Escolar Documentos
Profissional Documentos
Cultura Documentos
Não Quase
Mais ou menos
Um pouco Sim
Teoria dos Conjuntos Fuzzy
• Lógica e Teoria dos Conjuntos Fuzzy
• Grau de pertinência
Pessoas baixas
Baixo(X) = { (1.5, 1), (1.6, 0.6) ,(1.7, 0.1) ,(1.8, 0) ,(1.9, 0) ,(2, 0) }
Médio(X) = { (1.5, 0) ,(1.6, 0.3) ,(1.7, 1) ,(1.8, 0.3),(1.9, 0) ,(2, 0) }
Baixo ∩ Médio = { (1.5, 0) ,(1.6, 0.3) ,(1.7, 0.1) ,(1.8, 0),(1.9, 0) ,(2, 0) }
Teoria dos Conjuntos Fuzzy
Baixo(X) = { (1.5, 1), (1.6, 0.6) ,(1.7, 0.1) ,(1.8, 0) ,(1.9, 0) ,(2, 0) }
Médio(X) = { (1.5, 0) ,(1.6, 0.3) ,(1.7, 1) ,(1.8, 0.3),(1.9, 0) ,(2, 0) }
Baixo U Médio = { (1.5, 1) ,(1.6, 0.6) ,(1.7, 1) ,(1.8, 0.3),(1.9, 0) ,(2, 0) }
Teoria dos Conjuntos Fuzzy
Baixo(X) = { (1.5, 1), (1.6, 0.6) ,(1.7, 0.1) ,(1.8, 0) ,(1.9, 0) ,(2, 0) }
Baixo´(X)= { (1.5, 0) ,(1.6, 0.4) ,(1.7, 0.9) ,(1.8, 1),(1.9, 1) ,(2, 1) }
Teoria dos Conjuntos Fuzzy
• 2.1 Interseção
μR(x,y) = min[ μA(x), μB(y) ];
x = { 1,2,3 } e y= { 5,6,7 }
A = ( (1, 0.4) ; (2, 0.1) ; (3, 1) ) e B = ( (5, 0.6) ; (6, 0) ; (7, 0.8) )
AxB 5 6 7
1 0,4 0 0,4
2 0,1 0 0,1
3 0,6 0 0,8
Teoria dos Conjuntos Fuzzy
• 2.2 União
μR(x,y) = max[ μA(x), μB(y) ];
x = { 1,2,3 } e y= { 5,6,7 }
A = ( (1, 0.4) ; (2, 0.1) ; (3, 1) ) e B = ( (5, 0.6) ; (6, 0) ; (7, 0.8) )
R = ( ((1,5), 0.6) ; ((2,5), 0.6) ; ((3,5), 1) ; ((1,6), 0.4) ; ((2,6), 0.1) ; ((3,6), 1) ;
((1,7), 0.8) ; ((2,7), 0.8) ; ((3,7), 1) )
AxB 5 6 7
• 4 – Funções de Pertinência
– Função terá que ser normal e convexa.
– Normal: permite classificar um determinado dado em
pertencer totalmente ao conjunto
– Convexa: possui apenas um “crescimento e/ou
decrescimento”.
Teoria dos Conjuntos Fuzzy
• 4 – Funções de Pertinência
– Função terá que ser normal e convexa.
Teoria dos Conjuntos Fuzzy
• 4 – Funções de Pertinência
– 4.1 Triangular
– 4.2 Trapezoidal
Teoria dos Conjuntos Fuzzy
• 4.1 Triangular
μtri(x; a, b, c) = max ( min ( (x-a)/(b-a), (c-x)/(c-b) ), 0 ), para a < b < c
Teoria dos Conjuntos Fuzzy
– 4.2 Trapezoidal
μtrap(x; a, b, c, d) = max ( min ( (x-a)/(b-a), 1, (d-x)/(d-c) ), 0 ), para a < b < c < d
Raciocínio Fuzzy
• 5 – Raciocínio Fuzzy
– Sistemas de controle.
– Exemplo a ser utilizado, controle de peso.
Raciocínio Fuzzy
• 5.1 Fuzzificação
– Está presente em nosso cotidiano.
– Para fuzzificar é necessário as funções de
pertinência (Teoria dos Conjuntos Fuzzy).
– Nosso controle de peso utilizará 2 dados de
entrada: peso e altura do usuário.
– Peso: “leve”, ”médio”, “pesado”
– Altura: “baixo”, ”mediano”, “alto”
Raciocínio Fuzzy
• 5.2 Inferência
– Regras para a inferência.
– Recebendo o resultado da “fuzzificação”.
– Funções de Pertinência da inferência.
– Execução da inferência.
Raciocínio Fuzzy
Peso Altura
“leve”, μLeve(55) = 0.5
“mediano”, μMediano(1.75) = 0.75
“médio”, μMedio(55) = 0.25
• 5.3 Defuzzificação
• Universo de pontos.
• u = [ -4 ; -2 ; 0 ; 2 ; 4 ; 6 ; 8 ; 10 ; 12 ; 14 ]
– Método Centróide.
n
u i * saida (ui )
u* i 1
n
saida (u )
i 1
i
4 * 0.2 2 * 0.25 0 * 0.25 2 * 0.25 4 * 0.4 6 * 0.5 8 * 0.5 10 * 0.5 12 * 0.5 14 * 0.2
u*
0.2 0.25 0.25 0.25 0.4 0.5 0.5 0.5 0.5 0.2
u* 6.0845
Aplicações
Produto Companhia Função da lógica fuzzy
Ar condicionados Hitachi Matsushita Previne a grande variação da temperatura
Mitsubishi Sharp ao ser regulada e consume menos energia.