SISD Curs 8 Logica Fuzzy Multimi Fuzzy Sisteme Cu Logica Fuzzy

SISTEME INTELIGENTE
DE SUPORT DECIZIONAL
As.dr.ing. Laura-Nicoleta IVANCIU
Curs 8 Logica fuzzy. Mulimi fuzzy.

Sisteme cu logic fuzzy.

Cuprins
Logica fuzzy
Mulimi fuzzy
Sisteme cu logic fuzzy
Studiu de caz Problema baciului
As.dr.ing. Laura-Nicoleta IVANCIU, Sisteme inteligente de suport decizional, 2015

Logica fuzzy
Importana relativ a preciziei
Ce nseamn fuzzy/logic fuzzy/mulimi fuzzy?
Cine a inventat (descoperit?!) logica fuzzy?
De ce s utilizm logica fuzzy?
Cnd s nu folosim logica fuzzy?

Logica fuzzy
Importana relativ a preciziei

Ct de important este precizia, cnd este mulumitor i un rspuns
aproximativ, dar semnificativ?

Logica fuzzy
S ne aducem aminte...
Logica fuzzy
Fuzzy: vag, neclar, imprecis, scmos, pufos, nuanat
Fuzziness: imprecizie nestatistic i caracter vag al informaiilor i
datelor
Mulimi fuzzy: clase de obiecte cu granie neprecise; apartenena la o
clas este gradual, ntre 0 (total neapartenen) i 1 (apartenen
complet)
- logica raionamentului aproximativ (=extensie a logicii multivalente)

- generalizare a logicii convenionale

Logica fuzzy
S ne aducem aminte...
Logica fuzzy
Pe msur ce crete complexitatea, formulrile precise pierd din

neles i formulrile pline de neles pierd din precizie. (Lotfi Zadeh)

Logica fuzzy
Paternitatea logicii fuzzy

Lotfi A. Zadeh (n. 1921) printele logicii fuzzy
Fuzzy Sets revista Information and Control, 1965
http://www-bisc.cs.berkeley.edu/Zadeh-1965.pdf
Motivul pentru care am ales cuvntul fuzzy este c ceea ce am avut n

minte sunt clasele care nu au granie precis delimitate.
Unii oameni sunt potrivnici logicii fuzzy chiar dac nu tiu ce este,
numai din cauza numelui. Dar ca i cu orice altceva, odat cu trecerea
timpului, numele devin mai puin importante.

Logica fuzzy
De ce s utilizm logica fuzzy?

uor de nteles i utilizat (intuitiv, concepte matematice simple)
flexibilitate
toleran la date imprecise
poate modela funcii complexe, cu nivel ridicat de precizie
poate utiliza cunotinele experilor
se poate combina cu tehnici convenionale de control
se bazeaz pe limbaj natural

Logica fuzzy
Nu vom utiliza logica fuzzy dac...

exist deja o soluie simpl
exist controllere care funcioneaz foarte bine
nu este convenabil din diferite motive
Care ar putea fi aceste motive?

Mulimi fuzzy
Care sunt elementele care definesc o mulime fuzzy?
Cum se reprezint grafic/matematic o mulime fuzzy?
Ce tipuri de mulimi fuzzy exist?
Este fuzzy echivalent cu probabilitate?
Care sunt operaiile care se pot realiza ntre mulimi fuzzy?
10

Mulimi fuzzy
Mulimi clasice
201 este amplificare mare
adevrat
fals
Mulimi fuzzy

adevrat cu grad 0.55
adevrat cu grad 0.45
11

Mulimi fuzzy
Mulime fuzzy = clas de obiecte, cu grade de apartenen continue.
Funcie de apartenen atribuie fiecrui obiect un grad de apartenen, cuprins

ntre 0 (neapartenen) i 1 (apartenen total).
0.55
0.3
12

Mulimi fuzzy
Mulimea fuzzy A este complet determinat de mulimea perechilor ordonate:

A = {(x, A(x))xX}
Suportul unei mulimi fuzzy A: Submulimea strict a lui X ale crei elemente au
grade de apartenen nenule n A:
supp( A) = {x X | A (x ) > 0}
0.55
0.3
13

Mulimi fuzzy
i) Variabila lingvistic x =: o proprietate, un atribut al obiectului (obiectelor) n

discuie (pentru un amplificator: amplificarea);
ii) Valoarea lingvistic A =: un adverb, adjectiv asociat variabilei lingvistice, care d
numele mulimii fuzzy asociate (medie, mare);
valoare
lingvistic
0.55
variabil
lingvistic
0.3
14

Mulimi fuzzy
iii) Universul discuiei X =: o mulime clasic, tranant, pe care se definesc

mulimile fuzzy (intervalul considerat pentru amplificare X = [50; 300];
iv) Gradul de apartenen =: msura n care un element aparine unei mulimi
fuzzy, [0; 1] (=0.55 pentru amplificare de 199, ce aparine mulimii fuzzy
amplificare medie)
valoare
lingvistic
grad de
apartenen
variabil
lingvistic
0.55
0.3
universul discuiei
15

v)
Mulimi fuzzy
Funcia de apartenen A =: asociaz fiecrui element x gradul de apartenen

la mulimea fuzzy A
A(x) : X[0; 1]
medie(amplificare) : [50; 300][0; 1]
functie de
apartenen
valoare
lingvistic
grad de
apartenen
variabil
lingvistic
0.55
0.3
universul discuiei
16

Mulimi fuzzy
Tipuri de mulimi fuzzy (Matlab)

trapmf
gbellmf
trimf
gaussmf
gauss2mf
smf
0.8
0.6
0.4
0.2
0
zmf
singleton psigmf
dsigmf
pimf
sigmf
0.8
0.6
0.4
0.2
0
17

Mulimi fuzzy
Partiie fuzzy
Pentru fiecare element din universul discuiei X, suma gradelor de
apartenen la toate mulimile fuzzy definite peste X este egal cu 1.
Ai , i = 1, ... , N
x X ,
i =1
Ai
( x) = 1
18

Mulimi fuzzy
Partiie fuzzy
Ex.: S se defineasc o partiie fuzzy format din 5 mf pentru variabila
lingvistic nlimea unei persoane, considernd X=[140, 220]cm.
Ce valori lingvistice pot fi utilizate?
Care sunt gradele de apartenen ale valorii de 175 cm, la fiecare mf?
19

Mulimi fuzzy
Mulime fuzzy triunghiular
Definit prin punctele de

inflexiune ( , a, )
a - centrul mulimii
x
a ; x a
x
A(x) = A (x) =
; ax
a
A se mai numeste i numr fuzzy triunghiular

x este aproximativ egal cu a
Mulime discret
0; altfel
supp(A) = [ ; ]
1 2
n
; ... ;
A( x ) = ;
xn
x1 x2
20

Mulimi fuzzy
Mulime fuzzy triunghiular

Exemplu:
Reprezentai grafic mulimea fuzzy triunghiular
X = [0; 15] a = 10; = 5; = 13

Care este expresia analitic a mf?
Care este suportul mf?
Care este centrul mf?
Considerai c universul discuiei este finit, descris de valorile:
X = {0, 4, 5, 7, 8, 10, 11, 12, 14, 15 }

Completai:
A(x) = , , , , , , , , ,
0 4 5 7 8 10 11 12 14 15
21

Mulime fuzzy trapezoidal
Mulimi fuzzy
Definit prin punctele de

inflexiune ( , a, b, )
[a, b] interval de toleran

x
a ; x a
axb
1 ;
A(x) = A(x) =
x ; b x
b
A se mai numeste i numr fuzzy trapezoidal
0 ; altfel
x este aproximativ n intervalul [a, b]
supp(A) = [ ; ]
22

Mulimi fuzzy
Mulime fuzzy trapezoidal

Exemplu:
Reprezentai grafic mulimea fuzzy trapezoidal
X = [0; 15] [a, b] = [7 ,11]; = 5; = 11
Care este expresia analitic a mf?
Care este suportul mf?
Care este intervalul de toleran al mf?
Considerai c universul discuiei este finit, descris de valorile:
X = {0, 4, 5, 7, 8, 10, 11, 12, 14, 15 }

Completai:
A(x) = , , , , , , , , ,
0 4 5 7 8 10 11 12 14 15
23

Mulime fuzzy singleton
Mulimi fuzzy
c centrul mulimii
1, x = c
A( x) = A ( x) =
0, in rest
supp(A) = c
A se mai numeste i punct fuzzy
24

Mulimi fuzzy
Fuzzy vs. probabilitate

nainte
L mulimea lichidelor potabile
Din care sticl vei bea?
L (C ) = 0.91 probL (A) = 0.91
25

Mulimi fuzzy
Fuzzy vs. probabilitate

nainte
dup
URSUS
L (C ) = 0.91 probL ( A) = 0.91
L (C ) = 0.91
probL ( A) = 0
Probabilitatea are nteles doar nainte ca evenimentul s se ntmple.

Dup, probabilitatea devine certitudine (0 sau 1) .
Gradul de apartenen la o mulime fuzzy rmne neschimbat.
26

Mulimi fuzzy
Operaii cu mulimi fuzzy

Intersecie
A B ( x) = A( x) B ( x)
x X
A B ( x) = A( x) B ( x) = min( A ( x), B ( x)) x X
27

Mulimi fuzzy

Reuniune
A B ( x) = A( x) B( x)
x X
A B( x) = A( x) B( x) = max( A ( x), B ( x)) x X
28

Mulimi fuzzy

Complement
A ( x) = 1 A ( x), x X
29


Care este structura unui SLF?
Ce tipuri de SLF exist?
Ce nseamn flux informaional/flux de calcul?
Ce nseamn baz de cunotine?
Ce operaii se fac ntr-un SLF?
30

Structura unui sistem cu logic fuzzy SISO

Mamdani
Takagi-Sugeno mulimi de ieire de tip singleton
31

Structura unui sistem cu logic fuzzy Mamdani
32

Baza de cunotine
mulimile fuzzy peste universul discuiei variabilei de intrare, X;
mulimile fuzzy peste universul discuiei variabilei de ieire, Y;
baza de reguli fuzzy, care leag ntre ele valorile fuzzy ale variabilei
de intrare (x) de valorile fuzzy ale variabilei de ieire (y)
Mulimile fuzzy (form, numr, valori numerice) pot fi obinute prin:
ncercri succesive
nvare supervizat pe baza unui set de date (ANFIS)
clasificare n mulimi (clase) fuzzy a unor date cunoscute (clasificare
substractiv, Fuzzy C-Means)
Cum se obin regulile fuzzy?

33

Operaii
fuzzificare
inferen
defuzzificare
Fuzzificare
Transformarea valorii tranante de intrare x* ntr-o mulime fuzzy X*
X
x
fuzzificare
valoare
tranant
mulime fuzzy
singleton
1, x = x*
X*(x) =
0 , x x*
34

Operaii
Inferen
- cea mai complex operaie dintr-un SLF

- are sarcina de a rezolva baza de reguli fuzzy pentru valoarea fuzzy de intrare x*
- utilizeaz mulimile fuzzy de intrare i ieire ale SLF
- la ieire se obine mulimea fuzzy y*
Inferena trebuie s:
deduc pe baza valorii fuzzy de intrare X* i pe baza fiecrei reguli fuzzy Ri rezultatul
fuzzy Yi* al regulii Ri.
combine toate rezultatele pariale fuzzy Yi*, i=1,, M, ntr-o singur mulime fuzzy de
ieire Y* - agregarea rezultatelor pariale
Inferen compoziional:
Mamdani (max - min)

Larsen (max prod)
35

Operaii
Inferen operaia de agregare

Regulile din baza de reguli a
unui sistem cu logic fuzzy se
consider legate ntre ele prin
conectivul SAU.
Pentru obinerea mulimii fuzzy de

ieire Y* se va utiliza operatorul de
agregare max ntre mulimile
fuzzy pariale Yi* date de regulile Ri.
36

Operaii
Defuzzificare
- operaie invers fuzzificrii
- rezultatul inferenei este mulimea fuzzy de ieire Y*
- selectarea unei valori tranante y* din suportul lui Y* ca valoare de ieire a SLF
1
Y*
0.5
y
0
y* = ?
-10
-8
-6
-4
-2
10
Cea mai des folosit metod de defuzzificare COA (center of area/centroid)

37


Cum aplicm logica fuzzy n situaiile de zi cu zi?
38

Problema baciului clasic vs. fuzzy

Mrimea baciului de la restaurant n funcie de:
calitatea servirii
calitatea mncrii
Baci - ntre 0% i 25% din valoarea notei de plat
Abordare clasic:
1. valoare fix 10% din nota de plat
2. proporional cu calitatea servirii/mncrii
Ex.: definim variabilele servire i mncare pe o scar de la 0 (calitate foarte
proast) la 10 (calitate foarte bun).
39


Abordare clasic liniar
baci = 25*(mncare+servire)/20
Probleme:
Dac dorim ponderi
diferite pentru mncare i
servire?
Dac dorim o valoare
constant n zona median,
cu variaii nspre extreme?
Rezultat: Funcia matematic devine tot mai complex, neliniar

40


Abordare fuzzy - reguli
Exprimarea raionamentului uman prin reguli lingvistice:

Dac servirea este slab sau mncarea este rea
atunci baciul este mic
Dac servirea este bun sau mncarea este bun
atunci baciul este mediu
Dac servirea este excelent sau mncarea este delicioas
atunci baciul este mare
41


Abordare fuzzy sistemul i suprafaa de control
42

Abordare fuzzy mulimile fuzzy peste intrri i ieire
43


Abordare fuzzy - calcule
Demo Matlab la Proiect
44

Sumar
Logica fuzzy
Mulimi fuzzy
n episodul urmtor: SISD cu logic fuzzy

45

SISD Curs 8 Logica Fuzzy Multimi Fuzzy Sisteme Cu Logica Fuzzy

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

SISD Curs 8 Logica Fuzzy Multimi Fuzzy Sisteme Cu Logica Fuzzy

Încărcat de

Drepturi de autor:

Formate disponibile

SISTEME INTELIGENTE

Curs 8 Logica fuzzy. Mulimi fuzzy.

Curs 8 Logica fuzzy. Mulimi fuzzy.

As.dr.ing. Laura-Nicoleta IVANCIU, Sisteme inteligente de suport decizional, 2015

Curs 8 Logica fuzzy. Mulimi fuzzy.

As.dr.ing. Laura-Nicoleta IVANCIU, Sisteme inteligente de suport decizional, 2015

Curs 8 Logica fuzzy. Mulimi fuzzy.

Importana relativ a preciziei

As.dr.ing. Laura-Nicoleta IVANCIU, Sisteme inteligente de suport decizional, 2015

Curs 8 Logica fuzzy. Mulimi fuzzy.

- logica raionamentului aproximativ (=extensie a logicii multivalente)

Curs 8 Logica fuzzy. Mulimi fuzzy.

Pe msur ce crete complexitatea, formulrile precise pierd din

As.dr.ing. Laura-Nicoleta IVANCIU, Sisteme inteligente de suport decizional, 2015

Curs 8 Logica fuzzy. Mulimi fuzzy.

Paternitatea logicii fuzzy

Motivul pentru care am ales cuvntul fuzzy este c ceea ce am avut n

Curs 8 Logica fuzzy. Mulimi fuzzy.

De ce s utilizm logica fuzzy?

As.dr.ing. Laura-Nicoleta IVANCIU, Sisteme inteligente de suport decizional, 2015

Curs 8 Logica fuzzy. Mulimi fuzzy.

Nu vom utiliza logica fuzzy dac...

As.dr.ing. Laura-Nicoleta IVANCIU, Sisteme inteligente de suport decizional, 2015

Curs 8 Logica fuzzy. Mulimi fuzzy.

As.dr.ing. Laura-Nicoleta IVANCIU, Sisteme inteligente de suport decizional, 2015

Curs 8 Logica fuzzy. Mulimi fuzzy.

201 este amplificare mare

As.dr.ing. Laura-Nicoleta IVANCIU, Sisteme inteligente de suport decizional, 2015

Curs 8 Logica fuzzy. Mulimi fuzzy.

Mulime fuzzy = clas de obiecte, cu grade de apartenen continue.

Funcie de apartenen atribuie fiecrui obiect un grad de apartenen, cuprins

As.dr.ing. Laura-Nicoleta IVANCIU, Sisteme inteligente de suport decizional, 2015

Curs 8 Logica fuzzy. Mulimi fuzzy.

Mulimea fuzzy A este complet determinat de mulimea perechilor ordonate:

grade de apartenen nenule n A:

As.dr.ing. Laura-Nicoleta IVANCIU, Sisteme inteligente de suport decizional, 2015

Curs 8 Logica fuzzy. Mulimi fuzzy.

i) Variabila lingvistic x =: o proprietate, un atribut al obiectului (obiectelor) n

As.dr.ing. Laura-Nicoleta IVANCIU, Sisteme inteligente de suport decizional, 2015

Curs 8 Logica fuzzy. Mulimi fuzzy.

iii) Universul discuiei X =: o mulime clasic, tranant, pe care se definesc

Curs 8 Logica fuzzy. Mulimi fuzzy.

Funcia de apartenen A =: asociaz fiecrui element x gradul de apartenen

medie(amplificare) : [50; 300][0; 1]

Curs 8 Logica fuzzy. Mulimi fuzzy.

Tipuri de mulimi fuzzy (Matlab)

As.dr.ing. Laura-Nicoleta IVANCIU, Sisteme inteligente de suport decizional, 2015

Curs 8 Logica fuzzy. Mulimi fuzzy.

As.dr.ing. Laura-Nicoleta IVANCIU, Sisteme inteligente de suport decizional, 2015

Curs 8 Logica fuzzy. Mulimi fuzzy.

As.dr.ing. Laura-Nicoleta IVANCIU, Sisteme inteligente de suport decizional, 2015

Curs 8 Logica fuzzy. Mulimi fuzzy.

Mulime fuzzy triunghiular

Definit prin punctele de

A se mai numeste i numr fuzzy triunghiular

As.dr.ing. Laura-Nicoleta IVANCIU, Sisteme inteligente de suport decizional, 2015

Curs 8 Logica fuzzy. Mulimi fuzzy.

Mulime fuzzy triunghiular

X = [0; 15] a = 10; = 5; = 13

X = {0, 4, 5, 7, 8, 10, 11, 12, 14, 15 }

As.dr.ing. Laura-Nicoleta IVANCIU, Sisteme inteligente de suport decizional, 2015

Curs 8 Logica fuzzy. Mulimi fuzzy.

Mulime fuzzy trapezoidal

Definit prin punctele de