Académique Documents
Professionnel Documents
Culture Documents
Introduction Logique Floue
Introduction Logique Floue
Fuzzylogic
MatthieuLescieux
Planducours.
1.Prsentation
Exemplesintroductifs
Logiqueflouevsboolenne
Champsdapplicationsethistorique
2.Conceptsprincipaux Ensembleflou
Oprateurlogiquefloue
Fuzzification>>Infrencesfloues>>Dfuzzification
3.Fuzzification
Variableslinguistiques
Commentfuzzifier?
4.Infrencesfloues
Principeduraisonnementapproximatif
Basedergles
Mthodesdinfrencesfloues
5.Dfuzzification
Mthodesdedfuzzification
Synthsegnrale
6.Exemplecompletdeprisededcisionsfloues
Nousfaisonsdelalogiquefloue.
Exemplederglesfloues:
Rglesdeconduiteautomobilelapprocheduncarrefourcontrlpardesfeuxtricolores.
si le feu est
rouge...
et si le feu est
proche ...
si le feu est
rouge...
alors je maintiens ma
vitesse.
si le feu est
orange...
si ma vitesse est
moyenne ...
et si le feu est
proche
...
alors j'acclre.
Lesrglesflouessontnoncesenlangagenaturel
sanslesavoir!
Transposition de notre exemple selon un modle plus
mathmatique moins flou
Silefeuestrouge,simavitessedpasse85,6Km/Hetsilefeuest
moinsde62,3mtres,alorsj'appuiesurlapdaledefreinavecune
forcede33,2Newtons!!!
Notrecerveaufonctionneenlogiquefloue.
Elleapprcielesvariablesd'entresdefaonapproximative(faible,leve,loin,
proche),faitdemmespourlesvariablesdesorties(freinagelgeroufort)etdicteun
ensemblederglespermettantdedterminerlessortiesenfonctiondesentres.
Limitedelalogiqueboolenne
un patient atteint d'hpatite prsente gnralement les symptmes suivants :
Lepatientaunefortefivre,
sapeauprsenteunecolorationjaune,
iladesnauses.
1
Ensemble classique
Avoir une forte fivre
0.8
0.8
0.6
0.6
0.4
0.4
0.2
0.2
T(C)
0
36
37
38
39
Logique classique
40
41
T(C)
0
36
37
38
39
40
41
42
Silepatient38,9Cdetemprature
Lepatientnapasdefortefivre
Logique floue
42
Ensemble flou
Avoir une forte fivre
Lepatientaunefortefivre48%
Lepatientnapasdhpatite.
Lepatientaunehpatitex%.
Champdapplicationsdelalogiquefloue
Aideladcision,audiagnostic.
(domainemdical,orientationprofessionnelle)
Basededonnes.
(objetsflouset/ourequtesfloues)
Reconnaissancedeforme.
Agrgationmulticritreetoptimisation
Commandeflouedesystmes
Brefhistorique:lesdbuts
1965:ConceptintroduitparPr.LotfiZadeh(Berkeley):
Fuzzysettheory:Dfinitiondesensemblesflousetoprateursassocis
1970:Premiresapplications:Systmesexperts,Aideladcisionenmdecine,commerce
1974:Premireapplicationindustrielle.Rgulationflouedunechaudirevapeurralise
parMamdani
Longtempsuniversitaire.
1985:Lespremiers,lesjaponaisintroduisentdesproduitsgrandpublicFuzzy
LogicInside.
Brefhistorique:lamaturit
1990:Gnralisationdelutilisationdecettetechnique.
appareilslectromnagers(lave-linge,aspirateurs,autocuiseurs,...etc),
systmesaudio-visuels(appareilsdephotosautofocus,camscopestabilisateurd'images,photocopieurs,...)
systmesautomobilesembarqus(BVA,ABS,suspension,climatisation,...etc.),
systmesautonomesmobiles,
systmesdedcision,diagnostic,reconnaissance,
systmesdecontrle/commandedanslaplupartdesdomainesindustrielsdeproduction.
Ilexistedeprocesseursddisetdesinterfacesdedveloppement
spcifiques(Cfdoc68HC12deMotorolaenAnnexe)
Ex:lafamilledesprocesseursWARP(WeightAssociativeRuleProcessor)deSGS-THOMSONdontlesprincipales
caractristiquessontlessuivantes:
Nombrederglestraites:256
Nombred'entres:16
Nombredesorties:16
Mthodedecompositiondesrgles:Centredegravit
Vitessedetraitement:200microsecondespour200rgles.
Avertissement
Lapprochedesproblmesparlalogiquefloueestdiffrentedecelleadopte,a
priori,dansunedmarchescientifique.
Elleestbeaucouppluspragmatiquequedterministe.
Ladcisionenlogiquefloueestbasesurlanotiondexpertise,quipermetde
quantifierlefloupartirdeconnaissanceaprioriouacquiseantrieurement.
Nepastretropcartsienpouraborderlalogiquefloue
Ilnestpasncessairedavoirunmodleentres/sortiesdune
voiturepourpouvoirlaconduiredemaniresatisfaisante.
9
1. Lesensemblesetvariablesflousetoprateursassocis.
2. PrisededcisionpartirdunbasederglesSIALORS..
Cestlinfrencefloue.
10
Lensemble flou
SoientU:Luniversdudiscours.
A:unsous-ensembledeU
A
U
Thorieclassiquedesensembles:
Si A est la fonction d ' appartenance de l ' ensemble A
x U
A x 0 si x A
A x 1 si x A
Conceptdensembleflou:
x U
A x 0;1
A x
Si=0,30
xappartientlensembleflouAavecundegrdappartenancede30%
degrdappartenance=valeurdevrit.
11
Unensembleflouesttotalementdterminparsafonctiondappartenance
Petit
Moyen
0.8
0.8
0.8
0.6
0.6
0.6
0.4
0.4
0.4
0.2
0.2
0.2
Taille(m)
0
1.5
1.55
1.6
1.65
1.7
1.75
1.8
1.85
Taille(m)
1.9
1.5
1.55
1.6
1.65
1.7
Grand
1.75
1.8
1.85
1.9
Taille(m)
0
1.5
1.55
1.6
1.65
1.7
1.75
1.8
1.85
1.9
Moyen
Petit
Grand
Ici,Pierremesure1m625
setraduitenlogiqueflouepar
Pierreestpetitundegrde75%
Pierreestmoyen25%
Pierreestgrand0%
0.8
0.6
0.4
0.2
Taille(m)
0
1.5
1.55
1.6
1.65
1.7
1.75
1.8
1.85
1.9
12
x 0 x 0pourx x0
Couleurdu
feutricolore
rouge
orange
vert
Lesensemblesclassiquessontdescasparticuliersd'ensembleflou.
Leursfonctionsd'appartenancesvalant0ou1sontencrneaux
Fonction dappartenance
de la classe la temprature est tide
1
T(C)
15C
20C
Lalogiquefloueenglobelesdonnescertaines
13
Ondfinitlarunion,lintersection,lecomplment.densemblesflous
Lalogiqueboolennestandardestuncasparticulierdelalogiquefloue
Touslesrsultatsobtenusenlogiqueclassiquedoiventtreretrouvsparlalogiquefloue
14
La runion
Aestlensemblefloudespersonnespetites.
Bestlensemblefloudespersonnesmoyennes.
LensembledespersonnespetitesOUmoyennesestunensemblefloude
fonctiondappartenance:
A B x max A x , B x
Grand
Moyen
Petit
0.8
0.8
0.6
0.6
0.4
0.4
0.2
0.2
Taille(m)
0
1.5
1.55
1.6
1.65
1.7
1.75
1.8
1.85
x U
1.9
Taille(m)
0
1.5
1.55
1.6
1.65
1.7
1.75
1.8
15
1.85
1.9
Lintersection
Aestlensemblefloudespersonnespetites.
Bestlensemblesfloudespersonnesmoyennes.
LensembledespersonnespetitesETmoyennesestunensemblefloude
fonctiondappartenance:
A B x min A x , B x
Grand
Moyen
Petit
0.8
0.8
0.6
0.6
0.4
0.4
0.2
0.2
Taille(m)
0
1.5
1.55
1.6
1.65
1.7
1.75
1.8
1.85
x U
1.9
Taille (m)
0
1.5
1.55
1.6
1.65
1.7
1.75
1.8
1.85
16
1.9
Le complment
Aestlensemblefloudespersonnespetites.
LensembledespersonnesNONpetitesestunensemblefloudefonction
dappartenance:
A x 1 A x
Grand
Moyen
Petit
0.8
0.8
0.6
0.6
0.4
0.4
0.2
0.2
Taille(m)
0
1.5
1.55
1.6
1.65
1.7
1.75
1.8
1.85
x U
1.9
0
1.5
Taille (m)
1.55
1.6
1.65
1.7
1.75
1.8
1.85
17
1.9
Unet-normeestuneapplicationT(x,y)satisfaisantlesconditionssuivantes:
Unet-conormeestuneapplicationS(x,y)satisfaisantlesconditionssuivantes:
1estlmentneutrex 0,1
0estlmentneutrex 0,1
T ( x,1) T (1, x) x.
CommutativeT ( x, y ) T ( y, x)
AssociativeT ( x, T ( y, z )) T (T ( x, y ), z )
Monotonesi x z et y w alors T ( x, y ) T ( z , w)
S ( x, 0) x.
CommutativeS ( x, y ) S ( y, x)
AssociativeS ( x, S ( y, z )) S ( S ( x, y ), z )
Monotonesi x z et y w alors S ( x, y ) S ( z , w)
18
Dnomination
Intersection
ET
(t-norme)
Runion
OU
(t-conorme)
Complment
NON
Oprateursde
Zadeh
MIN/MAX
A B x min A x , B x
AB x max A x , B x
A x 1 A x
Probabiliste
PROD/PROBO
R
A B x A x B x
A x B x A x B x
A x 1 A x
19
A B C A B A C
Associaticit
A B C A B C
2exceptionsnotables
1.
A A U
A B C A B C
Lois de Morgan
ur
A B A B
A B A B
Enlogiquefloue,leprincipedutiersexcluestcontredit.
2.
i.e. A A x 1
Enlogiquefloue,onpeuttreAetnonAenmme
temps.
A A i.e. A A x 0
20
Variablesfloues
Logiqueflouebasesurdesvariablesflouesdites variables linguistiques
linguistiques
valeurslinguistiquesdansluniversdudiscoursU.
Chaquevaleurlinguistiqueconstituealorsunensemblefloudeluniversdu
discours.
Exemple:
Lafuzzification
Lessystmeslogiqueflouetraitentdevariablesdentresfloues
etfournissentdersultatssurdesvariablesdesortieselle-mmesfloues
Lafuzzificationestltapequiconsisteenlaquantification
flouedesvaleursrellesdunevariable.
Pierremesure1m625
Interfacede
fuzzification
Pierreestpetitundegrde75%
Pierreestmoyen25%
Pierreestgrand0%
22
Commentfuzzifier?
Pourfuzzifier,ilfautdonner:
1. Luniversdudiscours
i.e.:Plagedevariationspossiblesdelentreconsidre.
2. Unepartitionenclasseflouedecetunivers.
3. Lesfonctionsdappartenancesdechacunedecesclasses.
IlfautfuzzifierlesentresETlessortiesduprocessusflou.
Exemple:Selonlesvaleursdesentres,lesystmeflouindiqueraquensortielapuissancede
chauffedevraprendrelesvaleursdesortiefaibleoumoyenneouforte.
23
Basedergles
Lessystmeslogiquefloueutilisentuneexpertiseexprimesous
formedunebasederglesdutype:Si.Alors
Si.........
24
Infrence floue
SiTemps est beau ETMoment est DbutMatine ALORSMoral est haut
Prmisses
Conjonction
Implication
Conclusion
Infrence:
Oprationlogiqueparlaquelleonadmetunepropositionenvertudesaliaisonavec
dautrespropositionstenuespourvraies.
Enlogiqueclassique
Si p Alors q
Enlogiquefloue
25
(x0).
prmisses
26
Mthodesdimplication
2mthodesprincipalesdimplicationfloue:
Mthodedelarsen:
27
Exemple(Mamdani)
Plus la condition sur les entres est vraie.
Plus l'action prconise pour les sorties doit tre respecte
0.8
Chauffer fort
0.8
0.7
0.6
0.6
0.4
0.4
0.2
0.2
0
-10
-5
10
T(C)
15
12KW
0
0
Puissance chauffe(KW)
10
15
T=3C
28
Selonlargleconsidre,siT=3CalorsPuissancedechauffe=12KW
Activationdesrgles
R1:Si X1 est A11 et X 2 est A12
alors Y est B1
alors Y est B2
Plusieursrglespeuventtreactivessimultanmentetprconiserdesactionsavec
diffrentsdegrsdevalidits;cesactionspeuventtrecontradictoires.
Ilconvientdagrgerlesrglespourfourniruneappartenance
delavariableflouedesortieuneclassefloueconsolide
29
Compositiondergles
OnconsidrequelesrglessontliesparunoprateurOU.
B y MAX Bi y
30
Exemple(1)
Onconsidreunmoteurdinfrence4rglesqui
fournit pour sa sortie tension S1, les rsultats
suivants:
R1
Moteur
dinfrences
4rgles
=0.6
=0.7
=0.3
=0.1
petite
R2
petite
R3
moyenne
R4
grande
Tension de sortie
Moyenne
1 Petite
Grande
1 Petite
0.8
0.8
0.6
0.6
0.4
Implicationfloue
deMamdani
0.2
0
0
Volt(v)
10
Tension de sortie
Moyenne
Grande
0.4
0.2
0
0
Volt(v)
31
8
10
Exemple(2)
Tension de sortie
Moyenne
1 Petite
Tension de sortie
Grande
0.8
0.8
0.6
Agrgation
desconclusions
0.4
0.4
0.2
0.2
0
0
0.6
Volt(v)
10
0
0
Volt(v)
Acestade,
onalafonctiondappartenancedunensembleflou
quicaractriselersultat
Ilfautdfuzzifier,cestdire:
Associercetteensembleflouunnombreinterprtablepar
lutilisateur,linterfacedecommande
32
10
PrincipedelamthodedeMamdani
33
2principalesmthodesdedfuzzification.
1.
Mthodeducentredegravit(COG)
Cestlabscisseducentredegravit
delasurfacesouslacourbersultat
y y
sortie U
2.
Mthodemoyennedesmaximums(MM)
Cestlamoyennedesvaleursdesorties
lesplusvraisemblables
dy
sortie
y dy
y dy
o S y0 U / y0 SUP y
yU
U Univers du discours
Toutes les valeurs de sorties considres
Tension de sortie
Tension de sortie
0.8
0.8
0.6
0.6
0.4
0.4
0.2
0.2
0
0
3,5V
dy
Volt(v)
10
0
0
1,9V
Volt(v)
34
10
Dfuzzification
Encommandefloue,ladfuzzificationCOGestpresquetoujoursutilise.
Elleprendencomptelinfluencedelensembledesvaleursproposesparla
solutionfloue.
LadfuzzificationMMestpluttutiliselorsquilsagitdediscriminerunevaleur
desortie(Ex:reconnaissancedeformes).
35
Synthsedunprisededcisionparlogiquefloue.
36
Exemple:Systmedenotationfloue
On choisit :
Rsultatsobtenus(sur20)
Mthodesutilises(sur20)
Prsentation(sur20)
Systme
dinfrences
floues
valuationdutravail(sur20)
38
Miseenplacedusystmedinfrencesfloues(2)
4. Choixdesfonctionsdappartenances
Entres:
Sortie:
39
Basesdergles
1.If(Rsultatsisexcellent)then(Evaluationisexcellent)
2.If(Rsultatsismoyen)then(Evaluationismoyen)
3.If(Rsultatsismdiocre)then(Evaluationismdiocre)
4.If(Rsultatsismoyen)and(Mthodesismdiocre)then(Evaluationismauvais)
5.If(Rsultatsismoyen)and(Mthodesisexcellent)then(Evaluationisbon)
6.If(Rsultatsismdiocre)and(Mthodesismoyen)then(Evaluationismauvais)
7.If(Rsultatsisexcellent)and(Mthodesisexcellent)and(Prsentationisexcellent)then(Evaluationisexcellent)
8.If(Rsultatsismdiocre)and(Mthodesisexcellent)then(Evaluationismoyen)
9.If(Rsultatsisexcellent)and(Mthodesismdiocre)then(Evaluationismoyen)
40
Choixdesoprateursflous
ETflou
OUflou
Implicationfloue
Agrgationdesrgles
Dfuzzyfication
:COG
:MIN
:MAX
:MIN
:MAX
41
Surfacededcisionfloue
(Obtenuepourunevaluationdelaprsentationde10/20).
42
Surfacededcisionlinaireclassique
PondrationRsultats:0,6
PondrationMthodes:0,3
PondrationPrsentation:0,1
43
(Obtenuepourunevaluationdelaprsentationde10/20).
Commentaires
Dcisionselonunsystme
dinfrencesfloues
Dcisionselonunmodlemathmatiques
Note 0, 6* Rsultats 0,3* Mthodes 0,1* Prsentation
Nonlinaire
Plusprocheducomportementhumain
ducorrecteur
Mieuxacceptparlerdacteurdu
travailvalu
44