LA LOGIQUE FLOUE

MGC-800

Professeur :
Claude Bruxelles

présentés par :
Bachir Djerfaf Anouar Guissi

1
 Plan de la présentation
• Introduction
• Historique
• Objectifs
• Notion de logique floue
– concept d ’ensemble flou
– utilisation d ’ensemble flou
• Exemple
• Conclusion

Introduction
• Démarches fondamentales telles que :
– Conception des produits
– Gestion des systèmes
– Prise de décision
• Posent des problèmes de complexité
croissante, malgré le développement des
approches numériques
• Leurs Capacité s’est avérée limitée
• Besoin d’outils informatiques efficaces

2
 Historique
• Depuis 1930, les scientifiques s’intéressaient à la
formalisation des connaissances subjectives
• 1965, Lotfi Zadeh propose système d’ensemble flou
(extension de logique Booléenne)
• Théorie du flou : ensembles flous, logique et
raisonnement floue, théorie des possibilités…
• Impact économique est resté limité jusqu ’à la fin
des années 80.
• Japon utilise cette méthode dans nombreux
domaines.

Objectifs
• L ’utilisation de logique floue permet :
– D ’écarter et définir les nuances
– D ’expliciter les choix
– D ’affiner les modèles grâce à sa flexibilité de
modéliser le langage naturel
• En respectant la réalité des tendances
• Théorie mathématique modélisant notions
vagues du langage naturel, pour palier
l ’inadéquation de la théorie des ensembles
classiques

3
 Concept d ’ensemble floue
• Permet de considérer les classes d ’objet dans les
frontières ne sont pas clairement définies
• introduction de fonctions caractéristiques (fonction
d ’appartenance des objets à la classe) prenant des
valeurs courantes entre 0 et 1
• Ont l ’avantage de constituer une représentation
mathématique de labels linguistiques utilisés dans
l ’expression de connaissances expertes
• Moyen de réaliser l ’interface entre l ’information
numérique et l ’information symbolique.

Utilisation des ensembles flous

• La capacité des ensembles flous à modéliser :
– Propriétés graduelles
– Contraintes souples
– Informations incomplètes, vagues, linguistiques
• Apte à faciliter la résolution de grand nombre de
problème
• On peut les utiliser dans :
– Systèmes de transport (train, métro, ascenseur...)
– Systèmes automobiles
– Modèles pour l ’optimisation de la gestion de la qualité
– Modèles de priorité d ’intervention dans les chaussées

4
 Exemple
• Déterminer le profil d ’un réseau
d ’assainissement, en se basant sur la
collecte partielle de données.
• Problématique :
– Construire une fonction d ’évaluation
• But : pour tout problème, satisfaire des
contraintes et optimiser des critères.

Définition du problème
• But : pour tout problème, satisfaire des contraintes
et optimiser des critères
• Problème de satisfaction et d ’optimisation défini
par :
– Ensemble de variables ( V )
– Ensemble de domaines de variables ( D )
– Ensemble de contraintes ( C )
– Ensemble de fonctions objectives ( O )

5
 Fonction d ’évaluation
• Problème complexe nécessite :
– Construction d ’une fonction d ’évaluation
souple basée sur une hiérarchie
– Établir différentes priorités entre critères et
contraintes
– Introduire une flexibilité au niveau du problème
• Structurer un problème de satisfaction et
d ’optimisation consiste à construire une
hiérarchie de contraintes et de fonctions
d ’objectif.

Fonction d ’évaluation associée à

une contrainte
• Représente la satisfaction d ’une contrainte
pour toute solution potentielle.
• Totalement satisfaite = 1
• Totalement non satisfaite = 0
• Partiellement satisfaite ou non entre 0 et 1

6
 Fonction d ’évaluation associée à
un critère
• Représenter par une fonction d ’objectif
qu ’on veut optimiser
• la fonction d’objectif est définie vers un
ensemble totalement ordonné
• cet ensemble joue le rôle d ’échelle de
valeurs ( min. et max. )

Détermination du profil de réseau

d ’assainissement
• Le réseau (J,R) est défini par un ensemble de
jonction (J) et un ensemble de tronçons (R)
• Un tronçon est défini par r = (j,k)
• Contraintes = règles de construction
• Critères = règles basées sur l ’observation du
réseaux d ’assainissement
• Contrainte sur la profondeur :
∀ j ∈ J, Depth (j) ≥ D (j) + H
H : hauteur de sécurité

7
 Détermination du profil de réseau
d ’assainissement
• Contrainte sur la pente :
∀ r ∈ R, Sm(r) ≤ S (r) ≤ SM (r)
Sm (r) : pente minimale
SM (r) : pente maximale
• 3 critères sont proposés :
– Minimisation du volume excavé
– Minimisation de la variation de pente
– Minimisation du débits capable

Détermination du profil de réseau

d ’assainissement
• Résolution du problème :
V ensemble des côtes radiers inconnues
C ensemble des contraintes portant sur la profondeur des
jonctions et sur la pentes des tronçons
O ensemble des trois fonctions d ’objectif (3 critères
proposés)
• Construction de la fonction d ’évaluation, impliquant
une hiérarchie :
– Niveau 1 : contraintes sur la profondeur
– Niveau 2 : contraintes sur la pente
– Niveau 3 : fonctions d ’objectif.

8
 Détermination du profil de réseau
d ’assainissement

• Donner les quatre bornes pour chaque contrainte et

chaque critère. (VOIR FIG.)
• On obtient un problème valué c.a.d un problème
d ’optimisation
• A chaque variable on associe un domaine
• L’application de l’algorithme de Floyd (réduction le
nombre de cotes radier)
• Une fois réduit les domaines sont discrétisés (en offrant
une bonne précision)

Les 4 bornes pour chaque contrainte et critères

9
Teste de
stratégie
sur deux
sections
du réseau
de la ville
de Lyon

Détermination du profil de réseau

d ’assainissement
• Collecte des données manquantes :
– Relevé sur le terrain des cotes radier de certaines jonctions
– Détermination des points névralgiques du réseau
– Sur la base des contraintes à satisfaire, chaque jonction
(tronçon) peut être évaluer par un triplet d ’indicateurs
– Le prochain point à relever est celui qui possède la plus
mauvaise évaluation (révèle la présence d ’un problème)
– ce processus peut être itéré.

10
 Détermination du profil de réseau
d ’assainissement
• Résultats :
– Tests effectués sur les réseaux de deux communes
– Pourcentage des cotes radier connues a été fixé à 25 %
– Comparaison des cotes radier calculées avec les valeurs
réelles
– Un écart moyen de 20 et 30 cm a été obtenu sur le premier et
le second réseau
– Cet écart se traduit par une différence sur le comportement
hydraulique de 10 % au maximum
– Incidence tout à fait acceptable puisqu ’elle est équivalente à
celle mesuré par l ’imprécision des mesures.

Détermination du profil de réseau

d ’assainissement
• Conclusion :
– Les résultats obtenues montrent que l ’approche offre une
bonne alternative à la simple interpolation linéaire
– perspective de détermination de profils de réseaux plus
complexe et plus important ainsi que dans la conception de
réseaux nouveaux
– Avantages : Rapidité de mise en œuvre et coup réduit
– l ’application de la logique flou semble prometteuse, mais elle
n ’est que partiellement explorée

11
MERCI DE VOTRE
ATTENTION

12