Vous êtes sur la page 1sur 52

PATRCIA

Seminrio MCI 1999 - 1


Mtodos de Computao Inteligente

RODRIGO
1

Lgica Fuzzy

Plano de Aula

Introduo Benefcios da Lgica Fuzzy Conjuntos Fuzzy Variveis Lingusticas Operadores Sistemas Fuzzy Raciocnio Etapas Concluso
Mtodos de Computao Inteligente 2

Lgica Fuzzy

Introduo

Surgiu com Lofti Zadeh em 1965. O boom foi nos anos 80, no Japo. Lgica Fuzzy uma nova forma de pensamento sobre o mundo. uma tcnica baseada em graus de verdade.
os valores 0 e 1 ficam nas extremidades inclui os vrios estados de verdade entre 0 e 1

Mtodos de Computao Inteligente

Lgica Fuzzy

Introduo

O conhecimento humano incerto, incompleto ou impreciso. Ex.: Voc vai para o show de Cidade Negra?
talvez sim. se no chover eu vou. se o ingresso no for caro vou. vou logo cedo.

Muitas das frases e estimativas humanas no so facilmente definidas atravs de formalsmos matemticos.
Mtodos de Computao Inteligente 4

Lgica Fuzzy

Benefcios da Lgica Fuzzy

Permite solues mais eficientes para problemas tratados com tcnicas no-fuzzy. Reduz o tempo de desenvolvimento. Modela sistemas no-lineares complexos. Sistemas avanados precisam de menos chips e sensores.

Mtodos de Computao Inteligente

Lgica Fuzzy

Complexidade e Compreenso

Zadeh percebeu que a complexidade do sistema vem de como as variveis foram representadas e manipuladas. Zadeh representa o raciocnio humano em termos de conjuntos fuzzy. Princpio de Zadeh: Quando a complexidade do problema cresce, nossa habilidade para tornar as proposies precisas diminui at um limiar que est fora do nosso alcance. Isto torna a preciso e a relevncia duas caractersticas excelentes.
Mtodos de Computao Inteligente 6

Lgica Fuzzy

Conjuntos Fuzzy

So funes que mapeam o valor que poderia ser um membro do conjunto para um nmero entre 0 e 1. O grau de pertinncia 0 indica que o valor no pertence ao conjunto. O grau 1 indica significa que o valor uma representao completa do conjunto.

Um conjunto fuzzy indica com qual grau um projeto especfico

membro do conjunto de projetos LONGOS. A definio do que um projeto LONGO depende do contexto.

Mtodos de Computao Inteligente

Lgica Fuzzy

Conjuntos Fuzzy
Um projeto Longo
1

Grau de Pertinncia

(x)

0 2 4 6 8 10 12 14 16 18 Durao(em semanas)
Mtodos de Computao Inteligente 8

Lgica Fuzzy

Variveis Lingsticas

o centro da tcnica de modelagem de sistemas fuzzy. Uma varivel lingstica o nome do conjunto fuzzy. Pode ser usado num sistema baseado em regras para tomadas de deciso. Exemplo: if projeto.durao is LONGO then risco is aumentado. Transmitem o conceito de qalificadores. Qalificadores mudam a forma do conjunto fuzzy.

Mtodos de Computao Inteligente

Lgica Fuzzy

Variveis Lingsticas

Algumas variveis lingsticas do conjunto LONGO com qalificadores:


muito LONGO um tanto LONGO ligeiramente LONGO positivamente no muito LONGO Conjunto Fuzzy

Qalificadores
Mtodos de Computao Inteligente

Variveis Variveis Lingusticas Lingsticas

10

Lgica Fuzzy

Variveis Lingsticas

Permitem que a linguagem da modelagem fuzzy expresse a semntica usada por especialistas. Exemplo:
If projeto.durao is positivamente no muito LONGO then risco is reduzido um pouco

Encapsula as propriedades dos conceitos imprecisos numa forma usada computacionalmente. Reduz a complexidade do problema. Sempre representa um espao fuzzy.
Mtodos de Computao Inteligente 11

Lgica Fuzzy

Teoria dos Conjuntos Fuzzy

No um mtodo especfico para qualquer aplicao. mais geral que a Lgica Fuzzy e o clculo das proposies Fuzzy. Suporta a lgica usada para criar e manipular sistemas Fuzzy.

Mtodos de Computao Inteligente

12

Lgica Fuzzy

Operadores dos Conjuntos Fuzzy

Interseco

Sejam X conjunto de pontos, A e B conjuntos contidos em X e x X .

( A B ) ( x) = min( A ( x), B ( x))

( A B ) ( x ) = A ( x ) B ( x )

Mtodos de Computao Inteligente

13

Lgica Fuzzy

Operadores dos Conjuntos Fuzzy

Unio

Sejam X conjunto de pontos, A e B conjuntos contidos em X e x X .

( A B ) ( x) = max( A ( x), B ( x))


A B

( A B ) ( x ) = A ( x ) B ( x )

Mtodos de Computao Inteligente

14

Lgica Fuzzy

Operadores dos Conjuntos Fuzzy

Complemento

Sejam X conjunto de pontos, A um conjunto contido em X e x X .


A

A ( x ) = 1 A ( x )

Mtodos de Computao Inteligente

15

Lgica Fuzzy

Operadores dos Conjuntos Fuzzy

Em conjuntos Fuzzy, (A A) (TRUE ) e ( A A) ( FALSE ),


o que no satisfaz a teoria dos conjuntos clssica.

Considere ( A) = 1 / 2,

(A A) = max( ( A), ( A)) = max(1 1 / 2,1 / 2) = 1/2 1 (A A) = min( ( A), ( A)) = min(1 1 / 2,1 / 2) = 1/2 0
Mtodos de Computao Inteligente 16

Lgica Fuzzy

Sistemas Fuzzy

Externamente so menos complexos e mais fceis de entender. Os problemas so rapidamente isolados e fixados, reduzindo o tempo de manuteno. Requisitam menos regras, por isso o tempo mdio entre as falhas diminui.

Mtodos de Computao Inteligente

17

Lgica Fuzzy

Sistemas Fuzzy

Possuem grande habilidade para modelar sistemas comercias altamente complexos.


sistemas convencionais tem dificuldade em resolver problemas no-lineares complexos.

So capazes de aproximar o comportamento do sistema


porque apresentam vrias propriedades no-lineares e pouco compreensveis.

Mtodos de Computao Inteligente

18

Lgica Fuzzy

Sistemas Fuzzy

Benefcios para os especialistas:


habilidade em codificar o conhecimento de uma forma prxima a linguagem usada por eles.

Mas o que faz uma pessoa ser um especialista?


a capacidade em fazer diagnsticos ou recomendaes em termos imprecisos.

Sistemas Fuzzy capturam uma habilidade prxima do conhecimento do especialista. O processo de aquisio do conhecimento :
mais fcil, mais confivel, menos propenso a falhas e ambigidades.
Mtodos de Computao Inteligente 19

Lgica Fuzzy

Sistemas Fuzzy

capaz de modelar sistemas envolvendo mltiplos especialistas. Nos sistemas do mundo real, h vrios especialistas sob um mesmo domnio. Representam bem a cooperao mltipla, a colaborao e os conflitos entre os especialistas. Um exemplo das posies dos gerentes de controle, de produo, financeiro e marketing.
Nosso preo deve ser baixo. Nosso preo deve ser alto. Nosso preo deve ser em torno de 2*custo Se o preo dos concorrentes no muito alto ento nosso preo deve ser prximo do preo deles.
Mtodos de Computao Inteligente 20

Lgica Fuzzy

Sistemas Fuzzy

Devido aos seus benefcios, como:


regras prximas da linguagem natural fcil manuteno simplicidade estrutural

Os modelos baseados em sistemas Fuzzy so validados com maior preciso. A confiana destes modelos cresce.
Mtodos de Computao Inteligente 21

Lgica Fuzzy

Sistemas Fuzzy

Sistemas especialistas convencionais so modelados a partir da:


probabilidade Bayesiana algumas fatores de confiana ou certeza.

Ambas alternativas confiam na transferncia de valores incertos fora do prprio modelo. Sistemas Fuzzy fornecem a sistemas especialistas um mtodo mais consistente e matematicamente forte para manipulao de incertezas.
Mtodos de Computao Inteligente 22

Lgica Fuzzy

Sistemas Fuzzy

Um exemplo de sistema especialista baseado em regras simples para prever o peso de uma pessoa:
If altura > 1.65 and altura < 1.68 then peso is 60, CF =.082

O mesmo exemplo baseado lgica Fuzzy:


if altura is ALTA then peso is PESADO

Mtodos de Computao Inteligente

23

Lgica Fuzzy

Raciocnio Fuzzy

Nos sistemas especialista convencionais:


as proposies so executadas seqencialmente heursticas e algoritmos so usados para reduzir o nmero de regras examinadas.

Nos sistemas especialistas Fuzzy:


o protocolo de raciocnio um paradigma de processamento paralelo todas as regras so disparadas

Mtodos de Computao Inteligente

24

Lgica Fuzzy

Etapas do Raciocnio

1 FUZZIFICAO AGREGAO 2 INFERNCIA COMPOSIO 3 DEFUZZIFICAO


Mtodos de Computao Inteligente 25

Lgica Fuzzy

Etapas do Raciocnio
Variveis Calculadas
(Valores Lingusticos)

Inferncia

Variveis de Comando
(Valores Lingusticos)

Nvel Lingustico Nvel Numrico

Fuzzificao Defuzzificao

Variveis Calculadas
(Valores Numricos)

Objeto

Variveis de Comando
(Valores Numricos)

Mtodos de Computao Inteligente

26

Lgica Fuzzy

Etapas do Raciocnio
Proposio 2 Proposio 3 Proposio n

Proposio 1

Composio Composio

Defuzzificao Defuzzificao

Valor Esperado Valor Esperado


Mtodos de Computao Inteligente 27

Lgica Fuzzy

Fuzzificao e Certeza
Diferentes Faces da Impreciso INEXATIDO AMBIGUIDADE INDECISO
Mtodos de Computao Inteligente 28

PRECISO

Lgica Fuzzy

Fuzzificao e Certeza

Qual o porqu deste problema existencial ? Saber o que representar Saber o que realmente

Mtodos de Computao Inteligente

29

Lgica Fuzzy

Fuzzificao e Certeza

Lgica Fuzzy um clculo de compatibilidade. Ela trabalha com a descrio das caractersticas das propriedades ; Lgica Fuzzy x Probabilidade ; Descreve caractersticas que variam continuamente, associando partes dos valores a significados semnticos ; Poder relacionado a existncia de overlap; Representa uma medida de pertinncia de um elemento a um conjunto Fuzzy; No acaba com o tempo. uma propriedade intrnseca de um evento ou objeto.
Mtodos de Computao Inteligente 30

Lgica Fuzzy

Fuzzificao e Impreciso

Por que impreciso: Ela existe devido a nossa incoerncia em compreender um fenmeno do mundo real. Ferramentas baseadas na viso formalizada de Aristteles.

O que dizer da seguinte declarao:

O CARRO EST RPIDO


Mtodos de Computao Inteligente 31

Lgica Fuzzy

Fuzzificao e Impreciso
O CARRO EST RPIDO

O que significa rpido? A qual conjunto rpido pertence?

Modelo Dependente do Contexto


Mtodos de Computao Inteligente 32

Lgica Fuzzy

Fuzzificao e Impreciso

Curiosidade do Cotidiano:
Dilogo entre Glauber e Carina para decidir O quo rpido um carro rpido

Mtodos de Computao Inteligente

33

Lgica Fuzzy Glauber: Carina: Glauber: Carina: Glauber: Carina: Glauber:

Fuzzificao e Impreciso
... ento podemos criar uma categoria para carros rpidos uRPIDO [x] = { velocidade 100 }; ... e um carro a 99.5 km/h no rpido? ... vamos aumentar o limite para 99, combinado? ... ainda no. E 98.5? Temos que parar em algum ponto ! Porque? ... concordar em algum ponto onde os carros no esto rpidos.
Mtodos de Computao Inteligente 34

Lgica Fuzzy Carina: Glauber:

Fuzzificao e Impreciso
verdade. Ento vamos dizer que carros abaixo de 35 km/h no so rpidos. ... conclumos que u RPIDO [x] = { velocidade 35 e velocidade 100 }. No, no podemos ter dois limites para rpido. Ento u RPIDO [x] = { velocidade 35 }.

Carina:

No! Carros a 35 km/k so lentos para serem considerados rpidos. Sem problemas. 35 ser o mnimo para ser considerado rpido - no em todos os casos, e
Mtodos de Computao Inteligente 35

Glauber:

Lgica Fuzzy Glauber:

Fuzzificao e Impreciso
100 ser a velocidade que ns dois consideramos ser rpido. Qualquer valor entre eles ter o seu grau de rapidez.

CONCLUSES ?

Mtodos de Computao Inteligente

36

Lgica Fuzzy

Fuzzificao e Certeza

Esta variao de grau de rapidez significa que alguns carros estaro mais fortemente associados com a categoria rpido do que outros; Este grau pode assumir qualquer valor em um determinado intervalo, no ficando restrito apenas a PERTENCER ou NO PERTENCER aquele intervalo; Finalmente Glauber e Carina conseguiram entender o princpio da lgica Fuzzy.
Mtodos de Computao Inteligente 37

Lgica Fuzzy

Fuzzificao

Etapa no qual as variveis lingsticas so definidas de forma subjetiva, bem como as funes membro (funes de pertinncia).

Engloba:
Anlise do Problema; Definio das Variveis; Definio das Funes de Pertinncia; e Criao das Regies.
Mtodos de Computao Inteligente 38

Lgica Fuzzy

Fuzzificao

Na definio das funes de pertinncia para cada varivel, diversos tipos de espao podem ser gerados. Os mais comuns so: Triangular, Trapezoidal, Singleton e Shouldered

Mtodos de Computao Inteligente

39

Lgica Fuzzy

Fuzzificao

TRIANGULAR:

Frio

Normal

Quente
40

Mtodos de Computao Inteligente

Lgica Fuzzy

Fuzzificao

TRAPEZOIDAL:

Lento

Rpido
41

Mtodos de Computao Inteligente

Lgica Fuzzy

Fuzzificao - Exemplo

Mtodos de Computao Inteligente

42

Lgica Fuzzy

Inferncia

Etapa na qual as proposies (regras) so definidas e depois so examinadas paralelamente.

Engloba:
Definio das proposies; Anlise das Regras; e Criao da regio resultante.
Mtodos de Computao Inteligente 43

Lgica Fuzzy

Inferncia

O mecanismo chave do modelo Fuzzy a proposio. A proposio o relacionamento entre as variveis do modelo e regies Fuzzy Na definio das proposies, deve-se trabalhar com:

PROPOSIES CONDICIONAIS PROPOSIES NO CONDICIONAIS


Mtodos de Computao Inteligente 44

Lgica Fuzzy

Inferncia

PROPOSIES CONDICIONAIS: if W is Z then X is Y PROPOSIES NO-CONDICIONAIS: X is Y

Mtodos de Computao Inteligente

45

Lgica Fuzzy

Inferncia

AGREGRAO: Calcula a importncia de uma determinada regra para a situao corrente. COMPOSIO: Calcula a influncia de cada regra nas variveis de sada.

Mtodos de Computao Inteligente

46

Lgica Fuzzy

Inferncia

Regras de Inferncia:
1 - IF durao = longa AND qualidade = alta THEN risco = mdio 2 - IF durao = mdia AND qualidade = alta THEN risco = baixo 3 - IF durao = curta AND qualidade = baixa THEN risco = baixo 4 - IF durao = longa AND qualidade = mdia THENA risco = alto

Mtodos de Computao Inteligente

47

Lgica Fuzzy

Defuzzificao

Etapa no qual as regies resultantes so convertidas em valores para a varivel de sada do sistema; Esta etapa corresponde a ligao funcional entre as regies Fuzzy e o valor esperado; Dentre os diversos tipos de tcnicas de defuzzificao destacamos: Centride, First-of-Maxima, Middle-of-Maxima e Critrio Mximo.
Mtodos de Computao Inteligente 48

Lgica Fuzzy

Defuzzificao

Exemplos:

z0 Centride

z0 First-of-Maxima

z0 Critrio Mximo

Mtodos de Computao Inteligente

49

Lgica Fuzzy

Lgica Fuzzy no Mundo

Lgica Fuzzy tornou-se tecnologia padro e tambm aplicada em anlise de dados e sinais de sensores; Tambm utiliza-se lgica fuzzy em finanas e negcios; Aproximadamente 1100 aplicaes bem sucedidas foram publicadas em 1996; e Utilizada em sistemas de Mquinas Fotogrficas, Mquina de Lavar Roupas, Freios ABS, Ar Condicionado e etc.
Mtodos de Computao Inteligente 50

Lgica Fuzzy

Concluso

Lgica Fuzzy uma importante ferramenta para auxiliar a concepo de sistemas complexos, de difcil modelagem, e pode ser utilizada em conjunto com outras tecnologias de ponta, como o caso da combinao entre Lgica Fuzzy e Redes Neurais Artificiais.

Mtodos de Computao Inteligente

51

Lgica Fuzzy

Bibliografia

Cox, E. The Fuzzy Systems Handbook; Kartalopoulos, S. V. Understanding Neural Networks and Fuzzy Logic. IEEE PRESS, 1996; Kosko, B. Fuzzy Engineering. Prentice-Hall, 1997; Fullr, R. Neural Fuzzy Systems. Dissertao de Mestrado, Abo 1995
Mtodos de Computao Inteligente 52