Você está na página 1de 5

Viso Geral das Equaes Diferenciais Fuzzy

Santana M.R.O e Rodrigues A.C


Programa de Ps-graduao em Modelagem Computacional
Universidade Estadual de Santa Cruz
e-mail: marlessonsa@gmail.com, anderson_ar2004@hotmail.com
Resumo. Este artigo busca apresentar de maneira introdutria as equaes diferenciais fuzzy
e as diversas alternativas para a modelagem de equaes diferenciais com parmetros fuzzy.
Apresentando uma breve reviso bibliogrfica sobre o tema e alguns trabalhos relacionados
assim como aplicaes prticas.
Palavras-chave: Equao Diferencial Fuzzy, Fuzzy, Modelagem Computacional
Abstract. This article aims to present an introductory way the fuzzy differential equations and
the different alternatives for modeling differential equations with fuzzy parameters.
Presenting a brief literature review on the topic and researches related as well as practical
applications.
Keywords: Fuzzy differential equation, Fuzzy, Computational Modelling
1. Introduo
A teoria dos conjuntos fuzzy desde sua primeira publicao em 1965 pelo matemtico
Lofti Asker Zadeh no clebre artigo Fuzzy Sets [1] sempre teve grande papel em reas como
inteligncia artificial, controle de processos, reconhecimento de padres ou nas mais diversas
reas em que possam existir parmetros relacionados a termos lingusticos ou incertezas.
Segundo Zadeh [2] o principal sobre a lgica fuzzy que, de forma diferente dos
sistemas lgicos clssicos, ela procura modelar a impreciso do raciocnio possibilitando a
deduo de uma resposta aproximada a uma questo baseada em um conhecimento
incompleto ou impreciso. Portando em muitos casos em que a lgica clssica encontra sua
limitao para a representao e modelagem de problemas, a lgica fuzzy consegue preencher
essa lacuna com a modelagem das incertezas.
Por outro lado temos a teoria das equaes diferenciais, que so amplamente utilizadas
para a modelagem de fenmenos naturais de maneira determinstica. Uma equao diferencial
uma equao que apresenta derivadas ou diferenciais de uma funo desconhecida (a
incgnita da equao). Um exemplo prtico a modelagem da lei malthusiana de crescimento
populacional em que A variao populacional proporcional populao, utilizando a

equao diferencial dada por

= () em que P a populao e a taxa de reproduo,

podemos gerar um modelo determinstico para a lei malthusiana.


Quando o modelo determinstico criado atravs de uma equao diferencial apresenta
incertezas e imprecises, visto que em muitos casos no mundo real essas caractersticas esto
presentes e fazem parte do problema, as equaes diferenciais fuzzy (EDF) podem ser
utilizadas para gerar um modelo mais prximo do real, levando essas incertezas para o clculo
diferencial.

2. Equao Diferencial Fuzzy


A EDF foi inicialmente estudada por Kandel e Byatt [3] em 1978, posteriormente Puri e
Ralescu [4] estabeleceram os conceitos de diferenciabilidade e integrabilidade para funes
fuzzy. Com base nesses estudos Kaleva [5] e Seikkala [6] em 1987 desenvolveram a teoria de
clculo diferencial e integral para EDF. Desde ento tem sido incorporada na soluo de
diversos problemas em que os parmetros podem estar sujeitos a incertezas inerentes ao
fenmeno descrito.
Segundo Barros, L.C e Bassanezi, R.C [7] se as incertezas forem modeladas por meio de
subconjuntos fuzzy, a equao diferencial pode ser tratada de vrias formas tais como:

Equaes Diferenciais Fuzzy atravs da derivada de Hukuhara;

Incluses diferenciais fuzzy;

Extenso da soluo determinstica;

Base de regras fuzzy.

O que difere cada caso o tratamento dado taxa de variao e/ou como est relacionado
com as variveis de estado, por exemplo no modelo Malthus como problema de valor inicial
ou Cauchy dado por:
() = ()
{
(0) = 0
Todos os valores so dados por nmeros reais, mas se admitirmos que podemos assumir
algum grau de incerteza na taxa de crescimento ou no valor inicial 0 , podemos modelar o
problema utilizando uma EDF.

2.1. Equaes Diferenciais Fuzzy atravs da derivada de Hukuhara


A adaptao da derivada de Hukuhara para sua utilizao em funes com valores em
conjuntos fuzzy foi demonstrada por Puri e Ralescu [4] utilizando a Teoria de Representao
[9].
Definio 1 (Derivada de Hukuhara). A funo [, ] () cujo so
dados por
[()] = [(1 ) (), (2 ) ()],
Para todo [0, 1], a derivada da funo () supondo que essa seja contnua e
derivvel nos extremos a,b.

2.2. Incluses diferenciais fuzzy


As incluses diferenciais no utilizam de conceitos especficos para derivar a funo
fuzzy, utiliza funes determinsticas para moldar a soluo fuzzy, o que difere da EDF
envolvendo a derivada de Hukuhara.
Hullermeier [10] sugere uma formulao para o problema do valor inicial atravs de
incluses diferenciais onde cada soluo determinstica [, ] uma soluo fuzzy
com pertinncia .
2.3. Extenso da soluo determinstica
Nesse caso a soluo encontrada de maneira determinstica e posteriormente utilizada
a extenso de Zadeh para fuzzificar a soluo. Sob certas condies as solues obtidas
atravs de incluses diferenciais e princpio da extenso so as mesmas.
2.4. Base de regras Fuzzy
Um sistema parcialmente fuzzy (p-fuzzy) pode ser utilizando para determinar o campo de
direo de uma funo quando est no totalmente conhecida. Assim poderamos substituir
um parmetro real por uma base de regras fuzzy, caso seja necessrio utilizamos um processo
de defuzzificao para que a funo permanea real.

3. Aplicaes Prticas
As aplicaes das EDF esto em descrever fenmenos com caractersticas de incerteza ou
mesmo com a falta de dados determinsticos, sendo que essas incertezas devem fazer parte da
modelagem do fenmeno. Podemos citar como exemplos de aplicaes o estudo de transporte
de massa em rios [11], modelos epidemiolgicos com incluso diferencial [12], estudo de
incertezas na propagao de uma onda de cheia [13], entre outros estudos que podem ser
encontrados em [7]. Todos esses trabalhos modelam fenmenos em que uma soluo
puramente determinstica no seria vivel ou mesmo no representaria o modelo proposto.

4. Concluso
Neste artigo, podemos descrever de maneira introdutria algumas abordagens para
modelar fenmenos incertos atravs da utilizao de EDF, como tambm podemos observa a
importncia dessa ferramenta para a modelagem de tais fenmenos, visto que em muitos
casos as solues determinsticas no vivel ou mesmo no representa uma tima opo
para modelar incertezas.

REFERENCIAS

[1] Zadeh L. A. Fuzzy Sets, Information and Control 8(3), 1965.


[2] Zadeh L. A. Fuzzy logic. Computer 21.4 (1988): 83-93.
[3] A. Kandel e W. J. Byatt, Fuzzy Differential Equation, Proc. Intern. Conf. on Cybernets
and Society, 1978.
[4] Puri, M.L. e Ralescu, D.A. - Diferentials of Fuzzy Functions - Jour. Math. Analysis and
Applications - 91, 552-558 (1983)
[5] O. Kaleva, Fuzzy Differential Equations, Fuzzy Sets and Systems, 24 (1987) 301-317.
[6] S. Seikkala, On the fuzzy initial value problem, Fuzzy Sets and Systems, (1987) 24:309330.
[7] Barros, L.C; Bassanezi, R.C. Tpicos de Lgica Fuzzy e Biomatemtica, volume 5 de
Coleo Textos Didticos. IMECC-UNICAMP, 2006.
[8] Hukuhara, M. - Integration des Applications Mesurables dont la Valeur est un compact
couvexe - Funkcialaj Ekvacioj 10, 205-223 (1967).

[9] NEGOITA, C. V.; RALESCU, D. A. Applications of Fuzzy Sets to Systems


Analysis.New York: John Wiley & Sons, 1975
[10] E. Hullermeier, An approach to modelling and simulation of uncertain dynamical
systems, Intern. J. Uncertainty Fuzziness Knowledge-Based Systems 5 (1997), 117137.
[11] Sales, R. J. M; Gomes, V. U; Souza, R.O. Aplicao da Teoria Fuzzy em um Modelo
Bidimensional deTransporte de Massa, para estudar o Risco em Rios, 2013
[12] Barros, L.C; Bassanezi, R.C.. Modelos epidemiolgicos com incluso diferencial fuzzy,
2002
[13] Sales, R. J. M. Desenvolvimento de uma metodologia fuzzy para estudar incertezas na
propagao de uma onda de cheia, usando dados do rio Potengi, Rio Grande do Norte
Brasil, Como Estudo De Caso, 2013
[14] Barros, L.C. Sobre Equaes Diferenciais Fuzzy, 2010