Logique Floue

I. Truck

Logique Floue : Plan gnral

Introduction
Sous-ensembles flous (SEF)
Oprations sur SEF
Relations floues, variables linguistiques, propositions
floues
Raisonnement flou
Vers la Commande floue

Logique Floue : Bibliographie

La logique floue et ses applications, B. Bouchon-

Meunier, Addison Wesley d., 1995
La logique floue, B. Bouchon-Meunier, Que-sais-je?
PUF.
The Fuzzy Future : From Society and Science to
Heaven in a Chip, Bart Kosko, Harmony Books.
An Introduction to Fuzzy Sets: Analysis and Design,
W. Pedrycz & F. Gomide, Mit Press d.

Logique Floue : Introduction

Historique

Ne en 1965 (Lotfi Zadeh, Berkeley)

anecdote : crneau en voiture
pour Zadeh, simuler donc modliser le comportement
humain ncessite:

gestion des approximations

exprience

Logique floue implique des rgles pour obtenir des

dductions.

Ex de rgle utilise quotidiennement implicitement:

si feu rouge et si vitesse_vhicule leve et si feu proche

alors freinage fort

Logique Floue : Introduction

Transposition de cette rgle sans utiliser le flou:

Si feu rouge et si vitesse_vhicule dpasse 48,3 km/h et si

feu est moins de 55,7 mtres alors freiner avec une force
de 28,9 newtons !!

=> LF formalise le monde en apprciant de faon

approximative les variables d'entres (faible, leve,
loin, proche...) et de sorties (freinage lger ou fort) et
LF dicte un ensemble de rgles permettant de
dterminer les sorties en fonction des entres.

Logique Floue : Introduction

LF: raisonner avec des concepts vagues

Cadre de la thorie des sous-ensembles flous...
... qui est une gnralisation de la thorie des
ensembles classiques
LF, extension de la logique classique

LC : 2 degrs de vrit Vrai ou Faux

LF : plusieurs degrs de vrit

Formalisation de la reprsentation et du traitement des

FRQQDLVVDQFHVLPSUpFLVHVLPSDUIDLWHV
6

Logique Floue : Introduction

En thorie des ensembles classiques, un objet

DSSDUWLHQWRXQDSSDUWLHQWSDVjXQHQVHPEOH

Ex : U = ensemble des individus; A = ensemble des

individus petits
A A = ; A A = U

En thorie des sous-ensembles flous, un objet

peut appartenir un ensemble et en mme
temps son complment

Ex: un individu de 1,66 m peut tre considr la fois

comme grand et petit
7

Logique Floue : Introduction

Diffrence ensembles classiques / ensembles flous

Ensemble classique: 1 fonction caractristique unique

Ex. : ensemble des rels compris entre 1 et 3

fonction caractristique : g : o {0, 1}

g(x) =

1 si 1 x 3
0 sinon

Ensemble flou: 1 infinit GHIRQFWLRQVGDSSDUWHQDQFH

ex: ensemble des rels plus ou mois gaux 2

fonction d'appartenance : f : o [0, 1]
f(x) pas unique

Logique Floue : Introduction

Diffrence probabilit / flou

flou: traitement des imprcisions

probabilits: traitement des incertitudes

Exemple:
A : Il viendra

B : Il viendra

f(A) = 0.8

p(B) = 0.8

demain 9h

demain 9h

=> signification?
9

Logique Floue : Introduction

Diffrence probabilit / flou

FLOU :

A : Il viendra peu prs 9h (peut-tre 8h30, 9h30 ou 10h...)

2QHVWVUTXLOYLHQWPDLVRQQHVDLWSDVexactement quand

=> Imprcision

PROBA :

B ,O\DGHFKDQFHVSRXUTXLOYLHQQH

2QQHVWpas sr TXLOYLHQQH

=> Incertitude
10

Logique Floue : Introduction

LOGIQUE FLOUE
Avantages:

VLPSOHjPHWWUHHQXYUH
TXDQGLOQH[LVWHSDVGHPRGqOHPDWKpPDWLTXHOD/)
SHUPHWOXWLOLVDWLRQGXQPRGqOHHPSLULTXHH[UqJOHVGH
W\SHKXPDLQ

Inconvnients

caractre empirique de ce modle

modle ou rgles peuvent tre non prcises et dc sources
GHUUHXU !SKDVHGHPRGLILFDWLRQGHVUqJOHV
11

Logique Floue : SEF

SEF: sous-ensemble flou f : X o [0,1]

Dfinitions fondamentales:

Soit F(XOHQVHPEOHGHWRXVOHV6()GHX (ens. de rf.)

Soit un SEF A F(X/DIRQFWLRQGDSSDUWHQDQFHSRXUWRXW
x A est note fA(x).
fA

Logique floue => Utilisation de fonctions

12

Logique Floue : SEF

Exemples de SEF (X dnombrable et non dnombrable)

X={chat,gupard,tigre} (flids)

A: SEF de X des flids rapides

A= 0.3 / chat + 1.0 / gupard + 0.6 / tigre
fA
1
0.6
0.3
0

rapide

gupard

chat

X=flids

tigre

X=[0, 110] (ensemble des ges)

A: SEF de X
adolescents

fA

des

Adolescents

11

13

18

20

13

Logique Floue : SEF

Dfinitions fondamentales:

La hauteur h(A) du SEF A de X est la + grande valeur prise

SDUVDIRQFWLRQGDSSh(A) = supxX fA(x)
Un SEF est dit normalis si sa hauteur vaut 1
Le noyau Noy(A) correspond toutes les valeurs x de X
pour lesquelles fA(x) = 1
Le support Supp(A) correspond toutes les valeurs x de X
pour lesquelles fA(x) z 0
Un intervalle flou est un SEF convexe normalis de R
(rels)
Un nombre flou est un intervalle flou dont le noyau est
rduit un point
Cardinalit de A : |A| = 6x X fA(x)
14

Logique Floue : SEF

Dfinitions fondamentales:

Une quantit floue est un ensemble flou (normalis) dans l'univers des
nombres rels (c--d X= )
Un intervalle flou de type L-R (ou SEF trapzodal) est un int. flou
dont la fn Gapp. est dfinie entirement grce des droites. On le note :
(a,b,D,E)

fA

b
E

Un nombre flou de type L-R (ou SEF triangulaire) est un intervalle

flou de type L-R dont le noyau est rduit un point. On le note :
(a,D,E)
15

Logique Floue : SEF

Exercice :

Soit X OHQVHPEOHGHVSD\VVXLYDQWVX={Belgique, Suisse,

Canada, Tunisie, Algrie, Espagne}, nots respectivement
B, S, C, T, A, E.
Soit A un SEF de X, correspondant au degr de
francophonie des pays considrs:
A = 0.5/B + 0.25/S + 0.5/C + 0.6/T + 0.7/A + 0/E
Calculer h(A), Supp(A), Noy(A), |A|

16

Logique Floue : Oprations

Oprations sur les SEF A et B de X :

galit A = B fA(x) = fB(x),  x X

inclusion A B fA(x) d fB(x),  x X

complment

A est inclus dans B si sa fn GDSSDUWHQDQFHHVWLQIpULHXUH

celle de B
AC de X est le complment A avec fAC (x) = 1 fA(x),  x X

union C=A B fC(x) = max(fA(x), fB(x)),  x X

intersection C=A B fC(x) = min(fA(x), fB(x)),  x X

17

Logique Floue : Oprations

Exercice: Dmontrer que certaines proprits de la

thorie des ensembles classiques sont vrifies:

A = A, A = , A X = X, A X = A
Associativit de et de :
(A B) C = A (B C)
(A B) C = A (B C)
Commutativit de et de :
A B = B A
A B = B A
Distributivit de par rapport :
A (B C) = (A B) (A C)
A (B C) = (A B) (A C)

=> Cf. TD 1
18

Logique Floue : Oprations

Suite exercice. Dmontrer:

(Ac)c = A
(A B)c = Ac Bc
(A B)c = Ac Bc

Lois de De Morgan

Ces proprits sont-elles vrifies?

Ac A =
?
c
A A = X

19

Logique Floue : Oprations

3RXUOLQWHUVHFWLRQHWOXQLRQOHVRSpUDWHXUVFKRLVLV
sont min et maxPDLVGDXWUHVVRQWSRVVLEOHV

/LQWHUVHFWLRQSHXWrWUHUpDOLVpHHQSUHQDQWFRPPH
oprateur une norme triangulaire (t-norme)
/XQLRQSHXWrWUHUpDOLVpHHQSUHQDQWFRPPHRSpUDWHXUXQH
conorme triangulaire (t-conorme)

NB: Les t-normes et t-conormes peuvent servir dans

GDXWUHVFDVSDUH[HPSOHOHFDVSOXVJpQpUDOGH
ODJUpJDWLRQ
20

Logique Floue : Oprations

T-norme T

Soit une fonction T: [0,1][0,1] [0,1] telle que

x, y, z [0,1]:

T(x,y) = T(y,x) (commutativit)

T(x,T(y,z)) = T(T(x,y),z) (associativit)
T(x,y) d T(z,t) si x d z et y d t (monotonie)
T(x,1) = x
(1 est lment neutre)

Exemples de telles fonctions :

min(x,y)
xy
max(x+y1,0)
21

Logique Floue : Oprations

T-conorme A

Soit une fonction A : [0,1][0,1] [0,1] telle que

x, y, z [0,1]:

A(x,y) = A(y,x)
(commutativit)
A(x, A(y,z)) = A(A(x,y), z) (associativit)
A(x,y) d A(z,t) si x d z et y d t (monotonie)
A(x,0) = x (0 est lment neutre)

Exemples de telles fonctions:

max(x,y)
x+y x.y
min(x+y,1)

22

Logique Floue : SEF et Oprations

Df.: Une t-norme et une t-conorme sont duales si et seulement si :

1 T (x,y) = A (1-x, 1-y)

1 A (x,y) = T (1-x, 1-y)

Cette dualit permet de vrifier les lois de De Morgan

Exercice: montrer que min et max sont duaux
Exercice: A B ? A B ?

X ={chat,gupard,tigre} (flids)

flids rapides: A= 0.3 / chat + 1.0 / gupard + 0.6 / tigre

grands flids : B= 0.1 / chat + 0.7 / gupard + 1.0 / tigre

X=[0, 110] (ensemble des ges)

fA

A =
Adolescents

11

13

16

18

B =
Conducteurs rguliers

20

70

85

X
23

Logique Floue : Oprations

D-coupes

Soit A un SEF de X. Une D-coupe de A est un sous-ensemble classique

AD dfini en fonction d'un seuil D [0,1] donn :

Exemple: Reprendre le SEF A des adolescents et construire les D-

coupes de A avec D = 0; 0.6; 1
On vrifie que ( faire en exercice):

Soit D [0,1]. AD={ x X / fA(x) tD}

Si D > D' alors AD AD' et si B A alors BD AD

(A B)D = AD BD et (A B)D = AD BD
 x X, fA(x) = supD]0,1] D fD(x) (i.e. on peut reconstruire A partir de ses
D-coupes).

=> cf. TD 2
24

Logique Floue : Oprations

Produit cartsien

Soient A un SEF de X et B un SEF de Y

C = A u B, C est un SEF de X u Y = Z
Soit z Z. fC(z) = min(fA(x), fB(y)),  x X,  y Y
Y

(x ,y )

x
A

X
25

Logique Floue : Oprations

Produit cartsien (suite)

Exemple: Soient X1 XQHQVHPEOHGDQLPDX[X1={chat, gupard,

tigre} et X2 un ensemble de choix de pays par temprature,
X2={chaud, froid}.
Le SEF A1 UHSUpVHQWHOHVFKRL[GXQLQGLYLGXTXDQWjODQLPDO
TXLOVRXKDLWHUDLWSRVVpGHUHWOH6()A2 reprsente ses choix
quant au type de pays dans lequel il souhaiterait vivre:
A1 = 0.5/chat + 0.8/gupard + 0.3/tigre
A2 = 0.9/chaud + 0.1/froid
!'RQQHUODIRQFWLRQGDSSDUWHQDQFHGXSURGXLWFDUWpVLHQ(animal
possder, type de pays souhait)

26

Logique Floue : Oprations

3ULQFLSHGH[WHQVLRQ

But: Possdant une fonction sur un univers classique X, le

SULQFLSHGH[WHQVLRQSHUPHWVRQXWLOLVDWLRQavec des SEF
de X
27

Logique Floue : Oprations

3ULQFLSHGH[WHQVLRQ Suite

Dfinition: tant donn un SEF A de X, et une application M

de X vers Y, le principe d'extension permet de dfinir un
SEF B de Y associ A par M :
sup {x X / y = M(x)} fA(x) si M-1(y) z
yY, fB(y)=
0 sinon
Le SEF B est l'image du SEF A par la fonction M

28

Logique Floue : Oprations

3ULQFLSHGH[WHQVLRQ Exercice

X={chat, gupard, tigre, panthre} (flids)

Y={rapide, lente, normale} (mesures des vitesses)

On dfinit la fonction M qui associe une vitesse un

flid: M(chat) = lente, M(gupard) = rapide, M(tigre)=
normale, M(panthre) = normale
Nouveau flid dfini de faon floue :
lion = 0.7/chat + 0.1/tigre + 0.2/panthre
Mesure de la vitesse d'un lion ?

29

Logique Floue : Oprations

3ULQFLSHGH[WHQVLRQ Correction exercice

M(chat)=lente, M(gupard)=rapide, M(tigre)=normale,

M(panthre)=normale

lion = 0.7/chat + 0.1/tigre + 0.2/panthre

Mesure de la vitesse d'un lion ?

fB(lente) = max(flion(chat)) = 0.7

fB(normale) = max(flion(tigre), flion(panthre))= max(0.1,0.2)=0.2

fB(rapide) = flion(gupard) = 0
!OHOLRQHVWSOXW{WOHQWPDLVSHXWpYHQWXHOOHPHQWDWWHLQGUHGHV
YLWHVVHVQRUPDOHV

30

Logique Floue : Relations floues

Relation floue: gnralisation de la notion de relation classique

HQWUHRXn ensembles de rfrence.
Utilisation des relations floues: par exemple,

Permettent de comparer 2 donnes vagues

Permettent de combiner 2 donnes imprcises dans un calcul...

1pFHVVLWpGHOH[LVWHQFHGXQlien entre les ensembles de

rfrence
Exemple: Soient X1 OHQVHPEOHGHVSRLGVHQFDUDWVGXQHSLHUUH
prcieuse, X2OHQVHPEOHGHVGHJUpVGHSHUIHFWLRQGHVDWDLOOHHW
X3OHQVHPEOHGHVGHJUpVGHSXUHWp2QSHXWGpILQLUXQH
relation sur X1u X2 u X3 sur le prix de la pierre.
31

Logique Floue : Relations floues

Dfinition: Une relation floue entre r ensembles de

rfrence X1, X2Xr est un SEF de X1u X2 u u Xr
GHIRQFWLRQGDSSDUWHQDQFHf
NB: Si on a seulement 2 ensembles de rfrence, finis,
peut tre reprsente par la matrice des valeurs de
sa fonction d'appartenance
La composition de 2 relations floues 1 sur XuY et 2
sur YuZ dfinit une relation floue = 1 o 2 sur
XuZ GHIRQFWLRQGDSSDUWHQDQFHGpILQLHSDU
(x,z) XuZ , f(x,z)= sup yY min( f1(x,y), f2(y,z))
32

Logique Floue : Variables linguistiques

Une variable linguistique est reprsente par un triplet (V, X,

TV)

V : nom de la variable (ge, taille, temprature, longueur,...)

X : univers des valeurs prises par V (R,...)
TV = {A1, A2, ...} : ensemble de SEF de XV , utiliss pour caractriser V.

Par exemple: (Age-Personne, [0,110], {Trs-jeune, Jeune,

Ag})
Trs-jeune

Jeune

Ag

Age
33

Logique Floue: Modificateurs linguistiques

Un modificateur linguistique est un oprateur m qui permet de

SDVVHUGXQ6()A un autre SEF m(AGRQWODIRQFWLRQGDSS
est fm(A)=tm(fA) avec t une transformation mathmatique.
Intrt: pouvoir engendrer des SEF voisins les uns des autres
par modification graduelle
3OXVLHXUVW\SHVUHQIRUoDQWVDIIDLEOLVVDQWVFI7'
m est dit restrictif si: u[0,1] tm(u) d u
m est dit expansif si: u[0,1] tm(u) t u
Exercice: dessiner des modificateurs restrictifs et expansifs
pour un SEF reprsentant la notion grand .

34

Logique Floue : Propositions floues

Proposition floue lmentaire : qualification V est A d'une

variable linguistique (V, X, TV), o A est un SEF de TV ou de
M(TV), avec M un modificateur linguistique de TV

Par exemple: Age-personne est jeune ou Age-personne est plutt

jeune

Proposition floue gnrale : composition de propositions floues

lmentaires de variables linguistiques qui peuvent tre distinctes

Soient V est A p.f.e. de (V, X, TV), et W est B p.f.e. de (W, X, TW)

Exemples de proposition floue gnrale :

V est A et W est B
V est A ou W est B

35

Logique Floue : Propositions floues

Valeurs de vrit :

Proposition classique : valeur de vrit {0,1} (FAUX ou

VRAI)
Proposition floue : la valeur de vrit est un SEF valeurs
dans [0,1]
Valeur de vrit pA de V est A : fA fonction
d'appartenance de A
Valeur de vrit p d'une proposition floue gnrale :
agrgation des valeurs de vrit pA et pB de chaque
proposition floue lmentaire

exemple 1 : V est A et W est B : pAB= min(pA, pB)

exemple 2 : V est A ou W est B : pAB= max(pA, pB)
36

Logique Floue : Implications floues

Implication

Logique classique :

p q quivaut p q on obtient

la table de vrit suivante :

Logique floue :

p
1
1
0
0

q
1
0
1
0

pq
1
0
1
1

,OQ\DSDVXQHVHXOHGpILQLWLRQ
/H[WHQVLRQGHODGpILQLWLRQSUpFpGHQWHHVWDSSHOpH
OLPSOLFDWLRQGH.OHHQH-Dienes :

A B quivaut max(1 fA(x), fB(y))

37

Logique Floue : Implications floues (2)

Rgle de production : implication entre 2 propositions floues

(p.f.)

V est A W est B se lit si V est A alors W est B

V est A est la prmisse
W est B est la conclusion
Par exemple: si vitesse est rapide alors flid est gupard

Une implication floue HQWUHSIV est AHWW est BHVWXQH

SIV est A W est BGRQWODYDOHXUGHYpULWpHVWGRQQpHSDU
ODIRQFWLRQGDSSDUWHQDQFHf GXQHUHODWLRQIORXH entre X et Y
dfinie par:
 x X,  y Y, f(x, y) = )(fA(x), fB(y))
pour une fonction ) de [0,1]u[0,1] o [0,1]
/LPSOLFDWLRQIORXHGpFULWOHlien causal HQWUHV est AHWW est
B
38

Logique Floue: Raisonnement

,OH[LVWHEFSGLPSOIORXHV.OHHQH-'LHQHV5HLFKHQEDFK/XNDVLHZLF]

ex: )(fA(x), fB(y)) = min(1 fA(x)+ fB(y),1) [Lukasiewicz]

ex: )(fA(x), fB(y)) = min(fA(x), fB(y)) [Mamdani]

Modus ponens de la logique classique

Rgle:
Observation:
Dduction:

Prmisse
Prmisse-observe

Conclusion
Conclusion

Modus ponens : rgle de dduction pour infrer de la connaissance

Rgle:
Observation:
Dduction:

H est humain
Socrate est humain

H est mortel
Socrate est mortel

39

Logique Floue: Raisonnement

Modus ponens gnralis : extension du modus ponens aux

propositions floues
Soient (V, X, TV) et (W, X, TW) deux variables linguistiques
Rgle floue:

V est A
fA
Observation floue: V est A'
fA'
Dduction:

W est B
fB

W est B'
fB'

fA fB et fA' sont connus, on recherche la valeur de f%(y),  y Y

40

Logique Floue: Raisonnement

Rgle floue V est A W est B

Le MPG combine la rgle floue avec l'observation V est A'

pour construire la conclusion B'

Oprateur de modus ponens gnralis : fonction T de

[0,1]u[0,1] dans [0,1] pour combiner f et fA'

Implication floue : x X,  y Y, f(x, y) = )(fA(x), fB(y))

T est une t-norme

T est lie f pour que le MPG soit compatible avec le MP classique
=> T et doivent tre compatibles.

On a, pour tout y Y : fB' = supx X T(f(x,y), fA'(x))

([HPSOHGRSpUDWHXUGH03*
 u,v [0,1] T(u,v) = max(u+v1,0) [Lukasiewicz]
41

Logique Floue: Incertitudes ?

Thorie des SEF

permet de modliser des connaissances imprcises ( peu

prs 8h ) ou vagues ( adolescent )
ne permet pas de manipuler les incertitudes ( il viendra
peut-tre )

Or, imprcision et incertitude sont souvent lies:

RQHVWVUTXLOYLHQGUDGDQVODPDWLQpH mais RQQHVW

SDVVUTXLOYLHQGUDjK
raisonner avec des donnes imprcises peut engendrer des
rsultats avec incertitude

=> Thorie des possibilits (Zadeh, 1978, puis Dubois

& Prade)
42

Logique Floue: Applications

Systmes experts utilisant le flou

ensemble de rgles floues + entres floues + sorties floues

V\VWqPHGLQIpUHQFH
pas de dfuzzification
peut ncessiter un raisonnement par analogie:

VLOHQWUpHQHVWSDVH[DFWHPHQWXQHGHVSUpPLVVHVGXQHUqJOH
=> ncessit de calculer une ressemblance entre cette entre et la
prmisse pour savoir comment modifier la conclusion de la rgle

43

Logique Floue : Applications

8QH[HPSOHGDSSOLFDWLRQGX03*ODcommande floue
=> ensemble de rgles floues + entre numrique + sortie
numrique
Ce problme comprend 3 tapes :
La quantification floue des entres / sorties du systme =>
fuzzification
/tablissement des rgles liant les sorties aux entres =>
humain / experts
La combinaison des rgles pour la gnration des sorties =>
MPG et dfuzzification

44

Logique Floue : Commande floue

Exemples:

contrleur flou : u=f(x) avec u vecteur de sortie du

contrleur et x OHYHFWHXUGHQWUpH
FRQGXLWHDXWRPDWLTXHGXQYpKLFXOHFDSWHXUV
flous)
gestion des systmes de ventilation, de rgulation
thermique...

45