Вы находитесь на странице: 1из 5

LGICA DIFUSA

La lgica difusa (tambin llamada lgica borrosa o lgica heurstica) se basa en lo relativo
de lo observado como posicin diferencial. Este tipo de lgica toma dos valores aleatorios,
pero contextualizados y referidos entre s. As, por ejemplo, una persona que mida 2
metros es claramente una persona alta, si previamente se ha tomado el valor de persona
baja y se ha establecido en 1 metro. Ambos valores estn contextualizados a personas y
referidos a una medida mtrica lineal. Fue formulada en 1965 por el ingeniero y
matemtico Lofti Zadeh.
La lgica difusa ("fuzzy logic" en ingls) se adapta mejor al mundo real en el que vivimos, e
incluso puede comprender y funcionar con nuestras expresiones, del tipo "hace mucho
calor", "no es muy alto", "el ritmo del corazn est un poco acelerado", etc.
La clave de esta adaptacin al lenguaje, se basa en comprender los cuantificadores de
cualidad para nuestras inferencias (en los ejemplos de arriba "mucho", "muy" y "un
poco").
En la teora de conjuntos difusos se definen tambin las operaciones de unin,
interseccin, diferencia, negacin o complemento, y otras operaciones sobre conjuntos en
los que se basa esta lgica.
Para cada conjunto difuso, existe asociada una funcin de pertenencia para sus
elementos, que indican en qu medida el elemento forma parte de ese conjunto difuso.
Las formas de las funciones de pertenencia ms tpicas son trapezoidal, lineal y curva.
Se basa en reglas heursticas de la forma SI (antecedente) ENTONCES (consecuente),
donde el antecedente y el consecuente son tambin conjuntos difusos, ya sea puros o
resultado de operar con ellos. Sirvan como ejemplos de regla heurstica para esta lgica
(ntese la importancia de las palabras "muchsimo", "drsticamente", "un poco" y
"levemente" para la lgica difusa):

SI hace muchsimo fro ENTONCES aumento drsticamente la temperatura.


SI voy a llegar un poco tarde ENTONCES aumento levemente la velocidad.

Los mtodos de inferencia para esta base de reglas deben ser sencillos, verstiles y
eficientes. Los resultados de dichos mtodos son un rea final, fruto de un conjunto de
reas solapadas entre s (cada rea es resultado de una regla de inferencia). Para escoger
una salida concreta a partir de tanta premisa difusa, el mtodo ms usado es el del
centroide, en el que la salida final ser el centro de gravedad del rea total resultante.
Las reglas de las que dispone el motor de inferencia de un sistema difuso pueden ser
formuladas por expertos, o bien aprendidas por el propio sistema, haciendo uso en este
caso de redes neuronales para fortalecer las futuras tomas de decisiones.

Los datos de entrada suelen ser recogidos por sensores, que miden las variables de
entrada de un sistema. El motor de inferencias se basa en chips difusos, que estn
aumentando exponencialmente su capacidad de procesamiento de reglas ao a ao.
Un esquema de funcionamiento tpico para un sistema difuso podra ser de la siguiente
manera:

Funcionamiento de un sistema de control difuso


En la figura, el sistema de control hace los clculos con base en sus reglas heursticas,
comentadas anteriormente. La salida final actuara sobre el entorno fsico, y los valores
sobre el entorno fsico de las nuevas entradas (modificado por la salida del sistema de
control) seran tomadas por sensores del sistema.
Por ejemplo, imaginando que nuestro sistema difuso fuese el climatizador de un coche
que se autorregula segn las necesidades: Los chips difusos del climatizador recogen los
datos de entrada, que en este caso bien podran ser la temperatura y humedad
simplemente. Estos datos se someten a las reglas del motor de inferencia (como se ha
comentado antes, de la forma SI... ENTONCES... ), resultando un rea de resultados. De
esa rea se escoger el centro de gravedad, proporcionndola como salida. Dependiendo
del resultado, el climatizador podra aumentar la temperatura o disminuirla dependiendo
del grado de la salida.

LGICA DIFUSA COMPENSATORIA (LDC)


La LDC es un modelo lgico multivalente que permite la modelacin simultnea de los
procesos deductivos y de toma de decisiones. El uso de la LDC en los modelos
matemticos permite utilizar conceptos relativos a la realidad siguiendo patrones de
comportamiento similares al pensamiento humano. Las caractersticas ms importantes
de estos modelos son: La flexibilidad, la tolerancia con la imprecisin, la capacidad para
moldear problemas no lineales y su fundamento en el lenguaje de sentido comn. Bajo
este fundamento se estudia especficamente cmo acondicionar el modelo sin condicionar
la realidad.
La LDC utiliza la escala de la LD, la cual puede variar de 0 a 1 para medir el grado de verdad
o falsedad de sus proposiciones, donde las proposiciones pueden expresarse mediante
predicados. Un predicado es una funcin del universo X en el intervalo [0; 1], y las
operaciones de conjuncin, disyuncin, negacin e implicacin, se definen de modo que
restringidas al dominio [0; 1] se obtenga la Lgica Booleana.
Las distintas formas de definir las operaciones y sus propiedades determinan diferentes
lgicas multivalentes que son parte del paradigma de la LD. Las lgicas multivalentes se
definen en general como aqullas que permiten valores intermedios entre la verdad
absoluta y la falsedad total de una expresin. Entonces el 0 y el 1 estn asociados ambos a
la certidumbre y la exactitud de lo que se afirma o se niega y el 0,5 a la vaguedad y la
incertidumbre mximas. En los procesos que requieren toma de decisiones, el intercambio
con los expertos lleva a obtener formulaciones complejas y sutiles que requieren de
predicados compuestos. Los valores de verdad obtenidos sobre estos predicados
compuestos deben poseer sensibilidad a los cambios de los valores de verdad de los
predicados bsicos.
Esta necesidad se satisface con el uso de la LDC, que renuncia al cumplimiento de las
propiedades clsicas de la conjuncin y la disyuncin, contraponiendo a stas la idea de
que el aumento o disminucin del valor de verdad de la conjuncin o la disyuncin
provocadas por el cambio del valor de verdad de una de sus componentes, puede ser
compensado con la correspondiente disminucin o aumento de la otra. Estas
propiedades hacen posible de manera natural el trabajo de traduccin del lenguaje
natural al de la Lgica, incluidos los predicados extensos si stos surgen del proceso de
modelacin.
En la LDC la modelizacin de la vaguedad se logra a travs de variables lingsticas, lo que permite
aprovechar el conocimiento de los expertos, al contrario de lo que ocurre en otros mtodos ms
cercanos a las cajas negras y exclusivamente basados en datos, como por ejemplo las redes
neuronales.

En la actualidad existe un Sistema de Soporte a Decisiones Basado en rboles con


Operadores de Lgica Difusa cuyo nombre es Fuzzy Tree Studio 1.0, desarrollado en forma
conjunta entre Universidad CAECE y la Universidad Nacional de Mar del Plata (Argentina),
que posee un mdulo que trabaja con la LDC. Ello permite al agente decisor
despreocuparse por el trasfondo matemtico y centrarse en la formulacin verbal del
modelo que le permita tomar una decisin.
En general los modelos basados en LDC combinan la experiencia y el conocimiento con
datos numricos, por lo que puede ser visto como una caja gris. Los modelos basados en
LD pueden verse como cajas blancas, dado que permiten ver su estructura
explcitamente. En contraposicin a los modelos basados en datos exclusivamente, como
las Redes Neuronales, que corresponderan a cajas negras.
Estos modelos pueden ser optimizados cuando se dispone de datos reales numricos. El
mtodo de optimizacin puede provenir de la Inteligencia Computacional. En este
contexto, los Algoritmos Genticos presentan una alternativa interesante. Este enfoque
constituye el fundamento de los sistemas hbridos.
La tendencia de las investigaciones sobre gestin empresarial, mediante las tcnicas de la
LDC, est orientada a la creacin de sistemas hbridos que integren esta con las
habilidades de las Redes Neuronales y las posibilidades de los Algoritmos Genticos y la
Lgica de Conjuntos. La creacin e implementacin de estos sistemas mixtos permite
resolver problemas complejos y de difcil solucin; en las que se usan estimaciones
subjetivas sustentadas en la experiencia y en la informacin disponible, como son:
modelos de decisin utilizados con criterios de optimizacin, ubicacin de centros
comerciales, estrategia de entrada a mercados, seleccin de carteras de productos y
servicios, desarrollo de aplicaciones informticas, mtodos para problemas de
descubrimiento de conocimiento, mtodos para evaluar la eficiencia de diferentes tipos
de instituciones, entre otras.
La Lgica Difusa Compensatoria es un modelo lgico multivalente que renuncia a varios
axiomas clsicos para lograr un sistema idempotente (la idempotencia es la propiedad para
realizar una accin determinada varias veces y aun as conseguir el mismo resultado que se
obtendra si se realizase una sola vez. Un elemento que cumple esta propiedad es un elemento
idempotente, o un idempotente) y sensible, al permitir la compensacin de los

predicados. En la LD el valor de verdad de la conjuncin es menor o igual a todas las


componentes, mientras que el valor de verdad de la disyuncin es mayor o igual a todas
las componentes. La renuncia de estas restricciones constituye la idea bsica de la LDC.

APLICACIONES GENERALES
La lgica difusa se utiliza cuando la complejidad del proceso en cuestin es muy alta y no
existen modelos matemticos precisos, para procesos altamente no lineales y cuando se
envuelven definiciones y conocimiento no estrictamente definido (impreciso o subjetivo).
En cambio, no es una buena idea usarla cuando algn modelo matemtico ya soluciona
eficientemente el problema, cuando los problemas son lineales o cuando no tienen
solucin.
Esta tcnica se ha empleado con bastante xito en la industria, principalmente en Japn
extendindose sus aplicaciones a multitud de campos. La primera vez que se us de forma
importante fue en el metro japons, con excelentes resultados. Posteriormente se
generaliz segn la teora de la incertidumbre desarrollada por el matemtico y
economista espaol Jaume Gil Aluja.
A continuacin se citan algunos ejemplos de su aplicacin:

Sistemas de control de acondicionadores de aire


Sistemas de foco automtico en cmaras fotogrficas
Electrodomsticos familiares (frigorficos, lavadoras...)
Optimizacin de sistemas de control industriales
Sistemas de escritura
Mejora en la eficiencia del uso de combustible en motores
Sistemas expertos del conocimiento (simular el comportamiento de un experto
humano)
Tecnologa informtica
Bases de datos difusas: Almacenar y consultar informacin imprecisa. Para este
punto, por ejemplo, existe el lenguaje FSQL.
...y, en general, en la gran mayora de los sistemas de control que no dependen de
un S/No.

LGICA DIFUSA EN INTELIGENCIA ARTIFICIAL


En Inteligencia artificial, la lgica difusa, o lgica borrosa se utiliza para la resolucin de
una variedad de problemas, principalmente los relacionados con control de procesos
industriales complejos y sistemas de decisin en general, la resolucin y la compresin de
datos. Los sistemas de lgica difusa estn tambin muy extendidos en la tecnologa
cotidiana, por ejemplo en cmaras digitales, sistemas de aire acondicionado, lavarropas,
etc. Los sistemas basados en lgica difusa imitan la forma en que toman decisiones los
humanos, con la ventaja de ser mucho ms rpidos. Estos sistemas son generalmente
robustos y tolerantes a imprecisiones y ruidos en los datos de entrada.