Tema 8.

L ogica Difusa
Francisco Jos e Ribadas Pena MODELOS DE RAZONAMIENTO Y APRENDIZAJE 5o Inform atica ribadas@uvigo.es 17 de mayo de 2010

c FJRP ccia MRA

8.1 Introducci on

L ogica difusa/borrosa/fuzzy L. Zadeh (1965): aplica l ogica multivaluada a la teor a de conjuntos Problemas aproximaciones cl asicas: Conceptos sin denici on clara: ser alto, ser joven, estar muy cerca,... L ogica cl asica (bivaluada) demasiado restrictiva. hay armaciones que pueden no ser ni VERDADERAS ni FALSAS Objetos del mundo real no tienen criterios de pertenencia denidos de forma precisa Util para representar: conceptos que tengan imprecisi on/incertidumbre y operar con ellos procesos complejos, procesos no lineales. manejar experiencia basada en conceptos imprecisos partes del sistema desconocidas o que no pueden medirse de forma able Principales aplicaciones: Sistemas Expertos Difusos Control de sistemas (tr aco, veh culos, electrodom esticos,...)

c FJRP ccia MRA

8.2 Conjuntos Difusos

Formalismo de representaci on de la imprecisi on y la incertidumbre Generalizaci on de la teor a convencional de conjuntos Elementos pertenezcan parcialmente a m as de un conjunto con diferentes grados de pertenencia Posibilidad de tratamiento ling u stico de dichos elementos Combinan dos tipos de computaciones: Num erica: c alculos con valores num ericos Simb olica: usada en I.A.

Denici on
Conjuntos Difusos: Un conjunto difuso A en un dominio D , viene caracterizado por una funci on de pertenencia fA(x) que asocia a cada elemento x del dominio, un valor en el intervalo [0, 1] que determina su grado de pertenencia a ese conjunto. se relaja la funci on de pertenencia, fA(x) [0, 1] x D 0 (no pertenencia a A) valores extremos: 1 (pertenencia total a A) Conjuntos Cl asicos: Caso particular de los conjuntos difusos 1 si x A Funci on de pertenencia discreta: fA(x) = 0 si x A

c FJRP ccia MRA

(a) Funciones de pretenencia

Representaci on de conjuntos difusos mediante funci on de pertenencia fA (notaci on funcional) Dependen del concepto a denir, del contexto, de la aplicaci on... Preferible funciones simples (simplican c alculos, no pierden exactitud) En universos discretos mediante conjunto de pares (notaci on extensional) elemento x D / grado de pertenencia a A Ejemplo: concepto difuso cerca de 4

A = {0/0, 1/0,1, 2/0,6, 3/1, 4/1, 5/1, 6/0,6, 7/0,1, ...}

Funciones de Pertenencia T picas: TRIANGULAR TRAPEZOIDAL

ESCALON

Otras (sigmoidal, gausiana,...)

c FJRP ccia MRA

(b) Caracterizaci on de un Conjunto Difuso

Altura: mayor valor la funci on de pertenencia: maxxD {A(x)} Soporte: elementos de D que pertenecen a A con grado > 0:

Soporte(A) = x D |A(x) > 0

N ucleo: elementos de D que pertenecen al conjunto con grado 1:

N ucleo(A) = x D |A(x) = 1 -Corte: elementos de D con grado de pertenencia de al menos : A = {x D |A(x) }

Teorema de Representaci on: Todo conj. difuso puede descomponerse en una familia de conjs. difusos. Cualquier conjunto difuso puede reconstruirse a partir de una familia de sus -cortes

(c) Propiedades de Conjuntos Difusos

Conjunto Vac o: un conj. difuso es vac o si su funci on de pertenencia es siempre 0. f A ( x) = 0 x D Igualdad: dos conjuntos difusos, denidos en el mismo universo D , son iguales si tienen la misma funci on de pertenencia:

A = B sii fA(x) = fB (x), x D

Inclusi on: un conjunto difuso, A, est a incluido en otro, B , si su funci on de pertenencia toma valores m as peque nos:

A B sii fA(x) fB (x), x D

c FJRP ccia MRA

(d) Operaciones sobre conjuntos difusos

Operaciones Binarias (denici on original, Zadeh) Uni on:

A B : fAB (x) = max{fA(x), fB (x)}

Intersecci on:

A B : fAB (x) = min{fA(x), fB (x)}

Complementaci on:

A : fA(x) = 1 fA(x)

Generalizaci on de las operaciones sobre conjuntos cl asicos. uni on: suma acotada Otras funciones de combinaci on posibles: intersecci on: producto Propiedades
Conmutativa: Asociativa: Idempotencia: Distributiva: DeMorgan

A B = B A, A B = B A A (B C ) = ( A B ) C = A B C A (B C ) = ( A B ) C = A B C A A = A, A A = A A (B C ) = ( A B ) (A C ) A (B C ) = ( A B ) (A C ) (A B ) = A B (A B ) = A B

NO SATISFACEN:

Contradicci on : Medio excluido:

A A = A A = D

c FJRP ccia MRA

(e) Relaciones Difusas

Permiten trabajar con combinaciones de m as de un universo. Representan una asociaci on entre 2 o m as elementos. Relaci on difusa: elementos pueden pertenecer a la relaci on parcialmente. Denici on: Una relaci on difusa R en D es un conjunto difuso en el espacio producto D D . (R D D ) Funci on grado de pertenencia: fR (x, y ) : D D [0, 1] En universos discretos matrices de valores [0, 1] Ejemplo: relaci on aproximadamente igual que (x y ). Conjunto difuso en N2, con la funci on de pertenencia: 2 3

6 6 f = 6 6 4

1 0,8 0,5 0,2 0 0

0,8 1 0 ,8 0 ,5 0,2 0

0,5 0,8 1 0,8 0,5 0,2

0,2 0,5 0,8 1 0,8 0,5

0 0,2 0,5 0,8 1 0,8

0 0 0,2 0,5 0,8 1

7 7 7 7 5

Incluye a las relaciones entre conjuntos cl asicos. Extensi on a n-dimensiones: R conjunto difuso en D D ... D

fR (x1, ..., xn) : D D ... D [0, 1]

Distintos universos: Siendo D1 y D2 dos universos, una relaci on difusa R entre D1 y D2 es un conjunto difuso denido en D1 D2. Funci on de pertenencia: fR (x, y ) [0, 1], x D1, y D2 Ejemplo: Sean D1 = {Juan, Jorge} y D2 = {jamon, vino, queso}. La relaci on difusa gustar se dene por: 0,8 1 0,1 fgustar = 1 0,6 0,9

c FJRP ccia MRA

(f) Operaciones sobre Relaciones Difusas.

Uni on, intersecci on, complemento: como con conjuntos difusos Composici on de relaciones difusas: Dadas las relaciones difusas R en D1 D2 y S en D2 D3. Su composici on R S es una relaci on en D1 D3 denida como:

RS = {(x, z )|y D2 vericando (x, y ) R y (y, z ) S }

Calculandose su funci on de pertenencia de la forma:

fRS (x, z ) = maxyD2 {min{fR (x, y ), fS (y, z )}}

con x D1, y D2, z D3

Ejemplo : RXY
2 0,3 6 0 6 4 0,2 0,6 0,5 0,7 7 7 0,4 5 0,3 3

RY Z
1 0 0,9 0,2 0,7 0,4

R2 XZ = RXY R3 YZ =
0,3 6 0 6 4 0,2 0,6 0,3 0 ,2 0,2 0,6 0,4 0,4 7 7 0,4 5 0,6

Composici on conjuntos y relaciones difusas: Siendo A conj. difuso en D1 y R relaci on difusa en D1 D2. Su composici on ser a un conjunto difuso B en D2 denido como:

B = A R = {y |x D1 vericando x A y (x, y ) R}
Calculandose su funci on de pertenencia de la forma:

fAR (y ) = maxxD1 {min{fA(x), fR (x, y )}}

con x D1, y D2
c FJRP ccia MRA 7

8.3 L ogica Difusa

Generalizaci on de la l ogica multivaluada. Utiliza grados de verdad de las f ormulas l ogicas en lugar de una verdad estricta de cierto/falso. Permite representar y utilizar conceptos imprecisos y realizar razonamientos aproximados. Un grado de verdad puede ser: Un valor num erico del intervalo [0,1]. (0.2, 0.5, 0.75, ...) as o menos verdad, bastante ... ) Una etiqueta ling u stica. (m Los grados de verdad estar an asociados a conjuntos difusos. Homomorsmo entre conjuntos difusos y l ogica difusa. OBJETIVO: Extender la inferencia l ogica, aplic andola a los conjuntos difusos de los grados de verdad. Se encarga de : representar el signicado impreciso de los enunciados imprecisos del lenguaje natural soportar la propagaci on de imprecisi on de premisas a conclusiones al realizar inferencias Combina m etodos simb olicos (cualitativos) y num ericos (cuantitativos) Elementos: F ormulas at omicas: proposiciones y/o predicados. A(x) x es A tomando A como conjunto difuso Valor de verdad de la f ormula = Grado de pertenencia del conjunto (fA(x)) Conectivas l ogicas: AND, OR, NOT, IMPLICACION ogica Construyen las f ormulas bien denidas (f.b.d) como en l cl asica.

c FJRP ccia MRA

(a) Conectivas L ogicas

Se corresponder an con las operaciones sobre conjuntos difusos. proposiciones/predicados conjuntos/relaciones difusas grado de verdad grado de pertenencia conectivas l ogicas operaciones sobre conj. difusos Conjunci on (Y) Dados dos conjuntos difusos asociados a dos f.b.d., P D1 y Q D2, y un par (x, y ) D1 D2, la conjunci on, P Q, indica en qu e medida x pertenece al conjunto difuso P e y pertenece al conjunto difuso Q.

fP Q(x, y ) = min{fP (x), fQ(y )} Ejemplo: X es alto e Y es muy guapo

faltomuy guapo (x, y ) = min{falto (x), fmuy guapo (y )}

C alculo del grado de verdad an alogo a la intersecci on de conjuntos difusos Diyunci on (O) Dados dos conjuntos difusos asociados a dos f.b.d., P D1 y Q D2, y un par (x, y ) D1 D2, la disyunci on, P Q, indica en qu e medida x pertenece al conjunto difuso P o y pertenece al conjunto difuso Q.
fP Q (x, y ) = max{fP (x), fQ (y )}

Ejemplo: La temperatura es alta o la humedad muy baja

ftemp altahum muy baja = max{ftemp alta (x), fhum muy baja (y )}

C alculo del grado de verdad an alogo a la uni on de conjuntos difusos.

c FJRP ccia MRA 9

Negaci on (NO) Dado un conjunto difuso asociado a una f.b.d., P D , la negaci on se corresponde con el c alculo del complementario.

f P ( x) = 1 f P ( x)
Implicaci on (SI...ENTONCES) Multiples deniciones posibles (distintas f ormulas de combinaci on) fAB (x, y ) representa el grado de verdad de la implicaci on entre x e y . Dene una relaci on difusa entre los conjuntos P y Q. Da soporte a las reglas difusas. Ejemplo: si la temperatura X es muy alta, entonces la humedad Y es baja Implicaci on de Kleene :

fP Q(x, y ) = max{1 fP (x), fQ(y )} Mantiene la equivalencia P Q P Q de la logica cl asica. En la pr actica interesa que sean f aciles de calcular, aunque no cumplan la relaci on. Ejemplo: si la temp. (X) es alta, entonces subida normal (Y) de la calefacci on
ftemp. altasub. normal (x, y ) = max{1ftemp. alta (x), fsub. normal (y )}

c FJRP ccia MRA

10

(b) Variables Ling u sticas

Variable Ling u stica: variable cuyos valores son palabras o sentencias Sus valores son etiquetas ling u sticas Ejemplos:
Variable altura belleza Expresiones Ling. bajo, muy alto, aprox 1,80 muy guapo, feo, un callo,... Dominio num erico (cm.) personas (discreto)

Usadas (principalmente) en la denici on de reglas difusas. Utilidad Comprimir informaci on: Una etiqueta incluye muchos valores Caracterizar fen omenos mal denidos o complejos Trasladar conceptos ling u sticas a descripciones num ericas traduce proceso simb olico a proceso num erico. Etiqueta Ling u stica: T erminos ling u sticos denidos como conjuntos difusos (sobre cierto dominio). Terminos primarios: asociados a un conjunto difuso L sobre el dominio de la variable. no, ... (sobre variables: temEjemplos: alto, bajo, normal, peque peratura, estatura, etc...) Terminos compuestos: su conj. difuso se dene a partir del de los t erminos primarios usando modicadores ling u sticos y cuanticadores. Ejemplos: muy alto, moderadamente alto, poco bajo, extremadamente peque no, ...

c FJRP ccia MRA

11

 Modicador ling u stico: operador que transforma el conjunto difuso asociado a un t ermino primario L en otro conjunto difuso. Ejemplos: Concentraci on: Elevar valores de L a p con p > 1. Muy L o aproximadamente igual a L (p = 2) M as L (p=1.5) Dilataci on: Ra z n- esima o elevar a p (0, 1). M as o menos L (p=0.5) Menos L, Poco L (p=0.75) Intensicaci on del contraste: disminuir valores menores que 0.5 y aumentar los otros. Especialmente L, Bastante cerca de L... Difuminaci on: efecto contrario. Cerca de L, Casi L... Cuanticadores Ling u sticos o Difusos: cuantican la cantidad de objetos que cumplen cierta condici on. En l ogica cl asica : (todo), (existe) En L ogica difusa hay m as:
nica cantidad Absolutos: se reeren a una u
muchos,pocos,much simos,aprox entre 6 y 9,aprox. m as de 43

Relativos: se reeren a una proporci on de elementos respecto del total

la mayor a, la minor a, casi todos, casi ninguno, prox. la mitad

c FJRP ccia MRA

12

(c) Razonamiento Difuso

L ogica Difusa pretende formular reglas de razonamiento aproximado L ogica Cl asica: inferencia s olo posible si datos coinciden exactamente con las premisas. Inferencia difusa: Proceso mediante el cual se obtiene como conclusi on un conjunto difuso a partir de unas premisas tambi en difusas Principal regla de inferencia: Modus Ponens Difuso Generalizaci on Modus Ponens de logica cl asica MODUS PONENS CLASICO MODUS PONENS DIFUSO (1) P Q (1) Si x es A, entonces y es B (2) P (2) x es A (3) Q (3) y es B A y B son conjuntos difusos x es A representa x es algo parecido a A (pertenencia no total) y es B representa y es algo parecido a B (pertenencia no total) Se pretende soportar inferencias del tipo: (1) Si la curva es muy cerrada, reducir la velocidad. (2) La curva es ligeramente cerrada -------------------------------------------------(3) Reducir un poco la velocidad

c FJRP ccia MRA

13

Modus ponens difuso, Denici on cl asica (Zadeh)

Basado en la composici on de conjuntos y relaciones (A B ).
B = A (A B )

Funci on de pertenencia de B: fB(y ) = maxxA{min{fA(x), fAB (x, y )}} Usando la implicaci on cl asica de Kleene: fB(y ) = maxxA{min{fA(x), max{1 fA(x), fB (y )}}}
Ejemplo: (Dominio discreto, nos. enteros)
Conjuntos: B : temp. baja (Dom. discreto {0,1,...,10}) fB = [1, 1, 1, 1, 1, 1, 0,6, 0,3, 0, 0, 0] S : subida normal (Dom. discreto {0,2,4,...,14}) fS = [0, 0, 0, 0, 0,5, 1, 0,5, 0] Regla: SI temp. es baja ( B) ENTONCES subida normal de calefacci on ( S)

C alculo relaci on B S :
2 6 6 6 6 6 6 6 6 6 fB S = 6 6 6 6 6 6 6 6 4 0 0 0 0 0 0 0,4 0,7 1 1 1

fB = 1 fB = [0, 0, 0, 0, 0, 0, 0,4, 0,7, 1, 1, 1] fB S (x, y ) = max{1 fB (x), fS (y )}

0 0 0 0 0 0 0,4 0,7 1 1 1 0 0 0 0 0 0 0,4 0,7 1 1 1 0 0 0 0 0 0 0,4 0,7 1 1 1 0,5 0,5 0,5 0,5 0,5 0,5 0,5 0,7 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0,5 0,5 0,5 0,5 0,5 0,5 0,5 0,7 1 1 1 0 0 0 0 0 0 0,4 0,7 1 1 1 3 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 5

Dado el conj. B : temp. muy baja, con dominio {0, 1, 2, ..., 10} y fB = [0,8, 0,4, 0,2, 0, 0, 0, 0, 0, 0, 0, 0]. Calcular el conjunto difuso, S, resultante (S = B B S ). fS (y ) = maxx {min{fB (x), fB S (x, y )}} = ?

c FJRP ccia MRA

14

Fuzzycaci on y desfuzzycaci on En aplicaciones pr acticas (SS.EE. difusos + sistemas de control) Valores de entrada y salida no son conjuntos difusos (valores num ericos concretos) Necesidad procesos adicionales: fuzzycaci on/desfuzzycaci on. (borrosicaci FUZZIFICACION on, difuminaci on)

Construir un conjunto difuso A, a partir de una entrada concreta (no difusa) xi. Uso de funciones de pertenencia singleton f A ( x) = 1 si x = Xi 0 en otro caso

Simplica los c alculos en reglas : fB = min{1, fAB (x, y )} (desborrosicaci DESFUZZIFICACION on, desdifuminaci on) Obtener un valor concreto xoa partir la funci on de pertenencia de un conjunto difuso (resultado de la inferencia: B) Tranformaci on de la funci on de pertenencia obtenida en un u nico valor num erico discreto. M etodos M axima pertenencia: devolver elemento del dominio cuyo grado de pertenencia (valor fB) sea mayor. si hay varios: calcular media Centro de gravedad (centroide): devolver el centro de gravedad de la funci on de pertenencia del conj. B Pn i=1 fB (xi ) xi (en dominios continuos integrales) xo = Pn f ( x ) B i i=1 Centro de area: devolver el valor que hace que el area a su derecha y a su izquierda sea la misma.

c FJRP ccia MRA

15

(d) Aplicaciones
Sistemas basados en l ogica difusa Permiten relacionar entradas y salidas mediante funciones no lineales representadas por reglas difusas. Componentes: reglas difusas: proporcionadas por expertos o aprendidas motor de inferencias fuzzicador + desfuzzicador
Entrada discreta Xi Salida discreta Xo

FUZZYFICADOR

REGLAS DIFUSAS

DESFUZZYFICADOR

Conjunto difuso de entrada

MOTOR DE INFERENCIAS

Conjunto difuso de salida

Areas de aplicaci on: Sistemas Expertos Difusos Controladores de procesos difusos (comun en sistemas embebidos [electrodomesticos, cohes, etc, ]) Ventajas Combina razonamiento simb olico y numerico Analog a con forma de expresi on humana Simplicidad y eciencia computacional Caracteristicas adecudas para ciertas areas asegura aplicaciones exitosas Inconvenientes En ocasiones, dif cil interpretaci on de los valores difusos (sem antica poco clara). Dicil justicaci on de los razonamientos efectuados M ultiples deniciones de operadores y reglas de inferencia dicil ajustar el sistema
c FJRP ccia MRA 16