Académique Documents
Professionnel Documents
Culture Documents
Uma breve descrio de Sistemas Fuzzy (Cont.) Podemos definir Lgica Fuzzy como sendo uma ferramenta capaz de capturar informaes vagas, em geral descritas em linguagem natural e convert-las para um formato numrico, de fcil manipulao pelos computadores contemporneos. Ela possibilita capturar com clareza e conciso as diversas nuances das vises utilizadas pelo homem em seu raciocnio usual, sem a necessidade de enquadr-lo obrigatoriamente em modelos s vezes incompatveis com o grau de difuso apresentado pelo problema em questo.
No pintado
50% pintado
pintado
Uma breve descrio de Sistemas Fuzzy (Cont.) Numa abordagem fuzzy, a resposta seria:
1. O retngulo da esquerdal est PINTADO com grau de 0% e NO PINTADO com grau de 100%. 2. O retngulo central est PINTADO com grau de 50% e NO PINTADO com grau de 50%. O retngulo da direita est PINTADO com grau de 100% e NO PINTADO com grau de 0%.
3.
Raciocinando sob imprecises Proposies como as relacionadas a seguir, tem sido a principal motivao, para a utilizao de conjuntos fuzzy:
A temperatura est alta. Maria tem cerca de 30 anos. Joo baixo. Mrio est ligeiramente gordo. O carro estava em alta velocidade.
Conjuntos Fuzzy
A idia bsica da teoria de conjuntos fuzzy que um elemento pertence a um conjunto fuzzy com um certo grau de pertinncia. Assim, uma proposio no verdadeira ou falsa, mas pode ser parcialmente verdadeira ou parcialmente falsa em qualquer grau. Este grau geralmente tomado no intervalo [0, 1]. 1
150 180 cm
1
150 180 cm
Conjuntos Fuzzy
Em teoria fuzzy, um conjunto fuzzy A do universo de discurso X definido pela funo (x), chamada funo de pertinncia do conjunto A.
A(x) : X [0, 1] onde se x est totalmente em A; 1 A(x) = 1 A(x) = 0 se x no est em A; 0 < A(x) < 1 se x est parcialmente em A.
150 180 cm 150 180
cm
Conjuntos fuzzy
(x)
Fuzzificao
Fuzzificao
X
X
Conjuntos fuzzy
X
A
Subconjunto fuzzy
Subconjunto Crisp
A
X
Conjuntos fuzzy
() 1.0
P e r ti n n c i a 0.8 0.6 0.4 0.2 0.0 150 165 180 Altura em cm 210 cm
Baixo
Mdio
Alto
Conjuntos fuzzy
() 1.0
P e r ti n n c i a 0.8 0.6 0.4 0.2 0.0 150 160 170 180 1.90 210 cm
Baixo
Mdio
Alto
Altura em cm
Conjuntos fuzzy
() 1.0
P e r ti n n c i a 0.8 0.6 0.4 0.2 0.0 150 160 170 180 1.90 210 cm Muito baixo
Muito alto
Baixo
Mdio
Alto
Altura em cm
Conjuntos fuzzy para altura Baixa, Mdia, Alta, Muito baixa e Muito alta
40
80
120
vmax
Km/h
Velocidade de um carro como uma varivel lingstica que pode assumir os valores dos conjuntos fuzzy baixa, mdia e alta
Da Figura anterior, segundo Zadeh podemos definir: X o nome da varivel lingstica. No exemplo, a velocidade do carro; T o conjunto de valores lingsticos que x pode assumir. No exemplo, T ={baixa, mdia, alta}; U o universo de discurso no qual a varivel lingstica x toma seus valores quantitativos (crisp). No exemplo, U = [ 0, Vmax ]; M a regra semntica que relaciona o valor de cada varivel lingstica em T com um conjunto fuzzy em U. No exemplo, M relaciona baixa,mdia e alta com as funes de pertinncia mostradas na Figura.
Um Sistema Fuzzy
Entrada
Fuzzificador X em U Mquina de Inferncia Fuzzy
1
Defuzzificador
Sada
Y em V
Conjuntos Fuzzy em U
Conjuntos Fuzzy em V
Componentes: Fuzzificadores ( Gaussiano Triangular Trapezoidal, etc) Defuzzificadores (Centro Ponderado, Mximo Valor, Centro de
Gravidade, etc.) O Centro Ponderado o mais comumente utilizado em sistemas e controle fuzzy
Entrada 1
Entrada 2
Comida (0 -1)
Os resultados das O resultado um regras so combi- nmero crisp nadas e destiladas (no fuzzy) (defuzzificada)
AND
A 0 0 1 1 B 0 1 0 1
min (A,B)
A 0 0 0 1 0 0 1 1
OR
B 0 1 0 1
max (A,B)
NOT (1 - A) A
0 1 1 0
0 1 1 1
1 A
NOT A
Complemento
max(A,B) OR = max
OR
AND
EXCELENTE
DELICIOSA
0.7
GENEROSA
0.0
0
0.3
0
0.8
25%
Servio
Comida
Gorjeta
w1 y* = w2
y1 w1 + y2 w2 w1 + w2
y1
y*
y2
Mdia ponderada dos centros (altura dos conjuntos Fuzzy resultanres) / soma dos pesos
Um exemplo:
Sistema que atribua o valor da gorjeta adequada para um servio de restaurante, considerando: 1. 2. 3. Se o SERVIO ou a comida forem ruins, a gorjeta BAIXA; Se o SERVIO for BOM a gorjeta MDIA; Se o SERVIO excelente ou a comida deliciosa, a gorjeta GENEROSA; Usar como mquina de INFERNCIA, o mtodo da implicao mnima de Mamdani (T-Norma)
Implicao de cada regra( Mtodo da implicao de Mamdani ) REGRA 1: 1. Se o servio ou comida RUIM ento gorjeta BAIXA; (
Operao fuzzy nas entradas( OR = max.) )
1
GENEROSA
RUIM
RUIM
0.4
BAIXA
0 0.3 Servio
1 0.8 Comida
0 0.7 Gorjeta
25%
IF ( 0.4 OR 0.0 ) THEN gorjeta BAIXA Usando o operador max para os valores CRISP teremos: max ( 0.4 , 0.0 ) = 0.4
GENEROSA
BOM
0.5
MEDIA
0 0.3
1 0
0 0.5
25%
Servio
Comida
Gorjeta
(servio = BOM ) = 0.5 IF ( 0.5) THEN gorjeta MEDIA Usando o operador max para os valores CRISP teremos: max ( 0.5 ) = 0.5
GENEROSA
GENEROSA
0,0
0 0.3
0 0.8
25%
Servio
(servio = EXC ) = 0.0 IF ( 0.0
OR
Comida
Gorjeta
Baixa
Mdia
Generosa
0%
25%
Gorjeta = 16.7%
Mquina de inferncia de Sugeno Podemos diminuir o tempo de inferncia fuzzy? Podemos usar um singleton como funo de
pertinncia no conseqente da regra. Este mtodo foi proposto por Michio Sugeno, o Zadeh do Japo, em 1985. Um singleton ou mais precisamente um singleton fuzzy, um conjunto fuzzy com uma funo de pertinncia que unitria num simples ponto particular no universo de discurso e zero nas demais partes.
ki
Onde x, y e z so variveis lingsticas; A e B so conjuntos fuzzy nos universos de discursos respectivos de X e Y; e f(x,y) uma funo matemtica.
Neste caso, a sada de cada regra fuzzy constante. Em outras palavras, todas as funes de pertinncia conseqentes so representadas por singletons.
RUIM
RUIM
0.4
0 0.3 Servio
1 0.8 Comida
Gorjeta
IF ( 0.4 OR 0.0 ) THEN gorjeta BAIXA Usando o operador max para os valores CRISP teremos: max ( 0.4 , 0.0 ) = 0.4
BAIXA
MEDIA GENEROSA
BOM
0.5
0.3 Servio
0 Comida
12.5 20 Gorjeta
25%
Servio
(servio = EXC ) = 0.0 IF ( 0.0
OR
Comida
Gorjeta
0.7
0.5 0.4 0
Baixa
Mdia
Generosa
*
0% 5% 12.5% 20% 25%