Universidad Nacional de Co

Toma de decisiones con base en lgica Difusa

-1

Imprecisin vrs Incertidumbre

Imprecisin
Situacin en la que la no puede darse un valor exacto para los parmetros del problema, la informacin no es cuantificable, o es incompleta o no puede obtenerse. Proviene de la incapacidad de precisin del ser humano.

La lgica difusa
Es bsicamente una lgica que permite valores imprecisos (intermedios) para poder definir evaluaciones convencionales entre s/no, verdadero/falso, negro/blanco, etc La lgica difusa se inici en 1965 por Lotfi A. Zadeh, profesor de ciencia computacional en la Universidad de California en Berkeley.

incertidumbre
Los parmetros que intervienen en el problema son de naturaleza estocstica. Suele usarse mtodos probabilsticos que permiten modelar el conocimiento incompleto del medio externo a las personas.

La imprecisin en anlisis de decisiones suele manejarse con la teora de conjuntos difusos

La lgica difusa
En Japn la investigacin sobre lgica difusa es apoyada ampliamente por el gobierno con un presupuesto enorme. En Europa y USA se estn realizando esfuerzos para alcanzar al tremendo xito japons. Por ejemplo, la NASA emplea lgica borrosa para el complejo proceso de maniobras de acoplamiento de sus naves
5

Esta lgica no exige valores exactos, soporta valoraciones subjetivas e incluso valoraciones lingsticas para los parmetros del problema y las incorpora apropiadamente a modelos matemticos complejos. Expresiones como bastante caliente o bastante fro, se pueden formular matemticamente y procesarse por medio del computador.

Caractersticas de la Lgica difusa

Soporta datos imprecisos Es conceptualmente fcil de entender Es Flexible Es tolerante a los datos imprecisos Se basa en el lenguaje humano

Caractersticas de la Lgica difusa

Se basa en la experiencia de expertos conocedores del problema en cuestin. Puede modelar funciones no lineales de alguna complejidad. Combina en forma unificada expresiones lingsticas con datos numricos.

Conjuntos Booleanos vrs Difusos

Conjuntos Booleanos Definamos un subconjunto A de X con todos nmeros reales en el rango entre 5 y 8. A = [5,8], X [0,10] funcin caracterstica: asigna un nmero 1 o 0 al elemento en X, dependiendo de si el elemento est en el subconjunto A o no.

Conjuntos difusos
B = {conjunto de gente joven} B = [0,20] por qu alguien es en su 20 cumpleaos joven y al da siguiente no? Por ejemplo:
Las personas de 18 aos pertenecen en al conjunto gente jven con una pertenencia de 1 Las personas de 21 aos pertenecen en al conjunto gente jven con una pertenencia de 0.9
10

Funcin de pertenencia
Para un conjunto dado A, se asigna una valor A(x) para cada x tal que: A(x) : [0,1] = grado de pertenencia de x al conjunto A. 0 representa no pertenencia absoluta 1 representa completa pertenencia. Ejemplo: Conjunto difuso Nmeros reales cercanosa 1:
( x) : exp( ( x 1) 2 )
1

Valoraciones booleanas

Valoraciones difusas

Donde es un nmero real positivo.

-1 -1 3
11 12

Nmeros difusos
Son Conjuntos difusos definidos en el espacio de los nmeros reales. Ejemplo: cerca de 0, mas o menos 6 Nmeros difusos triangulares. Se usa la notacin A=(a,m,b). En el siguiente ejemplo A=(4.5,6,7.3). :

Operaciones matemticas con nmeros difusos tringulares

A
1

B
a1
a2 a3

b1

b2

b3

Suma: A + B = [ a1 + b1 , a2 + b2 , a3 + b3 ]
Nmeros difusos Trapezoidal. Puede interpretarse como x est aproximadamente en el intervao [a,b]. Se usa la notacin A=(m,n,a,b).

Resta:

AB =[ a1 b3 , a2 b2,a3 b1 ]

Multiplicacin:
Divisin
13

AB =[ a1 b1 , a2 b2, a3 b3 ]

A B = A

1 1 1 1 = a1 , a2 , a3 B b3 b2 b1 14

Comparacin de nmeros difusos

La comparacin de nmeros difusos permite deducir de entre dos nmeros difusos A y B cul es el mayor:

2. El nmero mayor ser el que tenga mayor rea entre el eje x= 0 y la lnea central del nmero difuso

AreaA= (a2 + (a3 + a1 ) / 2) / 2

B
a1
a2 a3

b1

b2

b3

a1

a2

a3

b1

Para esto existen varias posibilidades:

b2

b3

1.

Defuzificacin: mediante la cual los nmeros difusos son transformados a un nmero crisp (exacto) para compararlos,

AreaB= (b2 + (b3 + b1 ) / 2) / 2

pudiendo as determinar cual de ellos es mayor o menor. Entre los mtodos ms comunes est:

A* =

a1 + a 2 + a3 3

B* =

b1 + b2 + b3 3
-15 16

2. El nmero mayor ser el que tenga mayor rea entre el eje x= 0 y la lnea central del nmero difuso

Operaciones lgicas Booleanas

En la lgica booleana:

AreaB= (b2 + (b3 + b1 ) / 2) / 2

Que puede estimarse as:

17

18

Operaciones lgicas difusas

Sea A un intervalo difuso entre 5 y 8, y B un nmero difuso en torno a 4.

Operacin OR (O) (unin) del A y B A OR B = Max {A,B}

x est cerca de A o cerca de B

Operacin NEGACION (A) Operacin AND (Y) (interseccin) del A y B A AND B = Min {A,B}
x est cerca de A y cerca de B
19

A = 1 - A
x no est cerca de A: x est lejos de A
20

Variables lingsticas
Permiten la valoracin de variables en trminos lingsticos, como por ejemplo, poco, mucho, suficiente, etc. Pueden ser representadas por nmero difusos, que se definen por los siguientes elementos: (x, T(x), U, M) Donde: x es el nombre de la variable. T(x) es el conjunto de trminos o valores lingsticos. U es el universo del discurso. M es una regla semntica que asocia a cada x un significado
21

Variables lingsticas
Reclasificaciones Crisp
3 2 1

Reclasificaciones Difusas

Alto Medio

Bajo

Alto Medio

Bajo

Rangos de criticidad propuestos para valores crisp.

Escalas de trminos lingsticos

1
1

Criticidad

0,8
3

0,6 0,4

0,2 0

0
0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0

Valor umbral Pendiente (%)

Bajo

Medio

Alto

22

Por ejemplo...
x G

Generalmente, en las diferentes aplicaciones el dominio de las variables lingsticas se normaliza a valores entre 0 y 1. Es posible utilizar un sistema numrico para convertir sistemticamente las variables lingsticas en sus correspondientes nmeros difusos, mediante el empleo de ocho escalas de conversin:
ESCALA 1 Dos 2 Tres 3 Cinco 4 Cinco 5 Siete 6 Nueve X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X Nmero de trminos empleados.

X = variables lingsticas para la velocidad. T(x)= {Despacio, moderado, Rpido} U= {0-100Km/h}

Despacio M = Moderado Rpido Velocidad aproximada mente por debajo de 40 Km Velocidad cercana a 55 Km h h h

Ninguno. Muy bajo. Bajo. Medianamente bajo. Medio.

Velocidad por encima de 70 Km

Despacio

Moderado

Rpido
Medianamente alto. Alto. Muy alto.

40

55

70

Excelente.

23

24

Ejemplos:
Escala 5 trminos lingsticos.
1,0 0,8 0,6 0,4 0,2 0,0 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1

Bajo Medio Alto

Medianamente bajo Medianamente alto

Escala 7 trminos lingsticos.

1,0 0,8 0,6 0,4 0,2 0,0 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1

Muy bajo Medianamente bajo Medianamente alto Muy alto

Bajo Medio Alto

Fuente: Chen y Hwang, 1992

25