Lógica Fuzzy Funções de Pertinência

30
Lógica Fuzzy Funções de Pertinência Prof. Msc. Seldon R. Duarte

Transcript of Lógica Fuzzy Funções de Pertinência

Lógica Fuzzy

Funções de Pertinência

Prof. Msc. Seldon R. Duarte

A lógica em questão foi desenvolvida por Lofti A. Zadeh da Universidade da

Califórnia em Berkeley na década de 60 e combina lógica multivalorada, teoria

probabilística, inteligência artificial e redes neurais para que possa representar o

pensamento humano, ou seja, ligar a linguística e a inteligência humana, pois

muitos conceitos são melhores definidos por palavras do que pela matemática.

Lógica Difusa ou Lógica Nebulosa, também pode ser definida , como a

lógica que suporta os modos de raciocínio que são aproximados, ao

invés de exatos, como estamos naturalmente acostumados a trabalhar.

Ela está baseada na teoria dos conjuntos nebulosos e difere dos

sistemas lógicos tradicionais em suas características e detalhes.

Lógica Fuzzy

Habilidade de inferir conclusões e obter respostas baseada em informações

vagas e ambíguas e quantitativamente incompletas e imprecisas.

Capacidade de raciocínio semelhante ao raciocínio humano.

A teoria dos conjuntos fuzzy estende a teoria dos conjuntos tradicionais “crisp”

com a incorporação do conceito de grau de verdade.

Resolve paradoxos os gerados pela classificação de verdadeiro ou falso da

lógica clássica.

Os conjuntos fuzzy apresentam limites imprecisos

Conjunto tradicional – lógica clássica

1

1,75 Altura (m)0

1

1,75 Altura (m)01,70

0,90,8

1,55

0,4

Conjunto fuzzy – lógica fuzzy

Função de pertinência

A = Conjunto de pessoas altas

Gra

us d

e p

ert

inê

ncia

Gra

us d

e p

ert

inê

ncia

13 17

1

A

13 17

1

B

12 18

Função característica de um conjunto

“crisp” adolescente

Função trapezoidal de um conjunto

nebuloso adolescente

conciso, decisivo

B = Conjunto nebuloso adoslescente

Um conjunto fuzzy A definido no universo de discurso X é caracterizado por uma função de

pertinência μA, a qual mapeia os elementos de X para o intervalo [0,1].

Conjuntos Fuzzy

μA: X [0,1]

Desta forma, a função de pertinência associa a cada elemento x pertencente a X um número

real μA(x) no intervalo [0,1], que representa o grau de pertinência do elemento x ao conjunto

A, isto é, o quanto é possível para o elemento x pertencer ao conjunto A.

Uma sentença pode ser parcialmente verdadeira e parcialmente falsa.

μA(x) : X [0,1], a função de pertinência mapeia os elementos do universo X, no

intervalo [0,1].

μA(x) = 0 => indica que x possivelmente não é elemento de A com 0% de possibilidade, i.

é, o elemento x é incompatível com as características dos elementos de A;

0 < μA(x) < 1 => indica que x é parcialmente compatível com A, com grau de pertinência

A (x).

μA(x) = 1 => indica que x é elemento de A com 100% de possibilidade; Prof. Msc. Seldon R. Duarte

Definição formal

Um conjunto fuzzy A em um universo de discurso X é expresso como um conjunto

de pares ordenados:

A = {(x, A(x)) | x X}

universo de

discursofunção de

pertinência

Conjunto fuzzy

Prof. Msc. Seldon R. Duarte

Elemento de A

A teoria dos Conjuntos Fuzzy é uma extensão da teoria dos Conjuntos Tradicionais.

Assim, as principais operações e relações entre Conjuntos Fuzzy são definidas como

extensão das operações e relações tradicionais, como pode ser visto na Tabela

abaixo, onde A e B denotam Conjuntos Fuzzy sobre um conjunto base X e A(x) e B(x)

representam os graus de pertinência de x nos Conjuntos Fuzzy A e B

respectivamente.

N Operação Representação Natureza

1 Subconjunto (A B) se A(x) B(x) para todo xX Relação

2 Diferença (A B) se A(x) B(x) para pelo menos um elemento de x

X

Relação

3 Igualdade (A = B) se A(x) = B(x) para todo x X Relação

4 Inclusão (A B) se A(x) B(x) para todo xX Relação

5 Intersecção A B = A(x) B(x) = min [A(x), B(x)] Operação

6 União AB = A(x) B(x) = max [A(x), B(x)] Operação

7 Complemento A(x) = 1 - A(x) Operação

0.2

0.4

0.6

0.8

1

B

A

(A B) se A(x) B(x) para todo xX

Xx

0.2

0.4

0.6

0.8

1

B A

AB = A(x) B(x) = max [A(x), B(x)]

Conjunto Fuzzy “A ou B”

Xa

X = {a, b, c, d, e}

A = {1/a, 0.7/b, 0.3/c, 0/d, 0.9/e}

B = {0.2/a, 0.9/b, 0.4/c, 1/d, 0.4/e}

União

C = {1/a, 0.9/b, 0.4/c, 1/d, 0.9/e}

b

0.2

0.4

0.6

0.8

1

B A

Xa b

AB = A(x) B(x) = min [A(x), B(x)]

Conjunto Fuzzy “A e B”

X = {a, b, c, d, e}

A = {1/a, 0.7/b, 0.3/c, 0/d, 0.9/e}

B = {0.2/a, 0.9/b, 0.4/c, 1/d, 0.4/e}

Intersecção

C = {0.2/a, 0.7/b, 0.3/c, 0/d, 0.4/e}

0.2

0.4

0.6

0.8

1 A

Conjunto Fuzzy “A”

Xx

0.2

0.4

0.6

0.8

1 A

Conjunto Fuzzy “Não A”

Xx

Além das operações e das relações os Conjuntos Fuzzy possuem algumas

características especiais. Entre tais características encontram-se: Corte , Conjunto

de Níveis, Suporte, Altura e Normalização. A seguir tais características serão

apresentadas de forma sintética, supondo que A é um Conjunto Fuzzy sobre o

conjunto base X.

Corte

O Corte (A) de um Conjunto Fuzzy A corresponde ao Conjunto Tradicional que

contém todos os elementos do conjunto universo X com grau de pertinência em A

maior ou igual a , enquanto que o Corte forte (+A) contém todos os elementos em

um conjunto universo X com grau maior que , onde [0,1].

A = {x X | A(x) }

+A = {x X | A(x) }

X

A0.5

+A

Corte

= 0.5

Conjunto de Níveis

O Conjunto de Níveis () de um Conjunto Fuzzy A corresponde a um conjunto que

contém todos os valores [0,1] e que representam Cortes de A distintos. O

Conjunto de Níveis do Conjunto Fuzzy A é representado formalmente por:

A = { | A(x) = para algum x X}

X

A0.5

+A

= 0.5A

Suporte

O Suporte de um Conjunto Fuzzy A, em um conjunto universo X, é o Conjunto

Tradicional que contém todos os elementos de X que possuem grau de pertinência

diferente de zero em A. Claramente, o Suporte de A é exatamente o mesmo que o

Corte forte de A para = 0. Vários símbolos especiais costumam ser usados para

representar o Suporte de um conjunto, tais como: S(A) ou supp(A). Este trabalho

usará a simbologia de 0+A para esta representação.

0+A = {x X | A(x) > 0}

X

A0.5

+A

Suporte

= 0.50

0+A

Altura

A Altura (h) de um Conjunto Fuzzy A corresponde ao seu maior grau de

pertinência, entre todos os elementos do conjunto.

h(A) = supxX A(x)

Normalização

Um Conjunto Fuzzy A é chamado de Normal quando a sua Altura é igual a 1, ou seja, pelo

menos um grau de pertinência, dos elementos do conjunto, possui valor

máximo, enquanto que os conjuntos que não possuem Altura igual a um são chamados

de subnormal. Portanto:

A é dito normal se h(A) = 1

A é dito subnormal se h(A) < 1

Função de pertinência

Reflete o conhecimento que se tem em relação a intensidade com que o

objeto pertence ao conjunto fuzzy.

Prof. Msc. Seldon R. Duarte

0

0,2

0,4

0,6

0,8

1

1,2

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

SGm(x)

b

c

Função de pertinência – Sino GeneralizadaG

rau

s d

e p

ert

inê

ncia

x = elemento com grau de pertinência definido pela função

A(x) em um conjunto A de um universo de discurso X.Prof. Msc. Seldon R. Duarte

b

b

cxxSG

2||1

1)(

X

0,7

A(x=6) = 0,7 (70%) em um conjunto A do universo de discurso X

A B C x SG(x)0 3 8 0 0,0027731 3 8 1 0,006158

2 3 8 2 0,015385

3 3 8 3 0,044576

4 3 8 4 0,151088

5 3 8 5 0,5

6 3 8 6 0,919294

7 3 8 7 0,99863

8 3 8 8 1

9 3 8 9 0,99863

10 3 8 10 0,919294

11 3 8 11 0,5

12 3 8 12 0,151088

13 3 8 13 0,044576

14 3 8 14 0,015385

15 3 8 15 0,006158

16 3 8 16 0,002773

𝑆𝐺𝜇(𝑥)=1/(1+|(𝑥−𝑐)/𝑏|2𝑏)

=1/(1+ABS((A5-C5)/B5)^(2*B5))

Função de pertinência Sino Generalizada

Prof. Msc. Seldon R. Duarte

Expoênte do quociente denominador igual a 2b.

0

0,2

0,4

0,6

0,8

1

1,2

1 3 5 7 9 11 13 15 17

Gru

as d

e p

ert

inê

ncia

𝑆𝐺𝜇(𝑥)=1/(1+|(𝑥−𝑐)/𝑏|2𝑏)

b= largura do sino

c=ponto médio

X= universo

x=amostra

3

8

0

0,2

0,4

0,6

0,8

1

1,21 4 7

10

13

16

19

22

25

28

31

34

37

40

43

46

49

52

55

58

61

64

67

70

73

76

79

82

85

88

91

94

97

10

0

SGm(x)

Função de pertinência – Sino para uso contínuo

x

Gra

us d

e p

ert

inê

ncia

SG(x)

x = idade b = 10 ( Pessoas com idade em torno de 50 anos)

c = Idade de 50 anos

A = {x, B(x) | xX}

A = Conjunto de pessoas maduras (50 anos)

X=R (conjunto dos números reais – contínuo) as idades de todas as pessoas do conjunto

a pertencem a X, isto é xX. Prof. Msc. Seldon R. Duarte

2||1

1)(

b

cxxSG

b = 10

c = 50 anos

45 55

0

0,2

0,4

0,6

0,8

1

1,2

1 2 3 4 5

Gra

us d

e p

ert

inê

ncia

Tri(x)

Trim(x)

Função de pertinência – Triangular

contráriocaso

cbxsebc

xc

baxseab

ax

xTri

0

],[

),[

)(

a

b

cX

a = vértice 1

b = ponto médio (vértice 2)

c = vértice 3

X = universo

x = elemento do universo X com grau de pertinência A(x) em um conjunto A de X.Prof. Msc. Seldon R. Duarte

0,5

A(x=2) = 0,5 (50%) em um conjunto A do universo de discurso X

A B C Ex Tri(x)

1 3 6 1 01 3 6 2 0,51 3 6 3 11 3 6 4 0,66661 3 6 5 0,33331 3 6 6 0

Função de pertinência triângulo

Prof. Msc. Seldon R. Duarte

0

0,2

0,4

0,6

0,8

1

1,2

1 2 3 4 5 6

Gra

us d

e p

ert

inê

ncia

Tri(x)

Trim(x)

a=vértice 1

b= ponto médio (simetria)

c=vértice 2

X= universo

contráriocaso

cbxsebc

xc

baxseab

ax

xTri

0

],[

),[

)(

a=1

b=3

c=6

=SE(E(E4>=A4;E4<B4);((E4-A4)/(B4-A4));SE(E(E4>=B4;E4<=C4);((C4-E4)/(C4-B4));0))

0

0,2

0,4

0,6

0,8

1

1,2

1 2 3 4 5 6 7 8 9 10 11 12 13 14

Gaussm(x)

2)(2

1

)( cx

exGauss

Função de pertinência – Gaussiana

c=ponto médio

X = universo

x = elemento do universo X com grau de pertinência A(x) em um conjunto A de X.

= desvio padrão (>1). Um desvio muito pequeno torna o gráfico semelhante ao de

uma função triangular.

c

X

Prof. Msc. Seldon R. Duarte

0,45

A(x=4) = 0,45 (45%) em um conjunto A do universo de discurso X

A B Cx Gauss(x)1 2 7 0,0111089972 2 7 0,0439369343 2 7 0,1353352834 2 7 0,3246524675 2 7 0,606530666 2 7 0,8824969037 2 7 18 2 7 0,8824969039 2 7 0,6065306610 2 7 0,32465246711 2 7 0,13533528312 2 7 0,04393693413 2 7 0,01110899714 2 7 0,002187491

2)(2

1

)( cx

exGauss

Gauss(x)=SE(B9=0;0;(2,71828182845904^(-0,5*((A9-C9)/B9)^2)))

0

0,2

0,4

0,6

0,8

1

1,2

1 2 3 4 5 6 7 8 9 10 11 12 13 14

Função de pertinência gaussiana

Prof. Msc. Seldon R. Duarte

c= ponto médio

= desvio padrão maior que 1. Um desvio muito pequeno torna o gráfico semelhante ao da função triangular.

X=universo

x=elemento do universo X com grau de pertinência A(x).

c=7

0

0,2

0,4

0,6

0,8

1

1,2

1 2 3 4 5 6 7 8 9 10

Gra

us d

e p

ert

inê

ncia

Trap(x)

Trapm(x)

contráriocaso

dcxsecd

xd

cbxse

baxseab

ax

xTrap

0

],[

],[1

),[

)(Função de pertinência – Trapezoidal

a=inicio da rampa de subida

b=término da rampa de subida

c=início da rampa de descida

d=término da rampa de descida

x=elemento do universo X com grau de pertinência A(x) em um conjunto A de X.

a d

b c

0,5

A(x=2) = 0,5 (50%) em um conjunto A do universo de discurso X

Prof. Msc. Seldon R. Duarte

A B C D E Trap(x)x Trap(x)

1 4 6 9 1 01 4 6 9 2 0,33331 4 6 9 3 0,66661 4 6 9 4 11 4 6 9 5 11 4 6 9 6 11 4 6 9 7 0,66661 4 6 9 8 0,33331 4 6 9 9 01 4 6 9 10 0

Função de pertinência trapezoidal

Prof. Msc. Seldon R. Duarte

0

0,2

0,4

0,6

0,8

1

1,2

1 2 3 4 5 6 7 8 9 10

Gra

us d

e p

ert

inê

ncia

Trap(x)

contráriocaso

dcxsecd

xd

cbxse

baxseab

ax

xTrap

0

],[

],[1

),[

)(

a=inicio da pampa de subida b=término da rampa de subida

c=início da rampa de descida d=término da rampa de descida

x=elemento do universo X com grau de pertinência A(x) em um conjunto A de X.

Trap(x) =SE(E(E4>=A4;E4<B4);((E4-A4)/(B4-A4));SE(E(E4>=B4;E4<=C4);1;SE(E(E4>C4;E4<=D4);((D4-E4)/(D4-C4));0)))

A=1

B=4 C=6

D=9

JOVEM MADURO IDOSO

4020 3010 7050 60 800

Gra

us d

e p

ert

inê

ncia

Conjuntos Fuzzy “JOVEM”, “MADURO”, “IDOSO”

Universo X representando “idade”.

X = idade0,2

0,4

0,6

0,8

1