LGICA DIFUSA.

En la presente investigacin hablaremos acerca de la lgica difusa seguramente muchas veces hemos escuchado hablar de ella, sin tener siquiera una idea de lo que realmente trata, cuando nos referimos a algo difuso, nos referimos a algo propagado, a algo poco preciso. Y gracias a esta caracterstica surge la llamada lgica difusa, si recordamos en la lgica clsica hablamos que solo podemos tener dos valores de verdad, ya sea verdadero o falso, pero si nos hablamos de vida diaria, podemos notar que hay muchas cosas que no se pueden regir por este principio(es decir, no son ni completamente verdaderos, ni completamente falsos), y citando el articulo lgica en la vida diaria [1], podemos ver ms claramente la diferencia entre estas dos lgicas. LOGICA CLASICA VS. LOGICA DIFUSA. Probablemente ests familiarizado con algn tipo de lgica clsica (binaria, trivalente, etc.), las cuales tienen bien definidos sus valores de umbral. Por ejemplo en la lgica binaria o booleana, existen dos valores de verdad (o de umbral): verdadero falso, 1 0, s no.

Figura 2. Valores de la Lgica binaria La lgica trivalente es una lgica de tres respuestas definitivas:

Figura 3. Valores de la Lgica Trivalente

A diferencia de la lgica clsica, la lgica difusa no tiene bien definidos sus umbrales de decisin. Por ejemplo, si tomamos la lgica trivalente y la difusificamos (cambiamos los niveles de decisin), entonces podemos expresar los valores de umbral como un rango de valores, esto es, 0, .5, 1 sern reemplazados por intervalos de: "0 a .4", "0.2 a 0.8", "0.6 a 1", respectivamente. Recordemos que "lgica es la ciencia que estudia las leyes, los modos y las formas del razonamiento". De esta forma la "lgica difusa estudia las leyes, los modos y las formas del razonamiento aproximado". Lgica difusa proporciona un medio para enfrentar situaciones del mundo real, situaciones complejas y dinmicas, que son ms fcilmente caracterizadas por palabras que por matemticas. Por ejemplo, la estatura. Ahora que ya sabemos un poco en que radica la diferencia entre estas dos lgicas, hablaremos acerca de cmo surge, la Fuzzi Logic, (en ingles), como tambin es conocida, tiene sus principales

races en teora de conjuntos difusos que fue desarrollada por el ingeniero y matemtico Lofti Zadeh en la dcada de los 60, y el propuso un elemento siempre pertenece a un cierto grado a un conjunto y nunca pertenece del todo al mismo. y no podemos hablar de la lgica difusa sin mencionar los llamado funcin de membreca, esta es una relacin que vincula a cada elemento de un conjunto, es decir la pertenencia o no pertenencia de un elemento y a un conjunto C y adems la lgica difusa con unos conjuntos llamados conjuntos difusos, en este tipo de lgica no clsica necesitamos trabajar con conjuntos a los cuales llamamos conjuntos difusos, y esos estn definidos por sus funciones de pertenencia, la cual expresa la distribucin de verdad de una variable, y citando el articulo lgica en la vida diaria[1] nos dice; Tericamente un conjunto difuso A de un universo de discurso X={x} se define como un mapeo (x) : X [0, ] donde cada x es asignada a un nmero en el rango comprendido entre [0, ] el cual indica que tanto del atributo A tiene x. Ahora hablaremos de la representacin grafica tomando en un ejemplo ms puntual (tomado del artculo Fuzzi Logic[2]). Ejemplo: Descripcin del estado de una puerta Lgica Clsica: De acuerdo a la lgica clsica existen dos estados posibles para una puerta. Una puerta est abierta (1) Una puerta est cerrada (0) Lgica Difusa: Lgica Difusa establece que una puerta no tiene por que estar necesariamente abierta o cerrada, existen adems otros estados. Puerta abierta (1) Puerta bastante abierta (0.8) Puerta abierta a medias (0.5) Puerta casi cerrada (0.1) Una puerta est cerrada (0)

Y sus respectivas representaciones graficas son muy distintas,

Donde: ce : Puerta cerrada casice :Puerta casi cerrada amedias :Puerta a medias basab :Puerta bastante abierta abierta :Puerta abierta Y con ello podemos apreciar mucho ms en lo que realmente busca este tipo de lgica, que nos sirve para poder modelar muchos procesos que ms adelante hablaremos en las aplicaciones, ahora veremos otros tipos de graficas que tambin nos sirven para modelar las funciones de pertenencia, es decir las coordenadas difusas de los atributos, tomando de nuevo del articulo Fuzzy Logic[2] tenemos una clara clasificacin, Trapezoidales y Triangulares: Son funciones lineales por tramos, pero representan una discontinuidad en la primera derivada que hereda la accin de control. Exponenciales: (distribucin normal), muestran un comportamiento muy adecuado y no representan discontinuidad en la derivada. Polinmicas: Son funciones sencillas de calcular y tienen una forma similar a la de las funciones de densidad normal. Tipos de funciones de pertenencia.

Ventajas de utilizar la lgica difusa.

La principal ventaja es que podemos emplear trminos lingsticos como: a medias, bastante, casi, un poco, mucho, algo, etc. y que permite plantear el problema en los mismos trminos en los que lo hara un experto humano. El gran xito de esta teora radica en que como lo menciona el articulo Fuzzy Logic[2] -el mundo es fuzzy, En otras palabras, no tiene sentido buscar la solucin a un problema no perfectamente definido por medio de un planteamiento matemtico muy exacto, cuando es el ser humano el primero que razona empleando la inexactitud.

Ya despus de haber visto su representacin, ventajas y sus conceptos principales, seguramente surgira en nosotros la pregunta de cmo podemos Fuzzificar que se presentamos los requerimientos para poder realizar esta accin: Especficamente consiste en convertir una variable real en un grado de pertenencia que cuantifica el grado de posesin hacia su correspondiente variable lingstica. Las variables lingsticas que mencionamos son representativas de situaciones como, Cerca, bajo, medio etc. La entrada siempre ser un valor numrico que estar acotado al universo del discurso de la variable de entrada, entre los valores de 0 y10.

Aplicaciones.
(Tomado del articulo, Aplicaciones De Lgica Difusa (Oscar G. Duarte)[3]) BASE DE DATOS DIFUSA La Lgica Difusa busca desarrollar un conjunto de procedimientos para manejar la informacin precisa y/o vaga. Ahora bien, los Sistemas de Bases de Datos tienen por propsito, hablando en trminos muy generales, la organizacin de la informacin; por tanto no es de sorprendente que se haya intentado incorporar las tcnicas de Lgica Difusa en el diseo de Bases de Datos. Miyamoto & Umano [5] distinguen dos tipos de tcnicas difusas en las Bases de Datos: Bases de Datos Difusas. Tcnicas Difusas para la recuperacin de la informacin. En la primera de estas tcnicas el concepto de Conjunto Difuso se incorpora en la estructura misma de la Base de Datos, mientras que en la segunda se emplea en las estrategias de recuperacin de la informacin. A continuacin se presenta una de las tcnicas del primer tipo, reseadas en [5]; como en los anteriores ejemplos de este artculo, se ha seleccionado buscando un ejemplo conceptualmente sencillo. La tcnica en cuestin se denomina Bsqueda Difusa, y fue propuesta inicialmente por Tahani [6].

En esta tcnica la Base de Datos tiene dos componentes": por una parte se tiene una Base de Datos tradicional, como la representada en el cuadro 2, y por otra parte se tiene una definicin Difusa de las variables cuantificables de dicha cuadro, como la que se muestra en la figura 19.

Ante una consulta a la Base de Datos de la forma: "Cules son los nombres de las personas Jvenes o recientemente empleadas pero con sueldo alto" Tahani propone evaluar la funcin de pertenencia de cada registro a cada uno de los valores lingsticos involucrados en la consulta, y entregar como resultado de la bsqueda un conjunto difuso con funciones de pertenencia obtenidas mediante la utilizacin de operadores AND, OR y NOT difusos [4]; los operadores empleados por Tahani son el mnimo para el AND, el mximo para el OR y el complemento para el NOT. Con esta metodologa la consulta anterior podra representarse por la operacin (x, y, z) = { (x) OR (y)} AND (z)

En donde x es la edad, y el ao de ingreso, z el salario, (x) es la funcin de pertenencia al conjunto Joven definido sobre la variable edad, (y) es la funcin de pertenencia al conjunto Reciente definido sobre la variable Ao de Ingreso, (z) es la funcin de pertenencia al conjunto Alto definido sobre la variable salario, y (x,y,z)es la funcin de pertenencia al conjunto resultante de la bsqueda. Empleando la informacin del cuadro 2 y de la figura 19 se puede construir el cuadro 3 que muestra los resultados de la bsqueda para cada registro.

Bsqueda ={O,5/Anderson,1,O/Long, O,8/Smith} .Bibliografa:

1- Lgica difusa en la vida diaria.

ftp%3A%2F%2Fece.buap.mx%2Fpub%2Fprofesor%2Facadem80%2FControl_difuso%2FLO GICA%2520DIFUSA%2520EN%2520LA%2520VIDA%2520DIARIA.doc&ei=KE0CUsShD8eSyA Gd6oG4DA&usg=AFQjCNGXvL7Gqnw9Qfmx_UvYhlvZm8Pyug&bvm=bv.50310824,d.aWc& cad=rja

2- Fuzzy Logic http://archivos.labcontrol.cl/SI/fuzzy.pdf 3- Duarte, Oscar. Aplicaciones de la Lgica Difusa 4- ----------"Sistemas de Lgica Difusa. Fundamentos" En Ingenieria e Investigacin No. 42 Marzo de 1999, 5- MlYAMOTO, S. and UMANO, M. "Recent developments in fuzzy databases and applications", En "Fuzzy logic and its applications to engineering information scienees and intelligent systems", Editado por Bien, Z. & Min, K. C. Klumer Academic Publishers, pp. 367-378, 6- TAHANI, V. "A conceptual framework for fuzzy quering processing a step toward very intelligent database system" En lnformation Proeessing Management 13, 1977, 289 - 303