Você está na página 1de 5

Universidad Nacional de Colombia

Sede Medellí
Medellín

Módulo 14

Toma de decisiones con base en


lógica Difusa

Profesora: Patricia Jaramillo A. Ph.D


-1 2

Imprecisión vrs Incertidumbre La lógica difusa


Imprecisión incertidumbre

Situación en la que la no puede


„ Es básicamente una lógica que permite valores
darse un valor exacto para Los parámetros que imprecisos (intermedios) para poder definir
intervienen en el problema
los parámetros del problema,
son de naturaleza evaluaciones convencionales entre sí/no,
la información no es
cuantificable, o es estocástica. verdadero/falso, negro/blanco, etc
incompleta o no puede
obtenerse. Proviene de la Suele usarse métodos
incapacidad de precisión del probabilísticos que „ La lógica difusa se inició en 1965 por Lotfi A.
ser humano. permiten modelar el
Zadeh, profesor de ciencia computacional en
conocimiento incompleto
del medio externo a las la Universidad de California en Berkeley.
personas.
La imprecisión en análisis de
decisiones suele manejarse
con la teoría de conjuntos
difusos 3 4

La lógica difusa
„ En Japón la investigación sobre lógica
difusa es apoyada ampliamente por el
Esta lógica no exige valores exactos, soporta
gobierno con un presupuesto enorme. valoraciones subjetivas e incluso valoraciones
lingüísticas para los parámetros del problema y las
incorpora apropiadamente a modelos matemáticos
„ En Europa y USA se están realizando complejos.
esfuerzos para alcanzar al tremendo
Expresiones como “bastante caliente” o “bastante
éxito japonés. Por ejemplo, la NASA frío”, se pueden formular matemáticamente y
emplea lógica borrosa para el procesarse por medio del computador.
complejo proceso de maniobras de
acoplamiento de sus naves
5 6

1
Características de la Lógica difusa Características de la Lógica difusa

Se basa en la experiencia de expertos


Soporta datos imprecisos
„
„
conocedores del problema en cuestión.
„ Es conceptualmente fácil de entender
„ Puede modelar funciones no lineales de
Es Flexible
alguna complejidad.
„

Es tolerante a los datos imprecisos


Combina en forma unificada expresiones
„
„
„ Se basa en el lenguaje humano lingüísticas con datos numéricos.

7 8

Conjuntos Booleanos vrs Difusos Conjuntos difusos


Conjuntos Booleanos B = {conjunto de gente joven}
Definamos un subconjunto A de X con todos B = [0,20]
números reales en el rango entre 5 y 8.
„ A = [5,8], X ∈[0,10]
¿ por qué alguien es en su 20
función característica: asigna un número 1 o 0 al
cumpleaños joven y al día siguiente
elemento en X, dependiendo de si el elemento no? Por ejemplo:
está en el subconjunto A o no. Las personas de 18 años pertenecen
en al conjunto “gente jóven” con una
pertenencia de 1

Las personas de 21 años pertenecen


en al conjunto “gente jóven” con una
pertenencia de 0.9
9 10

Función de pertenencia
Para un conjunto dado A, se asigna una valor μA(x) para
cada x tal que:
μA(x) : μ→[0,1] = grado de pertenencia de x al conjunto Valoraciones
A. booleanas
0 → representa no pertenencia absoluta
1→ representa completa pertenencia.

Ejemplo:
Conjunto difuso Números reales “cercanosμa 1”:
Valoraciones
μ ( x) : exp(− β ( x − 1) 2 ) 1
difusas
Donde β es un número real positivo.

-1 -1 3 11 12

2
Números difusos Operaciones matemáticas con
Son Conjuntos difusos definidos en el espacio de los números
números difusos triángulares
reales. Ejemplo: “cerca de 0”, “mas o menos 6”
A 1
B
1

Números difusos triangulares. Se usa la notación μA=(a,m,b). En


el siguiente ejemplo μA=(4.5,6,7.3). :
0 0
a1 a2 a3 b1 b2 b3

„ Suma: A + B = [ a1 + b1 , a2 + b2 , a3 + b3 ]
Números difusos Trapezoidal. Puede interpretarse como “x está
aproximadamente en el intervao [a,b]. Se usa la notación „ Resta: A−B =[ a1 −b3 , a2 −b2,a3 −b1 ]
μA=(m,n,a,b).

„ Multiplicación: A×B =[ a1 ×b1 , a2 ×b2, a3 ×b3 ]


1 ⎡ 1 1 1 ⎤
División A ÷ B = A× = a1 × , a2 × , a3 × ⎥
B ⎢⎣
„
13
b3 b2 b1 ⎦14

Comparación de números difusos 2. El número mayor será el que tenga mayor área entre el eje x=
0 y la línea central del número difuso

La comparación de números difusos permite deducir de entre dos


números difusos A y B cuál es el mayor: AreaA= (a2 + (a3 + a1 ) / 2) / 2

A 1
B
1

0
a1 a2 a3 0 a1 a2 a3 b1
b1 b2 b3 a b2 b3

Para esto existen varias posibilidades:


AreaB= (b2 + (b3 + b1 ) / 2) / 2
1. Defuzificación: mediante la cual los números difusos son
transformados a un número crisp (exacto) para compararlos,
pudiendo así determinar cual de ellos es mayor o menor. Entre los
métodos más comunes está:
a1 + a 2 + a3 b1 + b2 + b3
A* = y B* =
3 3
-15 16

2. El número mayor será el que tenga mayor área entre el eje x=


0 y la línea central del número difuso Operaciones lógicas Booleanas
En la lógica booleana:
AreaB= (b2 + (b3 + b1 ) / 2) / 2

Que puede estimarse así:

17 18

3
Operaciones lógicas difusas Operación OR (O) (unión) del A y B
Sea A un intervalo difuso entre 5 y 8, y B un
A OR B = Max {A,B}
número difuso en torno a 4.
x está cerca de A o
cerca de B

Operación NEGACION (A)


Operación AND (Y) (intersección) del A y B
A = 1 - A

A AND B = Min {A,B} x no está cerca de A:


x está cerca de A y x está lejos de A
cerca de B
19 20

Variables lingüísticas Variables lingüísticas


Permiten la valoración de variables en términos lingüísticos, como
por ejemplo, poco, mucho, suficiente, etc. Reclasificaciones Crisp Reclasificaciones Difusas
Pueden ser representadas por número difusos, que se definen por 3 2 1
los siguientes elementos:
Alto Medio Bajo
Alto Medio Bajo
(x, T(x), U, M)
•Rangos de criticidad propuestos para •Escalas de términos lingüísticos
Donde: valores crisp.
x es el nombre de la variable. 1
1

T(x) es el conjunto de términos o valores lingüísticos. Criticidad


0,8

0,6
3

U es el universo del discurso. 2


0,4

0,2
0
M es una regla semántica que asocia a cada x un
0
1
0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0

significado Valor umbral


Pendiente (%)
Bajo Medio Alto

21 22

Por ejemplo...
Generalmente, en las diferentes aplicaciones el dominio de las
variables lingüísticas se normaliza a valores entre 0 y 1.
Es posible utilizar un sistema numérico para convertir
X = variables lingüísticas para la velocidad. sistemáticamente las variables lingüísticas en sus
x
G
T(x)= {Despacio, moderado, Rápido} correspondientes números difusos, mediante el empleo de ocho
U= {0-100Km/h} escalas de conversión:
ESCALA 1 2 3 4 5 6

⎧ Despacio Velocidad aproximada mente por debajo de 40 Km


Número de términos empleados. Dos Tres Cinco Cinco Siete Nueve

⎪ h
⎪ Ninguno. X
M = ⎨ Moderado Velocidad cercana a 55 Km
h
⎪ Muy bajo. X X X

⎪ Rápido Velocidad por encima de 70 Km


⎩ h Bajo. X X X X X

Medianamente bajo. X X X

Medio. X X X X X X
Despacio Moderado Rápido
Medianamente alto. X X X

Alto. X X X X X X

Muy alto. X X X

40 55 70 Excelente. X

23 24

4
Ejemplos:

Escala 5 términos lingüísticos.


1,0

0,8

0,6

0,4

0,2

0,0
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1

Bajo Medianamente bajo


Medio Medianamente alto
Alto

Escala 7 términos lingüísticos.

1,0
0,8
0,6
0,4
0,2
0,0
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1

Muy bajo Bajo


Medianamente bajo Medio
Medianamente alto Alto
Muy alto

Fuente: Chen y Hwang, 1992 25