conceptualizacin La lgica difusa es un rea de investigacin porque da una buena idea de la relacin entre significado y precisin. En este sentido la lgica difusa es nueva y vieja porque, para la ciencia la lgica difusa es nueva , pero depende de antiguas habilidades del razonamiento humana.
La lgica difusa es una manera conveniente de asignar un espacio de entrada a un espacio de salida. Asignacin de entrada al de salida es el punto de partida para todo. Considere los siguientes ejemplos: Con la informacin sobre lo bien que fue su servicio fue un restaurante, un sistema de lgica difusa puede decir cul debe ser la propina. Con la especificacin de lo caliente que desea el agua, un sistema de lgica difusa puede ajustar la vlvula del grifo a la posicin correcta. Con la informacin sobre lo lejos que un objeto est para una fotografa, un sistema de lgica difusa puede enfocar la lente para usted. Con la informacin sobre la rapidez con que el vehculo va y la dificultad del trabajo del motor, un sistema de lgica difusa puede cambiar de marcha para usted. Ejemplo de espacio de entrada y de Salidas
Para determinar la cantidad apropiada de la propina se requiere mapear las entradas para las salidas apropiadas. Entre la entrada y la salida, la figura anterior se muestra un cuadro negro que puede contener cualquier nmero de cosas: los sistemas difusos, sistemas lineales, sistemas expertos, redes neuronales, ecuaciones diferenciales, interpolado tablas multidimensionales de bsqueda, o incluso consultando un consejero espiritual, slo por nombrar algunas de las posibles opciones. Es evidente que la lista podra seguir y seguir. De las docenas de maneras de hacer el trabajo de recuadro negro, resulta que la fuzzy Logic es a menudo la mejor manera. Por qu se debe?
Como lo mencion Lotfi Zadeh, que es considerado el padre de la lgica difusa: "En casi todos los casos se puede construir el mismo producto sin la lgica difusa, pero difusa es ms rpida y ms barata ". Aqu est una lista de observaciones generales sobre la lgica difusa:
La lgica difusa es conceptualmente fcil de entender. Los conceptos matemticos detrs de razonamiento difuso son muy simples. La lgica difusa es una aproximacin ms intuitiva sin la complejidades profundas. La lgica difusa es flexible. Con cualquier sistema dado, es fcil tener capas de funcionalidad sin volver a empezar desde cero. La lgica difusa es tolerante con datos imprecisos. Por qu utilizar la lgica difusa? Todo es impreciso si se mira con suficiente atencin , pero ms que eso , la mayor parte cosas son imprecisas , incluso en una inspeccin cuidadosa. El razonamiento difuso construye esta comprensin en el proceso en lugar de hacerlo al final. La lgica difusa puede modelar funciones no lineales de complejidad arbitraria .Usted puede crear un sistema difuso para combinar con cualquier conjunto de datos de entrada-salida . Este proceso se hace especialmente fcil mediante tcnicas adaptativas como adaptativa Inferencia Sistemas Neuro- Fuzzy ( ANFIS ) , que estn disponibles en el Tool Box de Fuzzy logic. La lgica difusa se puede construir sobre la experiencia de los expertos . En contraste directo con las redes neuronales , que tienen datos de entrenamiento y generar modelos opacos, impenetrables , la lgica difusa permite que se basan en la experiencia de las personas que ya entienden su sistema. La lgica difusa se puede mezclar con las tcnicas de control convencionales. Los Sistemas difusos no reemplazan necesariamente mtodos de control convencionales. La lgica difusa se basa en el lenguaje natural. La base de la lgica difusa es la base para la comunicacin humana . Esta observacin sustenta muchas de las otras declaraciones acerca de la lgica difusa . Debido a que la lgica difusa se basa en las estructuras de la descripcin cualitativa usados en el lenguaje cotidiano , la lgica difusa es fcil de usar . Lgica Difusa Vs lgica no difusa EL PROBLEMA BSICO DE LA PROPINA. Cul es el valor apropiado de una propina? Dado un nmero de 1 a 10 que representa la calidad de un servicio en un restaurante (donde 10 es excelente). Cul podra ser la propina. Aproximacin a la lgica no difusa Servicio=0:0.001:10; tip=input('Ingrese el porcentaje de la propina:')/100; plot (Servicio.tip);
0 1 2 3 4 5 6 7 8 9 10 -1 -0.5 0 0.5 1 1.5 Este problema se basa en la propina tpica en Estados Unidos que est en un 15% del valor de la comida. Pago de propina con un valor constante (Tip=0.15) Problema Propina (2) Servicio=0:0.001:10; tip=(0.20/10)*Servicio+0.05; plot (Servicio.tip);
end end plot(Servicio,tip2); 0 1 2 3 4 5 6 7 8 9 10 0.05 0.1 0.15 0.2 0.25 Problema Propina (5) Pago de propina con un variacin en funcin del factor servicio y factor comida, variacin por rangos ServRatio= input('Ingrese el porcentaje de la propina que considera corresponde al servicio:')/100 for i=1:21; for j=1:21; if Service(i,j)<3, tip(i,j)=ServRatio*((0.10/3)*Service(i,j)+0.05)+(1-ServRatio)*((0.20/10)*Food(i,j)+0.05); elseif Service(i,j)<7, tip(i,j)=ServRatio*(0.15)+(1-ServRatio)*((0.20/10)*Food(i,j)+0.05); else, tip(i,j)=ServRatio*((0.10/3)*(Service(i,j)-7)+0.15)+(1-ServRatio)*((0.20/10)*Food(i,j)+0.05); end end end surf(Food,Service,tip);
0 2 4 6 8 10 0 5 10 0.05 0.1 0.15 0.2 0.25 Una Aproximacin a la Lgica Difusa Para capturar lo esencial de un problema. es necesario dejar a un lado los factores que pueden ser arbitrarios. Si se lista lo esencial del problema. se puede listar la siguiente regla:
Reglas del problema de propinas Factor de Servicio Si el servicio es malo Entonces la propina es poca Si el Servicio es bueno Entonces la propina es promedio Si el servicio es excelente Entonces la propina es generosa El orden de las reglas es irrelavante. Si adicionamos el efecto de la comida podemos adicionar las siguientes reglas.
Si quisieramos combinar ambos factores (servicio y comida)se tendra una lista como
Reglas del problema de propinas Factor de Comida Si la comida es rancia Entonces la propina es poca Si la comida es deliciosa Entonces la propina es generosa Reglas del problema de propinas Ambos Factores Servicio y Comida Si el servicio es malo o la comida es rancia Entonces la propina es poca Si el Servicio es bueno Entonces la propina es promedio Si el servicio es excelente o la comida es deliciosa Entonces la propina es generosa Estas tres reglas son la parte central de la solucin para un sistema de Lgica Difusa Si adems le damos significado matemtico a variables lingisticas como por ejemplo: cunto es una propina promedio?. Con esto tenemos las inferencias completas de un sistema difusa- Adems la metodologas de la lgica difusa debe considerar: Cmo se deben combinar todas las reglas? Cmo puedo definir matemticamente las variables lingisticas?. Solucin al Problema Recalibrando el mtodo ServRatio= input('Ingrese el porcentaje de la propina que considera corresponde al servicio:')/100 % Establish constants lowTip=0.05; averTip=0.15; highTip=0.25; tipRange=highTip-lowTip; badService=0; okayService=3; goodService=7; greatService=10; serviceRange=greatService-badService; badFood=0; greatFood=10; foodRange=greatFood-badFood; for i=1:21; for j=1:21; % If service is poor or food is rancid. tip is cheap if Service(i.j)<okayService. tip(i.j)=(((averTip-lowTip)/(okayService-badService))*Service(i.j)+lowTip)*ServRatio +(1-ServRatio)*(tipRange/foodRange*Food(i.j)+lowTip); % If service is good. tip is average elseif Service(i.j)<goodService. tip(i.j)=averTip*ServRatio + (1-ServRatio)*(tipRange/foodRange*Food(i.j)+lowTip); % If service is excellent or food is delicious. tip is generous else. tip(i.j)=(((highTip-averTip)/(greatService-goodService))*(Service(i.j)-goodService)+averTip)*ServRatio +(1-ServRatio)*(tipRange/foodRange*Food(i.j)+lowTip); end end end surf(Food.Service.tip);