LOGICA DIFUDUSA

La lgica difusa (tambin llamada lgica borrosa o lgica heurstica) se basa en lo

relativo de lo observado como posicin diferencial. Este tipo de lgica toma dos
valores aleatorios, pero contextualizados y referidos entre s. As, por ejemplo, una
persona que mida 2 metros es claramente una persona alta, si previamente se ha
tomado el valor de persona baja y se ha establecido en 1 metro. Ambos valores
estn contextualizados a personas y referidos a una medida mtrica lineal.
Fue formulada en 1965 por el ingeniero y matemtico Lofti Zadeh.

Funcionamiento

La lgica difusa ("fuzzy logic" en ingls) se adapta mejor al mundo real en el que
vivimos, e incluso puede comprender y funcionar con nuestras expresiones, del
tipo "hace mucho calor", "no es muy alto", "el ritmo del corazn est un poco
acelerado", etc.

La clave de esta adaptacin al lenguaje, se basa en comprender los
cuantificadores de cualidad para nuestras inferencias (en los ejemplos de arriba
"mucho", "muy" y "un poco").

En la teora de conjuntos difusos se definen tambin las operaciones de unin,
interseccin, diferencia, negacin o complemento, y otras operaciones sobre
conjuntos (ver tambin subconjunto difuso), en los que se basa esta lgica.
Para cada conjunto difuso, existe asociada una funcin de pertenencia para sus
elementos, que indican en qu medida el elemento forma parte de ese conjunto
difuso. Las formas de las funciones de pertenencia ms tpicas son trapezoidal,
lineal y curva.

Se basa en reglas heursticas de la forma SI (antecedente) ENTONCES
(consecuente), donde el antecedente y el consecuente son tambin conjuntos
difusos, ya sea puros o resultado de operar con ellos. Sirvan como ejemplos de
regla heurstica para esta lgica (ntese la importancia de las palabras
"muchsimo", "drsticamente", "un poco" y "levemente" para la lgica difusa):
SI hace muchsimo fro ENTONCES aumento drsticamente la temperatura.
SI voy a llegar un poco tarde ENTONCES aumento levemente la velocidad.
Los mtodos de inferencia para esta base de reglas deben ser sencillos, verstiles
y eficientes. Los resultados de dichos mtodos son un rea final, fruto de un
conjunto de reas solapadas entre s (cada rea es resultado de una regla de
inferencia). Para escoger una salida concreta a partir de tanta premisa difusa, el
mtodo ms usado es el del centroide, en el que la salida final ser el centro de
gravedad del rea total resultante.

Las reglas de las que dispone el motor de inferencia de un sistema difuso pueden
ser formuladas por expertos, o bien aprendidas por el propio sistema, haciendo
uso en este caso de redes neuronales para fortalecer las futuras tomas de
decisiones.

Los datos de entrada suelen ser recogidos por sensores, que miden las variables
de entrada de un sistema. El motor de inferencias se basa en chips difusos, que
estn aumentando exponencialmente su capacidad de procesamiento de reglas
ao a ao.

Un esquema de funcionamiento tpico para un sistema difuso podra ser de la
siguiente manera:

En la figura, el sistema de control hace los clculos con base en sus reglas
heursticas, comentadas anteriormente. La salida final actuara sobre el entorno
fsico, y los valores sobre el entorno fsico de las nuevas entradas (modificado por
la salida del sistema de control) seran tomadas por sensores del sistema.

Por ejemplo, imaginando que nuestro sistema difuso fuese el climatizador de un
coche que se autorregula segn las necesidades: Los chips difusos del
climatizador recogen los datos de entrada, que en este caso bien podran ser la
temperatura y humedad simplemente. Estos datos se someten a las reglas del
motor de inferencia (como se ha comentado antes, de la forma SI... ENTONCES...
), resultando un rea de resultados. De esa rea se escoger el centro de
gravedad, proporcionndola como salida. Dependiendo del resultado, el
climatizador podra aumentar la temperatura o disminuirla dependiendo del grado
de la salida.

Lgica Difusa Compensatoria (LDC)

La LDC es un modelo lgico multivalente que permite la modelacin simultnea de
los procesos deductivos y de toma de decisiones. El uso de la LDC en los modelos
matemticos permite utilizar conceptos relativos a la realidad siguiendo patrones
de comportamiento similares al pensamiento humano. Las caractersticas ms
importantes de estos modelos son: La flexibilidad, la tolerancia con la imprecisin,
la capacidad para moldear problemas no lineales y su fundamento en el lenguaje
de sentido comn. Bajo este fundamento se estudia especficamente cmo
acondicionar el modelo sin condicionar la realidad.

La LDC utiliza la escala de la LD, la cual puede variar de 0 a 1 para medir el grado
de verdad o falsedad de sus proposiciones, donde las proposiciones pueden
expresarse mediante predicados. Un predicado es una funcin del universo X en
el intervalo [0; 1], y las operaciones de conjuncin, disyuncin, negacin e
implicacin, se definen de modo que restringidas al dominio [0; 1] se obtenga la
Lgica Booleana.

Las distintas formas de definir las operaciones y sus propiedades determinan
diferentes lgicas multivalentes que son parte del paradigma de la LD. Las lgicas
multivalentes se definen en general como aqullas que permiten valores
intermedios entre la verdad absoluta y la falsedad total de una expresin.
Entonces el 0 y el 1 estn asociados ambos a la certidumbre y la exactitud de lo
que se afirma o se niega y el 0,5 a la vaguedad y la incertidumbre mximas. En los
procesos que requieren toma de decisiones, el intercambio con los expertos lleva
a obtener formulaciones complejas y sutiles que requieren de predicados
compuestos. Los valores de verdad obtenidos sobre estos predicados compuestos
deben poseer sensibilidad a los cambios de los valores de verdad de los
predicados bsicos.

Esta necesidad se satisface con el uso de la LDC, que renuncia al cumplimiento
de las propiedades clsicas de la conjuncin y la disyuncin, contraponiendo a
stas la idea de que el aumento o disminucin del valor de verdad de la
conjuncin o la disyuncin provocadas por el cambio del valor de verdad de una
de sus componentes, puede ser compensado con la correspondiente
disminucin o aumento de la otra. Estas propiedades hacen posible de manera
natural el trabajo de traduccin del lenguaje natural al de la Lgica, incluidos los
predicados extensos si stos surgen del proceso de modelacin.
En la LDC, el operador conjuncin, expresado como c (and) es la media
geomtrica.

La modelizacin de la vaguedad en la Lgica Difusa Compensatoria

En la LDC la modelizacin de la vaguedad se logra a travs de variables
lingsticas, lo que permite aprovechar el conocimiento de los expertos, al
contrario de lo que ocurre en otros mtodos ms cercanos a las cajas negras y
exclusivamente basados en datos, como por ejemplo las redes neuronales.

Existen autores como Jess Cejas Montero en su Artculo La Lgica Difusa
Compensatoria publicado en el 2011 por la Revista Ingeniera Industrial del
Instituto Superior Politcnico Jos Antonio Echeverra , que marc un hito en la
difusin de la LDC, que recomiendan el uso de funciones de pertenencia
sigmoidales para funciones crecientes o decrecientes. Los parmetros de estas
funciones quedan determinados fijando dos valores. El primero de ellos es el valor
a partir del cual se considera que la afirmacin contenida en el predicado es ms
cierta que falsa, por ejemplo pudiera establecerse a partir de 0.5. El segundo es el
valor para el cual el dato hace casi inaceptable la afirmacin correspondiente, por
ejemplo pudiera establecerse a partir de 0.1.

En la actualidad existe un Sistema de Soporte a Decisiones Basado en rboles
con Operadores de Lgica Difusa cuyo nombre es Fuzzy Tree Studio 1.0,
desarrollado en forma conjunta entre Universidad CAECE y la Universidad
Nacional de Mar del Plata (Argentina), que posee un mdulo que trabaja con la
LDC. Ello permite al agente decisor despreocuparse por el trasfondo matemtico y
centrarse en la formulacin verbal del modelo que le permita tomar una decisin.
En general los modelos basados en LDC combinan la experiencia y el
conocimiento con datos numricos, por lo que puede ser visto como una caja
gris. Los modelos basados en LD pueden verse como cajas blancas, dado que
permiten ver su estructura explcitamente. En contraposicin a los modelos
basados en datos exclusivamente, como las Redes Neuronales, que
corresponderan a cajas negras.

Estos modelos pueden ser optimizados cuando se dispone de datos reales
numricos. El mtodo de optimizacin puede provenir de la Inteligencia
Computacional. En este contexto, los Algoritmos Genticos presentan una
alternativa interesante. Este enfoque constituye el fundamento de los sistemas
hbridos.

La tendencia de las investigaciones sobre gestin empresarial, mediante las
tcnicas de la LDC, est orientada a la creacin de sistemas hbridos que integren
esta con las habilidades de las Redes Neuronales y las posibilidades de los
Algoritmos Genticos y la Lgica de Conjuntos. La creacin e implementacin de
estos sistemas mixtos permite resolver problemas complejos y de difcil solucin;
en las que se usan estimaciones subjetivas sustentadas en la experiencia y en la
informacin disponible, como son: modelos de decisin utilizados con criterios de
optimizacin, ubicacin de centros comerciales, estrategia de entrada a mercados,
seleccin de carteras de productos y servicios, desarrollo de aplicaciones
informticas, mtodos para problemas de descubrimiento de conocimiento,
mtodos para evaluar la eficiencia de diferentes tipos de instituciones, entre otras.
La Lgica Difusa Compensatoria es un modelo lgico multivalente que renuncia a
varios axiomas clsicos para lograr un sistema idempotente y sensible, al
permitir la compensacin de los predicados. En la LD el valor de verdad de la
conjuncin es menor o igual a todas las componentes, mientras que el valor de
verdad de la disyuncin es mayor o igual a todas las componentes. La renuncia de
estas restricciones constituye la idea bsica de la LDC.

En conclusin la LDC es un nuevo enfoque para los sistemas multivalentes
basado en la Media Geomtrica que, adems de aportar un sistema formal con
propiedades lgicas de notable inters, constituye un puente entre la Lgica y la
Toma de Decisiones. La LDC entra a formar parte del arsenal de mtodos para la
evaluacin multicriterio, adecundose especialmente a aquellas situaciones en
que el agente decisor puede describir verbalmente, frecuentemente en forma
ambigua, la heurstica que utiliza cuando ejecuta acciones de
evaluacin/clasificacin multicriterio. Sin embargo, la consistencia de la plataforma
lgica dota a esta propuesta de una capacidad de formalizacin del razonamiento
que rebasa los enfoques descriptivos de los procesos de decisin. Es una
oportunidad para usar el lenguaje como elemento clave de comunicacin en la
construccin de modelos semnticos que faciliten la evaluacin, la toma de
decisiones y el descubrimiento de conocimiento.

Aplicaciones

Aplicaciones generales

La lgica difusa se utiliza cuando la complejidad del proceso en cuestin es muy
alta y no existen modelos matemticos precisos, para procesos altamente no
lineales y cuando se envuelven definiciones y conocimiento no estrictamente
definido (impreciso o subjetivo).

En cambio, no es una buena idea usarla cuando algn modelo matemtico ya
soluciona eficientemente el problema, cuando los problemas son lineales o cuando
no tienen solucin.

Esta tcnica se ha empleado con bastante xito en la industria, principalmente en
Japn, extendindose sus aplicaciones a multitud de campos. La primera vez que
se us de forma importante fue en el metro japons, con excelentes resultados.
Posteriormente se generaliz segn la teora de la incertidumbre desarrollada por
el matemtico y economista espaol Jaume Gil Aluja.

A continuacin se citan algunos ejemplos de su aplicacin:
Sistemas de control de acondicionadores de aire
Sistemas de foco automtico en cmaras fotogrficas
Electrodomsticos familiares (frigorficos, lavadoras...)
Optimizacin de sistemas de control industriales
Sistemas de escritura
Mejora en la eficiencia del uso de combustible en motores
Sistemas expertos del conocimiento (simular el comportamiento de un
experto humano)
Tecnologa informtica
Bases de datos difusas: Almacenar y consultar informacin imprecisa. Para
este punto, por ejemplo, existe el lenguaje FSQL.
...y, en general, en la gran mayora de los sistemas de control que no
dependen de un S/No.

Lgica difusa en inteligencia artificial

En Inteligencia artificial, la lgica difusa, o lgica borrosa se utiliza para la
resolucin de una variedad de problemas, principalmente los relacionados con
control de procesos industriales complejos y sistemas de decisin en general, la
resolucin y la compresin de datos. Los sistemas de lgica difusa estn tambin
muy extendidos en la tecnologa cotidiana, por ejemplo en cmaras digitales,
sistemas de aire acondicionado, lavarropas, etc. Los sistemas basados en lgica
difusa imitan la forma en que toman decisiones los humanos, con la ventaja de ser
mucho ms rpidos. Estos sistemas son generalmente robustos y tolerantes a
imprecisiones y ruidos en los datos de entrada. Algunos lenguajes de
programacin lgica que han incorporado la lgica difusa seran por ejemplo las
diversas implementaciones de Fuzzy PROLOG o el lenguaje Fril.

Consiste en la aplicacin de la lgica difusa con la intencin de imitar el
razonamiento humano en la programacin de computadoras. Con la lgica
convencional, las computadoras pueden manipular valores estrictamente duales,
como verdadero/falso, s/no o ligado/desligado. En la lgica difusa, se usan
modelos matemticos para representar nociones subjetivas, como
caliente/tibio/fro, para valores concretos que puedan ser manipuladas por los
ordenadores.

En este paradigma, tambin tiene un especial valor la variable del tiempo, ya que
los sistemas de control pueden necesitar retroalimentarse en un espacio concreto
de tiempo, pueden necesitarse datos anteriores para hacer una evaluacin media
de la situacin en un perodo anterior.

Ventajas e inconvenientes

Como principal ventaja, cabe destacar los excelentes resultados que brinda un
sistema de control basado en lgica difusa: ofrece salidas de una forma veloz y
precisa, disminuyendo as las transiciones de estados fundamentales en el
entorno fsico que controle. Por ejemplo, si el aire acondicionado se encendiese al
llegar a la temperatura de 30, y la temperatura actual oscilase entre los 29-30,
nuestro sistema de aire acondicionado estara encendindose y apagndose
continuamente, con el gasto energtico que ello conllevara. Si estuviese regulado
por lgica difusa, esos 30 no seran ningn umbral, y el sistema de control
aprendera a mantener una temperatura estable sin continuos apagados y
encendidos.

Tambin est la indecisin de decantarse bien por los expertos o bien por la
tecnologa (principalmente mediante redes neuronales) para reforzar las reglas
heursticas iniciales de cualquier sistema de control basado en este tipo de lgica.