30

3 Teoria dos Conjuntos Fuzzy

Apresentam-se aqui alguns conceitos da teoria de conjuntos fuzzy que sero

necessrios para o desenvolvimento e compreenso do modelo proposto (captulo 5).
A teoria de conjuntos fuzzy eficiente para modelar a incerteza na definio de
parmetros e tem resultados nas mais variadas aplicaes [17] [18] [19]. Esta teoria, que
considera a subjetividade e a experincia dos profissionais, capaz de capturar informaes
imprecisas, descritas em linguagem natural, e convert-las para um formato numrico,
visando efetuar um raciocnio aproximado, com proposies imprecisas, atravs de
conjuntos fuzzy.
PUC-Rio - Certificao Digital N 0210463/CA

O conceito de conjuntos fuzzy foi inicialmente introduzido por Zadeh [20] quando ele
observou a impossibilidade de modelar sistemas com fronteiras mal definidas segundo as
abordagens matemticas rgidas e precisas dos mtodos clssicos, como, por exemplo, a
teoria da probabilidade.

3.1. Conceitos de Lgica Fuzzy

3.1.1. Conjuntos Fuzzy

Um conjunto fuzzy definido por uma funo chamada de funo de pertinncia.

Cada funo de pertinncia define um conjunto fuzzy, A, do conjunto universal, U, atravs
da atribuio de um grau de pertinncia, A (x) , entre 0 e 1 para cada elemento x de U. Este
o grau com o qual x pertence a A:

A : U [0,1] (3.1)

Um conjunto fuzzy pode ser interpretado como a ponte que liga o conceito impreciso
sua modelagem numrica, atribuindo-se a cada indivduo no universo um valor entre 0 e
1, que representa o grau de pertinncia deste indivduo ao conjunto fuzzy.
 31

Um conjunto fuzzy dito normalizado se o valor mximo (ou supremum) 1:

sup xU A ( x) = 1 (3.2)

Um conjunto fuzzy que no normal chamado de subnormal. Duas caractersticas

importantes de conjuntos fuzzy so:
O suporte de A: a parte de U sobre a qual a funo de pertinncia de A no
nula. A sua notao supp(A) e verifica:

supp( A) = {x U / A ( x) 0)} (3.3)

O ncleo de A: ele no vazio na condio de que o conjunto fuzzy A seja

normalizado. A sua notao nuc(A) e verifica:

nuc( A) = {x U / A ( x) = 1)}
PUC-Rio - Certificao Digital N 0210463/CA

(3.4)

Uma propriedade importante dos conjuntos fuzzy a sua habilidade de expressar

transies graduais de pertinncia para no-pertinncia. Isto permite a captura, pelo menos
de forma grosseira, do sentido de expresses em linguagem natural que so na maioria das
vezes vagas. Conjuntos crisp so inadequados para este fim.
A Figura 4 ilustra as componentes de um conjunto fuzzy [17] [19] [21].

Funo de Pertinncia
(x)
1
Grau de Pertinncia

0,8

0,6

0,4

0,2

0 x
0 1 2 3 4 5 6 7 8 9
Domnio do Conjunto Fuzzy

Figura 4 Componentes de um Conjunto Fuzzy

 32

3.1.2. Conjunto Singleton

Um conjunto fuzzy chamado de singleton se seu suporte um nico ponto em U e

com de grau de pertinncia igual a 1, (x) = 1.
A Figura 5 ilustra um conjunto singleton de domnio 4.
(x)
1
Grau de Pertinncia

0,8

0,6

0,4

0,2

0 x
PUC-Rio - Certificao Digital N 0210463/CA

0 1 2 3 4 5 6 7 8 9
Domnio do Conjunto Fuzzy

Figura 5 Exemplo de um Conjunto Singleton

3.1.3. Conjunto -cut

Para todo valor do intervalo [0,1], definido o -cut A (ou corte no nvel ) de
um conjunto fuzzy A de U como o sub-conjunto:

A = {x U / A ( x) } (3.5)

O -cut pode ser interpretado como o conjunto fuzzy que apresenta uma restrio ou
um limite imposto ao domnio do conjunto baseado no valor do . Assim, o conjunto
resultante contm todos os elementos do domnio que possuem um grau de pertinncia,
(x) superior ou igual ao valor de .
Qualquer conjunto fuzzy A forma uma famlia aninhada (nested family) de conjuntos,
isto :

A A quando > (3.6)

 33

A Figura 6 ilustra um conjunto -cut com = 0,2.

(x)
1
Grau de Pertinncia

0,8

0,6

0,4

0,2

0 x
0 1 2 3 4 5 6 7 8 9
Domnio do Conjunto Fuzzy

Figura 6 Exemplo de Conjunto -Cut

PUC-Rio - Certificao Digital N 0210463/CA

3.2. Conceitos de Nmeros Fuzzy

3.2.1. Intervalos

Quando um intervalo definido a partir de um nmero real R, este intervalo

chamado de um subconjunto de R. Por exemplo, se um intervalo denotado como
A = [a1 , a3 ] , a1 , a3 R , a1 < a3 , pode-se interpret-lo como um tipo de conjunto. Um
intervalo tambm pode ser expresso atravs de uma funo de pertinncia (Figura 7):

0, x < a1

A ( x) = 1, a1 x a3 (3.7)
0, x > a3

Se a1 = a3 , este indica um ponto, ou seja, [a1 , a1 ] = a1

 34

(x)

a1 a3 x

Figura 7 Exemplo de Intervalo com A = [a1, a3]

PUC-Rio - Certificao Digital N 0210463/CA

3.2.2. Nmero Fuzzy

O nmero fuzzy um caso especial de conjunto fuzzy que define um intervalo fuzzy
nos nmeros reais, R. Para um nmero real cujo valor preciso no conhecido com
exatido, este nmero definido atravs de um intervalo fuzzy. Um intervalo fuzzy
geralmente representado por dois pontos extremos a1 e a3 (um valor mnimo e um valor
mximo) e um ponto mdio a2 (o valor mais possvel) como (a1 , a 2 , a3 ) , tambm ilustrado
na Figura 8.
Sendo os nmeros fuzzy mais comuns os triangulares e os trapezoidais, os graus de
pertinncia formam funes com equaes simples.
A operao de -cut tambm pode ser aplicada a nmeros fuzzy. Denotando-se como
A o intervalo -cut de um nmero fuzzy A, este intervalo definido como:

[ ( )
A = a1 , a3
( )
] (3.8)
 35

(x)

a1 a2 a3 x

Figura 8 Ilustrao grfica do nmero fuzzy A = (a1 , a 2 , a3 )

tambm possvel estabelecer qualquer intervalo crisp dentro de um nmero fuzzy

PUC-Rio - Certificao Digital N 0210463/CA

associado a um -cut qualquer, como ilustrado na Figura 9.

(x)

'

(0) ( ') ( ) ( ) ( ') (0) x

a1 a1 a1 a2 a3 a3 a3

[
A = a1 , a3
( ) ( )
]
A ' = a1[ ( ')
, a3
( ')
]
Figura 9 - -cut de um nmero fuzzy: < A A '
 36

Para que um conjunto fuzzy seja definido como um nmero fuzzy, este deve obedecer
s seguintes condies:
Estar definido nos nmeros reais;
A funo de pertinncia deve ser contnua;
O conjunto fuzzy deve ser normalizado;
O conjunto fuzzy deve ser convexo.
Logo, um nmero fuzzy deve ser normalizado e convexo. A condio de
normalizao implica que o valor mximo do grau de pertinncia 1, conforme a eq. (3.9):

x R, A ( x) = 1 (3.9)

A condio de convexidade significa que a linha traada por um -cut contnua e o

intervalo -cut satisfaz s seguintes relaes:
PUC-Rio - Certificao Digital N 0210463/CA

[
A = a1
( )
, a3
( )
] (3.10)

( ') ( ) ( ') ( )
( ' < ) (a1 a1 , a3 a3 ) (3.11)

A condio de convexidade tambm pode ser escrita como na eq. (3.12):

( ' < ) A A ' (3.12)

3.2.3. Nmero Fuzzy Triangular

Dentre as diversas formas de nmeros fuzzy, o nmero fuzzy triangular o mais

utilizado. representado por trs pontos e expresso por A = (a1 , a 2 , a3 ) . Esta representao
interpretada como funes de pertinncia, eq. (3.13).

0, x < a1
x a1
, a1 x a 2
a2 a1
A ( x) = (3.13)
a x
3 , a 2 x a3
a3 a 2
0, x > a3
 37

A Figura 10 ilustra um nmero fuzzy triangular: no eixo x esto os valores da

varivel, a1, a2 e a3; no eixo y est representado o grau de pertinncia para cada valor de x.
O nmero fuzzy triangular utilizado quando o parmetro em anlise possui uma faixa de
variao e um nmero dentro desta faixa possui uma possibilidade de ocorrncia num nico
pico maior do que os outros.

(x)

1
PUC-Rio - Certificao Digital N 0210463/CA

a1 a2 a3 x

Figura 10 Nmero fuzzy triangular A = (a1 , a 2 , a3 )

A este nmero fuzzy triangular aplicada uma operao de -cut. Seja A um

intervalo crisp de um nmero fuzzy triangular, obtido atravs de uma operao de -cut,
[0,1] . Da eq. (3.13) obtm-se:

( ) ( )
a1 a1 a3 a3
= , =
a2 a1 a3 a 2

Assim:

( )
a1 = (a 2 a1 ) + a1 ,
( )
a3 = (a3 a2 ) + a3

Logo:

A = a1 , a3[ ( ) ( )
] = [(a 2 a1 ) + a1 , (a3 a2 ) + a3 ] (3.14)
 38

A seguir apresentado um exemplo para ilustrar o intervalo -cut ou intervalo

possibilstico.
Exemplo: seja o nmero fuzzy triangular A = (5,1, 1) mostrado na Figura 11, onde
a funo de pertinncia dada pela eq. (3.15) abaixo:

0, x < 5
x +5
, 5 x 1
A ( x) = 4 (3.15)
1 x
, 1 x 1
2
0, x >1

Analiticamente o intervalo -cut deste nmero fuzzy :

x+5
= x = 4 5
PUC-Rio - Certificao Digital N 0210463/CA

4
1 x
= x = 2 + 1
2

A = a1[ ( )
, a3
( )
] = [4 5, 2 + 1] (3.16)

Se = 0,5, a partir da eq. (3.16) obtm-se A0,5 :

A0,5 = a1 [ ( 0, 5 )
, a3
( 0, 5 )
] = [ 3, 0]
 39

(x)

0,5

-7 -6 -5 -4 -3 -2 -1 0 1 x

A0 , 5
Figura 11 Intervalo = 0,5 cut do nmero fuzzy triangular A = (-5, -1, 1)
PUC-Rio - Certificao Digital N 0210463/CA

3.2.4. Aritmtica de Intervalos

Operaes com nmeros fuzzy podem ser generalizadas a partir das operaes de
intervalos crisp. A seguir so apresentadas brevemente as definies das principais
operaes intervalares, considerando A e B como nmeros expressos como intervalos [22],
[23], [24], de modo que:

a1 , a3 , b1 , b3 R

A = [a1 , a3 ], B = [b1 , b3 ]

i) Adio: a adio de dois intervalos definidos nos nmeros reais , eq. (3.17):
A + B = [a1 , a3 ] (+) [b1 , b3 ] = [a1 + b1 , a3 + b3 ] (3.17)

ii) Subtrao:
A B = [a1 , a3 ] () [b1 , b3 ] = [a1 b3 , a3 b1 ] (3.18)

iii) Multiplicao:
A B = [a1 , a3 ] () [b1 , b3 ]
 40

A B = [a1 b1 a1 b3 a3 b1 a3 b3 , a1 b1 a1 b3 a3 b1 a3 b3 ]

isto :

A B = [min{a1 b1 , a1 b3 , a3 b1 , a3 b3 }, max{a1 b1 , a1 b3 , a3 b1 , a3 b3 }]
(3.19)

iv) Diviso:
A / B = [a1 , a3 ] (/) [b1 , b3 ]

A / B = [a1 / b1 a1 / b3 a3 / b1 a3 / b3 , a1 / b1 a1 / b3 a3 / b1 a3 / b3 ]

isto :

A / B = [min{a1 / b1 , a1 / b3 , a3 / b1 , a3 / b3 }, max{a1 / b1 , a1 / b3 , a3 / b1 , a3 / b3 }] (3.20)

PUC-Rio - Certificao Digital N 0210463/CA

excluindo o caso de b1 = 0 ou b3 = 0.

v) Inversa de um intervalo:

A 1 = 1 = [a1 , a3 ]
1
A

A 1 = 1 1 , 1 1
a1 a3 a1 a3

isto :

A 1 = min 1 , 1 , max 1 , 1 (3.21)
1a a 3 1a a 3

excluindo o caso de a1 = 0 ou a3 = 0.

vi) Multiplicao de um intervalo por um escalar:

R
se > 0

A = [a1 , a3 ] = [a1 , a3 ] (3.22)

 41

se < 0
A = [a1 , a3 ] = [a3 , a1 ] (3.23)

3.2.5. Aritmtica Fuzzy

O conceito de nmeros fuzzy pode ser apresentado de diversas maneiras. Neste

trabalho, um nmero fuzzy considerado como uma extenso do conceito de intervalo de
confiana. Esta extenso baseada numa idia natural e simples: ao invs de considerar o
intervalo de confiana em um nico nvel, ele considerado em vrios nveis e mais
especificamente entre os nveis 0 e 1. O intervalo de confiana mximo considerado igual
a 1 e o mnimo igual a 0. O nvel de pertinncia , para [0, 1], fornece um intervalo de

[
confiana A = a1 , a3
( ) ( )
], que uma funo montona decrescente de . Isto quer dizer
que:
PUC-Rio - Certificao Digital N 0210463/CA

para todo , [0, 1]

se ( ' > ) A ' A

ou
( ' > ) a1 [ ( ')
, a3
( ')
] [a
1
( )
, a3
( )
]
Desta forma, pode-se aplicar a teoria da aritmtica intervalar para definir as operaes com
nmeros fuzzy, onde cada intervalo possibilstico definido por um -cut pode ser tratado
independentemente pela aritmtica intervalar.

3.2.5.1. Operaes do Intervalo -cut

Os intervalos -cut de um nmero fuzzy A = [a1 , a3 ] podem ser referenciados como

um conjunto crisp.

[
A = a1 , a3
( ) ( )
] [0, 1] a , a , a 1 3 1
( )
, a3
( )
R

Desta forma A um intervalo crisp. Logo, as operaes vistas na seo 3.2.4 podem

ser aplicadas para o intervalo -cut, A .

 42

Se o intervalo -cut, B , de um nmero fuzzy B definido por:

B = [b1 ,b3 ], b1 , b3 R

[ ( )
B = b1 , b3
( )
], [0, 1], b 1
( )
, b3
( )
R ,

as operaes entre A e B podem ser descritas da seguinte forma:

A + B = a1 , a3[ ( ) ( )
](+)[b
1
( )
, b3
( )
] = [a 1
( )
+ b1
( )
, a3
( )
+ b3
( )
]
A B = a1 [ ( )
, a3
( )
]()[b
1
( )
, b3
( )
] = [a 1
( )
b3
( )
, a3
( )
b1
( )
]
Isto , para cada grau de pertinncia do nmero fuzzy estabelecido um -cut,
criando-se intervalos -cut. Logo, as operaes com o nmero fuzzy sero realizadas para
PUC-Rio - Certificao Digital N 0210463/CA

cada nvel, cada -cut, segundo a aritmtica intervalar. Estas operaes podem ser
estendidas para multiplicao, diviso, etc.
Pode-se concluir que as operaes com nmeros fuzzy seguem as mesmas
propriedades das operaes intervalares. A diferena que, com os nmeros fuzzy, as
operaes so realizadas para cada nvel de pertinncia. como se o nmero fuzzy fosse
fatiado em diversos nmeros intervalares.

3.2.5.2. Operaes com o Nmero Fuzzy Triangular

Algumas propriedades das operaes do nmero fuzzy triangular esto resumidas

abaixo:
i) Os resultados de uma adio ou de uma subtrao entre nmeros fuzzy
triangulares tambm so nmeros fuzzy triangulares.
ii) Os resultados da multiplicao ou da diviso no so nmeros fuzzy
triangulares.

Freqentemente, aproximam-se que os resultados operacionais de uma multiplicao

ou de uma diviso por nmeros fuzzy triangulares.
 43

Em primeiro lugar sero consideradas a adio e a subtrao. Neste caso, no

necessrio o uso das funes de pertinncia. Sejam os nmeros fuzzy triangulares A e B
definidos abaixo:
A = (a1 , a 2 , a3 ) , B = (b1 , b2 , b3 )

i) Adio

A(+) B = (a1 , a2 , a3 )(+)(b1 , b2 , b3 )

: nmero fuzzy triangular (3.24)
= (a1 + b1 , a 2 + b2 , a3 + b3 )

ii) Subtrao

A() B = (a1 , a2 , a3 )()(b1 , b2 , b3 )

: nmero fuzzy triangular (3.25)
= (a1 b3 , a2 b2 , a3 b1 )
PUC-Rio - Certificao Digital N 0210463/CA

iii) Imagem Simtrica

( A) = (a3 ,a2 ,a1 ) : nmero fuzzy triangular (3.26)

Exemplo: sejam os nmeros fuzzy triangulares A e B definidos abaixo:

A = (3, 2, 4) e B = (1, 0, 6)
logo:
A(+) B = (4, 2, 10)
A() B = (9, 2, 5)
Os conjuntos fuzzy de A e de B, assim como os conjuntos fuzzy da soma A (+) B e da
subtrao A (-) B esto ilustrados na Figura 12.
No caso da multiplicao ou da diviso, ao invs de se efetuar o clculo preciso
atravs das funes de pertinncia, o que resultaria em um nmero fuzzy no triangular,
prefervel aproximar o resultado para um nmero fuzzy triangular.
 44

1 A

0,5

-4 -3 -2 -1 0 1 2 3 4 5 6

(a) Nmeros fuzzy triangulares A e B

A (+)B

0,5
PUC-Rio - Certificao Digital N 0210463/CA

-5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 9 10

(b) Soma A (+) B de nmeros fuzzy triangulares

A (-)B

0,5

-10 -9 -8 -7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5

(c) Subtrao A (-) B de nmeros fuzzy triangulares

Figura 12 A (+) B e A (-) B de nmeros fuzzy triangulares

Exemplo: Aproximao da multiplicao

Sejam os dois nmeros fuzzy triangulares definidos abaixo:

A = (1, 2, 4) , B = (2, 4, 6)
O primeiro passo obter os -cuts dos nmeros fuzzy em questo:
 45

A = [(2 1) + 1, (4 2) + 4]
= [ + 1, 2 + 4]

B = [(4 2) + 2, (6 4) + 6]
= [2 + 2, 2 + 6]
Para todo [0, 1], multiplica-se A e B , que so dois intervalos crisp. Observe-

se que, para [0, 1], todos os elementos de cada intervalo so nmeros positivos. Logo a
operao de multiplicao dos dois intervalos simples.

A () B = [ + 1, 2 + 4]()[2 + 2, 2 + 6]
= [( + 1)(2 + 2), (2 + 4)(2 + 6)]
= [2 2
+ 4 + 2, 4 2 20 + 24 ]
importante observar que, neste ponto, fica claro que o nmero fuzzy resultante da
PUC-Rio - Certificao Digital N 0210463/CA

multiplicao de dois nmeros fuzzy triangulares no um nmero fuzzy triangular.

Quando = 0:

A0 () B0 = [2, 24]

Quando = 1:

A1 () B1 = [2 + 4 + 2, 4 20 + 24] = [8, 8 = 8]

Obtem-se desta forma um nmero fuzzy triangular que uma aproximao de

A() B :

A() B (2, 8, 24)

A Figura 13 apresenta as funes de pertinncia dos nmeros fuzzy triangulares A e

B, a funo de pertinncia no aproximada da multiplicao A () B e a funo de
pertinncia da mesma multiplicao aproximada por um nmero fuzzy triangular. Observa-
se que a diferena entre as duas funes de pertinncia de A () B pequena.
 46

A ( )B
No aproximado
A B A ( )B
1 Aproximado

0,5

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

Figura 13 Multiplicao A () B de dois nmeros fuzzy triangulares

PUC-Rio - Certificao Digital N 0210463/CA

Exemplo: Aproximao da diviso

De modo similar, o resultado aproximado da diviso A (/) B expresso atravs de um
nmero fuzzy triangular. Sejam os dois nmeros fuzzy triangulares A e B do exemplo
anterior e os mesmos intervalos -cut A e B . Para todo [0, 1], como todos os

elementos de cada intervalo so nmeros positivos e no nulos, a diviso A (/) B feita da

seguinte maneira:

A (/) B = [ + 1, 2 + 4](/)[2 + 2, 2 + 6]
= [( + 1) /(2 + 6), (2 + 4) /(2 + 2)]
Quando = 0:

A0 (/) B0 = [1 / 6, 4 / 2]
= [0,17, 2]

Quando = 1:

A1 (/) B1 = [(1 + 1) /(2 + 6), (2 + 4) /(2 + 2)]

= [2 / 4, 2 / 4]
= [0,5, 0,5]
= 0,5
 47

Obtm-se desta forma um nmero fuzzy triangular que uma aproximao de A(/) B :

A(/) B (0,17, 0,5, 2 )

PUC-Rio - Certificao Digital N 0210463/CA