Vous êtes sur la page 1sur 43

Présentation du cours

 Théorie
 Bases de la théorie des sous-ensembles flous
 Pratique
 Utiliser la théorie (exercices)
 Applications FisPro

1
Maria Rifqi-Berger
Bibliographie
 « La logique floue », B. Bouchon-Meunier, Que-
sais-je? PUF, N° 2702.
 « Logique floue – exercices corrigés et exemples
d'applications », B. Bouchon-Meunier, L. Foulloy
et M. Ramdani, Cépaduès éd., 1998.
 « La logique floue et ses applications », B.
Bouchon-Meunier, Addison Wesley éd., 1995
 « Fuzzy sets, uncertainty and information », G.
Klir and T. Folger, Prentice Hall ed., 1988.

2
Maria Rifqi-Berger
Plan du cours
 Introduction
 Présentation du cours
 Définitions de base
 Sous-ensemble flou (sef)
 Caractéristiques de sef
 Opérations sur les sefs
 Quelques applications commerciales de la
logique floue
3
Maria Rifqi-Berger
Introduction
 L'imprécision du monde réel
 Le flou est partout
 Le flou est humain
 Le flou est plus souple
 Théorie des sous-ensembles flous
 « mesurer une gradation dans l'appartenance à un
ensemble »
 Une théorie mathématique formelle pour la prise en
compte de l'imprécision et des incertitudes
 Article fondateur: « Fuzzy Sets », L. A. Zadeh, in
Information and Control, 1965.
4
Maria Rifqi-Berger
Historique
 1965 : Théorie des ensembles flou introduite par L.A. Zadeh (UC
Berkeley)
 En 1973, le Pr. Zadeh publie un article (dans l'IEEE Transactions on
Systems, Man and Cybernetics) qui mentionne pour la première fois le
terme de variables linguistiques (dont la valeur est un mot et non un
nombre).
 En 1974, Mamdani (Université de Londres) réalise un contrôleur flou
expérimental sur un moteur à vapeur.
 En 1980, F.L. Smidth & Co. A/S (au Danemark) met en application la
théorie de la logique floue dans le contrôle de fours à ciment. C'est la
première mise en oeuvre pratique de cette nouvelle théorie.
 Dans les années 80, plusieurs applications commencent à immerger
(notamment au Japon).
 En 1987, « explosion du flou » au Japon (avec le contrôle du métro de
Sendaï) et qui atteint son apogée en 1990 (fuzzymania).
 Aujourd'hui, une vaste gamme de nouveaux produits ont une étiquette «
produit flou » (Fuzzy).
5
Maria Rifqi-Berger
Gestion des imprécisions -
Approche conventionnelle
 Dissoudre le flou puis traiter des
données précises
 informations floues  informations précises
 part importante d'arbitraire

 analyse de la sensibilité indispensable


 plusieurs jeux de données traités un par
un
 comparaison des résultats
6
Maria Rifqi-Berger
Gestion des imprécisions -
Approche floue
 Traiter des données floues puis
dissoudre le flou
 Garder le flou comme une information
 Reporter la dissolution du flou le plus tard
possible et sur la décision uniquement
 Accroissement de la fiabilité et de la
stabilité du système

7
Maria Rifqi-Berger
Gestion des imprécisions
 Théorie des ensembles flous introduite par Lotfi
Zadeh en 1965.
 Modèle mathématique pour représenter
l'imprécision et l'incertitude.
 Idée des ensembles flous facile à comprendre :
Freine dans 32m50
ou
Freine bientôt
 La précision n'est pas toujours utile.
 Capable d'interpréter des informations
imprécises et d'agir. 8
Maria Rifqi-Berger
Ensembles classiques / Ensembles
flous
 ensemble classique = ensemble des objets satisfaisant
des propriétés précises
 Exemple : ensemble des nombres compris entre 6 et 8
fonction caractéristique : m : R  {0, 1}
m(x) = 1 si 6  x  8
0 sinon.
 ensemble flou = ensemble des objets satisfaisant des
propriétés imprécises
 Exemple : ensemble des nombres proches de 7
fonction d'appartenance : : X  [0, 1]
(x) pas unique.
 différence majeure : unicité fonction caractéristique /
infinité fonction d'appartenance
9
Maria Rifqi-Berger
Théorie des sous-ensembles flous

X ensemble de référence
A sous-ensemble flou de X défini par une fonction
d'appartenance 
X  [0, 1]

Caractéristiques
 Noyau : éléments appartenant de façon absolue
Noy(A) = {x X / (x) = 1}
 Support : éléments appartenant au moins un peu
Supp(A) = {x X / (x)  0}

10
Maria Rifqi-Berger
Théorie des sous-ensembles flous
 Infinité de fonctions d'appartenance possibles
 flexibilité, ajustement maximal pour une situation
donnée

 Ensemble flou = toujours et seulement des fonctions

 Toute fonction X  [0, 1] est un ensemble flou dans


le sens mathématique. D'un point de vue sémantique,
il faut qu'une telle fonction soit interprétable à l'aide de
propriétés imprécises décrivant les éléments de X.

11
Maria Rifqi-Berger
Probabilité / Flou

ensembles flous = déguisement pour les


statistiques ?
NON

A B

 p(B) = 0.9

Quelle bouteille boirez-vous ?


12
Maria Rifqi-Berger
Probabilité / Flou
 A contient par exemple de l'eau vaseuse, pas de l'acide
chlorydrique.
 A est proche d'un liquide tout à fait potable.

 Sur 100 bouteilles B, 90 sont potables, 10 sont


dégoûtantes voire fatales.

 Il vaut mieux boire de l'eau vaseuse que de


prendre le risque de mourir.

2 philosophies différentes
13
Maria Rifqi-Berger
La théorie des sous-ensembles flous
 Une extension de la théorie des ensembles classiques
 Une théorie plus générale qui englobe la théorie des
ensembles classiques
 La théorie des ensembles classiques est un cas particulier
 Des choix sont à faire pour conserver certaines des propriétés
existantes dans la théorie des ensembles classiques
 Toutes les propriétés ne peuvent pas être conservées en même
temps
 La logique floue : application de la théorie des sous-
ensembles flous pour la modélisation du raisonnement
 Extension de la logique classique
 La commande floue : utilisation de la logique floue pour le
contrôle de systèmes automatiques
 Cas particulier de la logique floue 14
Maria Rifqi-Berger
Exemples de sous-ensembles flous
 X={moto,auto,train} (moyens de transport)
 A: sous-ensemble de X des moyens de transport rapides
 A= 0.7 / moto + 0,5 / auto + 1.0 / train
 X=[0, 130] (ensemble des âges)
 A: sous-ensemble de X des âges jeunes

Jeune
1

0
15 20 30 35 X

15
Maria Rifqi-Berger
Fonctions d’appartenance

16
Maria Rifqi-Berger
Caractéristiques d'un sef
 Soit X un univers, et A un sous-ensemble flou de
fonction d'appartenance fA.
 Noyau de A :
 Noy(A) = {x  X | fA(x)=1}
 Support de A :
 Supp(A) = {x  X | fA(x)>0}
 Hauteur de A :
 h(A) = supx  X fA(x)
 Cardinalité de A:
 |A| = x  X fA(x)
17
Maria Rifqi-Berger
Support d’un sef

18
Maria Rifqi-Berger
Noyau d’un sef

19
Maria Rifqi-Berger
Opérations sur les sefs (1)
 Extension des opérations de la théorie des
ensembles classiques: =, , , , complément
 Soient A et B deux sefs de X, de f.d'a. fA et fB.
 Égalité de sefs:
 A = B ssi x  X, fA (x) = fB(x)
 Inclusion de sefs:
 A  B ssi x  X, fA (x) < fB(x)
 Intersection de sefs: A  B:
 x  X, fA∩ B (x) = min(fA (x), fB(x))
 Union de sefs: A  B:
 x  X, fA  B (x) = max(fA (x), fB(x))
20
Maria Rifqi-Berger
Opérations sur les sefs (2)
 Certaines propriétés de la théorie des
ensembles classiques sont vérifiées (à faire en
exercice):
 A U∅ = A, A ∩ ∅ = ∅, A U X = X, A ∩ X = A
 Associativité de ∩ et de U :
 (A U B) U C = A U(B U C)
 Commutativité de ∩ et de U :
 A∩B = B∩A
 Distributivité de ∩ par rapport à U :
 A∩(B U C) = (A∩B) U(A∩C)
 A U(B∩C) = (A U B)∩(A U C)
21
Maria Rifqi-Berger
Opérations sur les sefs (3)
 Complément Ac d'un sous-ensemble flou
 x  X, fAc (x) = 1 – fA(x)
 Certaines propriétés de la théorie des ensembles
classiques sont vérifiées (à faire en exercice):
 (Ac)c = A
 (A∩B)c = Ac U Bc
 (A U B)c = Ac ∩ Bc
 D'autres propriétés ne le sont pas (généralement):
 Ac ∩A ≠∅ (contradiction)
 Ac U A ≠ X (tiers exclu).
22
Maria Rifqi-Berger
Opérations sur les sefs (4)
 Autres extensions des opérations de la théorie
des ensembles classiques: ∩ et U
 Ces opérations sont en fait des fonctions
mathématiques F:[0,1]×[0,1]  [0,1] telle que
x, y, F(x,y)  [0,1].
 L'intersection peut être réalisée en prenant
comme opérateur une t-norme (opérateur ET)
 L'union peut être réalisée en prenant comme
opérateur une t-conorme (opérateur OU)
23
Maria Rifqi-Berger
Opérations sur les sefs (5)
 Justification des choix des opérateurs
 Les opérateurs min et max sont les seuls
opérateurs qui soient commutatifs, associatifs,
mutuellement distributifs, continus et doublement
non décroissants
 D'autres opérateurs sont possibles :
 conjonction normes triangulaires (t-normes)
 disjonction conormes triangulaires (t-conormes)
 Propriétés communes : associativité,
commutativité, monotonie, élément neutre.
24
Maria Rifqi-Berger
Normes triangulaires (t-normes)
 Soit une fonction ⊤:[0,1]×[0,1]  [0,1] telle que
x, y, z  [0,1]:
 ⊤(x,y) = ⊤(y,x) (commutativité)
 ⊤(x, ⊤(y,z)) = ⊤( ⊤(x,y),z) (associativité)
 ⊤(x,y) ⊤(z,t) si x  z et y  t (monotonie)
 ⊤(x,1) = x (1 est élément neutre)
 Exemples de telles fonctions :
 min(x,y), x⋅y, max(x+y-1,0)
 ⊤ est une t-norme
 Utilisée pour l'intersection ou la conjonction 25
Maria Rifqi-Berger
Normes triangulaires (t-conormes)

 Soit une fonction :[0,1]×[0,1]  [0,1] telle que


x, y, z  [0,1]:
 (x,y) = (y,x) (commutativité)
 (x, (y,z)) = ((x,y), z) (associativité)
 (x,y)  (z,t) si x  z et y  t (monotonie)
 (x,0) = x (0 est élément neutre)
 Exemples de telle fonction:
 max(x,y), x+y-x⋅y, min(x+y,1)
  est une t-conorme
 Utilisée pour l'union
26
Maria Rifqi-Berger
Dualité t-norme / t-conorme
 Le choix d'une t-norme et celui d'une t-conorme est lié
 Etant donné un opérateur de complémentation
 par exemple: fc = 1-f
 Déf.: Une t-norme et une t-conorme sont duales si et
seulement si :
 1 – ⊤(x,y) = (1-x, 1-y)
 1 – (x,y) = ⊤(1-x, 1-y)
 En termes de sous-ensembles, la dualité permet de
conserver les lois de De Morgan
 Ainsi, par exemple, le min et le max sont duaux :
 on a : 1 – min(x,y) = max(1-x, 1-y) ainsi que 1 – max(x,y) =
min(1-x, 1-y)
 On montre que (à faire en exercice)
 les opérateurs probabilistes sont duaux
 les opérateurs de Lukasiewicz sont duaux 27
Maria Rifqi-Berger
Comparaison des normes de Zadeh et
des normes probabilistes

28
Maria Rifqi-Berger
Exemples
 X={moto,auto,train} (moyens de transport)
 Transport rapide: A= 0.7 / moto + 0,5 / auto + 1.0 /
train
 Transport familial: B= 0.1 / moto + 1.0 / auto + 0.6 /
train
 X=[0, 130] (ensemble des âges)
Jeune Salarié
1

0
15 20 30 35 55 70 X
29
Maria Rifqi-Berger
Caractéristiques d'un sef (2): -coupes
 Une -coupe (alpha-coupe) d'un sef A est un
sous-ensemble classique A extrait du sef A,
défini en fonction d'un seuil   [0,1] fixé :
 soit   [0,1],  x  X, x  A si et seulement si
fA(x) 
 A est un sous-ensemble classique de X. (fA
prend ses valeurs dans {0,1}).
 On vérifie que (à faire en exercice):
 Si  >  ' alors A  A' et si B  A alors B  A
 (A ∩ B) = A ∩ B , et (A  B)  = A   B 
  x  X, fA(x) = sup]0,1]  f(x) (i.e. on peut
reconstruire A à partir de ses -coupes).
30
Maria Rifqi-Berger
-coupes d’un sef

31
Maria Rifqi-Berger
Relations entre sous-ensembles
flous
 Relation: notion fondamentale des
mathématiques classiques
 Basée sur le produit cartésien d'ensembles
 Les relations établissent des liens entre
éléments
 soit d'un même ensemble
 soit d'ensembles différents
 Elles permettent de construire des applications
 une application est une relation particulière

32
Maria Rifqi-Berger
Produit cartésien de sefs

 Cas où l'on désire combiner l'information venant


de plusieurs ensembles de référence
 Soit X1 et X2, deux univers de référence et X leur
produit cartésien (classique), X=X1×X2, dont les
éléments sont les couples (x1,x2), x1X1 et x2X2
 Déf.: Soient A1 et A2 respectivement définis sur
X1 et X2, on définit le produit cartésien A=A1×A2
comme un sef de X, de fonction d'appartenance:
 x  X, x=(x1,x2), fA(x)=min( fA1(x1), fA2(x2) )

33
Maria Rifqi-Berger
Produit cartésien

X2
A2 x2 (x2 , x1)

x1 X1

A1

34
Maria Rifqi-Berger
Exemple d'application du produit
cartésien
 X1={moto,auto,train} (moyens de transport)
 Transport rapide:
A1= 0.7 / moto + 0,5 / auto + 1.0 / train
 X2={pasCher, cher} (prix)
 Prix souhaité :
A2= 0.7 / pasCher + 0.4 / cher
 Donnez la fonction d'appartenance du
produit cartésien (transport rapide, prix
souhaité)
35
Maria Rifqi-Berger
Relations floues
 Une relation floue R entre 2 ensembles de références X
et Y, est un sous-ensemble flou de XxY de fonction
d'appartenance fR
 Si X et Y sont finis, R peut être représentée par la matrice M(R)
des valeurs de sa fonction d'appartenance
 Exemple: la relation « est préféré à » sur XxX avec X={Train,
Voiture, Moto, Avion}
 La composition de 2 relations floues R1 sur XxY et R2
sur YxZ définit une relation floue R=R1˚ R2 sur XxZ de
f.a. définie par :
 (x,z) XxZ, fR(x,z)= sup y  Y min(fR1(x,y), fR2(y,z))

36
Maria Rifqi-Berger
Relation floue transitive
 Transitivité : propriété très utilisée pour des
relations
 si A ressemble à B, et que B ressemble à C, alors
est-ce que A ressemble à C ?
 si x < y et que y < z alors x < z
 Une relation floue R sur X est dite transitive si
elle vérifie RR  R.
 En particulier, si on utilise la composition max-
min, on dira que la relation floue R est max-min
transitive si :
 (x,z) XxZ, fR(x,z)  sup y  Y min(fR(x,y),
fR(y,z))
37
Maria Rifqi-Berger
Principe d'extension (1)
 Principe d'extension: utilisé pour étendre
une fonction classique aux sefs.

38
Maria Rifqi-Berger
Entrée précise

39
Maria Rifqi-Berger
Entrée floue

40
Maria Rifqi-Berger
Principe d'extension (2)
 Idée: possédant une fonction sur un univers
classique X, permettre son utilisation avec des
sefs de X.
 Définition: Étant donné un sef A de X, et une
application  de X vers Y, le principe d'extension
permet de définir un sef B de Y associé à A par  :
 yY, fB(y)= sup{x  X | y= (x)}fA(x) si -1(y)≠∅
0 sinon
 Le sef B est l'image du sef A par la fonction .
41
Maria Rifqi-Berger
Exemple d'application du principe
d'extension (1)
 X={camion, caravane, voiture, moto} (moyens de
transport)
 Y={Rapide, Lente, Normale} (mesures des vitesses)
 On définit la fonction  qui associe une vitesse à un
moyen de transport :
 (camion)=L, (caravane)=L, (voiture)=N, (moto)=R
 Nouveau véhicule: side-car= 0.5|moto + 0.4|voiture +
0.1|caravane
 Mesure de la vitesse d'un side-car?
 fB(L)= max(fsc(camion),fsc(caravane))=max(0, 0.1)= 0.1
 fB(N)= fsc(voiture)= 0.4
 fB(R)= fsc(moto)= 0.5
42
Maria Rifqi-Berger
Exemples d'application du principe
d'extension (2)
 Fonction mathématique classique : (x)= x2
 A un sef de [0,1] de f. a. fA, le sef B de [0,1[ de f.a.
fB qui correspond à la A2.
 y Y, fB(y)= sup{x  X | y=x2} fA(x) si -1(y)≠∅
0 sinon
 Mesure de surprise : (p)= -log(p)
 A un sef de [0,1] de f. a. fA, le sef B de [0,1[ de f.a.
fB qui correspond à la valeur floue de surprise
causée par A.
43
Maria Rifqi-Berger