Sie sind auf Seite 1von 7

Fuzzylogik

aus Wikipedia, der freien Enzyklopdie


Fuzzylogik (engl. fuzzy verwischt, verschwommen,
unbestimmt; fuzzy logic, fuzzy theory unscharfe Logik bzw.
unscharfe Theorie) ist eine Theorie, welche vor allem fr die
Modellierung von Unsicherheiten und Unschrfen von
umgangssprachlichen Beschreibungen entwickelt wurde. Sie ist
eine Verallgemeinerung der zweiwertigen Booleschen Logik.
Fuzzylogik einer Temperaturregelung
Beispielsweise kann damit die sogenannte Fuzziness von Angaben
wie "ein bisschen", "ziemlich", "stark" oder "sehr" in
mathematischen Modellen erfasst werden. Die Fuzzylogik basiert auf den Fuzzy-Mengen (Fuzzy-Sets) und
sogenannten Zugehrigkeitsfunktionen, die Objekte auf Fuzzy-Mengen abbilden, sowie passenden
logischen Operationen auf diesen Mengen und ihrer Inferenz. Bei technischen Anwendungen mssen
auerdem Methoden zur Fuzzyfizierung und Defuzzyfizierung betrachtet werden, das heit Methoden zur
Umwandlung von Angaben und Zusammenhngen in Fuzzylogik und wieder zurck, zum Beispiel als
Stellwert fr eine Heizung als Resultat.

Inhaltsverzeichnis
1
2
3
4

5
6
7
8
9

Historische Entwicklung
Fuzzy-Set-Theorie
Anwendungsbeispiele
Unscharfe Mengen
4.1 Negation
4.2 Nicht ausschliessende-ODER-Schaltung
4.3 UND-Schaltung
4.4 Ausschliessende-ODER-Schaltung
Fuzzyfunktionen
5.1 Beispiel fr eine nicht-lineare Fuzzy-Funktion
Begriffsabgrenzung
Literatur
Weblinks
Einzelnachweis

Historische Entwicklung
Die berlegungen zu einer Logik der Unschrfe reichen zurck in die griechische Antike. Bereits der
Philosoph Platon postulierte, dass zwischen den Begriffen wahr und falsch ein dritter Bereich liege. Dies
ganz im Gegensatz zu seinem Zeitgenossen Aristoteles, welcher die Przision der Mathematik darin
begrndete, dass eine Aussage nur entweder wahr oder falsch sein kann.
Die Fuzzy-Set-Theorie, also die unscharfe Mengenlehre, wurde 1965[1] von Lotfi Zadeh an der University
of California, Berkeley, entwickelt. Die Fuzzy-Technologie nahm in den 1980er Jahren vor allem in Japan

ihren Aufschwung mit der sogenannten japanischen Fuzzy-Welle. Ein historisches Beispiel ist die
Regelung der vollautomatischen U-Bahn Sendai, die erste erfolgreiche Groanwendung mit Fuzzylogik in
der Praxis. Spter fand die Fuzzylogik auch in Gerten der Unterhaltungselektronik breite Anwendung.
Die europische Fuzzy-Welle kam erst Mitte der 1990er Jahre, als die Grundsatzdiskussionen ber die
Fuzzylogik verebbten.

Fuzzy-Set-Theorie
Die Fuzzy-Set-Theorie ist von der mehrwertigen Logik zu unterscheiden, die in den 1920er Jahren der
polnische Logiker Jan ukasiewicz beschrieb. Im engeren Sinne kann die so genannte Fuzzylogik zwar
als eine mehrwertige Logik gedeutet werden, und insofern gibt es eine gewisse Nhe zur mehrwertigen
Logik, fr deren Wahrheitswert einer logischen Aussage Zahlen aus dem reellen Einheitsintervall [0, 1]
(die reellen Zahlen von 0 bis 1) verwendet werden. Allerdings fasst Zadeh die Fuzzy-Set-Theorie als
Formalisierung von unbestimmten Begriffsumfngen im Sinne einer referenziellen Semantik auf, was ihm
erlaubt, die Unschrfe der Zugehrigkeit von Objekten als Elemente der zu definierenden Mengen
graduell ber numerische Werte zwischen 0 und 1 anzugeben. Damit erffnete sich eine weitergehende,
linguistische Interpretation der Fuzzy-Set-Theorie als Basis einer Logik der Unschrfe. Der Begriff der
Fuzzy Logik wurde zunchst auch nicht von Zadeh, sondern erst spter von dem ebenfalls in Berkeley
ttigen Linguisten George Lakoff benutzt, nachdem Joseph Goguen, ein Doktorand Zadehs, eine Logik
unscharfer Begriffe[2] eingefhrt hatte. Siehe in diesem Zusammenhang den von Hegel geprgten Begriff
der Gedoppelten Mitte.

Anwendungsbeispiele
Fuzzylogik wird heute in unterschiedlichen Bereichen eingesetzt: Anwendung findet sie in Bereichen der
Automatisierungstechnik, Betriebswirtschaft, Medizintechnik, Unterhaltungselektronik, Fahrzeugtechnik,
Regelungstechnik, knstlichen Intelligenz, Inferenzsysteme, Spracherkennung und anderen Bereichen.
Ntzlich ist die Verwendung von Fuzzylogik oft dann, wenn keine mathematische Beschreibung eines
Sachverhaltes oder Problems vorliegt, sondern nur eine verbale Beschreibung. Auch wenn wie fast
immer das vorhandene Wissen Lcken aufweist oder teilweise veraltet ist, bietet sich der Einsatz von
Fuzzylogik an, um noch zu einer fundierten Aussage ber einen aktuellen oder knftigen Systemzustand
zu gelangen. Dann wird aus sprachlich formulierten Stzen und Regeln mittels Fuzzylogik eine
mathematische Beschreibung gewonnen, die in Rechnersystemen genutzt werden kann. Interessant ist
dabei, dass mit der Fuzzylogik auch dann Systeme sinnvoll gesteuert (bzw. geregelt) werden knnen,
wenn ein mathematischer Zusammenhang zwischen den Ein- und Ausgabegren eines Systems nicht
darstellbar ist oder nur mit groem Aufwand erfolgen knnte, so dass eine Automatisierung zu teuer oder
nicht in Echtzeit realisierbar wre.
Weitere Anwendungen sind die Regelung von U-Bahnen, die Prognose der zuknftigen Last in Routern,
Gateways oder Mobilfunk-Basisstationen, die Steuerung automatischer Getriebe in Automobilen,
Alarmsysteme fr die Ansthesie, Zwischenfrequenzfilter in Radios, ABS fr Automobile,
Brandmeldetechnik, die Prognose des Energieverbrauchs bei Energieversorgern, AF-gekoppelte MehrfeldBelichtungsautomatiken und AF-Prdiktion in Spiegelreflexkameras etc.
Auch in betriebswirtschaftlichen Anwendungen hat Fuzzylogik erfolgreich Einzug gehalten. Ein
erfolgreiches Beispiel ist die Intelligente Schadenprfung (ISP), mit der sich weltweit
Versicherungsunternehmen vor Versicherungsbetrug schtzen.

Unscharfe Mengen

Grundlage der Fuzzylogik sind die so genannten unscharfen Mengen (engl.: "fuzzy sets"). Im Gegensatz
zu traditionellen Mengen (im Kontext der Fuzzylogik auch scharfe Mengen genannt), in denen ein
Element einer vorgegebenen Grundmenge entweder enthalten oder nicht enthalten ist, kann ein Element in
einer unscharfen Menge auch ein wenig enthalten sein. Der Grad an Zugehrigkeit wird dabei durch eine
Zugehrigkeitsfunktion (membership function) beschrieben, die den Elementen einer Grundmenge eine
reelle Zahl zwischen 0 und 1 zuordnet.
Auch auf unscharfen Mengen sind Operationen wie auf scharfen Mengen mglich, wie z. B. die Bildung
von Schnittmengen (UND), Vereinigungsmengen (ODER) und Komplementmengen (NICHT). Zur
Modellierung der logischen Operatoren der Konjunktion (UND), der Disjunktion (ODER) und der
Negation (NICHT) bedient man sich der Funktionsklassen der T-Norm und T-Conorm. Wichtig an den
logischen Operationen ist, dass sie die zweiwertige Logik mit einschliet, dass also beim Einsetzen der
Werte 0 und 1 das gleiche Ergebnis herauskommt wie bei der zweiwertigen Logik. Fuzzy-Logik
unterscheidet sich von Statistik, die zwar dieselbe Negation verwendet, jedoch bei UND und ODER die
Funktion Addition und Multiplikation verwendet.

Negation
Die Negation in der Fuzzy-Logik erfolgt durch Subtraktion der Eingabewerte von 1. Also
NOT(A)=1-A

Nicht ausschliessende-ODER-Schaltung
Die Adjunktion erfolgt durch Wahl des jeweils hheren Wertes der Eingabe-Werte. Also
OR(A;B)=A wenn A>B
B wenn A<=B

UND-Schaltung
Die Konjunktion erfolgt durch Wahl des jeweils niedrigeren Wertes der Eingabe-werte. Also
AND(A;B)=A wenn A<B
B wenn A>=B

Ausschliessende-ODER-Schaltung
Fr die Disjunktion komplementiert man den kleineren zweier Werte und whlt den kleineren der beiden.
Fr mehr als zwei Eingabewerte setzt man das Ergebnis der letzten Operation rekursiv mit den jeweils
nchsten Eingabewert ein. Einfacher: man nimmt die Differenz des weniger Extremen vom ihm
gegenberliegenden Extremwert. Also
XOR(A;B)=A
B
B
A

wenn
wenn
wenn
wenn

A>B
A>B
B>A
B>A

und
und
und
und

A<=(1-B)
A>=(1-B)
B<=(1-A)
B>=(1-A)

Fuzzyfunktionen
Zusammenfassungen einzelner Zugehrigkeitsfunktionen ergeben die Fuzzyfunktionen. Ein Beispiel dafr
ist eine Fuzzyfunktion fr das Alter eines Menschen. Diese knnte aus mehreren dachfrmigen Dreiecken
bestehen, die ihrerseits fr verschiedene Alterstypen stehen und Zugehrigkeitsfunktionen dieser einzelnen
Alterstypen darstellen. Jedes Dreieck deckt einen Bereich von mehreren Jahren des Menschenalters ab.
Ein Mensch mit 45 Jahren htte so die Eigenschaften: noch jung mit der Wertung 0,75 (das ist noch relativ
viel), mittleres Alter mit der Wertung 0,25 (das ist ein bisschen) und von den brigen Funktionen nichts.
Anders ausgedrckt: mit 45 ist man ziemlich viel noch jung und ein bisschen mittel. Die Fuzzyfunktion
ordnet jedem Alterswert eine ihn charakterisierende Zugehrigkeitsfunktion zu.
In vielen Fllen werden Fuzzyfunktionen ber Tabellen aus statistischen Erhebungen erzeugt. Diese
knnen auch von der Anwendung selbst erhoben werden soweit eine Rckkopplung gegeben ist, wie in
der Fahrstuhlsteuerung. Praktisch bedeutsam ist auch, die Erfahrungen und Intuitionen eines Experten auf
dem jeweiligen Gebiet in eine Fuzzyfunktion mit einflieen zu lassen, insbesondere dann, wenn berhaupt
keine statistischen Aussagen vorhanden sind, beispielsweise dann, wenn es sich um ein komplett neu zu
beschreibendes System handelt.
Diese Dreiecksgestalt ist allerdings keineswegs zwingend, generell knnen die Werte von FuzzyFunktionen beliebige Gestalt haben, solange deren Funktionswerte im Intervall
bleiben. In der
Praxis werden solche Dreieckfunktionen aufgrund ihrer einfachen Berechenbarkeit jedoch gerne
verwendet. Relativ weit verbreitet sind noch Trapeze (nicht notwendigerweise spiegelsymmetrisch), aber
auch Halbkreise finden sich in einigen Anwendungen. Auch knnen sich prinzipiell mehr als zwei
Abschnitte einer Fuzzy-Funktion berlappen (beim hier betrachteten Beispiel scheint das aber nicht
sinnvoll zu sein).

Beispiel fr eine nicht-lineare Fuzzy-Funktion


Ein Beispiel fr eine nicht-lineare Zugehrigkeitsfunktion bildet die folgende Sigmoidfunktion:

Die Kurve drckt durch die Form des Buchstabens S eine ansteigende Zugehrigkeit zu der jeweils
beschriebenen Menge durch einen Wert im Wertebereich
aus. Je nach Anwendungsfall lsst sich
eine abnehmende Zugehrigkeit durch eine entsprechende Z-Kurve ausdrcken:

Der Parameter gibt hierbei den Wendepunkt der S-Kurve an, der Wert bestimmt die Neigung der
Kurve. Je grer gewhlt wird, desto flacher wird der Verlauf der resultierenden Funktion.
Das Alter eines Menschen lsst sich mittels dieser Kurve wie folgt als Fuzzy-Funktion darstellen:

Alter eines Menschen


Bezeichnung
Zugehrigkeitsfunktion
sehr jung
jung
nicht mehr sehr jung
mehr oder weniger alt
alt
sehr alt
Dabei knnen die umgangssprachliche
Modifikatoren sehr, mehr oder weniger sowie
nicht mehr durch einfache Modifikation einer
gegebenen Funktion dargestellt werden:
Der umgangssprachlich verstrkende
Modifikator sehr kann in Form eines
Fuzzyfunktion fr das Alter eines Menschen
erhhten Exponenten dargestellt werden
(im Beispiel
). Das Ergebnis ist
ein steilerer Kurvenverlauf im Vergleich zur Ausgangsfunktion.
Der umgangssprachliche Modifikator mehr oder weniger kann durch Verwendung eines niedrigeren
Exponenten bzw. der Quadratwurzel auf eine gegebene Funktion ausgedrckt werden(
). Das Ergebnis ist ein flacherer Kurvenverlauf im Vergleich zur Ausgangsfunktion.
Die Negation eines umgangssprachlichen Ausdrucks lsst durch eine einfache Subtraktion darstellen
(
).
Den Anwendungfllen entsprechend handelt es sich bei dieser Form der Reprsentation um linguistische
Variablen. Letztlich wird aus den einzelnen gewichteten Aussagen ein einziger Zahlenwert berechnet, der
das Alter in mathematischer Form auszudrcken vermag. Mit diesem Wert lsst sich dann przise
weiterarbeiten. Auch bei dieser so genannten Defuzzyfikation sind viele Verfahren mglich, das
bekannteste (aber bei weitem nicht immer beste) ist sicherlich die Methode Center-of-Gravity, bei der der
Zahlenwert gewichtet nach der Masse der geometrischen Form der einzelnen Abschnitte der
Zugehrigkeitsfunktion gebildet wird. Eine andere Mglichkeit ist, einfach einen gewichteten Mittelwert
der Funktionswerte zu bilden.

Begriffsabgrenzung
Nicht zu verwechseln mit der Fuzzylogik ist die Fuzzy-Suche, die eine unscharfe Suche in Datenbanken
ermglicht, zum Beispiel, wenn die genaue Schreibweise eines Namens oder Begriffes nicht bekannt ist.
Auch wenn die Zugehrigkeits-Werte aus dem Intervall [0,1] formal wie Wahrscheinlichkeitswerte
aussehen, so ist Unschrfe etwas grundstzlich anderes als Wahrscheinlichkeit. Vor allem ist zu beachten,
dass die Summe der Werte zweier Funktionen, die sich berschneiden, nicht 1 sein muss. Sie kann gleich
1 sein, aber auch darber oder darunter liegen.

Literatur

Benno Biewer: Fuzzy-Methoden. Praxisrelevante Rechenmodelle und FuzzyProgrammiersprachen. Springer, Berlin 1997, ISBN 3-540-61943-7.
Christoph Drsser: Fuzzy logic. Methodische Einfhrung in krauses Denken. Rowohlt, Reinbek bei
Hamburg 1996. ISBN 3-499-19619-0
Siegfried Gottwald: Fuzzy Sets and Fuzzy Logic. Foundations of Application - from a Mathematical
Point of View. Vieweg und Teknea, Braunschweig/Wiesbaden Toulouse 1993.
Berthold Heinrich [Hrsg.:] Messen, Steuern, Regeln. Elemente der Automatisierungstechnik. 8.
Aufl. Vieweg, Wiesbaden 2005. ISBN 3-8348-0006-6.
Ulrich Hhle, Stephen Ernest Rodabaugh: Mathematics of Fuzzy Sets: Logic, Topology, and
Measure Theory. Springer, 1999, ISBN 0-7923-8388-5.
Michels, Klawonn, Kruse, Nrnberger: Fuzzy-Regelung. Grundlagen, Entwurf, Analyse. SpringerVerlag. ISBN 3-540-43548-4.
George J. Klir, Bo Yuan: Fuzzy Sets and Fuzzy Logic: Theory and Applications, 1995, ISBN 0-13101171-5
Thomas Kron: Fuzzy-Logik fr die Soziologie. In: sterreichische Zeitschrift fr Soziologie, 2005,
H. 3: 51-89.
Thomas Kron, Lars Winter: Fuzzy Systems - berlegungen zur Vagheit sozialer Systeme. In:
Soziale Systeme, 2005, H. 2: 370-394.
Andreas Mayer [u.a.]: Fuzzy Logic. Einfhrung und Leitfaden zur praktischen Anwendung.
Addison-Wesley, Bonn 1993. ISBN 3-89319-443-6.
Daniel McNeill u. Paul Freiberger: Fuzzy Logic. Die unscharfe Logik erobert die Technik. Droemer
Knauer, Mnchen 1994, ISBN 3-426-26583-4.
Rodabaugh, S.E.; Klement, E.P (Eds.): Topological and Algebraic Structures in Fuzzy Sets: A
Handbook of Recent Developments in the Mathematics of Fuzzy Sets. Springer, 2003, ISBN 978-14020-1515-1.
Carsten Q. Schneider, Claudius Wagemann: Qualitative Comparative Analysis (QCA) und Fuzzy
Sets. Barbara Budrich, 2007, ISBN 978-3-86649-068-0
Rudolf Seising: Die Fuzzifizierung der Systeme. Die Entstehung der Fuzzy Set Theorie und ihrer
ersten Anwendungen - Ihre Entwicklung bis in die 70er Jahre des 20. Jahrhunderts. Franz Steiner
Verlag (Boethius: Texte und Abhandlungen zur Geschichte der Mathematik und der
Naturwissenschaften Band 54), Stuttgart 2005, ISBN 3-515-08768-0.
Hans-Jrgen Zimmermann: Fuzzy Set Theory and its Applications. 2001, ISBN 0-7923-7435-5.
Wolfgang Anthony Eiden: Przise Unschrfe - Informationsmodellierung durch Fuzzy-Mengen.
Ibidem, 2002. ISBN 3-89821-230-0

Weblinks
Commons: Fuzzylogik (//commons.wikimedia.org/wiki/Category:Fuzzy_logic?uselang=de)
Sammlung von Bildern, Videos und Audiodateien
Eintrag (http://plato.stanford.edu/entries/logic-fuzzy/) In: Edward N. Zalta (Hrsg.): Stanford
Encyclopedia of Philosophy
Buch zum Thema (http://fuzzy.cs.uni-magdeburg.de/studium/fuzzy/txt/fsbook.pdf) (PDF; 1,27 MB)
DAX-Fuzzy-Logik-Automat von Klaus Harnack (http://wwwmath.unimuenster.de/SoftComputing/lehre/seminar/ss2004/vortraege/harnack/Fuzzy_Harnack.pdf)
Fuzzy Logik Image Processing (http://pami.uwaterloo.ca/tizhoosh/set.htm) (engl.)
7 Wahrheiten ber Fuzzy Logik (http://www.bytecraft.com/fuzzylogictruths.html) (engl.)
Englische Einfhrung in das Thema (http://epsilon.nought.de/tutorials/fuzzy/fuzzy.pdf) (Fuzzy
Logic Introduction, M. Hellmann, PDF; 260 kB)
Ein Anwendungsbeispiel - Herzog, Christof; Das Methodenpaket IeMAX mit dem FuzzySimulationsmodell FLUCS - Entwicklung und Anwendung eines
Entscheidungsuntersttzungssystems fr die integrative Raumplanung http://e-diss.uni-

kiel.de/diss_622/
Fuzzy Logic Definition im Atrox.at Wiki (http://wiki.atrox.at/index.php/Fuzzy_Logic)
Einfhrung in Fuzzy Logic (http://www.seattlerobotics.org/encoder/mar98/fuz/flindex.html) (engl.)
Einfhrung in Fuzzy Logic (http://www.iicm.tugraz.at/greif/node9.html)
Dissertation about fuzzy logic in profitability analysis
(http://ideas.repec.org/p/pra/mprapa/4328.html) (engl.)
Software und Tools
Free Educational Software and Application Notes (http://www.fuzzytech.com)
Infomaterial und Software (DE) (http://www.fuzzytech.de)
InrecoLAN FuzzyMath (http://www.openfuzzymath.org) , Fuzzy logic add-in for OpenOffice.org
Calc
JFuzzyLogic: Open Source Fuzzy Logic Package + FCL (sourceforge, java)
(http://jfuzzylogic.sourceforge.net/)
Open Source Software "mbFuzzIT" (Java) (http://mbfuzzit.sourceforge.net)

Einzelnachweis
1. Lotfi A. Zadeh,: Fuzzy sets. Information and Control. 8, 1965: 338353
2. Goguen, J.A., "The logic of inexact concepts". Synthese
(http://www.springerlink.com/content/1573-0964/) 19(3/4) 1969:325373
Von http://de.wikipedia.org/w/index.php?title=Fuzzylogik&oldid=107727234
Kategorien: Fuzzylogik Nichtklassische Logik
Diese Seite wurde zuletzt am 6. September 2012 um 12:20 Uhr gendert.
Abrufstatistik
Der Text ist unter der Lizenz Creative Commons Attribution/Share Alike verfgbar; zustzliche
Bedingungen knnen anwendbar sein. Einzelheiten sind in den Nutzungsbedingungen beschrieben.
Wikipedia ist eine eingetragene Marke der Wikimedia Foundation Inc.