, pi, campana etc
(figura 2.2.2) [20]. Conceptualmente existen dos aproximaciones para determinar la funcin
caracterstica asociada a un conjunto: la primera aproximacin est basada en el
conocimiento humano de los expertos, y la segunda aproximacin es utilizar una coleccin
de datos para disear la funcin.














Figura 2.2.2. Algunas de las funciones caractersticas ms habituales: (a) triangular, (b) trapezoidal, (c) gaussiana
y (d) sigmoidal.


El nmero de funciones caractersticas asociadas a una misma variable es elegido por el
experto: a mayor nmero de funciones caractersticas tendremos mayor resolucin pero
tambin mayor complejidad computacional; adems estas funciones pueden estar
(a) (b)
(c) (d)
0 50 100 0 50 100
0 50 100 0 50 100
1 -
0.5 -
0
1 -
0.5 -
0
1 -
0.5 -
0
1 -
0.5 -
0
(a) (b)
(c) (d)
0 50 100 0 50 100 0 50 100 0 50 100
0 50 100 0 50 100 0 50 100 0 50 100
1 -
0.5 -
0
1 -
0.5 -
0
1 -
0.5 -
0
1 -
0.5 -
0
Cap2: Descripcin general de las tcnicas de lgica difusa
- 43 -
solapadas o no, el hecho de estar solapadas pone de manifiesto un aspecto clave de la
lgica difusa: una variable puede pertenecer con diferentes grados a varios conjuntos
difusos a la vez , es decir, el vaso puede estar medio lleno y medio vaco a la vez.


2.2.1 Operaciones con conjuntos difusos

Las operaciones bsicas entre conjuntos difusos son las siguientes:

El conjunto complementario A de un conjunto difuso A es aquel cuya funcin
caracterstica viene definida por:
( ) ( ) x x
A A
=1
La unin de dos conjuntos difusos A y B es un conjunto difuso A B U en U cuya
funcin de pertenencia es:
( ) ( ) ( ) [ ] x x mx x
B A B A
, =


La interseccin de dos conjuntos difusos A y B es un conjunto difuso A B en U
con funcin caracterstica:
( ) ( ) ( ) [ ] x x mn x
B A B A
, =



Estas tres operaciones definidas para conjuntos difusos cumplen, al igual que en la
teora clsica de conjuntos, asociatividad, conmutatividad y distributividad as como las
leyes de Morgan.

Sin embargo, tambin hay que destacar que existen dos leyes fundamentales de la
teora clsica de conjuntos como son el Principio de contradiccin: A A = U, y el
Principio de exclusin: A A = que no se cumplen en la teora de conjuntos
difusos; de hecho una de las formas para describir en qu se diferencia la teora clsica
de conjuntos de la teora difusa es explicar que estas dos leyes en trminos de fuzzy
logic no se cumplen. En consecuencia, algunas de las teoras derivadas de la teora de
conjuntos como por ejemplo la de la probabilidad ser muy diferente planteada en
trminos difusos.

Las funciones que definen la unin y la interseccin de conjuntos difusos pueden
generalizarse, a condicin de cumplir ciertas restricciones. Las funciones que cumplen
estas condiciones se conocen como Conorma Triangular (T-Conorma) y Norma
Cap2: Descripcin general de las tcnicas de lgica difusa
- 44 -
Triangular (T-Norma). Los principales operadores que cumplen las condiciones para ser
t-conormas son el operador mximo y la suma algebraica
( ) ( ) ( ) ( ) ( ) [ ] x x x x x
B A B A B A
+ =

y los principales operadores que cumplen las


condiciones para ser t-normas son el operador mnimo y el producto algebraico
( ) ( ) ( ) [ ] x x x
B A B A
=

. En la mayora de las aplicaciones a la ingeniera de la lgica


difusa se usan como t-conorma el operador mximo y como t-norma los operadores
mnimo o producto.


2.2.2 Relaciones difusas

Una relacin difusa representa el grado de presencia o ausencia de asociacin, interaccin
o interconexin entre elementos de dos o ms conjuntos difusos, por ejemplo: x es mayor
que y. Supongamos U y V dos universos de discurso, la relacin difusa R(U,V) es un
conjunto difuso en el espacio producto UxV que se caracteriza por la funcin de
pertenencia
R
(x, y) dnde x pertenece a U e y pertenece a V, es decir,

( ) ( ) ( ) ( ) { } V U y x y x y x V U R
R
= , , , , ) , (

en el caso de las relaciones difusas
R
(x, y) [0,1] y en caso de las relaciones clsicas

R
(x,y) =0 1.

Como las relaciones difusas son en si mismas un conjunto difuso en el espacio producto,
las operaciones entre conjuntos y los operadores definidos anteriormente tambin pueden
ser aplicadas a ellas. Supongamos R(x,y) y S(x,y) dos relaciones en el mismo espacio
producto UxV. La interseccin o unin entre R y S, que son composiciones entre las dos
relaciones, se definen como:

( ) ( ) ( )
( ) ( ) ( ) y x y x y x
y x y x y x
S R S R
S R S R
, , ,
, , ,


=
=


dnde es cualquier t-norma, y es cualquier t-conorma.

Si consideramos las relaciones difusas R y S que pertenecen a diferentes espacios
producto R(U, V) y S(V, W), por ejemplo x es mayor que y y y es cercano a z, su
composicin difusa se define de forma anloga a la composicin clsica teniendo en cuenta
Cap2: Descripcin general de las tcnicas de lgica difusa
- 45 -
que en el caso difuso la relacin difusa R tiene asociada una funcin caracterstica
R
(x, y)

que toma valores en el intervalo [0,1] y la relacin difusa S tambin tiene asociada una
funcin caracterstica
S
(y,z) que de igual forma toma valores en el intervalo [0,1]. Entonces
la composicin difusa entre R y S, es decir S R o , cuando R y S pertenecen a universos
discretos de discurso, se define como una relacin difusa en UxW cuya funcin de
pertenencia viene dada por:

[ ] ) , ( ) , ( sup ) , ( z y y x z x
S R
V y
S R
=

o


dnde el operador sup es el mximo y el operador puede ser cualquier t-norma. En
funcin de la t-norma elegida podemos obtener distintas composiciones; las dos
composiciones ms usadas son la composicin mx-min y la composicin mx-product:

La composicin mx-min de las relaciones difusas R(U, V) y S(V, W), es una
relacin difusa S R o en UxW definida por la funcin de pertenencia

[ ] ) , ( ), , ( ) , ( z y y x mn mx z x
S R
V y
S R

=
o


dnde (x,z) UxW

La composicin mx-product de las relaciones difusas R(U,V) y S(V,W), es una
relacin difusa S R o en UxW definida por la funcin caracterstica

[ ] ) , ( ) , ( ) , ( z y y x mx z x
S R
V y
S R
=

o


dnde (x,z) UxW.








Cap2: Descripcin general de las tcnicas de lgica difusa
- 46 -
2.3INFERENCIA DIFUSA


Se llama reglas difusas al conjunto de proposiciones IF-THEN que modelan el problema
que se quiere resolver. Una regla difusa simple tiene la forma:

si u es A entonces v es B

dnde A y B son conjuntos difusos definidos en los rangos de u y v respectivamente.
Una regla expresa un tipo de relacin entre los conjuntos A y B cuya funcin caracterstica
sera ) , ( y x
B A
y representa lo que conocemos como implicacin lgica. La eleccin
apropiada de esta funcin caracterstica est sujeta a las reglas de la lgica proposicional.

Como es bien sabido se puede establecer un isomorfismo entre la teora de conjuntos, la
lgica proposicional y el lgebra booleana que garantiza que cada teorema enunciado en
una de ellas tiene un homlogo en las otras dos. La existencia de estos isomorfismos nos
permitir traducir las reglas difusas a relaciones entre conjuntos difusos y stas a trminos
de operadores algebraicos con los que podremos trabajar.


2.3.1 Fundamentos de lgica proposicional

En la teora de la lgica clsica una proposicin slo puede ser cierta o falsa, no admite
trminos medios; adems las proposiciones pueden combinarse de muchas maneras,
utilizando tres operaciones fundamentales:

Conjuncin (pq): las dos proposiciones son ciertas simultneamente
Disyuncin (pq): cualquiera de las dos proposiciones es cierta
Implicacin (pq): el cumplimiento o la verdad de una de las proposiciones tiene
como consecuencia el cumplimiento de la otra; generalmente toma la forma de una
regla si-entonces. La parte de la regla encabezada por el condicional si, si u es A,
es el antecedente o premisa de la regla, mientras que la parte encabezada por
entonces, entonces v es B, es el consecuente o conclusin de la regla.

Tambin existe el operador
negacin (~p) que invierte el sentido de la proposicin.

Cap2: Descripcin general de las tcnicas de lgica difusa
- 47 -
La tabla de verdad (tabla 2.3.1.1) de estas operaciones que se pueden realizar entre las
proposiciones es la que se muestra a continuacin:

P Q pq Pq pq ~p
V V V V V F
V F F V F F
F V F V V V
F F F F V V
Tabla 2.3.1.1 Tabla de verdad de las principales operaciones lgicas

Algunas equivalencias de estos operadores con l os operadores utilizados en teora de
conjuntos son las siguientes (tabla 2.3.1.2):

Lgica proposicional Teora de conjuntos









~


Tabla 2.3.1.2 Correspondencia entre operadores lgicos y de teora de conjuntos

Y con los operadores algebraicos (tabla 2.3.1.3):

Lgica proposicional lgebra de Boole
V 1
F 0
x
+
~
=
P,q,r a,b,c
Tabla 2.3.1.3 Correspondencia entre operadores lgicos y algebraicos

dnde la comilla representa el complementario y a,b,c son elementos del conjunto [0,1].

Cap2: Descripcin general de las tcnicas de lgica difusa
- 48 -
Una tautologa se define como una proposicin formada por la combinacin de otras
proposiciones y cuya verdad es independiente de la certeza o falsedad de las
proposiciones que la forman. La tautologa ms importante para el mbito en el que
trabajamos es:

( ) ( ) [ ] q ~ ^ p ~ q p

que tambin puede ser expresada como:

( ) q v (p) ~ q p

La importancia de las tautologas reside en que nos permitirn expresar la funcin
caracterstica de la relacin de implicacin pq en trminos de las funciones caractersticas
de p, q , ~p y ~q.

En la teora clsica proposicional existen dos importantes reglas de inferencia, el Modus
Tollens y el Modus Ponens:

El Modus Ponens o razonamiento directo puede resumirse de la siguiente forma:
Premisa 1: x es A
Premisa 2: SI x es A, ENTONCES y es B
Consecuencia: y es B
El Modus Ponens est asociado a la implicacin A implica B (AB) y en trminos
de lgica proposicional se expresa: (p(pq))q.
El Modus Tollens o razonamiento inverso que puede resumirse de siguiente forma:
Premisa 1: y es No B
Premisa 2: SI x es A ENTONCES y es B
Consecuencia: x es NO A
En trminos de lgica proposicional esto se expresa: ( ) ( ) p q q p ^ .

El Modus Ponens es el utilizado en las aplicaciones de la lgica a la ingeniera ya que
conserva la relacin causa-efecto mientras que el Modus Tollens apenas se utiliza.



Cap2: Descripcin general de las tcnicas de lgica difusa
- 49 -
2.3.2 Implicacin difusa

Al igual que para describir las nociones bsicas de la teora de conjuntos difusos podemos
establecer un paralelismo con las de la teora clsica de conjuntos, tambin los
fundamentos de la teora de la lgica difusa parten y toman los conceptos fundamentales
de la lgica clsica.

Como ya hemos visto, en trminos de teora de lgica difusa la proposicin SI u es A,
ENTONCES v es B donde u U y v V, tiene asociada una funcin caracterstica
) , ( y x
B A
que toma valores en el intervalo [0,1]. Es decir, cada una de las reglas o
proposiciones if-then es a su vez un conjunto difuso con su funcin caracterstica que mide
el grado de verdad de la relacin de implicacin entre x e y. Ejemplos de posibles funciones
caractersticas asociadas, extradas de aplicar las analogas entre operadores y la tautologa
antes mencionada, son:

( ) ( ) ( ) ( ) [ ]
( ) ( ) ( ) [ ]
( ) ( ) ( ) ( ) y x y x
y x y x
y x y x y x
B A B A
B A B A
B A B A B A



=
=
= =


1 1 ,
, 1 max ,
1 , min 1 , 1 ,


En lgica difusa el Modus Ponens se extiende a lo que se llama Modus Ponens
Generalizado y que puede resumirse de la siguiente forma:

Premisa 1: u es A*
Premisa 2: SI u es A ENTONCES v es B
Consecuencia: v es B*

En dnde el conjunto difuso A* no tiene por qu ser necesariamente el mismo que el
conjunto difuso A del antecedente de la regla y el conjunto difuso B* tampoco tiene por qu
ser necesariamente el mismo que el conjunto difuso B que aparece en el consecuente de la
regla.

Como vemos en lgica clsica una regla se ejecuta slo si la primera premisa es
exactamente la misma que el antecedente de la regla y el resultado de cada regla
ejecutada es exacto al consecuente, en cambio en lgica difusa, una regla es ejecuta si
existe un grado de similaridad distinto de cero entre la primera premisa y el antecedente de
Cap2: Descripcin general de las tcnicas de lgica difusa
- 50 -
la regla y el resultado de la ejecucin de la regla es un consecuente que tiene un grado de
similaridad distinto de cero con el consecuente de la regla.

As pues el Modus Ponens generalizado es una composicin difusa en la que la primera
relacin difusa es el conjunto difuso A* y que puede expresarse:

( ) ( ) ( ) [ ] y x x y
B A A
A x
B
, sup
*
1 *
*

=

teniendo en cuenta que, en las aplicaciones de la lgica difusa a la ingeniera la funcin
caracterstica de la implicacin se construye con los operadores mnimo y producto, que
adems de ser los ms simples conservan la relacin causa-efecto, tendremos dos
opciones a elegir:

( ) ( ) ( ) [ ]
( ) ( ) ( ) y x y x
y x y x
B A B A
B A B A


=
=

,
, min ,



2.3.3 Reglas difusas

Una regla difusa base es un conjunto de reglas SI-ENTONCES que pueden ser expresadas
de la siguiente forma:

R
m
: SI u
1
es A
1

m
y u
2
es A
2
m
y . u
p
es A
p
m
,
ENTONCES v es B
m
Con m=1,2,, M
Y donde A
i
m
y B
m
son conjuntos difusos en U
i
(nmeros reales) y V
respectivamente, u =(u
1
, u
2
, , u
n
) U
1
x U
2
x x U
n
y v V, y x =x
1
, x
2
, , x
n
U e
y V son los valores numricos concretos de u y v, tambin respectivamente.

Vemos que esta regla tiene adems la particularidad de que es un regla multi antecedente;
este tipo de reglas, que combina varias variables en el antecedente, es el ms utilizado en
el diseo de sistemas difusos. Un sistema difuso estar formado por varias reglas difusas
base con diferentes consecuentes, ya que una regla con multi antecedente y multi
consecuente siempre podr ser descompuesta en un conjunto de reglas base con multi
antecedente pero un solo consecuente.
Cap2: Descripcin general de las tcnicas de lgica difusa
- 51 -
Existen dos caminos para obtener el conjunto de reglas correspondiente a un conjunto de
datos numricos:

Dejar que los datos establezcan los conjuntos difusos que aparecen en los
antecedentes y los consecuentes
Predefinir los conjuntos difusos para antecedentes y consecuentes y luego asociar
los datos a esos conjuntos

Para llegar a obtener el conjunto completo de reglas que modelan un problema se puede
partir de considerar todas las combinaciones de reglas P
t
que es posible establecer
tericamente, entre el nmero de antecedentes p y el nmero de conjuntos difusos de
entrada A
p
considerados para cada antecedente. As, para cada consecuente, el nmero
terico de reglas posibles ser:


Sin embargo entre estas P
t
reglas tericamente posibles para cada consecuente, habr
algunas que no tengan sentido fsico y otras que no se ajusten a las caractersticas del
problema a resolver. Se deber pues seleccionar, de entre todas las reglas posibles, el
conjunto de reglas ms adecuadas al problema que se considera.




2.4DIAGRAMA DE BLOQUES DE UN SISTEMA BASADO EN TCNICAS DE LGICA
DIFUSA


El esquema de un sistema basado en tcnicas de lgica difusa se presenta en la figura
2.4.1.







Figura 2.4.1 Esquema general de un sistema basado en lgica difusa

P
t
=

A
n
para n = 1....p;
n

DIFUSOR
Entrada
datos
MECANISMO
INFERENCIA
DESDIFUSOR
Salida
datos
REGLAS DIFUSAS
DIFUSOR
Entrada
datos
MECANISMO
INFERENCIA
DESDIFUSOR
Salida
datos
REGLAS DIFUSAS
DIFUSOR
Entrada
datos
MECANISMO
INFERENCIA
DESDIFUSOR
Salida
datos
REGLAS DIFUSAS
DIFUSOR
Entrada
datos
MECANISMO
INFERENCIA
DESDIFUSOR
Salida
datos
REGLAS DIFUSAS
Cap2: Descripcin general de las tcnicas de lgica difusa
- 52 -

Est compuesto por los siguientes bloques

BLOQUE DIFUSOR: bloque en el que a cada variable de entrada se le asigna un
grado de pertenencia a cada uno de los conjuntos difusos que se ha considerado,
mediante las funciones caractersticas asociadas a estos conjuntos difusos. Las
entradas a este bloque son valores concretos de las variables de entrada y las
salidas son grados de pertenencia a los conjuntos difusos considerados.

BLOQUE DE INFERENCIA: bloque que, mediante los mecanismos de inferencia
que veremos ms adelante, relaciona conjuntos difusos de entrada y de salida y
que representa a las reglas que definen el sistema. Las entradas a este bloque son
conjuntos difusos (grados de pertenencia) y las salidas son tambin conjuntos
difusos, asociados a la variable de salida.

DESDIFUSOR: bloque en el cual a partir del conjunto difuso obtenido en el
mecanismo de inferencia y mediante los mtodos matemticos de desdifusin, se
obtiene un valor concreto de la variable de salida, es decir, el resultado.


2.4.1 MECANISMOS DE INFERENCIA

Los mecanismos de inferencia son aquellos en los que se usan los principios de la lgica
difusa explicados en el apartado 2.3 (inferencia difusa) para realizar un mapeo de los
conjuntos difusos de entrada a los conjuntos difusos de salida. Cada regla es interpretada
como una implicacin difusa. Es decir, el bloque de inferencia es aquel en el cual se realiza
la traduccin matemtica de las reglas difusas: estas reglas modelan el sistema pero para
poder trabajar con ellas y extraer un resultado se debe de evaluar matemticamente la
informacin que reflejan. Como ya se ha mencionado anteriormente, las reglas ms
utilizadas para disear un sistema basado en lgica difusa toman la forma:

SI u
1
es A
1
y u
2
es A
2
y u
3
es A
3
ENTONCES v es B

Podemos decir que la implicacin de cada regla (el conectivo lgico ENTONCES) es un
conjunto difuso cuya funcin caracterstica sera:

Cap2: Descripcin general de las tcnicas de lgica difusa
- 53 -
( ) y x
B A
,


donde x =(x
1
, x
2
, , x
p
)

El resultado de evaluar el multi-antecedente tambin resultara un conjunto difuso con
funcin caracterstica:

) ( ... ) ( ) ( ) (
2 1
2 1
p x x x A
x x x x
p x
=
donde representa una t-norma.

Adems, como ya hemos visto en el apartado anterior de inferencia difusa podemos
asociar las reglas difusas al modus ponens generalizado: cada regla R
m
determina un
conjunto difuso B
m
que es el resultado de la composicin entre el conjunto difuso resultante
de evaluar el antecedente y el conjunto difuso resultante de la implicacin, es decir, B
m
=A
x

R
m
. La funcin caracterstica asociada a estos conjuntos difusos de salida, como ya se ha
visto, es:

( ) [ ] y x x R y
B A A A x
m
A
B x x x
m
, ) ( sup ) (

= = o

Y finalmente, el conjunto difuso de salida B = A
x
[R
1
, R
2
, , R
m
], es el resultado de la
agregacin de todas las reglas que componen la regla base, es decir, de la combinacin de
los conjuntos difusos B
m
resultantes de todas las reglas. Esta combinacin se realiza
generalmente mediante una t-conorma ya que, aunque no hay una razn terica
convincente que argumente que sea sta la nica manera de hacerlo (de hecho existen y
funcionan los sistemas difusos aditivos y la adicin no es una t-conorma), en aplicaciones a
la ingeniera se obtienen resultados correctos y razonables usando este tipo de operadores.
Entonces concluimos que:

B =B
1
B
2
B
M
.

A la vista de lo anteriormente expuesto, queda claro que para procesar la informacin
contenida en las reglas y obtener un resultado se deben elegir los operadores matemticos
que corresponden a los siguientes operadores lgicos:



Cap2: Descripcin general de las tcnicas de lgica difusa
- 54 -
Los conectivos lgicos entre antecedentes, es decir, los operadores Y (AND, *), O (OR,
) y NO (NOT,):

SI u
1
es A
1
y u
2
es A
2
y u
3
es A
3
ENTONCES v es B

El operador lgico ENTONCES (): implicacin.

Adems, esto debe realizarse para un conjunto de reglas mediante:

La unin del resultado de todas las reglas (): agregacin.

Vamos a ver cmo se realizan estas tres operaciones.


2.4.1.1Conectivos lgicos entre antecedentes

Como ya se ha mencionado anteriormente, se puede considerar que la lgica clsica es un
caso lmite de la lgica difusa. En este caso lmite, las tablas de verdad de los operadores
lgicos clsicos y las de los operadores lgicos difusos deben coincidir [49]. Considerando
las tablas clsicas de verdad de los operadores AND, OR y NOT (Tablas 2.4.1.1.1):









Tablas 2.4.1.1.1 Tablas clsicas de verdad de los operadores and, or y not.


Se establece una equivalencia entre la lgica clsica y la lgica difusa, teniendo en cuenta
que, la equivalencia de estas tablas de verdad en lgica difusa debe preservar estos
resultados y extender los dems valores a nmeros reales entre 0 y 1. Como ya hemos
visto anteriormente, una posibilidad para esta equivalencia consiste en la siguiente
generalizacin de los conectivos lgicos:
A B AND
0
0
1
1
0
1
0
1
0
0
0
1
A B
OR
0
0
1
1
0
1
0
1
0
1
1
1
A NOT A
0
1
1
0
A B AND
0
0
1
1
0
1
0
1
0
0
0
1
A B AND
0
0
1
1
0
1
0
1
0
0
0
1
A B
OR
0
0
1
1
0
1
0
1
0
1
1
1
A B
OR
0
0
1
1
0
1
0
1
0
1
1
1
A NOT A
0
1
1
0
A NOT A
0
1
1
0
Cap2: Descripcin general de las tcnicas de lgica difusa
- 55 -

AND t-norma
OR t-conorma
NOT operadores negacin


En este caso las mismas tablas de verdad para la lgica difusa seran (fig 2.4.1.1.2):









Tablas 2.4.1.1.2. Tablas de verdad para los operadores and, or y not difusos.


La misma informacin expresada de manera grfica sera la siguiente (figura 2.4.1.1.3 ):

















Figura 2.4.1.1.3 Actuacin de los operadores and, or y not, segn la lgica clsica y la lgica difusa
A B
T-norma(A,B)
0
0
1
1
0
1
0
1
0
0
0
1
A B
T-conor(A,B)
0
0
1
1
0
1
0
1
0
1
1
1
A
compl
0
1
1
0
A B
T-norma(A,B)
0
0
1
1
0
1
0
1
0
0
0
1
A B
T-conor(A,B)
0
0
1
1
0
1
0
1
0
1
1
1
A
compl
0
1
1
0
A
B
A AND B
A
B
A OR B
B
NOT B
LGICA CLSICA
A B
A AND B
A B
A OR B
NOT A
A
LGICA DIFUSA
A
B
A AND B
A
B
A OR B
B
NOT B
LGICA CLSICA
A B
A AND B
A B
A AND B
A B
A OR B
A B
A OR B
NOT A
A
NOT A
A
LGICA DIFUSA
Cap2: Descripcin general de las tcnicas de lgica difusa
- 56 -
Como ya hemos visto en apartados anteriores, la interseccin (AND) de dos conjuntos
difusos A y B se modela mediante una familia de operadores llamados t-normas, siendo el
mnimo y el producto algebraico, los dos casos de t-normas ms sencillos y utilizados.
Igualmente, la unin (OR) de dos conjuntos difusos se modela mediante otra familia de
operadores llamados t-conormas o s-normas, cuyo representante ms habitual es el
mximo. Por ltimo la negacin (NOT) tambin tiene una familia de operadores para ser
modelada, siendo la complementariedad aditiva uno de los ms habituales.
As, sustituyendo en cada regla los conectivos lgicos entre antecedentes por uno de sus
operadores lgicos equivalentes, se podr operar con los escalares que representa cada
antecedente y obtener como resultado del multi-antecedente un escalar.

Considerando que el antecedente de una regla tiene la forma:

Si x
1
es A
1
y x
2
es A
2
y x
3
es A
3
........si x
p
es A
p
......

Si traducimos el operador lgico y mediante la operacin mnimo (min), el
antecedente ser el resultado de:

{ } ) ( ),..., ( ), ( min
2 1
2 1
p A A A
x x x
p


Si traducimos el operador lgico y mediante el producto (prod), el antecedente
ser el resultado de:

{ } ) ( ),..., ( ), (
2 1
2 1
p A A A
x x x prod
p




2.4.1.2Implicacin difusa. Superficies de implicacin

El conectivo lgico ENTONCES representa la implicacin entre antecedente y
consecuente. Como ya hemos visto anteriormente, para que se cumpla la equivalencia
entre lgica proposicional o clsica y lgica difusa [50], se debe traducir por una t-norma,
cuyos representantes ms utilizados en el mbito de la ingeniera son el mnimo y el
producto algebraico ya que preservan la relacin causa-efecto y el sentido fsico.


Cap2: Descripcin general de las tcnicas de lgica difusa
- 57 -
En cada regla, la implicacin se realiza de la siguiente manera:

Si se elige el operador mnimo para realizar la implicacin:

= ) (
*
y
m
B
mn{escalar resultado del antecedente, ) ( y
m
B
}

Es decir, el escalar resultante del antecedente modifica el conjunto difuso de salida (su
funcin caracterstica) y pasa de ser B a ser B*. Grficamente, la funcin caracterstica del
conjunto difuso de salida quedar truncada por el valor escalar que resulte del antecedente.

Si se elige el operador producto

= ) (
*
y
m
B
prod{escalar resultado del antecedente, ) ( y
m
B
}

Grficamente, la funcin caracterstica del conjunto difuso de salida quedar escalada
segn el valor del antecedente.

Cada regla define una superficie de implicacin: para cada posible valor del antecedente,
se puede obtener el conjunto difuso que resulta de realizar la implicacin; la superposicin
de todos estos conjuntos difusos forma la superficie de implicacin de esa regla. Todas las
reglas que tienen el mismo consecuente, (elegido un operador para realizar la implicacin),
definirn la misma superficie de implicacin ya que la superficie se construye para todos los
valores que puede tomar el antecedente. Al particularizar la implicacin para el antecedente
resultante de cada regla, se obtiene el resultado concreto de esa regla, representado en la
superficie de implicacin por la interseccin de esta superficie con el plano vertical que
pasa por el valor del antecedente.



2.4.1.3Agregacin lgica

Una vez evaluadas todas las reglas y obtenidos los conjuntos difusos de salida
modificados, hay que realizar la agregacin de todas las reglas para obtener un resultado
nico de la actuacin de todas ellas [51]. Esta agregacin es una unin lgica y una vez
ms para conservar la equivalencia entre lgicas clsica y difusa se traduce por una t-
Cap2: Descripcin general de las tcnicas de lgica difusa
- 58 -
conorma: mximo o suma algebraica, obtenindose as el conjunto difuso de salida,
asociado a la variable de salida:

Si se elige el operador mximo para realizar la agregacin, el conjunto difuso de salida
ser :
{ } ) ( ),... ( ), ( max ) (
* *
2
*
1
y y y y
m
B B B
B
=

Si se elige el operador suma, el resultado de la agregacin ser :

{ } ) ( ),... ( ), ( ) (
* * *
2 1
y y y sum y
m
B B B B
=




2.4.2 Mtodos de desdifusin


El bloque desdifusor realiza la funcin contraria al difusor. El difusor tiene como entradas
valores concretos de las variables de entrada y como salidas grados de pertenencia a
conjuntos difusos (entre 0 y 1). La entrada al bloque desdifusor es el conjunto difuso de
salida, resultado del bloque de inferencia y la salida es un valor concreto de la variable de
salida. Para obtener, a partir del conjunto difuso de salida que resulta de la agregacin de
todas las reglas, un resultado escalar, se aplican mtodos matemticos. Ejemplos sencillos
de algunos de estos mtodos de clculo son:

Mtodo del mximo: se elige como valor para la variable de salida aquel para el cual la
funcin caracterstica del conjunto difuso de salida es mxima. En general no es un mtodo
ptimo, ya que este valor mximo puede ser alcanzado por varias salidas.

Mtodo del centroide: utiliza como salida del sistema el centro de gravedad de la
funcin caracterstica de salida. Matemticamente :



= ) ) ( /( ) ) ( ( dy y dy y y y
B B


Es el mtodo ms utilizado en aplicaciones de la lgica difusa a la ingeniera ya que se
obtiene una solucin nica, aunque a veces es difcil de calcular.

Cap2: Descripcin general de las tcnicas de lgica difusa
- 59 -
Mtodo de la altura: se calcula para cada regla el centro de gravedad del conjunto
difuso de salida B
m


y despus se calcula la salida del sistema como la media ponderada:



= ) ) ( /( ) ) ( ( dy y dy y y y
m B m B m h
m m