Universidad Tcnica de Ambato

Ingeniera en sistemas computacionales e

Informticos

Lgica difusa

Nombre: Jonathan Alexander Zurita.

Curso: primero
Paralelo: B
Fecha: 26/07/2016

Abril-Agosto 2016

ndice general

Caratul

1
NDICE GENERAL

INTRODUCCIN

TRATAMIENTO DE LA INCERTIDUMBRE
MTODOS NO NUMRICOS
MTODOS NUMRICOS
JUSTIFICACIN
DELIMITACIN DEL TEMA
OBJETIVOS
OBJETIVO GENERAL
OBJETIVO ESPECIFICO
DESARROLLO
LA LGICA DIFUSA
HISTORIA DE LA LGICA
APLICACIONES
PREDICADO Y PREDICADOS DIFUSOS
PREDICADO
PREDICADOS DIFUSOS
CONJUNTO CLSICO Y CONJUNTO DIFUSO
LOS CONJUNTOS DIFUSOS
PROPIEDADES DE LAS OPERACIONES DE LOS CONJUNTOS DIFUSOS
OPERACIONES CON CONJUNTOS CLSICOS
INTERSECCIN DE CONJUNTOS
UNIN DE CONJUNTOS
COMPLEMENTO DE UN CONJUNTO

4
4
4
5
5
6
6
6
7
7
7
7
8
8
8
9
10
10
10
10
11
12

BIBLIOGRAFA

13

Introduccin
La Lgica Difusa proporciona un mecanismo de inferencia que permite
simular los procedimientos de razonamiento humano en sistemas basados
en el conocimiento. La teora de la lgica difusa proporciona un marco
matemtico que permite modelar la incertidumbre de los procesos
cognitivos humanos de forma que pueda ser tratable por un computador. En
este primer captulo se describirn los fundamentos y caractersticas de
este mecanismo de representacin de la incertidumbre. [1]
Los seres humanos poseemos varias formas de demostrar nuestras
experiencias empleando un lenguaje cotidiano que resulta ser escaso. Por
ejemplo para explicar nuestra rutina diaria para ir a la universidad,
diramos lo siguiente:
1. Me levanto a las seis de la maana
2. Luego me doy un bao
3. Desayuno
4. Salgo a la universidad
Usando este lenguaje las dems personas pueden entender sin problema e
interpretar estas instrucciones de rutina rpidamente. La lgica usada
cotidianamente no es adecuada para procesar este tipo de reglas. Por
ejemplo si quisiramos aprender a jugar un deporte como el basquetbol
tendramos un montn de reglas como:
El objetivo es encestar en la canasta adversaria y defender la propia,
as como intentar apoderarse del baln en todo momento.
Los jugadores pueden pasar, lanzar, palmar o botar el baln en
cualquier direccin, siempre y cuando se encuentre dentro de los
lmites del campo de juego.
Estas reglas son muy prcticas y pueden ser fciles de captar, pero difciles
de trasladar a un lenguaje que pueda ser entendido por un computador. Las
palabras como cualquier direccin o lmites de del campo de juego no
tienen un lmite bien definido y cuando se quiere generar un cdigo puede
resultar algo ficticio sin resolucin. Por ejemplo para poder escatimar la
distancia tendra que hacerse algo como esto:

Cerca al tablero: entre 2 y 4 metros

Lejos del tablero: entre 4 y 6 metros
Ms lejos del tablero: entre 6 y 8 metros

Entonces con esta representacin podramos decir que:

por ejemplo cuando una bola esta 5.99 metros
empleando los intervalos que la bola est lejos pero si le

incrementamos unos pocos centmetros podramos ponerla en la categora

de muy lejos. Esto se puede realizar creando intervalos ms pequeos, pero
el problema sera que se basara en el uso de intervalos reservados.
Comparando con el modo de razonar de los humanos estos trminos se
deben corresponder con trminos lmites vagos donde 5.99 debera estar
asociado a trmino muy lejos que a
lejos. Cada claro que el
conocimiento especializado presenta caractersticas de imprecisin debido a
3 factores:
Pereza: Obtener una lista completa de todas las variables que intervienen
en el dominio del problema puede ser demasiado trabajo.
Ignorancia Terica: En la que no existe una lista completa de factores a
tener en cuenta para el dominio del problema.
Ignorancia Prctica: Incluso conociendo todas las variables, puede ser
difcil obtener datos concretos asociados para su estudio.
Esta incertidumbre en el modelado de conocimiento prctico existe en
multitud de disciplinas (mdicas, ciencias, ingeniera, derecho, educacin...).
En Inteligencia Artificial se aplica en multitud de reas de trabajo, como
visin por computador, procesamiento del lenguaje natural, procesamiento
de la informacin, aprendizaje automtico, juegos

Tratamiento de la Incertidumbre
El tratamiento de la incertidumbre ha tenido desde principios del siglo XIX
varios puntos de vista a tratar pero siempre ha sido visto desde un enfoque
posibilista, hasta que los 70 los expertos dieron un giro hacia un punto de vista ms
lgico basados en limitaciones que permitan realizarlo. Ya para los 80 se emplearon
tcnicas ms prometedoras, pero con un problema de que las posibilidades que
eran necesarias para calcular el nmero de variable que se podra tomar era muy
extenso.

De esta forma, surgieron otras aproximaciones entre las que cabe destacar:

Mtodos No Numricos
Existen algunas aproximaciones no numricas que utilizan un razonamiento
mucho ms cercano al humano (cualitativo).

Mtodos Numricos
De entre los mtodos numricos, cabe destacar la familia de los mtodos
probabilistas, que asocian un valor numrico (grado de creencia) entre 0 y 1
para resumir la incertidumbre sobre las oraciones. As, una probabilidad de
0.8 sobre una oracin no significa 80% verdadero, sino un 80% de grado de
creencia sobre la oracin (las creencias dependen de las percepciones
recibidas por el agente inteligente hasta el momento, que constituyen la
evidencia sobre la que se hacen las afirmaciones sobre probabilidades. [2]

Justificacin
La lgica difusa ha sido desde siempre un tema en el cual puede haber
varios errores por lo que se busca realizar un escrito que contenga varios
puntos de vista tanto en la prctica como en el uso propio de la lgica
matemtica.
La idea de realizar un ensayo sobre la lgica difusa permite obtener una
idea ms amplia sobre el conocimiento llevndonos a una forma ms lgica
y no convencional, por qu se va a poder observar de donde surge su
concepto, cul es su funcin desde el punto de vista lgico hacia la prctica,
la inferencia difusa y sus propsitos.
Buscando la manera de ayudar a entender que es la lgica difusa y que
campos son los que abarca este tema con este ensayo se dar una
explicacin ms amplia y concisa en su contenido para que no haya
confusin y sea un tema fcil de entender para su demostracin en el
campo de la lgica matemtica.
La investigacin de la lgica difusa es profunda ya que para poder entender
su verdadero significado se debe obtener varias fuentes de investigacin y
obtener puntos clave que nos ayuden a comprender un tema que es
bastante amplio.

Delimitacin del tema

En Amrica a lo largo de los aos han habido exitosas aplicaciones e
implementaciones de los conjuntos difusos en la ingeniera industrial, en
este aspecto la teora de conjuntos difusos es cada vez ms reconocida
como una importante tcnica para el modelado y solucin de problemas
industriales incluso se ha llegado a formar la International Fuzzy Systems
Association (IFSA) es una organizacin mundial dedicada al apoyo,
desarrollo y promocin de aspectos fundamentales de la lgica difusa
relacionados con las teoras de: conjuntos, lgica, relaciones, lenguajes
naturales, la formacin de conceptos, modelado lingstico, vaguedad, etc.
En Amrica latina se ha hecho una investigacin de como la respuesta a
bases de datos pueda hallar, de manera autnoma y dinmicamente, la
semntica de las condiciones vagas de las consultas, explorando los datos
disponibles en la base de datos y usando lgica difusa. La mquina de
inferencia del sistema, segn el contexto lingstico delimitado por cada
consulta, elige un modelo de conjunto difuso entre los modelos predefinidos

para diferentes patrones sintcticos con los que puede encajar el texto de
una consulta vaga y considerando diferentes niveles de granularidad en la
categorizacin de los objetos.
En Ecuador la lgica difusa ha sido investigada a nivel universitario por las
universidades ms importantes del pas como en la Pontificia Universidad
Catlica del Ecuador Facultad de Ingeniera, Escuela de Sistemas donde se
hace un estudio para usar la lgica difusa en capos prcticos como talleres
de aprendizaje

Objetivos
Objetivo general

Aprender a usar los mtodos que nos proporciona la lgica difusa

tales as como: la inferencia difusa, los conjuntos difusos las funciones
de pertenencia y las reglas de lgica difusa.
Entender los fundamentos que nos ofrece la lgica difusa para
realizar una deduccin aproximada con proposiciones imprecisas,
usando la teora de conjuntos como herramienta principal.
Desarrollar las metodologas de la Lgica Difusa, aplicaciones ms
importantes y entrenar al estudiante para utilizar y aplicar los
sistemas de inferencia difusa.

Objetivo Especifico

Determinar la importancia de las preposiciones en la lgica difusa.

Identificar
los elementos sintcticos que conforman
las
preposiciones de un sistema difuso.
Determinar
las
diferencias
bsicas
entre modificadores
y
cuantificadores lingsticos.

Desarrollo
La lgica difusa
La lgica difusa deriva de la lgica tradicional, y es
ms cercana a la forma del pensamiento humano. La
lgica difusa se basa en el hecho de que una
afirmacin no tiene porqu ser ni cierta ni falsa, sino
que se verificar en un cierto grado. Los predicados
difusos se aplican a los elementos del conjunto en ese
cierto grado. [2]

Historia de la Lgica
Parece que la Lgica Borrosa es algo reciente y en
lo que se lleva trabajando poco tiempo pero sus
orgenes se remontan a los tiempos de los filsofos
Aristteles y Platn. Ellos son los primeros en
considerar que las cosas no tienen por qu ser de
un cierto tipo o dejar de serlo, sino que hay una
escala intermedia entre los dos extremos. Es ms son los pioneros en
considerar que existan diferentes grados de verdad y falsedad. [3]

Aplicaciones
La Lgica Borrosa tiene gran utilidad ya que ella nos permite tratar
problemas demasiado complejos, mal definidos o para los cuales no existen
modelos matemticos precisos.
Gracias a este tipo de lgica se ha permitido modernizar y resolver
situaciones consideradas intratables desde el punto de vista de la Lgica
Clsica.
En los ltimos aos la Lgica Borrosa se ha utilizado en distintos tipos de
instrumentos, mquinas y en diversos mbitos de la vida cotidiana. Algunos
casos por ejemplo son los estabilizadores de imgenes en grabadoras de
vdeo, controladores de ascensores e ingeniera de terremotos.
Tambin se ha usado esta tcnica en la industria, obtenindose excelentes
resultados como en el caso del metro de Sendai en Japn, ya que permita
que el metro arrancara y frenara con gran suavidad, sin producir
alteraciones entre los pasajeros.

Realizando una divisin de los ejemplos en tres grandes grupos tenemos:

Productos creados para el consumidor: Lavadoras difusas (Matsuhita

Electronic Industrial), hornos microondas, sistemas trmicos,
traductores
lingsticos,
cmaras
de
vdeo,
televisores,
estabilizadores de imgenes digitales (Matsuhita) y sistemas de foco
automtico en cmaras fotogrficas.
Sistemas: Elevadores, trenes, automviles (caso de los sistemas de
transmisiones, de frenos y mejora de la eficiencia del uso de
combustible en motores), controles de trfico, sistemas de control de
acondicionadores de aire que evitan las oscilaciones de temperatura
y sistemas de reconocimiento de escritura.
Software: Diagnstico mdico, seguridad, comprensin de datos,
tecnologa informtica y bases de datos difusas para almacenar y
consultar informacin imprecisa (uso del lenguaje FSQL). [2]

Predicado y predicados difusos

Predicado
Un predicado es lo que se afirma o niega de un objeto. [5]
Ejemplo
Grande: es un predicado que se puede afirmar o negar, de un rbol, de un
edificio...
Tener ms de 30 aos: es un predicado que se puede afirmar o negar de
una persona, de un cuadro, de un mueble...
Caro: es un predicado que se puede afirmar o negar de un viaje, de un reloj
de oro, de un apartamento, de un coche...
Para expresar nuestras ideas nos ayudamos de predicados y con ellos
construimos enunciados.
Ejemplo
El carro es grande.
La lgica borrosa tiene ms de 30 aos.
El precio del aceite de oliva es muy caro.

Predicados difusos
Hay predicados P que, al aplicarlos a los elementos de un universo, no lo
dividen perfectamente en dos subconjuntos, el de los que cumplen dicho

predicado y el de los que no lo cumplen. A este tipo de predicados se les

denomina predicados difusos, flexibles.
Tenemos el predicado P = "joven", y lo aplicamos al conjunto A =
{Jugadores de baloncesto}.
En este caso para representar el predicado "joven" hacemos uso de los
colores, partimos de los tonos amarillos que representarn a un jugador de
baloncesto joven, hasta llegar en la escala a los tonos azules, que
representarn a un jugador de baloncesto no joven.

Podemos decir que un jugador de

baloncesto que tiene una edad de 19
aos (zona amarilla) es joven, y esto
es verdadero, pero tambin lo es uno
de 20 y otro de 20 y 3 meses. Cuando
llegamos a un jugador con una edad
30 aos (zona azul claro) decimos que es menos joven que el de 20 aos. Y
uno que tiene 40 aos decimos que no es joven (zona azul oscuro).
Como conclusin, con los predicados difusos no podemos establecer
subconjuntos definidos dentro de un universo, ni podramos asociarle una
funcin en {0,1}, pero sin embargo, s podemos asociar al predicado una
funcin del universo en el intervalo [0,1], de forma que a cada elemento le
haga corresponder el grado en que verifica el predicado. [3]

Conjunto clsico y conjunto difuso

Conjunto
Es una coleccin de elementos (reales o imaginarios) considerados como un
todo.
Conjunto clsico

Es aqul en que cada elemento tiene asignado un grado de pertenencia, 1 si

el elemento pertenece al conjunto y 0, si el elemento no pertenece a dicho
conjunto.
Un conjunto clsico es una coleccin de elementos. Por ejemplo, puede ser
el conjunto de elementos que verifican un predicado ntido. Dado un
subconjunto clsico A de X, se le puede asociar su funcin caracterstica.

A: X {0,1}, dada por

A(x) =
{
1,

si x pertenece A

0,

si x no pertenece A

es decir, A(x) = 1 si el grado en que x pertenece a A es 1 y A(x) = 0,

si el grado en que x pertenece a A es 0.

Los conjuntos difusos

Los conjuntos borrosos son aqullos cuyos elementos no tienen por qu
pertenecer (grado de pertenencia 1) o no pertenecer (grado de pertenencia
0), sino que pertenecen segn un cierto grado entre 0 y 1. [3]
Ejemplo
Dado el universo X=[1,100] y los predicados A="nmero superior " y
B="mayor de 70" podemos decir que, para el predicado B, tenemos dos
subconjuntos diferenciados:

B = {x perteneciente a X | x > 70}

B = {x perteneciente a X | x 70}
El problema aparece cuando intentamos obtener dos subconjuntos del
predicado A,

A={x perteneciente a X| "x es grande" es verdadera}

A={x perteneciente a X| "x es grande" es falsa}

Propiedades de las operaciones de los conjuntos difusos

Los conjuntos difusos presentan las propiedades de un conjunto clsico tales
que:
Conmutativa: AB = BA

Asociativa: A U (B UC) = (A UB) U C

Distributiva: A U (B \ C) = (A U B) \ (A U C)
Impotencia: A U A = A y A \ A = A
Involucin: (A) = A
Transitiva: If(A B) \ (B C)then A C 1
Leyes de Morgan: (A B) = A U B y :(A U B) = A B

Operaciones con conjuntos clsicos

De la misma manera que se realizan operaciones con los conjuntos clsicos,
se definen operaciones para los conjuntos borrosos. [4]

Interseccin de conjuntos
El primer problema que nos planteamos es la obtencin de la interseccin de dos
conjuntos borrosos. Para ello, vemos qu ocurre en el caso clsico.
Dados dos subconjuntos clsicos P y Q del universo X, un elemento x pertenece a
la interseccin PQ, si y slo si x pertenece a P y x pertenece a Q.
Tomando las respectivas funciones caractersticas como:

P(x) =

1, si x pertenece a P
0, si x no pertenece a P

Q(x)
=

1, si x pertenece a Q
0, si x no pertenece a Q

La funcin caracterstica de la interseccin quedar:

PQ(x) =

1, si P(x) = 1 y Q(x) = 1
0, en otro caso

Unin de conjuntos
En el caso de los conjuntos clsicos, dados dos subconjuntos P y Q del universo X,
un elemento x pertenece a la unin de PUQ, si y slo si x pertenece a P x pertenece a
Q.
Dadas las respectivas funciones caractersticas:
P(x) =

Q(x)

1, si x pertenece a P
0, si x no pertenece a P

1, si x pertenece a Q
0, si x no pertenece a Q

La funcin caracterstica de la unin ser:

(x) =

PUQ

1, si P(x) = 1 Q(x) = 1
0, en otro caso

O lo que es lo mismo,
P U Q(x) = Max (P(x),Q(x))

Complemento de un conjunto
Para finalizar, veamos qu ocurre en el caso de los conjuntos clsicos cuando
tenemos que realizar la operacin del complemento de un conjunto.
Dado el subconjunto clsico P del universo X, un elemento x pertenece al
complemento Pc, si y slo si dicho elemento x no pertenece a P. [3]
La funcin caracterstica est definida mediante:

(x) =

0, si P(x) = 1
1, si P(x) = 0

Bibliografa
[1]Morcillo, C. G. (2011). Lgica Difusa. Tcnicas de Softcomputing.
[2]Snchez, T. d. (2011). LGICA DIFUSA. Madrid.
[3] Castillo, M. . (2008 ). Tutorial de Introduccin de Lgica Borrosa .

Madrid.
[4] Trillas, E.; Cubillo, S. Primeras Lecciones de Lgica Borrosa. Ed. Facultad

de Informtica Universidad Politcnica de Madrid, Madrid 1999

[5] Universidad Politcnica de Madrid, Madrid 2000