You are on page 1of 26

LGICA NEBULOSA

Introduo

"A lgica difusa tem por objetivo modelar modos de


raciocnio aproximados ao invs de precisos.

Lgica Difusa ou Lgica Fuzzy


extenso da lgica boolena
um valor lgico difuso um valor qualquer no
intervalo de valores entre 0 e 1
Introduo

As implementaes da lgica difusa permitem que


estados no precisos possam ser tratados por
dispositivos de controle.

desse modo, possvel avaliar conceitos no-


quantificveis.

Casos prticos:
avaliar a temperatura (quente, morno, frio, etc..)
sentimento de felicidade (radiante, feliz, aptico,
triste..)
Introduo

Surgiu com Lofti A. Zadeh, Berkeley (1965).

para tratar do aspecto vago da informao;

1978 desenvolveu a Teoria das Possibilidades


menos restrita que a noo de probabilidade

ligar a lingustica e a inteligncia humana, pois


muitos conceitos so melhores definidos por
palavras do que pela matemtica.
Introduo

uma tcnica baseada em graus de pertinncia


(verdade).

os valores 0 e 1 ficam nas extremidades

inclui os vrios estados de verdade entre 0 e 1

ideia: todas as inf. admitem graus (temperatura,


altura, velocidade, distncia, etc...)
Conceito

Lgica difusa uma lgica multivalorada capaz de


capturar informaes vagas, em geral descritas em
uma linguagem natural e convert-las para um
formato numrico, de fcil manipulao pelos
computadores atuais.

A representao depende no apenas do conceito,


mas tambm do contexto em que est sendo usada.

A lgica difusa pode ainda ser definida como a lgica


que suporta modos de raciocnio aproximados, ao
invs de exatos, como estamos acostumados a
trabalhar.
Objetivo

A lgica difusa objetiva fazer com que as decises


tomadas pela mquina se aproximem cada vez
mais das decises humanas.

principalmente ao trabalhar com uma grande


variedade de informaes vagas e incertas, as
quais podem ser traduzidas por expresses do tipo:
a maioria, mais ou menos, talvez, etc.

antes do surgimento da lgica fuzzy essas


informaes no tinham como ser processadas.
Caractersticas

Baseia-se em palavras e no em nmeros, ou seja,


os valores verdades so expressos linguisticamente.
Por exemplo: baixo, mdio, alto, quente, frio, ...., e
outros usados para definir estados de uma varivel.

Possui vrios modificadores de predicado.


Por exemplo: muito, mais ou menos, pouco,
bastante, mdio, etc;

Possui tambm um amplo conjunto de quantificadores.


Por exemplo: poucos, vrios, em torno de,
usualmente.
Conjuntos Fuzzy

Na teoria dos conjuntos nebulosos existe um grau de


pertinncia de cada elemento a um determinado
conjunto.
Conjuntos com limites imprecisos.

Conjunto Clssico Conjunto Fuzzy

1.0 1.0
.9
.8

.5
Funo de
pertinncia

1.75 Altura 1.60 1.70 1.75 Altura


(m) (m)

A = Conjunto de pessoas altas


Conjuntos Fuzzy

Um conjunto fuzzy A definido no universo de discurso


X caracterizado por uma funo de pertinncia A, a
qual mapeia os elementos de X para o intervalo [0,1].
A:X[0,1]

Desta forma, a funo de pertinncia associa a cada


elemento x pertencente a X um nmero real A(x) no
intervalo [0,1], que representa o grau de pertinncia
do elemento x ao conjunto A, isto , o quanto
possvel para o elemento x pertencer ao conjunto A.
Conjuntos Fuzzy

A funo de pertinncia A(X) indica o grau de


compatibilidade entre x e o conceito expresso por A:
A(x) = 1 indica que x completamente compatvel com A;
A(x) = 0 indica que x completamente incompatvel com
A;
0 < A(x) < 1 indica que x parcialmente compatvel com
A, com grau A(x) .

crisp
pode ser visto como um conjunto nebuloso
especfico (teoria de conjuntos clssica)
A {0,1} pertinncia do tipo tudo ou nada, sim ou
no e no gradual como para os conjuntos
nebulosos
Funo caracterstica do conjunto crisp
Conjuntos Fuzzy

Definio formal
Um conjunto fuzzy A em X expresso como
um conjunto de pares ordenados:

A {( x, A ( x)) | x X }
Funo de Universo ou
Conjunto
pertinncia Universo de discurso
fuzzy

Um conjunto fuzzy totalmente caracterizado


por sua funo de pertinncia.
Princpios

Muitas vezes utiliza-se uma discretizao dos valores


possveis para um domnio => lgica de mltiplos -
valores.
Exemplo: {0, 0,5, 1} para valores que indiquem "Falso",
"Talvez verdadeiro" e "Verdadeiro", respectivamente.

A lgica difusa ento visa modelar modos de raciocnio


imprecisos, tendo os casos precisos como situaes limi
te.
O conceito de Charles Sanders Peirce
(cerca de 1870)

"As pessoas funcionam de modo


vago, ao invs de no modo verdadeiro/falso
Sistemas Fuzzy

Sistema de controle fuzzy baseado no modelo de Mamdani.

Mamdani (1974) props que as regras de produo possuiriam


relaes difusas tanto em seus antecedentes como em seus
conseqentes
Exemplo:
If temperatura=alta and pressao=baixa then acao=abrir_medio
Componentes do sistema

Definio das variveis fuzzy de entrada e de sada: forma e


valores das variveis

Regras fuzzy

Tcnica de defuzzificao
Regras Fuzzy

SE condio ENTO concluso, com variveis lingusticas (fuzzy)

Exemplo:

Se a fruta verde ento o gosto azedo

Se a fruta amarela ento o gosto pouco-doce

Se a fruta vermelha ento o gosto doce


Regras Fuzzy

E o raciocnio?
Avaliar o antecedente
Aplicar o resultado ao conseqente
As regras so ativadas parcialmente, dependendo do
antecedente
Ex: Se a altura alta, o peso pesado (altura =1.85, peso
= ?)

Alto Pesado

.75 .75
.5 .5

.1 .1
1.85 90
Defuzzificao

Etapa no qual as regies resultantes so


convertidas em valores para a varivel de sada
do sistema

Esta etapa corresponde a ligao funcional entre


as regies Fuzzy e o valor esperado.
converte as variveis fuzzy em valores
numricos ou aceitveis pelo sistema.
Tcnica de Defuzzificao

Dentre os diversos tipos de tcnicas de


defuzzificao, pode-se citar:

Centride
O valor de sada o centro da gravidade da
funo de distribuio da possibilidade da ao
de controle.

22
Tcnica de Defuzzificao

Mtodo do Primeiro dos Mximos


Encontra o primeiro ponto entre os valores que
tem o maior grau de pertinncia inferido pelas
regras.

23
Tcnica de Defuzzificao

Mtodo da Mdia dos Mximos


Encontra o ponto mdio entre os valores que
tem o maior grau de pertinncia inferido pelas
regras.

24
Tcnica de Defuzzificao

z0 z0 z0

Centride Primeiro dos Mdia dos


mximos Mximos

25
Etapas do Raciocnio

Variveis Calculadas Inferncia Variveis de Comando


(Valores Lingusticos) (Valores Lingusticos)

Nvel
Lingustico Fuzzificao
Nvel Defuzzificao
Numrico

Variveis Calculadas Objeto Variveis de Comando


(Valores Numricos) (Valores Numricos)