LOGICA DIFUSA

Lgica difusa
La lgica difusa (tambin llamada lgica borrosa) 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 dos metros es
claramente una persona alta, si previamente se ha tomado el valor de persona baja y se ha
establecido en un metro. Ambos valores estn contextualizados a personas y referidos a una
medida mtrica lineal.
Fue formulada en 1965 por el ingeniero y matemtico Lotfi A. Zadeh.1

ndice
[ocultar]

1Funcionamiento
2Lgica Difusa Compensatoria (LDC)
3La modelizacin de la vaguedad en la Lgica Difusa Compensatoria
4Aplicaciones
o 4.1Aplicaciones generales
o 4.2Lgica difusa en inteligencia artificial
5Ventajas e inconvenientes
6Vase tambin
7Referencias
8Enlaces externos

Funcionamiento[editar]
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 indica 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:

Funcionamiento de un sistema de control difuso.

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)[editar]

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. [1]

La modelizacin de la vaguedad en la Lgica Difusa

Compensatoria[editar]
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[editar]
Aplicaciones generales[editar]
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[editar]
La lgica difusa es una rama de la inteligencia artificial que le permite a una computadora
analizar informacin del mundo real en una escala entre lo falso y lo verdadero, manipula
conceptos vagos, como "caliente" o "hmedo", y permite a los ingenieros construir dispositivos
que juzgan la informacin difcil de definir.
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, lavar ropas, 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[editar]
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.