2015

ISFD Dr. Juan G. Pujol

Profesorado de Educacin Secundaria

en Informtica

Lgica Informtica
Tema: Lgica Difusa

Alumno: Juan Domingo Soto

13/04/2015

LA LGICA DIFUSA
La lgica difusa ("fuzzylogic" en ingls) se adapta mejor al mundo real en el que vivimos, e
incluso puede comprender y funcionar con nuestras expresiones, del tipo "hace mucho calor", "no es
muy alto", "el ritmo del corazn est un poco acelerado", etc.
La Lgica Difusa o Borrosa, utiliza expresiones que no son totalmente ciertas ni completamente
falsas, es decir, que pueden tomar un valor cualquiera de veracidad. La borrosidad presenta una
caracterstica saliente en ciencia: la multivalencia, pues no hay dos nicas posibilidades para responder,
esto significa que todo no es, V o F. De hecho, las situaciones multivalentes consideran tres o ms valores
de verdad.
El Principio Difuso establece que: Todas las Cosas constituyen un tema de Grados. La
borrosidad est en el mundo y en la visin de las personas sobre dicho mundo.

TIPOS DE LOGICA
En la lgica clsica una proposicin solo admite dos valores verdadero o falso.
Por ello se dice que:
Lalgica bivalente o binaria; es la usual,

Pero existen otras lgicas:

o Lgica trivaluada: que admiten un tercer valor posible.
o Lgica multivaluada: admite mltiples valores de verdad.
DEFINICIN DE LGICA DIFUSA

Es bsicamente una lgica que permite valores

imprecisos(o intermedios) para poder definir otros
valores no convencionales entre el s/no,
verdadero/falso, negro/blanco, etc.
Un predicado vago o borroso es aqul que se le
aplica a los elementos de un conjunto, en un cierto
grado. Es decir, no tiene porqu verificarse o no
verificarse, sino que se verificar en un cierto grado.
Un predicado de este tipo, en general, no
clasifica el universo en dos categoras, es decir, no
produce una distincin en dos clases diferenciadas.

Ejemplo: Predicados vagos son: rico, feliz, joven, grande, alto... A partir de ellos formulamos
enunciados borrosos:
Juan es alto y no es muy joven.
Mi casa es grande.
El vecino es feliz porque le ha tocado la lotera.

Ejemplo:

Una persona que mide 2 metros es una persona alta (es alta con grado 1) y
Una persona que mide 1 metro no es una persona alta (es alta con grado 0).
Si tenemos una persona que mide 1.80 metros, podemos decir que es alta (es alta con grado 0.75).
Como 0.75 es un valor prximo a 1 podemos decir que esta persona es bastante alta.
Si en este ejemplo solamente dispusiramos de la Lgica Clsica una persona que mida 2 metros
sera alta pero si midiese 1.99 metros claramente no, aunque la diferencia entre 2 y 1.99 metros sea
mnima.
La Lgica Borrosa nos permite dar valores intermedios dentro del lmite de verdad y falsedad,
ya que hay enunciados cuyo valor de verdad depende del contexto. Por esto, tenemos que tener cuidado
al definir el dominio en el cual estamos en cada caso.

HISTORIA DE LGICA DIFUSA

En la antigedad:

Aristteles

introdujo

las

Leyes

del

Conocimiento, las que posteriormente seran el

sustento de la Lgica Clsica. Sus tres Leyes
fundamentales eran:

Platn dijo que haba una tercera

regin entre verdadero y falso:
los grados de pertenencia, un rango
de valores entre dos nmeros [0,1].

Principio de Identidad.
Ley de la Contradiccin.
Ley del Tercero Excluido.
Siglo XIX

Fue Jan ukasiewicz el primero que propuso

Siglo XX

Max Black define en 1937 el primer

una alternativa sistemtica a la lgica bivaluada de conjunto difuso mediante una curva que recoga
Aristteles, una lgica de vaguedades. La describi la frecuencia con la que se pasaba de un estado
como la lgica de los 3 valores o trivaluada, con el a su opuesto.
tercer valor siendo 'Posible'.

En 1965 Lotfi Asker Zadeh, un profesor de Ciencia computacional de la Universidad de

California en Berkeley basndose en las ideas de Black, cre la Lgica Difusa, que combina los
conceptos de la lgica y de los conjuntos de Jan ukasiewicz mediante la definicin de grados de
pertenencia.

Funcionamiento
Se basa en reglas heursticas de la forma SI (atentamente) ENTONCES (consecuente), donde el
antecedente y consecuente son tambin conjuntos difusos, ya sean puros o resultados de operar con ellos.
Mediante este tipo de lgica expresiones como bastante fro o bastante caliente, se pueden
formular matemticamente y procesar por medio de un computador.
La clave de esta adaptacin al lenguaje, se basa en comprender los cuantificadores que se pueden
utilizar (en los ejemplos "mucho", "muy" y "un poco").
Ejemplos de reglas heursticas para esta lgica son (la importancia de las palabras muchsimo,
drsticamente, un poco y brevemente, para la lgica difusa).
SI hace muchsimo fro ENTONCES aumento 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 sencillos, verstiles y eficientes.

CARACTERSTICAS DE LA LGICA DIFUSA

Soporta datos imprecisos.
Es conceptualmente fcil de entender.
Es flexible.
Es tolerante a los datos imprecisos.
Se basa en el lenguaje humano.

VENTAJAS Y DESVENTAJAS
Ventajas
Da buenos resultados en problemas no lineales.
Su modo de funcionamiento es similar al del comportamiento humano.
Posee una forma rpida y econmica de resolver un problema.

1 ejemplo:si el aire acondicionado se encendiese al llegar a la temperatura de 30, y la

temperatura actual oscilase entre los 29-30, nuestro sistema de aire acondicionado estara
encendindose y apagndose continuamente, con el gasto energtico que ello conllevara. Si estuviese
regulado por lgica difusa, esos 30 no seran ningn umbral, y el sistema de control aprendera a
mantener una temperatura estable sin continuos apagados y encendidos.

Desventajas
Si un problema tiene solucin mediante un modelo matemtico, obtendremos peores resultados

usando Lgica Difusa.

Se precisa de un tiempo de aprendizaje para obtener los mejores resultados en la salida. (Al

igual que ocurre con los humanos).

Dificultad de interpretacin de valores difusos (semntica no clara).

LGICA DIFUSA EN INTELIGENCIA ARTIFICIAL

En Inteligencia artificial, la lgica difusa, o lgica borrosa se utiliza para la resolucin de una
variedad de problemas, principalmente los relacionados con control de procesos industriales complejos
y sistemas de decisin en general, la resolucin la compresin de datos.
Los sistemas basados en lgica difusa imitan la forma en que toman decisiones los humanos, con
la ventaja de ser mucho ms rpidos.
Los sistemas de lgica difusa estn tambin muy extendidos en la tecnologa cotidiana.

Los sistemas basados en lgica difusa son generalmente robustos y tolerantes a imprecisiones y
ruidos en los datos de entrada.
La lgica difusa en inteligencia artificial consiste en la aplicacin de la lgica difusa con la
intencin de imitar el razonamiento humano en la programacin de computadoras.

Con la lgica convencional, las computadoras pueden manipular valores estrictamente duales,
como verdadero/falso, s/no o ligado/desligado.

El Controlador Difuso
La lgica difusa se aplica principalmente en sistemas de control difuso que utilizan expresiones
ambiguas para formular reglas que controlen el sistema. Un sistema de control difuso trabaja de manera
muy diferente a los sistemas de control convencionales. Estos usan el conocimiento experto para
generar una base de conocimientos que dar al sistema la capacidad de tomar decisiones sobre
ciertas acciones que se presentan en su funcionamiento.
Los sistemas de control difuso permiten describir un conjunto de reglas que utilizara una
persona para controlar un proceso y a partir de estas reglas generar acciones de control. El control
difuso puede aplicarse tanto en sistemas muy sencillos como en sistemas cuyos modelos matemticos
sean muy complejos.
Un esquema de funcionamiento tpico para un sistema difuso podra ser:

La estructura de un control ador difuso se muestra en la figura:

Fusificacin
La fusificacin tiene como objetivo convertir valores reales en valores difusos. En la fusificacin
se asignan grados de pertenencia a cada una de las variables de entrada con relacin a los conjuntos
difusos previamente definidos utilizando las funciones de pertenenciaasociadas a los conjuntos difusos.
Base de Conocimiento
La base de conocimiento contiene el conocimiento asociado con el dominio de la aplicacin y
los objetivos del control. En esta etapa se deben definir las reglas lingsticas decontrol que realizarn
la toma de decisiones que decidirn la forma en la que debe actuar el sistema.
Inferencia
La inferencia relaciona los conjuntos difusos de entrada y salida para representar las reglas que
definirn el sistema. En la inferencia se utiliza la informacin de la base de conocimiento para generar
reglas mediante el uso de condiciones, por ejemplo: sicaso1 y caso2, entoncesaccin 1.
Defusificacin
La defusificacin realiza el proceso de adecuar los valores difusos generados en la inferencia en
valores que posteriormente se utilizarn en el proceso de control.

ALGUNAS APLICACIONES DE LA LGICA DIFUSA

Actualmente la lgica difusa tiene un sin nmero de aplicaciones que afectan nuestra vida
cotidiana de alguna u otra manera, pero en ocasiones no nos percatamos.
La lgica difusa se ha desarrollado en diferentes reas y a continuacin se mencionan algunas:
Control de sistemas: Control de trfico, control de vehculos, control de compuertas en
plantas hidroelctricas, centrales trmicas, control en mquinas lavadoras, control de metros
(mejora de su conduccin, precisin en las paradas y ahorro de energa),ascensores, etc.
Prediccin de terremotos, optimizacin de horarios.
Reconocimiento de patrones y Visin por ordenador: Seguimiento de objetos con cmara,
reconocimiento de escritura manuscrita, reconocimiento de objetos, compensacin de
vibraciones en la cmara, sistemas de enfoque automtico.
Sistemas de informacin o conocimiento: Bases de datos, sistemas expertos.

Valores de verdad
A partir de una funcin proposicional, puede relacionarse el valor de verdad de una proposicin
con la pertenencia de un elemento a un conjunto.
Sea P una funcin proposicional con el dominio de D, y sea el conjunto:
A={xD/v[P(x)]=1}
Entonces si p es la proposicin que resulta al hacer
X=n((Pn)), se tiene que:
V[p]=1 nA
V[p]=0nA

Ejemplo: Si P(x): x es par, con dominio en el conjunto de los nmeros enteros (Z),
A={xZ/x es par}, p y q son las proposiciones simples 2 es par, 3 es par, respectivamente,
entonces:
V(p)= 1 porque 2 A
V(q)= 0 porque 3 A

Predicados Vagos
A veces algunas proposiciones provienen de funciones proposicionales o predicados vagos.
En ese caso al convertirlas en proposiciones no son falsas ni verdaderas.
Ejemplo:
x es un buen alumno
x es un nmero cercano a 2

Funcin Caracterstica
La pertenencia o no de un elemento a un conjunto A, se puede caracterizar mediante una funcin
de E en {0,1} con ACE, como sigue:
NA(x)= 1, si x A
NA(x)= 0, si x A

Funcin de Pertenencia o Membresade A, a la funcin de E, con AE, en el intervalo real

[0,1].
Luego un elemento tiene un cierto grado de pertenencia a A, que vara de 0 a 1.
Las formas de las funciones de pertenencia ms tpicas son trapezoidales, lineales y curvas.

Subconjuntos Borrosos
Dato un conjunto E y un subconjunto de l A, definimos el subconjunto borroso ~A,
como ~A={(x,N~A(x)/x A} donde N~A es la funcin de pertenencia de A.
Es decir, ~AE, x [0,1].

Operaciones
Igualdad e Inclusin: Dos conjuntos borrosos de E son iguales si sus funciones de pertenencia lo
son. En cambio ~A C ~B si, y solo si, para cada x E:
N~A (x) N~B (x)
Complemento: El complemento de ~A, que se denota con (~A), es el subconjunto borroso cuya
funcin de pertenencia es:
N~A (x) =1- N~A (x)
Unin: La unin de ~A y ~B es el subconjunto borroso cuya funcin de pertenencia es:
N(~AU~B) (x) = mx{ N~A (x) ; N~B (x)}
Interseccin: La interseccin de ~A y ~B es el subconjunto borroso cuya funcin de pertenencia
es:
N(~A~B) (x) = min{ N~A (x) ; N~B (x)}

Ejemplo: Se considera el predicado vago: x es joven. Si P(juan)=0,8 y P(Ral)=0,6. Cul es el valor de

verdad de:
1.
2.
3.
4.

No es cierto que Ral sea joven?

Juan y Ral son Jvenes?
Juan o Ral son jvenes?
Si Ral es joven, Juan tambin lo es?

Respuestas:
Si ~A = {(Juan;0,8);(Ral;0,6)}
V[-P(Ral)] = 1 ~N~A(Ral)= 0,4
V[P(Juan) ^ P(Ral)]= min {N~A(Juan); N~A(Ral)} = min{0,8;0,6} = min{0,6}
V[P(Juan) v P(Ral)]= max {N~A(Juan); N~A(Ral)} = max{0,8;0,6} = max{0,6}
V[-P(Ral) v P(Juan)]= max{0,4;0,8} = max{0,8}

Conclusin
Por lo investigado hasta el momento, podra afirmar que la Lgica Difusa es una herramienta
eficaz proporciona un mecanismo de relacin que permite simular los procedimientos de razonamiento
humano en sistemas basados en el conocimiento. El marco terico suministrado porla lgica borrosa
establece las basesmatemticas que permiten modelar la incertidumbre de los procesos cognitivos
humanos de forma que pueda ser tratable por un computador. Y el uso de estos sistemas basados en la
lgica difusa se podran lograr evaluar mayor cantidad de variables, entre otras, variables lingsticas,
no numricas, simulando el conocimiento humano. Por lo cual este tipo de razonamiento es aconsejable
para procesos muy complejos, es decir, cuando se carece de un modelo matemtico simple que pueda
implementarse.

Bibliografa
http://es.wikipedia.org/wiki/L%C3%B3gica_difusa
https://iesguillermo.wordpress.com/2010/07/27/%C2%BFel-fracaso-de-la-logica-clasica/
http://catarina.udlap.mx/u_dl_a/tales/documentos/lmt/ramirez_r_o/capitulo3.pdf
http://deepblue.mex.tl/346336_VENTAJAS-Y-DESVENTAJAS.html
https://powerpoint.officeapps.live.com/p/mPPTc.aspx?doc=Fi%3DSDEC9E53C9BF8EC66
2%21610%26C%3D5%5F810%5FDM2%2DSKY%2DWAC%2DWSHI%26ak%3Daid%2
53Daa12f34d%252Dbad6%252D4215%252Dac92%252D0f47931be016%2526m%253Des
%252Des&p=2&d=0&ui=es-ES&rs=en-US&i=0