UNIVERSIDADE FEDERAL DO AMAZONAS – UFAM

FACULDADE DE TECNOLOGIA – FT
PROGRAMA DE PÓS-GADUAÇÃO EM ENGENHARIA ELÉTRICA – PPGEE

HOMEWORK 1 – CONTROLE E SISTEMAS INTELIGENTES

CLAUDIA SABRINA MONTEIRO DA SILVA

MANAUS/AM
2020
 Homework 1

1. Seja o conjunto difuso de temperatura ambiente confortável (CRT) caracterizado

pela função de pertinência:

𝑇 − 25 2
𝜇 𝐶𝑅𝑇 (𝑇) = exp (−0.5 ( ) ) (1)
2
A expressão matemática para a função de pertinência WARM (morno) é a seguinte:

1 𝑇 − 25 2
𝜇 𝑊𝐴𝑅𝑀 (𝑇)
= exp (− ( ) ) (2)
2 5

a) Defina e plote quatro conjuntos fuzzy caracterizando as temperaturas COLD (frio),

COOL (fresco), WARM (morno) e HOT (quente). Considere T = [-5 45] Celsius.
• Use gaussmf para plotar cold, cool e hot.

Analisando a expressão matemática da função de pertinência WARM (morno),

verifica-se que o centro da função, ou seja, quando 𝜇 𝑊𝐴𝑅𝑀 = 1, ocorre quando a
temperatura é de 25 ºC. Dessa forma, optou-se por definir o centro das demais
temperaturas como um espaçamento de 10 °C entre elas, sendo assim:

𝜇 𝐶𝑂𝐿𝐷 (𝑇) = 1, 𝑒𝑚 𝑇 ≤ 5 °𝐶;

{𝜇 𝐶𝑂𝑂𝐿 (𝑇) = 1, 𝑒𝑚 𝑇 = 15 °𝐶;
𝜇 𝐻𝑂𝑇 (𝑇) = 1, 𝑒𝑚 𝑇 ≥ 35 °𝐶.

Portanto, utilizando o programa computacional Matlab, plotou-se os quatro

conjuntos fuzzy que caracterizam as temperaturas, conforme apresentado na Figura (1).
 Figura 1 - Conjuntos fuzzy que caracterizam as quatro temperaturas.

b) Encontre o suporte e o corte de 0,5 do conjunto fuzzy WARM.

O suporte do conjunto fuzzy WARM é o conjunto de pontos onde 𝜇 𝑊𝐴𝑅𝑀 > 0, ou

seja:

𝑠𝑢𝑝𝑜𝑟𝑡𝑒(𝑊𝐴𝑅𝑀) = {𝑇|𝜇𝑊𝐴𝑅𝑀 > 0} (3)

Como trata-se de uma função gaussiana, temos que o suporte é dado por um
conjunto aberto de (−273,15 , ∞) °𝐶. Considera-se -273,15°C como sendo a menor
temperatura por se tratar do zero absoluto em Celsius. Entretanto, é importante destacar
que quando mais distante a temperatura se encontra do centro da função, menor será o
seu grau de pertinência.

O corte de 0,5 do conjunto fuzzy WARM pode ser definido como sendo:

𝑊𝐴𝑅𝑀0,5 = {𝑇|𝜇𝑊𝐴𝑅𝑀 ≥ 0,5} (4)

Para encontrarmos o corte de 0,5 do conjunto fuzzy WARM, aplicou-se este valor
na função de pertinência da equação (2) e solucionou-se o sistema, obtendo assim o corte
de 0,5 do conjunto fuzzy de como sendo o conjunto (19,1129 , 30,8871) °C. Outra forma
de verificarmos estes valores é através do gráfico da função gaussiana WARM apresentado
na Figura (2).
 Figura 2 - Função de pertinência do conjunto fuzzy WARM.

c) Encontre e plote o seguinte:

1. O conjunto fuzzy COOL or WARM usando o max T-conorm (co-norma

triangular),

A união dos conjuntos fuzzy utilizando a norma triangular máxima é obtida

através da equação (5).

𝜇 𝐶𝑂𝑂𝐿 ∪ 𝑊𝐴𝑅𝑀 (𝑇) = max{𝜇 𝐶𝑂𝑂𝐿 (𝑇), 𝜇 𝑊𝐴𝑅𝑀 (𝑇)} (5)

Sabendo que o centro da função para COOL é de T = 15 °C e para WARM é de T

= 25°C, tem-se que:

1 𝑇 − 15 2 1 𝑇 − 25 2
𝜇 𝐶𝑂𝑂𝐿 ∪ 𝑊𝐴𝑅𝑀
(𝑇) = max {exp (− ( ) ) , exp (− ( ) )} (6)
2 5 2 5

Utilizando o comando max do Matlab, obtém-se entre os dois conjuntos, de acordo

com a Figura (3).
 Figura 3 - Função de pertinência do conjunto fuzzy COOL or WARM.

2. O conjunto fuzzy COOL and WARM usando o min T-norm (norma triangular),

A intersecção dos conjuntos fuzzy utilizando a norma triangular mínima é dada

pela equação (7).

𝜇 𝐶𝑂𝑂𝐿 ∩ 𝑊𝐴𝑅𝑀 (𝑇) = min{𝜇 𝐶𝑂𝑂𝐿 (𝑇), 𝜇 𝑊𝐴𝑅𝑀 (𝑇)} (7)

Sabendo que o centro da função para COOL é de T = 15 °C e para WARM é de T
= 25°C, tem-se que:

1 𝑇 − 15 2 1 𝑇 − 25 2
𝜇 𝐶𝑂𝑂𝐿 ∩ 𝑊𝐴𝑅𝑀 (𝑇) = min {exp (− ( ) ) , exp (− ( ) )} (8)
2 5 2 5
Utilizando o comando min do Matlab, obtemos a interseção entre os dois
conjuntos, conforme mostrado na Figura (4).
 Figura 4 - Função de pertinência do conjunto fuzzy COOL and WARM.

3. O conjunto fuzzy NOT WARM.

A função de pertinência de um conjunto fuzzy complemento pode ser obtido pela

equação (9).

𝜇̅̅̅̅̅̅̅̅̅̅
𝑊𝐴𝑅𝑀
(𝑇) = 1 − 𝜇 𝑊𝐴𝑅𝑀 (𝑇) (9)

̅̅̅̅̅̅̅̅̅̅ 1 𝑇 − 25 2
𝜇 𝑊𝐴𝑅𝑀
(𝑇) = 1 − exp (− ( ) ) (10)
2 5
Sendo assim, apresenta-se o complemento do conjunto fuzzy WARM na Figura (5).

Figura 5 – Função de pertinência do conjunto fuzzy NOT WARM.

 d) O conjunto fuzzy CRT é um subconjunto do conjunto fuzzy WARM?

Para que o conjunto fuzzy CRT seja subconjunto do conjunto fuzzy WARM,
inicialmente, é necessário que as variáveis de ambos façam parte do universo T
(temperatura) e que as suas funções de pertinências sejam definidas de acordo com a
equação (11).

𝜇 𝐶𝑅𝑇 (𝑇) ≤ 𝜇 𝑊𝐴𝑅𝑀 (𝑇), 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑇 (11)

Portanto:

𝑇 − 25 2 𝑇 − 25 2
exp (−0,5 ( ) ) ≤ exp (−0,5 ( ) ) (12)
2 5
Ao aplicarmos valores de temperaturas iguais em ambas as funções de
pertinências, verificamos que a condição 𝜇 𝐶𝑅𝑇 (𝑇) ≤ 𝜇 𝑊𝐴𝑅𝑀 (𝑇) é satisfeita. Como por
exemplo, ao utilizarmos T = 21 °C, obtemos que 𝜇 𝐶𝑅𝑇 (21) = 0,1353 e 𝜇 𝑊𝐴𝑅𝑀 (21) =
0,7261, sendo assim, o conjunto fuzzy CRT é subconjunto do conjunto fuzzy WARM.

Outra forma de verificarmos a veracidade desta afirmação é através da plotagem

de ambos os conjuntos, conforme apresentado na Figura (6). Neste gráfico, visualizamos
que o conjunto CRT possui graus de pertinência menores ou igual ao conjunto fuzzy
WARM, considerando o mesmo valor de temperatura.

Figura 6 – Funções de pertinência dos Conjuntos fuzzy CRT e WARM

2. Determine se os seguintes conjuntos fuzzy são convexos ou não.

 1
a) A = ∫ 𝜇𝐴 (𝑥)/𝑥 𝑜𝑛𝑑𝑒 𝜇𝐴 =
1+𝑥 2

Para todos os valores 𝑥1 e 𝑥2 ∈ 𝑋, considerando que 𝜆 está dentro da faixa de

valores permitidos, ou seja, de (0,1], verifica-se que ao utilizarmos a função de pertinência
do conjunto fuzzy A, satisfazemos a equação (13).

𝜇𝐴 ( 𝜆 𝑥1 + (1 − 𝜆)𝑥2 ) ≥ min (𝜇𝐴 𝑥1 , 𝜇𝐴 𝑥2 ) (13)

Observando a Figura (7) tem-se que quaisquer dois pontos 𝑥1 𝑒 𝑥2 quando ligados
através de uma reta, esta permanece dentro da curva apresentada.

Figura 7 – Função de pertinência do conjunto fuzzy A

Para comprovar que o conjunto fuzzy A é convexo através da equação (13),

utilizou-se a plataforma matlab para desenvolver um simples algoritmo. Alguns dos
valores obtidos nestes testes são apresentados na Tabela (1).

Tabela 1 - Valores para confirmação da equação do conjunto convexo A

𝒙𝟏 𝒙𝟐 λ 𝝁𝑨 ( 𝝀 𝒙𝟏 + (𝟏 − 𝝀)𝒙𝟐 ) 𝐦𝐢𝐧 (𝝁𝑨 𝒙𝟏 , 𝝁𝑨 𝒙𝟐 )

-1,35 -1,41 0,9656 0,3536 0,3347
0,44 -4,63 0,9305 0,9923 0,0446
-2,29 3,93 0,6207 0,9953 0,0608
-2,36 -4,97 0,2774 0,0526 0,0389
-3,48 0,19 1 0,0763 0,0763
 Sendo assim, observando o gráfico da função de pertinência do conjunto A (Figura
(7)) e satisfazendo a equação (13), comprova-se que o conjunto fuzzy A é convexo.

1
b) B = ∫ 𝜇𝐵 (𝑥)/𝑥 𝑜𝑛𝑑𝑒 𝜇𝐵 = 1
(1+10𝑥)2

Sendo 𝑥1 e 𝑥2 ∈ 𝑋 e considerando que 𝜆 está dentro da faixa de valores

permitidos ((0,1]), verifica-se que ao utilizarmos a função de pertinência do conjunto
fuzzy B, satisfazemos a equação (14).

𝜇𝐵 ( 𝜆 𝑥1 + (1 − 𝜆)𝑥2 ) ≥ min (𝜇𝐵 𝑥1 , 𝜇𝐵 𝑥2 ) (14)

Analisando a Figura (8), verificamos que quaisquer dois pontos 𝑥1 𝑒 𝑥2 quando
ligados por uma reta, esta permanece dentro da curva da função de pertinência do
conjunto fuzzy B.

Figura 8 – Função de pertinência do conjunto fuzzy B

Utilizou-se a plataforma matlab, desenvolveu-se um simples algoritmo que

comprova que a especificação dada pela equação (14) é satisfeita. Alguns dos valores
obtidos nestes testes são apresentados na Tabela (2).
 Tabela 2 - Valores para confirmação da equação do conjunto convexo B

𝒙𝟏 𝒙𝟐 λ 𝝁𝑩 ( 𝝀 𝒙𝟏 + (𝟏 − 𝝀)𝒙𝟐 ) 𝐦𝐢𝐧 (𝝁𝑩 𝒙𝟏 , 𝝁𝑩 𝒙𝟐 )

1,04 2,5 0,5454 0,2355 0,1961
4,89 0,80 0,2394 0,2307 0,1416
1,99 4,41 0,2714 0,1611 0,1489
1,42 4,53 0,1040 0,15524 0,1470
2,52 1,99 1 0,1954 0,1954

Portanto, observando o gráfico da função de pertinência do conjunto B (Figura

(8)) e satisfazendo a equação (14), comprova-se que o conjunto fuzzy B é convexo.

3. No campo das redes de computadores, há uma relação imprecisa entre o nível de

uso de uma largura de banda de comunicação de rede e a latência experimentada
na comunicação ponto a ponto. Seja X um conjunto fuzzy de níveis de uso (em
termos de porcentagem da largura de banda total usada) e Y um conjunto fuzzy de
latências (em milissegundos) com a seguinte função de pertinência:

𝑋 0,2 0,5 0,8 1,0 0,6 0,1

={ + + + + + }
~ 10 20 40 60 80 100

𝑌 0,3 0,6 0,9 1,0 0,6 0,3

={ + + + + + }
~ 0,5 1 1,5 4 8 20

a) Encontre o produto cartesiano representado pela relação 𝑅 = 𝑋 × 𝑌.

0,5 1,0 1,5 4,0 8,0 20

10 0,2 0,2 0,2 0,2 0,2 0,2
𝑅 𝑋 𝑌 20 0,3 0,5 0,5 0,5 0,5 0,3
= × = 40 0,3 0,6 0,8 0,8 0,6 0,3
~ ~ ~ 60 0,3 0,6 0,9 1,0 0,6 0,3
80 0,3 0,6 0,6 0,6 0,6 0,3
100[0,1 0,1 0,1 0,1 0,1 0,1]

Agora, suponha que temos um segundo conjunto fuzzy de uso de largura de banda
dado por:

𝑍 0,3 0,6 0,7 0,9 1 0,5

={ + + + + + }
~ 10 20 40 60 80 100
b) Encontre 𝑆 = 𝑍 ∘ 𝑅 usando (1) composição max-min e (2) usando composição max-
produto.
(1) Usando composição max-min, tem-se que:

𝑆
= [0,3 0,6 0,9 0,9 0,6 0,3]
~

(2) Usando composição max-produto, obteve-se:

𝑆
= [0,3 0,6 0,81 0,9 0,6 0,3]
~
 Anexo – Códigos utilizados para desenvolvimento dos exercícios

• Questão 1

%% Plotes
T = (-5:.01:45)';
% CRT
for i = 1:length(T)
mfCRT(i) = gaussmf(T(i),[2 25]);
end
% COLD
for i = 1:length(T)
mf1(i) = zmf(T(i),[5 25]);
end
% COOL
for i = 1:length(T)
mf2(i) = gaussmf(T(i),[5 15]);
end

% WARM
for i = 1:length(T)
mf3(i) = gaussmf(T(i),[5 25]);
end

% HOT
for i = 1:length(T)
mf4(i) = smf(T(i),[15 35]);
end

% Conjuntos Fuzzy para variaveis de temperatura

figure(1)
plot(T,mf1,'b', T, mf2, 'g', T, mf3, 'm', T, mf4, 'r', 'linewidth', 2)
grid;
axis([-5 45 0 1.2])
legend('COLD','COOL', 'WARM','HOT')
xlabel('Temperatura (°C)')
ylabel('Grau de Pertinencia \mu')

% CRT E WARM
figure(2)
plot(T,mfCRT,'k', T, mf3, 'm','linewidth', 2)
grid;
axis([-5 45 0 1.2])
legend('CRT','WARM')
xlabel('Temperatura (°C)')
ylabel('Grau de Pertinencia \mu')

%% OR, AND e NOT

T = -5:0.01:45;
for i = 1:length(T)
mf5(i) = gaussmf(T(i),[5 15]);
end
% OR
MFOR = max(mf5,mf6);mf6(i) = gaussmf(T(i),[5 25]);

figure(3)
plot(T, mf5, 'g', T, mf6, 'm', T,MFOR,'k','linewidth',2),grid
axis([ - 5 45 0 1.2]);
legend('COOL', 'WARM', 'COOL OR WARM')
xlabel('Temperatura (°C)')
ylabel('Grau de Pertinencia \mu')

%AND
MFAND = min(mf5,mf6);
figure(4)
plot(T, mf5, 'g', T, mf6, 'm', T,MFAND,'k','linewidth',2),grid
axis([ - 5 45 0 1.2]);
legend('COOL', 'WARM', 'COOL AND WARM')
xlabel('Temperatura (°C)')
ylabel('Grau de Pertinencia \mu')

%NOT
for i = 1:length(T)
mf7(i) = gaussmf(T(i),[5 25]);
MFNOT = 1 - mf7;
end
figure(5)
plot(T, mf7, 'm',T,MFNOT, 'k' , 'linewidth',2),grid
axis([ - 5 45 0 1.2]);
legend('WARM','NOT WARM')
xlabel('Temperatura (°C)')
ylabel('Grau de Pertinencia \mu')

%% Funções de pertinências
t = 21;
miCRT = exp(-0.5*((t-25)/2)^2 )
miWARM = exp(-0.5*((t-25)/5)^2)

• Questão 2

%% Letra A
clear all; close all;clc
% TESTE - CONVEXO
x = -5:0.01:5;

i = randi([1,length(x)]);
j = randi([1,length(x)]);
x2 = x(i) %x1
x3 = x(j) % x2
% l = rand(1) % lambda
l = 1

d = (l*x2+(1-l)*x3);
miAd = 1/(1+d^2)
miA1 = 1/(1+x2^2); miA2 = 1/(1+x3^2);
f = min(miA1,miA2)

% plot função de pertinência do conjunto A.

for i = 1:length(x)
miA(i) = 1/(1+x(i)^2);
end
figure(1)
plot(x, miA, 'k' , 'linewidth',2),grid
legend('A')
xlabel('x')
ylabel('Grau de Pertinencia \mu')

%% Letra B
clear all; close all;clc
% TESTE - CONVEXO
x1 = 0:0.01:5;

k = randi([1,length(x1)]);
m = randi([1,length(x1)]);
x4 = 0.29;
x5 = 2.8;
% x4 = x1(k)
% x5 = x1(m)
n = rand(1)

d2 = (n*x4+(1-n)*x5);
miBd2 = (1/sqrt(1+10*d2))
miB1 = (1/sqrt(1+10*x4)); miB2 = (1/sqrt(1+10*x5));
f2 = min(miB1, miB2)

% plot função de pertinência do conjunto B.

for i = 1:length(x1)
miB(i) = (1/sqrt(1+10*x1(i)));
end

figure(2)
plot(x1, miB, 'k' , 'linewidth',2),grid
legend('B')
xlabel('x')
ylabel('Grau de Pertinencia \mu')

• Questão 3

%% Questão 3
close all; clear all; clc

X = [0.2 0.5 0.8 1 0.6 0.1];

Y =[0.3 0.6 0.9 1.0 0.6 0.3] ;

% Produto Cartesiano
R = [];
for i = 1:6
for j = 1:6
R(i,j) = min(X(i),Y(j));
end
end
R

%Composição
Z = [0.3 0.6 0.7 0.9 1.0 0.5];
%Max-Min
for i = 1:6
for j = 1:6
S1(i,j) = min(Z(i),R(i,j));
end
end
S11 = [];
for i = 1:6
S11(1,i) = max(S1(:,i));
end
S11

%Max-product
S2 = [];
for i = 1:6
for j = 1:6
S2(i,j) = (Z(i).*R(i,j));
end
end
S22 = [];
for i = 1:6
S22(1,i) = max(S2(:,i));
end
S22