Tpicos Especiais em Otimizao

Tcnicas Inteligentes
Controle e Otimizao Fuzzy
Leonardo Willer de Oliveira

Juiz de Fora, 20 de Maro de 2017

 Leonardo Willer de Oliveira

Referncias
[1] Mendel, J. M., Fuzzy Logic Systems for Engineeering: A
Tutorial, Proceedings of IEEE, vol 83, no. 3, march 1995.

[2] Shaw, I. S., Simes, M. G., Controle e Modelagem Fuzzy,

Editora Edgard Blcher: 1999, Brasil.

[3] Falco, D. M., Conjuntos, Lgica e Sistemas Fuzzy, Apostila

da disciplina Tcnicas Inteligentes Aplicadas a Sistemas de
Potncia, Coppe/UFRJ: 2002, Brasil.

[4] Gomide, F., Imperfeio, Impreciso e Incerteza e Modelos de

Otimizao, III Workshop sobre Teoria de Conjuntos Fuzzy e
Incerteza Generalizada Aplicada Otimizao, UFU: 2012,
Brasil.
2
[5]Tutorial of Fuzzy Logic Toolbox of Matlab. The Matworks Inc.
 Leonardo Willer de Oliveira

Controle Fuzzy
Aplicaes: sistemas de difcil modelagem e com
flexibilidade na preciso do controle

Procedimentos de projeto:

Identificao das variveis de entrada e sada

Definio das regras de controle
Definio das funes de pertinncia e mtodo de
fuzzificao para representar os estados do sistema
Definio da regra de inferncia
Definio do mtodo de defuzzificao
3
 Leonardo Willer de Oliveira

Controle Fuzzy
Exemplo: controle dos movimentos bsicos de um rob

Sensor esquerdo Sensor direito

4
 Leonardo Willer de Oliveira

Controle Fuzzy
Entradas

Sensores: Tenso de sada e funes de pertinncia

Preto Cinza Branco

5
 Leonardo Willer de Oliveira

Controle Fuzzy
Base de Regras: Seis regras

Sensor Direito
Branco Cinza Preto
Sensor Branco P X DA
Esquerdo Cinza X X DL
Preto EA EL S
Legenda:
P: Parar ou Retornar
S: Seguir
DA: Direita Acentuado
DL: Direita Leve
EA: Esquerda Acentuado
EL: Esquerda Leve
6
 Leonardo Willer de Oliveira

Controle Fuzzy
Sada

EA EL S DL DA

7
 Leonardo Willer de Oliveira

Controle Fuzzy
Caso exemplo
Sensor esquerdo
Preto Cinza Branco

Valor de sada do sensor esquerdo

8
 Leonardo Willer de Oliveira

Controle Fuzzy
Sensor direito

Preto Cinza Branco

Valor de sada do sensor direito

9
 Leonardo Willer de Oliveira

Controle Fuzzy
Considera-se as duas regras a seguir:
SE (Sensor Esquerdo = Preto) E (Sensor Direito = Cinza) EL
0,7 0,8
14444444442444444444 3
E ( Mnimo ) = 0,7

SE (Sensor Esquerdo = Preto) E (Sensor Direito = Preto) S

0,7 0,2
14444444442444444444 3
E ( Mnimo ) = 0,2

10
 Leonardo Willer de Oliveira

Controle Fuzzy
Sada

EA EL S DL DA

0.7

0.2

11
 Leonardo Willer de Oliveira

Controle Fuzzy
Exemplo: evitar obstculos pelo rob
Distncia Trajetria Curva

Prximo
DA
E

Prximo
SE ENTO DL

Longe S

12
 Leonardo Willer de Oliveira

Modelos de Inferncia

1. Modelos Fuzzy Mamdani

Controle de mquinas a vapor

Combinaes

Maxmin
Max-Product

13
 Leonardo Willer de Oliveira

Modelos de Inferncia: Mamdani

Combinao max-product

14
 Leonardo Willer de Oliveira

Modelos de Inferncia

2. Modelos fuzzy Sugeno

Takagi, Sugeno & Kang (1985) TSK fuzzy model

Gerao de regras fuzzy a partir de um conjunto de

dados
SE144 r e ... x F r ENTO z=f(x,y)
x1 F14 2444 n 3
n 1
424
3
Consequente ou Concluso
Antecedentes ouPremissas

Em que z uma funo precisa (crisp)

Exemplo: Se x grande e y pequeno, ento z = x + y

15
 Leonardo Willer de Oliveira

Modelos de Inferncia: Sugeno

Exemplo

min ou product

mdia ponderada

16
 Leonardo Willer de Oliveira

Modelos de Inferncia: Sugeno

Robtica:

Abordagens para determinar valores de parmetros para estabilidade

utilizando estratgias de controle com perturbaes

Construo de projetos:

Avaliao de riscos, tomada de decises, modelos de mercado

imobilirio para anlise de viabilidade

17
 Leonardo Willer de Oliveira

Modelos de Inferncia

2. Modelos fuzzy Tsukamoto

O consequente de cada regra fuzzy SE ENTO

representado por um conjunto fuzzy com
comportamento monotnico

18
 Leonardo Willer de Oliveira

Modelos de Inferncia: Tsukamoto

Exemplo
min ou product

mdia ponderada

19
 Leonardo Willer de Oliveira

Otimizao Fuzzy
Aplicaes: problemas com
Incertezas nos dados
Restries flexveis (soft constraints)
Mltiplos objetivos
Rigor na determinao de solues realistas

20
 Leonardo Willer de Oliveira

Otimizao Fuzzy
Soluo de modelos de otimizao fuzzy

Etapa 1
Modelo de Programao Modelo de Programao
Matemtica Fuzzy Matemtica

Etapa 2

Soluo do Modelo de
Programao Matemtica

21
 Leonardo Willer de Oliveira

Otimizao Fuzzy

Programao Linear [Gomide, 2012]

n
z = Max C
j =1
j Xj Em que:
X variveis cujos valores so nmeros fuzzy
A, B, C nmeros fuzzy
sujeito a: Relao de ordem de nmeros fuzzy
n

A
j =1
ij X j Bi i = 1,..., m

Xj 0 j = 1,..., n

22
 Leonardo Willer de Oliveira

Otimizao Fuzzy

Caso em que apenas B nmero fuzzy [Gomide, 2012]

Algoritmo

1. Calcular o grau de pertinncia Ri(x) de B para cada x

2. Determinar limites inferior zl e superior zu da funo objetivo

3. Determinar conjunto fuzzy G(x) dos valores da funo objetivo

m
4. Determinar a interseo D = G Ri
i =1

5. Resolver o problema de programao matemtica

{ (
x * = max D ( x ) = max min G ( x ) , R ( x )
*
)}
23
 Leonardo Willer de Oliveira

Otimizao Fuzzy

Linearizao do problema de programao matemtica

{ (
x * = max D ( x ) = max min G ( x ) , R ( x )
x
)}
B(u )

max 1
sujeito a
( zu zl ) c x zl
n bi bi + pi

u
pi + aij x j bi + pi i = 1,..., m
i =1
, x j 0 j = 1,..., n
24
 Leonardo Willer de Oliveira

Otimizao Fuzzy

Exemplo:

Uma empresa fabrica dois produtos P1 e P2 com lucro de

R$ 0,4 por unidade de P1 e R$ 0,3 por unidade de P2. A
produo de P1 requer o dobro de horas de trabalho de
P2. O total de horas de trabalho realizado por todos os
funcionrios da empresa por dia de no mnimo 500 h e
no mximo 600 h. A matria prima suficiente para
produzir no mnimo 400 e no mximo 500 unidades de P1
e P2 por dia. Determine o nmero de unidades de P1 e P2
por dia a fim de maximizar o lucro da empresa.

25
 Leonardo Willer de Oliveira

Otimizao Fuzzy

Modelagem do Problema:
z = Max 0,4 x + 0,3 y Em que:
sujeito a: x nmero de unidades de P1 por dia
y nmero de unidades de P2 por dia
x+ y M M matria prima disponvel
H nmero de horas de trabalho
2 x+ y H
x,y 0

M e H podem ser representados por nmeros fuzzy

26
 Leonardo Willer de Oliveira

Otimizao Fuzzy

Modelagem de M e H:
1, u 400 1, u 500

500 u 600 u
M (u ) = , 400 u 500 H (u ) = , 500 u 600
100 100
0, u 500 0, u 600

Limitantes da funo objetivo:

zl = Max 0,4 x + 0,3 y = 130 zu = Max 0,4 x + 0,3 y = 160
sujeito a: sujeito a:
x + y 400 x + y 500
2 x + y 500 2 x + y 600
x,y 0 x,y 0 27
 Leonardo Willer de Oliveira

Otimizao Fuzzy

Modelagem da Funo Objetivo z:

0, u 130

u 130
z(u ) = , 130 < u < 160
30
1, u 160

Modelagem Final do Problema:

max
sujeito a
* = 0,5
30 ( 0,4 x + 0,3 y ) 130
x * = 100
100 + x + y 500
100 + 2 * x + y 600 y * = 350
, x, y 0 z * = 145 28
 Leonardo Willer de Oliveira

Otimizao Fuzzy

Caso em que A e B so nmeros fuzzy [Gomide, 2012]

Algoritmo

1. Aplicar aritmtica de nmeros fuzzy: soma e multiplicao

n
2. Definir relao de ordem A
j =1
ij x j Bi

3. Definir e solucionar o modelo de programao matemtica

Interpretao F1 F2, sendo F1 e F2 nmeros fuzzy:

F1 F2 se e somente se MAX(F1 , F2 ) = F2
MAX ( F1, F2 )( u ) = sup min F1 ( x ) , F2 ( y ) , x, y
u =max ( x ,y )

29
 Leonardo Willer de Oliveira

Otimizao Fuzzy

Considerando F1 (u1,u2,u3) e F2 (v1,v2,v3) triangulares

F1 F2 se e somente se: F
F1:

u1 v1

u1 u2 v1 v2

u1 + u3 v1 + v3 u1 u2 u3 u3 u
F
F2:

30
v1 v2 v3 v3 v
 Leonardo Willer de Oliveira

Otimizao Fuzzy
Modelo de Programao Matemtica
n
z = Max c
j =1
j xj

sujeito a:
n

u
j =1
1,ij x j v1,i i = 1,..., m

(u
j =1
1,ij )
u2,ij x j v1,i v 2,i

(u
j =1
1,ij )
+ u3,ij x j v1,i + v 3,i

xj 0 j = 1,..., n 31