Sunteți pe pagina 1din 33

Multimi fuzzy.

Operatii cu multimi fuzzy


Capitolul 2
Doru Todinca
Departamentul Calculatoare
UPT

Cuprins

Multimi fuzzy

Proprietati ale multimilor fuzzy

Operatii cu multimi fuzzy


Proprietati ale operatiilor cu multimi fuzzy

Cuprins

Multimi fuzzy

Proprietati ale multimilor fuzzy

Operatii cu multimi fuzzy


Proprietati ale operatiilor cu multimi fuzzy

Multimi clasice, multimi fuzzy

Consideram o multime clasica (crisp) X , in care discutam,


numita universul discursului (universe of discourse)

Pentru o multime clasica A X , pentru orice x X , avem:


fie x A, fie x
/A

Pentru multimea A se poate defini o functie caracteristica


A : X {0, 1}, avand A (x) = 1 daca si numai daca x A
si A (x) = 0 daca si numai daca x
/ A (dsnd, sau iff - if and
only if)
un element x X apartine
Pentru o multime fuzzy A,

multimii fuzzy A X intr-un anumit grad

Functia caracteristica a unei multimi crisp va fi extinsa la


functia de apartenenta a unei multimi fuzzy, care poate lua
valori in intervalul de numere reale [0, 1]

Definitii
Definition
Daca X este o colectie de obiecte (numite universul discursului )
X este multimea
notate generic cu x, atunci o multime fuzzy A
perechilor ordonate
= {(x, (x))|x X }
A
A
unde A (x) : X [0, 1] se numeste functie de apartenenta sau
grad de apartenenta (membership function or degree of
membership).
Cand intervalul de numere reale [0, 1] este inlocuit de multimea
devine multime clasica
discreta {0, 1}, atunci multimea fuzzy A
(crisp).

Multimi fuzzy. Exemple de MF

Multimile fuzzy (prescurtat MF) pot fi continue sau discrete

Intervalul [0, 1] poate fi extins la [0, k], unde k > 0

Exista si MF definite pe structuri mai complexe decat


intervale de numere reale, de exemplu L-fuzzy sets, unde L
este o multime partial ordonata (a se vedea capitolul 3,
Extensii ale MF)

Exemplu de MF discreta (Zimmermann [Zim91]):

MF: casa confortabila pentru o familie de 4 persoane in functie


de numarul de dormitoare:
Universul discursului: X = {1, 2, . . . , 10}
X va fi
A
= {(1, 0.1), (2, 0.5), (3, 0.8), (4, 1.0), (5, 0.7), (6, 0.2)}
A

Exemple de MF (cntd)
Exemplu de MF continua:
numere reale apropiate de
10

X = R (multimea
numerelor reale)
Functia de
apartenenta a MF
R:
A
A (x) =

1
1 + (x 10)2
(1)

1
1/(1+(x-10)**2)
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
-10

-5

10

cu (x) =
Figura 1 : A
A

15

1
1+(x10)2

20

Exemple de MF (cntd)

Exemplu de MF continua:
numere reale mult mai mari
decat 11

1
funcB(x)
0.9
0.8
0.7

X = R (multimea numerelor
reale)

Functia de apartenenta a
R:
MF:B
( (x11)2
daca x 11
2
B (x) = 1+(x11)
0,
daca x < 11
(2)

0.6
0.5
0.4
0.3

0.2
0.1
0
0

10

15

cu (x)
Figura 2 : B
B

20

Notatii pentru multimile fuzzy


1. Perechi (element, valoare) pentru MF discrete (ca in exemplul
cu casa confortabila), respectiv (element generic, functie de
apartenenta) pt MF continue: de exemplu (x, A (x))
2. Doar prin functia de apartenenta (pentru MF continue)
3. Ca suma pt MF discreta, respectiv integrala pt MF
continue (aceasta notatie poate genera confuzii !!):
=
A

n
X
(xi )
A

i =1

xi

A (x1 ) A (x2 )
(xn )
+
+ ... + A
x1
x2
xn
=
A

A (x)
x

Atentie, nu e vorba de sume sau integrale, acestea sunt doar


notatii !!!

Cuprins

Multimi fuzzy

Proprietati ale multimilor fuzzy

Operatii cu multimi fuzzy


Proprietati ale operatiilor cu multimi fuzzy

Proprietati ale MF: MF normale

1. MF normale

O multime fuzzy se numeste normala daca supx A (x) = 1,


unde sup este supremul MF

Diferenta dintre maximul si supremul unei multimi: maximul


apartine multimii, supremul poate sa nu apartina multimii

Daca o MF nu este normala, ea se poate normaliza prin


impartirea functiei de apartenenta la supremul multimii,
rezultind functia de apartenenta normalizata:
A (x)
A norm (x) =
supx A (x)

Proprietati ale MF: suport, nucleu, margine


2. Suportul unei MF

Suportul unei MF (notat supp) este multimea crisp pentru


care A (x) > 0

La exemplul cu casa confortabila este multimea


= {1, 2, 3, 4, 5, 6, 7}
supp(A)

De obicei elementele unei MF avind gradul de apartenenta 0


nu se afiseaza

3. Nucleul unei MF (core):

este multumea crisp pentru care A (x) = 1

4. Marginea (boundary) unei MF:

este multimea crisp pentru care 0 < A (x) < 1

Exercitiu: sa se reprezinte grafic pentru o multime fuzzy continua


trapezoidala suportul, nucleul si marginea ei.

Proprietati ale MF: taieturi de nivel


5. Taieturi de nivel (-cuts sau -level sets):

avand
Taietura de nivel (unde [0, 1]) a multimii fuzzy A
functia de apartenenta A (x) este multimea crisp A pentru
care A (x)
Se poate defini strong cut ca fiind multimea crisp A
pentru care A (x) >
Pentru exemplul cu casa confortabila, unde
= {(1, 0.1), (2, 0.5), (3, 0.8), (4, 1.0), (5, 0.7), (6, 0.2)},
A
vor fi:
taieturile de nivel ale multimii fuzzy A

A0.1
A0.2
A0.5
A0.7
A0.8
A1.0

(suportul lui A)

= {1, 2, 3, 4, 5, 6} = supp A
= {2, 3, 4, 5, 6}
= {2, 3, 4, 5}
= {3, 4, 5}
= {3, 4}
(nucleul lui A)

= {4} = coreA

Proprietati ale MF: taieturi de nivel

are loc:
Se poate demonstra ca pentru orice multime fuzzy A,
[
=
A
A

Adica orice multime fuzzy se poate scrie ca reuniunea dupa


toate valorile lui ale produsului dintre si taietura de nivel

Aceasta proprietate este foarte importanta si face legatura


dintre multimile fuzzy si cele crisp

Si este foarte utilizata pentru demonstrarea unor proprietati


ale multimilor fuzzy

Proprietati ale MF: taieturi de nivel

Vom exemplifica aceasta proprietate pt multimea fuzzy din


exemplul cu casa confortabila:

A este o multime fuzzy in care fiecare element din A va


avea functia de apartenenta egala cu .
0.1 A0.1 = {(1, 0.1), (2, 0.1), (3, 0.1), (4, 0.1), (5, 0.1), (6, 0.1)}
0.2 A0.2 = {(2, 0.2), (3, 0.2), (4, 0.2), (5, 0.2), (6, 0.2)}
...
0.8 A0.8 = {(3, 0.8), (4, 0.8)}
1.0 A1.0 = {(4, 1.0)}
Reuniunea a doua sau mai multe multimi fuzzy se defineste
prin maximul dintre functiile lor de apartenenta, deci
0.1 A0.1 0.2 A0.2 . . . 0.8 A0.8 1.0 A1.0 =
= {(1, 0.1), (2, max(0.1, 0.2)), (3, max(0.1, 0.2, . . . , 0.8)),

(4, max(0.1, . . . , 0.8, 1)), . . . (6, max(0.1, 0.2)} = A

Proprietati ale MF: convexitatea


6. Convexitatea unei multimi fuzzy
X este convexa daca si numai daca
O multime fuzzy A
x1 , x2 X si [0, 1] are loc relatia
A ( x1 + (1 ) x2 ) min(A (x1 ), A (x2 ))

Expresia x1 + (1 ) x2 se refera la segmentul situat intre


punctele de abscisa x1 si x2

Expresia A ( x1 + (1 ) x2 ) se refera la imaginea acestui


segment prin functia A (x)
este convexa daca si
Echivalent, o multime fuzzy A
numai daca toate taieturile sale de nivel sunt convexe

Adica, daca MF nu e convexa, exista taieturi de nivel ale


sale care nu sunt convexe, adica exista segmente x1 x2 care
sunt intrerupte (nu sunt continue)

Ex: Sa se reprezinte grafic o multime fuzzy continua convexa si


una continua neconvexa.

Proprietati ale MF: cardinalitatea


7. Cardinalitatea unei multimi fuzzy
X , notata |A|
se defineste
Cardinalitatea unei MF finite A
ca fiind:
n
X
=
A (xi )
|A|
i =1

X , cardinalitatea sa se
Pentru o multime fuzzy continua A
defineste:
Z
= (x)dx
|A|
A
x

daca integrala exista

7 Cardinalitatea relativa a unei multimi fuzzy

Se noteaza ||A||

=
Se defineste ca fiind ||A||

|A|
|X | ,

daca exista, unde X este

universul discursului pentru multimea A

Alegerea functiilor de apartenenta

Ca si in alte aspecte ale teoriei fuzzy, nu exista retete clare


pentru alegerea functiilor de apartenenta ale multimilor fuzzy

Daca se doreste simplificarea calculelor se pot alege functii de


apartenenta liniare, adica triunghiuri sau trapeze

Exista situatii cind se prefera functii de apartenenta neliniare


(trigonometrice, de tip Gauss, etc):

Exista cercetatori care considera ca functiile de apartenenta


liniare nu dau rezultate suficient de bune pentru anumite
probleme, pe cind functiile neliniare sunt mai potrivite
Problema sau domeniul pot necesita anumite tipuri de functii
de apartenenta
Daca logica fuzzy se combina cu alte metode, de exemplu cu
retele neuronale, poate fi necesar sa se utilizeze functii de
apartenenta potrivite si pt metodele respective

Cuprins

Multimi fuzzy

Proprietati ale multimilor fuzzy

Operatii cu multimi fuzzy


Proprietati ale operatiilor cu multimi fuzzy

Operatii cu MF: reuniune, intersectie, complement

= {(x, (x))|x X } si
Fiind date doua multimi fuzzy A
A
= {(x, (x))|x X } avand acelasi univers al discursului
B
B
X , se pot defini operatiile de reuniune, intersectie si
complement. Se defineste:
si B
ca fiind multimea fuzzy
reuniunea multimilor fuzzy A

C = A B, data de C = {(x, C (x))|x X }, unde


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

si B
ca fiind multimea fuzzy
intersectia multimilor fuzzy A

D = A B, data de D = {(x, D (x))|x X }, unde


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

in raport cu X ca fiind multimea fuzzy


complementul lui A

E = CA X data de E = {(x, E (x))|x X }, unde


E (x) = 1 A (x)

Operatii cu MF: incluziune, egalitate

si B
incluse in X , are
incluziunea MF: fiind data doua MF A
B
daca si numai daca (x) (x),
loc incluziunea A
A
B
()x X
si B
incluse in X
egalitatea a doua MF: doua multimi fuzzy A
sunt egale daca si numai daca A (x) = B (x), ()x X
si B
incluse in X sunt egale
Echivalent, doua multimi fuzzy A
B
si B
A

daca si numai daca A

Operatii cu MF: exemple


=
1. Sa se determine reuniunea si intersectia multimilor fuzzy A

casa confortabila pentru o familie patru persoane si B = casa


mica, unde
= {(1, 0.1), (2, 0.5), (3, 0.8), (4, 1.0), (5, 0.7), (6, 0.2)} si
A
= {(1, 1), (2, 0.8), (3, 0.4), (4, 0.1)}:
B

= {(1, max(0.1, 1)), (2, max(0.5, 0.8)), (3, max(0.8, 0.4)),


AB
(4, max(1, 0.1)), (5, max(0.7, 0)), (6, max(0.2, 0)} =
{(1, 1), (2, 0.8), (3, 0.8), (4, 1), (5, 0.7), (6, 0.2)}
B
= {(1, min(0.1, 1)), (2, min(0.5, 0.8)), (3, min(0.8, 0.4)),
A
(4, min(1, 0.1)), (5, min(0.7, 0)), (6, min(0.2, 0)} =
{(1, 0.1), (2, 0.5), (3, 0.4), (4, 0.1), (5, 0), (6, 0)}
B
poate fi citit casa confortabila pentru o familie de
A
B
este casa confortabila
patru persoane sau mica, iar A
pentru o familie de patru persoane si mica

Operatii cu MF: exemple (continuare)


2. Sa se determine CA X , unde X = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10}:
(casa ne-confortabila pentru o familie de patru persoane)
CA X = {(1, 1 0.1), (2, 1 0.5), (3, 1 0.8), (4, 1 1), (5, 1
0.7), (6, 1 0.2), (7, 1 0), (8, 1 0), (9, 1 0), (10, 1 0)} =
{(1, 0.9), (2, 0.5), (3, 0.2), (4, 0), (5, 0.3), (6, 0.8), (7, 1), (8, 1),
(9, 1), (10, 1)}
=
3. Sa se determine reuniunea si intersectia multimilor fuzzy A

numere reale apropiate de 10 si B = numere reale mult mai


mari decat 11.

=A
B
si D
=A
B,
unde
Analitic: C
C (x) = max{A (x), B (x)},
D (x) = min{A (x), B (x)}
...
Grafic: (mai potrivit in acest caz), in urmatoarele slide-uri:

Exemple de operatii cu MF: reuniunea


1

fA(x)
funcB(x)
max(fA(x), funcB(x))

1/(1+(x-10)**2)
0.9

0.9

0.8

0.8

0.7

0.7

0.6

0.6
0.5

0.5

0.4

0.4

0.3

0.3

0.2

0.2

0.1

0.1
0
-10

-5

10

15

avind (x)
Figura 3 : A
A

10

15

B
si A
B

Figura 5 : A,

20

20

1
max(fA(x), funcB(x))

1
funcB(x)

0.9

0.9
0.8
0.8
0.7
0.7
0.6
0.6
0.5
0.5
0.4
0.4
0.3
0.3
0.2
0.2
0.1
0.1
0
0

0
0

10

15

avind (x)
Figura 4 : B
B

20

10

15

Figura 6 : A

20

Exemple de operatii cu MF: intersectia


1

fA(x)
funcB(x)
min(fA(x), funcB(x))

1/(1+(x-10)**2)
0.9

0.9

0.8

0.8

0.7

0.7

0.6

0.6
0.5

0.5

0.4

0.4

0.3

0.3

0.2

0.2

0.1

0.1

0
-10

-5

10

15

10

15

B
si A
B

Figura 9 : A,

20

Figura 7 : A (x)

20

0.3
min(fA(x), funcB(x))

1
funcB(x)
0.9

0.25

0.8
0.2

0.7
0.6

0.15
0.5
0.4

0.1

0.3
0.05

0.2
0.1

0
0

0
0

10

15

Figura 8 : B (x)

20

10

15

B
(detaliu)
Figura 10 : A

20

Operatii cu multimi fuzzy: exercitii

este MF casa mica, iar


1. Sa se determine CB X , unde B
X = {1, 2, . . . , 9, 10}
2. Sa se determine complementul unei multimi fuzzy avind
functia de apartenenta continua trapezoidala
3. Pentru aceasta MF, sa se determine reuniunea si intersectia
dintre MF data si complementul ei. Ce observati ?

Cuprins

Multimi fuzzy

Proprietati ale multimilor fuzzy

Operatii cu multimi fuzzy


Proprietati ale operatiilor cu multimi fuzzy

Prorietati ale operatiilor cu multimi clasice si fuzzy


Pentru multimi clasice in universul discursului X au loc
urmatoarele proprietati (dupa [NR74]):
1. Comutativitate:
AB = B A
AB = B A
2. Asociativitate:
(A B) C = A (B C )
(A B) C = A (B C )
3. Distributivitate:
A (B C ) = (A B) (A C )
A (B C ) = (A B) (A C )
4. Idempotenta:
AA = A
AA = A

Prorietati ale operatiilor cu multimi clasice si MF


5. Identitate:
A=A=A
AX = X A = X
A = A =
AX = X A = A
6. Tranzitivitate: daca A B si B C , atunci A C
7. Involutie: A = A, unde A = CA X
8. De Morgan:
AB =AB
AB =AB

Prorietati ale operatiilor cu multimi clasice si MF


9. Absorbtie:
A (A B) = A
A (A B) = A
10. Legile tertului exclus (excluded middle laws):
AA = X
AA=

Proprietatile 19 au loc si pentru multimi fuzzy, dar NU si


proprietatea 10.

Unii cercetatotri considera neindeplinirea legilor tertului exclus


ca fiind caracteristica principala a multimilor fuzzy.

Axiomatizarea operatiilor cu multimi fuzzy

Bellmann si Giertz au propus un set de axiome (proprietati) pe


care ar trebui sa le indeplineasca operatiile de reuniune,
intersectie si complement ale MF

Ei au vrut sa vada daca, pe baza acelui set de axiome, se


obtin si alte operatii decit maxim pentru reuniune, minim
pentru intersectie si 1 A (x) pt intersectie

Bellman si Giertz au determinat ca doar operatorii maxim pt


reuniune si respectiv minim pt intersectie indeplinesc setul de
axiome propus de ei

In cazul complementului, nu au obtinut un unic operator.

Pentru a obtine unicitate si in cazul complementului, au


adaugat cerinta suplimentara ca negatul (complementul) lui
1/2 sa fie 1/2.

Directii de dezvoltare ale logicii fuzzy


1. Directia urmata de matematicieni, care incearca

pe de o parte, sa fundamenteze teoretic rezultatele din logica


fuzzy (LF), operatorii si formulele utilizate in LF (ca si
Bellmann si Giertz)
pe de alta parte, incearca sa extinda alte domenii, matematice
sau ne-matematice, prin intermediul LF.
Astfel, exista numere fuzzy, aritmetica fuzzy, functii fuzzy,
analiza matematica fuzzy, probabilitati fuzzy, dar si automate
fuzzy, bistabile fuzzy, coduri fuzzy

2. A doua directie este cea urmata de ingineri, economisti,


lingvisti, medici, etc, care aplica rezultatele logicii fuzzy in
domeniile lor de activitate

Ei trebuie sa urmareasca si progresele realizate de


matematicieni in cadrul logicii fuzzy

CV Negoita and DA Ralescu.


Multimi vagi si aplicatiile lor.
Editura Tehnica, 1974.
H.-J. Zimmermann.
Fuzzy Set Theory and Its Applications, Second, Revised
Edition.
Kluwer Academic Publishers, 1991.