UNIVERSIDAD DR.

RAFAEL BELLOSO CHACIN VICERRECTORADO DE INVESTIGACIN Y POSTGRADO MAESTRA EN INFORMTICA EDUCATIVA

REPBLICA BOLIVARIANA DE VENEZUELA

LOGICA DIFUSA
PEA FRANKLIN

Enero, 2013

LOGICA DIFUSA

Definicin: La lgica difusa (tambin llamada lgica borrosa o lgica heurstica) se basa en lo relativo de lo observado como posicin diferencial. Este tipo de lgica toma dos valores aleatorios, pero contextualizados y referidos entre s. As, por ejemplo, una persona que mida 2 metros es claramente una persona alta, si previamente se ha tomado el valor de persona baja y se ha establecido en 1 metro. Ambos valores estn contextualizados a personas y referidos a una medida mtrica lineal. (Tomado de Wikipedia).

As mismo podramos decir que es aquella lgica que soporta valores imprecisos (intermedios) para definir evaluaciones convencionales. Se basa en la teora de conjunto que posibilita imitar el comportamiento de la lgica humana esta, ampliando lo anteriormente englobara que la Lgica Difusa (LS) se ha convertido en uno de los grandes xitos tecnolgicos para el desarrollo de sistemas de control cada vez ms adaptativos y optimizadores de la operacin de una variedad de procesos y sistemas. La razn de este xito es simple, ellos reproducen con exactitud el proceso del controlador ms eficiente y exitoso que haya existido: el ser humano. Dicho controlador tiene la virtud de generar soluciones precisas y optimas basado en informacin ambigua y, muchas veces, aproximada. Y adems llena un vacante dejado por enfoques de control

puramente matemticos tales como el PID (Proporcional integral derivativo), los PLC (controlador lgico programable) o puramente lgicos tales como los sistemas expertos.

En ese orden de ideas acomoda las ambigedades del lenguaje humano en una matriz matemtica y provee de un mtodo intuitivo que plasma en dicho modelo la experiencia e inspiracin de los operadores humanos.

PARA QU SIRVE LA LGICA DIFUSA? Con los sistemas basados en la LD se pueden evaluar mayor cantidad de variables, entre otras, variables lingsticas, no numricas, simulando el conocimiento humano. Adems se relaciona entradas y salidas, sin tener que entender todas las variables, permitiendo que el sistema pueda ser ms confiable y estable que uno con un sistema de control convencional. De la misma manera, se puede simplificar la asignacin de soluciones previas a problemas sin resolver. Es posible obtener prototipos rpidamente, ya que no requiere conocer todas las variables acerca del sistema antes de empezar a trabajar, siendo su desarrollo ms econmico que el de sistemas convencionales, porque son ms fciles de designar. Se simplifica tambin la adquisicin y representacin del conocimiento y unas pocas reglas abarcan gran cantidad de complejidades. Por un lado puede ser una ventaja y por otro un posible riesgo, los sistemas basados en la lgica difusa

requieren mayor simulacin y una excelente depuracin y prueba antes de pasar a ser operacionales.

Podramos resumir que la utilizacin de la lgica difusa es aconsejable para procesos muy complejos, es decir, cuando se carece de un modelo matemtico simple o para procesos altamente no lineales. Pero quiz es mejor evitar su uso si el control convencional tericamente rinde un resultado satisfactorio, o cuando existe un modelo matemtico fcilmente soluble y adecuado o tambin cuando el problema no tiene solucin. Un sistema de LD se basa ms en la intuicin del diseador que en la precisin y el rigor matemtico. Debido a esto, los controladores con LD pueden ser ms sencillos, econmicos y flexibles que los tradicionales. Finalmente, segn explica el mismo Zadeh: los algoritmos basados en LS para operaciones de control, seguirn logrando buena aceptacin porque los convencionales, en general, no permiten enfrentarse con la complejidad y con la naturaleza mal definida de los sistemas a gran escala. La teora de control ha de evolucionar hacia una menor preocupacin por los problemas matemticos y por la precisin y una mayor tendencia hacia el desarrollo de soluciones aproximadas o de calidad para los problemas del mundo real".

La tcnica esencial de la lgica difusa se basa en cuatro conceptos fundamentales 1.- Conjuntos Difusos:

Un conjunto difuso es un conjunto con fronteras uniformes o suaves Fronteras en conjuntos clsicos Fronteras en conjuntos difusos

2.- Variables lingsticas: Son variables cuyos valores se representan mediante trminos lingsticos. El significado de estos trminos lingsticos se determina mediante conjuntos difusos. Un conjunto difuso debe asociarse a un trmino lingstico, esto hace ms fcil a un experto expresar su conocimiento y as es ms fcil de entender.

3.- Distribuciones de posibilidad: Debe combinar la capacidad de teora de probabilidad para manejar la incertidumbre con la capacidad de lgica deductiva para explotar la estructura. El

resultado es un formalismo ms rico y ms expresivo con una amplia gama de reas posibles de aplicacin. La lgica probable es una extensin natural de mesas de verdad tradicionales lgicas: los resultados que ellos definen son sacados por expresiones probables en cambio. La dificultad con lgicas probables es que ellos tienden a multiplicar las complejidades computacionales de sus componentes probables y lgicos.

4.- Reglas difusas si-entonces:

Se basa en reglas heursticas de la forma SI (antecedente) ENTONCES (consecuente), donde el antecedente y el consecuente son tambin conjuntos difusos, ya sea puros o resultado de operar con ellos. Sirvan como ejemplos de regla heurstica para esta lgica (ntese la importancia de las palabras "muchsimo", "drsticamente", "un poco" y "levemente" para la lgica difusa):

SI hace muchsimo calor ENTONCES disminuyo drsticamente la temperatura.

SI voy a llegar un poco tarde ENTONCES aumento levemente la velocidad.

Los mtodos de inferencia para esta base de reglas deben ser simples, veloces y eficaces. Los resultados de dichos mtodos son un rea final, fruto de un conjunto de reas solapadas entre s (cada rea es resultado de una regla de inferencia). Para escoger una salida concreta a partir de tanta premisa difusa, el mtodo ms

usado es el del centroide, en el que la salida final ser el centro de gravedad del rea total resultante.

Las reglas de las que dispone el motor de inferencia de un sistema difuso pueden ser formuladas por expertos, o bien aprendidas por el propio sistema, haciendo uso en este caso de redes neuronales para fortalecer las futuras tomas de decisiones.

Los datos de entrada suelen ser recogidos por sensores, que miden las variables de entrada de un sistema. El motor de inferencias se basa en chips difusos, que estn aumentando exponencialmente su capacidad de procesamiento de reglas ao a ao.

Un esquema de funcionamiento tpico para un sistema difuso podra ser de la siguiente manera:

Funcionamiento de un sistema de control difuso

En la figura, el sistema de control hace los clculos con base en sus reglas heursticas, comentadas anteriormente. La salida final actuara sobre el entorno fsico, y los valores sobre el entorno fsico de las nuevas entradas (modificado por la salida del sistema de control) seran tomadas por sensores del sistema.

Por ejemplo, imaginando que nuestro sistema difuso fuese el climatizador de un auto que se autorregula segn las necesidades: Los chips difusos del climatizador recogen los datos de entrada, que en este caso bien podran ser la temperatura y humedad simplemente. Estos datos se someten a las reglas del motor de inferencia (de la forma SI... ENTONCES..), resultando un rea de resultados. De esa rea se escoger el centro de gravedad, proporcionndola como salida. Dependiendo del resultado, el climatizador podra aumentar la temperatura o disminuirla dependiendo del grado de la salida.

Caracterstica de la LS Se basa en la experiencia de expertos conocedores del problema Se basa en el lenguaje humano Combina en forma unificada expresiones lingsticas con datos numricos.