UNIVERSIDADE FEDERAL DE SANTA CATARINA

COORDENADORIA DE COMUNICAÇÃO E EXPRESSÃO

CURSO DE DESIGN
DISCIPLINA DE PESQUISA EM DESIGN
PROF. GILSON BRAVIANO

ALUNOS:
BRENO TAKAMINE, DANIEL RISTOW, ÉLEN TORRES E GABRIEL GADO

Conjuntos Difusos

A lógica bivalente, ou clássica, somente admite classificar proposições em dois estados:

“verdadeiras” (valor lógico 1) ou “falsas” (valor lógico 2). Porém, quando tratamos de fatos que exigem
uma classificação parcial e mais flexível e que não podem ser apenas vistos como “verdadeiros” ou “falsos”,
essa lógica rígida torna-se limitada e não satisfatória. Nesses casos, necessita-se da lógica trivalente, ou
lógica difusa, que considera um terceiro valor lógico (1/2) que permeia o intervalo entre o “verdadeiro” e o
“falso”.
Essa é uma teoria introduzida simultaneamente por Lotfi A. Zadeh e Dieter Klaua em 1965 como
extensão da lógica bivalente, e que tem sua metodologia empregada com frequência, por exemplo, no
ramo inferência, que através do processo indutivo resulta em conclusões que podem ser corretas,
incorretas, corretas dentro de um certo grau de precisão, ou corretas em certas situações.
Portanto, a lógica trivalente considera valores intermediários de forma maleável e aproxima o
elemento a uma classe A(0) ou outra B(1) segundo o seu grau de pertinência (μ) que varia entre 0 e 1,
podendo incluí-lo em mais de uma classe simultaneamente, de acordo com o grau de compatibilidade que
o mesmo possui dentro de cada classe, ao contrário do que se vê no modelo da lógica clássica, no qual a
classificação em termos binários é realizada de acordo com uma condição bivalente - um elemento ou
pertence ou não pertence ao conjunto.
A parcialidade de um elemento de um conjunto difuso definida por seu grau de pertinência torna-
se um fator subjetivo, e faz com que a classificação desse elemento para mais próximo de (0) ou (1) sofra
interferência de questões particulares como o objetivo do estudo ou crença pessoal do responsável por
modelar a função difusa em questão.
Essa característica tem nítido reflexo quando tratamos dos gráficos construídos a partir de uma
função difusa, visto que para uma mesma variável, um gráfico pode tomar tanto a forma triangular quanto
a trapezoidal, dependendo basicamente da maneira como o responsável pelo estudo aborda a
classificação.
Por exemplo, um gráfico para a representação da função difusa “Adolescência”. Na figura 1, a
função tem forma triangular, enquanto na Figura 2, os limites da função foram estendidos, e o gráfico
apresenta a forma trapezoidal:

se x < 10
0

{ }
μ adolescente =
¿

¿
x−10
5
se 10 ≤ x ≤ 15

20−x se 15≤ x ≤20

¿0
5

se x > 20
 Figura 1
se x < 9
0

{}
x−9 se 9 ≤ x ≤ 13
¿
4
μadolescente = ¿1 se 13≤ x ≤27
20−x
¿
3 se 17≤ x ≤20
¿0
se x > 20

Figura 2
Características
• A Lógica Difusa está baseada em palavras e não em números, ou seja, os valores verdades são expressos
linguisticamente. Por exemplo: quente, muito frio, verdade, longe, perto, rápido, vagaroso, médio, etc.
• Possui vários modificadores de predicado como, por exemplo: muito, mais ou menos, pouco, bastante,
médio, etc.
• Possui também um amplo conjunto de quantificadores, como por exemplo: poucos, vários, em torno de,
usualmente.
• Faz uso das probabilidades linguísticas, como por exemplo: provável, improvável, que são interpretados
como números fuzzy e manipulados pela sua aritmética.
• Manuseia todos os valores entre 0 e 1, tomando estes, como um limite apenas.
Embora tenham limitações, os sistemas difusos apresentam peculiaridades interessantes cujas
principais características são:
• Estimam funções entrada-saída;
• Estimam funções sem o uso de modelos matemáticos;
• Aprendem por experiência, a partir de dados numéricos e/ou de dados linguísticos;
• Processam informações em uma estrutura paralela;
• Podem ser implementados em software, em circuitos digitais e analógicos, em hologramas, em
dispositivos óticos;
• Processam informações de conhecimento estruturado em forma de regras;
• Processam informações imprecisas, vagas, nebulosas, incompletas;
• São muito robustos;
• Sistemas difusos adaptativos podem ser construídos e associados a outras técnicas de busca ou
classificação como redes neuronais e algoritmos genéticos, por exemplo.

Fontes de Pesquisa:
FIALHO, Francisco Antônio Pereira; BRAVIANO, Gilson; SANTOS, Neri dos.  Métodos e técnicas em
ergonomia. Florianópolis: Edição dos autores, 2005.

http://en.wikipedia.org/wiki/Fuzzy_set

http://www.gsigma.ufsc.br/~popov/aulas/icpg/20081/Logica_Difusa_Artigo.pdf