Beruflich Dokumente
Kultur Dokumente
Tpicos da Apresentao
Introduo Lgica Fuzzy e Teoria dos Conjuntos Fuzzy Sistemas de Inferncia Fuzzy Metodologia para Sistemas de Inferncia Fuzzy Aplicaes Concluses Referncias Bibliogrficas
Introduo
Tradicionalmente, uma proposio lgica tem dois extremos: ou completamente verdadeiro ou completamente falso. Entretanto, na lgica Fuzzy, uma premissa varia em grau de verdade de 0 a 1, o que leva a ser parcialmente verdadeira ou parcialmente falsa.
Lgica Fuzzy
O controle executado pela lgica Fuzzy imita um comportamento baseado em regras ao invs de um controle explicitamente restrito a modelos matemticos como equaes diferenciais. O objetivo da lgica Fuzzy gerar uma sada lgica a partir de um conjunto de entradas no precisas, com rudos ou at mesmo dados faltantes.
Conjuntos Difusos
Um conjunto difuso um conjunto com fronteiras suaves.
A
Por exemplo
A representao do sexo ,feminino ou masculino , um conjunto com fronteiras bem definidas.
J o comportamento....
...No pode ser descrito com exata preciso, no h fronteiras bem delimitadas. Um indivduo pode pertencer aos 2 grupos com certos graus de pertinncia.
Assim como o comportamento humano, o comportamento de diversos sistemas no nosso meio apresentam conjuntos no bem definidos, difceis de serem representados com preciso.
Variveis Lingusticas
Vrias situaes podem ser definidas facilmente em palavras. O raciocnio humano funciona assim. Sistemas complexos podem ser facilmente modelados dessa maneira.
Variveis Lingusticas Conjuntos difusos
Conjuntos difusos
Se define a partir de uma funo que projeta objetos de um domnio de conceitos (Universo de Discurso) a seus valores de pertinncia a um conjunto.
Conjuntos difusos
QUENTE
MORNO
FRIO
Conjuntos difusos
A teoria de conjuntos difusos permite que a pertinncia a um conjunto seja graduada, representando uma soluo limitao que se apresenta na teoria de conjuntos clssica.
Funo de Pertinncia
Para isso,usa-se a denominada Funo de Pertinncia que denotada pelo smbolo grego e
varia de 0 a 1.
Funo de Pertinncia
Modelagem de um problema a partir de uma entrada crisp para se obter uma sada crisp, aplicando a Lgica Fuzzy
2) Operadores Fuzzy
Regras envolvendo entradas e sadas, elaboradas pelo especialista Operadores AND (mn) e OR (mx)
3) Mtodo de Implicao
Sada individual de cada regra, funo de pertinncia resultante de cada regra Mtodos de implicao: min, max, prod
3) Mtodo de Implicao
5) Defuzzificao
Traduo do conjunto fuzzy final em um valor crisp, possibilitando a tomada de deciso Mtodos de defuzzificao: centroid, bisector, middle of maximum, largest of maximum e smallest of maximum Mtodo mais comum: centride (retorna o centro de rea sob a curva final)
5) Defuzzificao
Exemplo Prtico
Uma ONG deseja implementar um sistema Fuzzy-especialista para selecionar atletas para as seguintes modalidades esportivas: Ginstica de Solo; Vlei; Futebol; e Jud. Os atletas devem ser selecionados de acordo com as seguintes caractersticas: Altura: baixo, mdio e alto. Personalidade: individualista, pluralista e agressivo.
Passo 1
Definio de regras fuzzy a partir do conhecimento do especialista: Se o atleta muito baixo e um pouco individualista Ento est apto para a ginstica. Se o atleta muito alto e bastante pluralista Ento est apto para o vlei. Se o atleta de estatura mdia e muito agressivo Ento est apto para o jud.
Passo 2
As regras so definidas
de acordo com o bom senso e escritas em termos de variveis lingsticas.
Altura Personalidade
Muito Baixo
Baixo
Mdio
Alto
Muito Alto
Individualista
Ginstica
Ginstica
Jud
Futebol
Futebol
Pluralista
Ginstica
Jud
Futebol
Futebol ou Vlei
Vlei
Agressivo
Ginstica
Jud
Jud
Jud
Vlei
Passo 3
Definir o grau de relevncia de cada antecedente traando, a partir de uma determinada altura do atleta, uma linha perpendicular ao eixo x at encontrar o valor de y onde esta intercepta as funes de pertinncia. Definir o grau de relevncia para o antecedente personalidade
Passo 4
Uma vez definidos os graus de relevncia dos antecedentes deve-se definir o grau de certeza para cada regra. Utilizam-se os mtodo de avaliao dos antecedentes:
Se os antecedentes estiverem ligados pela condio e a certeza da regra assume o menor valor de relevncia dos antecedentes. Se os antecedentes estiverem ligados pela condio ou a certeza da regra assume o maior valor de relevncia dos antecedentes. Se o antecedente possuir o operador no a certeza da regra assumir o valor = 1 relevncia ( ex.: not muito baixo (0.9) dever ser muito baixo (0.1) )
Passo 4
Ento as regras ficam: Regra 2: Se o atleta de estatura baixa (0.20) E agressivo (.75) Ento est apto para a Ginstica (0.20) Regra 3: Se o atleta de estatura media (0.75) OU agressivo (.70) Ento est apto para o jud (0.75)
Finalmente
Considerando apenas a altura dos candidatos, podemos montar a seguinte tabela de fuzzyficao: Entrada Sada
1,25 1,35 1,45 Ginstica=0 Ginstica=0,5 Ginstica=0,27 Jud=0,30 Jud=0,40 Futebol=0,30 Futebol=0,5 Futebol=0,6 Futebol=0,20 Vlei=0,35
Utilizao
O sistema fuzzy utilizado para facilitar o dia-a-dia, e tambm para diminuir gastos nas execues de tarefas. Exemplo: ar condicionado industrial projetado pela Mitsubishi usa 25 regras de aquecimento e 25 regras de refrescamento. Comparado com outros tipos de ar condicionado, o controlador fuzzy aquece e esfria 5 vezes mais rpido, reduz o consumo de potncia em 24%, sem contar que mantm a temperatura 2 vezes mais estvel e usa menos sensores.
Aplicaes Comerciais
Alguns carros usam a Lgica fuzzy para diferentes aplicaes de controle. A Nissan possui patentes em sistemas de freio, controle de transmisso e injetores de combustvel fuzzy. A GM tambm usa um sistema de transmisso fuzzy. Aplicaes de software para buscar e comparar imagens por certas regies de pixels de interesse tm sido desenvolvidas. Uma ferramenta de pesquisa de mercado usa a Lgica fuzzy em um de seus mdulos para determinar o comportamento do mercado.
Aplicaes Comerciais
Um metr em Sendai, Japo, usa um controlador fuzzy pra controlar os vages. Esse controlador supera os controladores convencionais e o controle humano por proporcionar uma viagem suave aos passageiros em todas condies de terreno.
Cmeras e gravadoras usam Lgica fuzzy para ajustar os mecanismos de foco automtico e cancelar os tremores causados por mos trmulas.
Concluses
A fora da Lgica Fuzzy deriva da sua habilidade em inferir concluses e gerar respostas a partir de em informaes vagas, ambguas e qualitativamente incompletas e imprecisas. Os sistemas de base Fuzzy tm habilidade de raciocinar de forma semelhante dos humanos. Seu comportamento representado de maneira muito simples e natural, levando construo de sistemas compreensveis e de fcil manuteno.
Referncias Bibliogrficas
[1] The Mathworks, Inc, Fuzzy Logic Toolbox for Use with Matlab Users Guide Version 2 [2] L. Zadeh, Fuzzy Sets, Inf. Control, vol.8, 338-353, 1965. [3] L. C. Barros, Teoria Fuzzy x Biomatemtica, IMECC- UNICAMP, 2001 [4] Pginas diversas visitadas na internet.