Logică fuzzy

 Fuzzy, logica fuzzy, multimi fuzzy

 Precizie si realitate
 Paternitatea logicii fuzzy
 De ce sa utilizam logica fuzzy?
 Ilustrarea utilizarii logici fuzzy
 problema bacsisului
 SLN
 mf
 reguli
 determinarea iesirii
 suprafata de raspuns (control)

Sisteme cu logica nuantata, G. Oltean 1

 Fuzzy (nuanțat)
 Fuzzy: vag, neclar, imprecis, scamos, pufos, nuanţat
 Fuzziness: imprecizie nestatistica si caracter vag al informatiilor si
datelor.

 Multimi fuzzy
 clase de obiecte cu granite imprecis determinate, in care
apartenenta la o clasa este graduala intre 0
(neapartenenta totala) si 1 (apartenenta totala)

Sisteme cu logica nuantata, G. Oltean 2 /15

 Precizie si realitate
 Logica fuzzy o găsim peste tot unde avem de-a face cu
importanţa relativă a preciziei:
“Cât de importantă este precizia, când este suficient un răspuns
aproximativ, dar semnificativ?”

[Reznik, 97]

Sisteme cu logica nuantata, G. Oltean 3

 Precizie si realitate - cont.
“Pe masură ce creşte complexitatea, formulările precise pierd
din înţeles şi formulările pline de înţeles pierd din precizie.”
– Lotfi Zadeh
Precizie si semnificatie in lumea reala [FLT]

Sisteme cu logica nuantata, G. Oltean 4

 Precizie si realitate – cont.
 “Precizia nu este realitate (adevăr).” – Henri Matisse
 “Cred că nimic nu este adevăr necondiţionat şi astfel mă
împotrivesc oricărei afirmaţii de adevăr deplin şi oricărei
persoane care o face.” – H. L. Mencken
 “Atâta vreme cât legile matematicii se referă la realitate, ele nu
sunt sigure. Şi atâta vreme cât sunt sigure, ele nu se referă la
realitate.” – Albert Einstein
 “Pe masură ce creşte complexitatea, formulările precise
pierd din înţeles şi formulările pline de înţeles pierd din
precizie.” – Lotfi Zadeh
 Perle ale înţelepciunii populare:
 A nu vedea pădurea din cauza copacilor
 A fi scump la tărâţe şi ieftin la făină
Sisteme cu logica nuantata, G. Oltean 5 /15
 Paternitatea logicii fuzzy
Lotfi Zadeh (1921– )
Gloria de a fi considerat “părintele logicii fuzzy” îi revine lui
Lotfi A. Zadeh, în urma publicării articolului “Mulţimi fuzzy”
în revista “Information and Control” în anul 1965
În 1991 la Tokyo, Zadeh spune că editorul din acea vreme al revistei i-a
confirmat ceea ce presupunea şi el şi anume că articolul a fost publicat
numai pentru că Zadeh era un membru al colectivului de redacţie.

“Motivul pentru care am ales cuvântul fuzzy este că ceea ce am avut în minte
sunt clasele care nu au graniţe precis delimitate”.
“Logica fuzzy nu este exact genul de termen pe care l-aţi folosi în literatura
ştiinţifică […]. Mă gândesc că termenul a provocat anumite controverse. Dar
controversa serveşte unui scop util dând subiectului o mai mare vizibilitate”.
“Unii oameni sunt potrivnici logicii fuzzy chiar dacă nu ştiu ce este, numai din
cauza numelui. Dar ca şi cu orice altceva, odată cu trecerea timpului, numele
devin mai puţin importante.”
Sisteme cu logica nuantata, G. Oltean 6
Sisteme cu logica nuantata, G. Oltean 7
Logica fuzzy
 Logica rationamentului aproximativ: extensie a logicii
multivalente; generalizare a logicii conventionale;
 Rationament aproximativ: metode care faciliteaza efectuarea
unui rationament utilizand intrari imprecise (multimi fuzzy)
pentru a obtine iesiri semnificative (pline de inteles);

Multimi fuzzy (valori aproximative) definite peste variabila lingvistica temperatura

Sisteme cu logica nuantata, G. Oltean 8 /15
Logica fuzzy - continuare
 Deoarece logica fuzzy prelucreaza informatii aproximative intr-o
maniera sistematica ea este foarte potrivita pentru
 controlul sistemelor neliniare
 modelarea sistemelor complexe

 Relatiile intrare – iesire sunt descrise prin reguli “Daca – atunci”

• Daca temperatura este mica atunci incalzeste puternic

 Incertitudinea in termeni lingvistici (ex. “temperatura mica”) este

reprezentata prin multimi fuzzy

 Caracterul neted al rezultatului rationamentului cu multimi fuzzy

este o forma de interpolare

Sisteme cu logica nuantata, G. Oltean 9 /15

 De ce să utilizăm logică fuzzy?
 Este usor de inteles si utilizat (intuitiva, concepte matematice simple)
 Se bazeaza pe limbajul natural
 Poate utiliza cunostintelor expertilor
 Este flexibila
 Este toleranta la date imprecise
 Poate modela functii complexe cu nivel ridicat de precizie
 Poate fi combinata cu tehnici conventionale de control

 Nu utilizam logica fuzzy daca:

 exista deja o solutie simpla
 exista controlere care functioneaza foarte bine
 nu este convenabila din anumite motive
Logica fuzzy - codificarea bunului simt
• utilizati bunul simt la implemetare si (probabil) veti lua cele mai bune decizii
Sisteme cu logica nuantata, G. Oltean 10
 Ilustrare: Problema bacsisului: clasic vs. fuzzy
 marime bacsisului la restaurant in functie de:
 calitatea servirii
 calitatea mancarii
 ambianta
 etc …
 bacsisul: 0% - 25% din valoarea notei de plata

 variante clasice (transante):

1) intotdeauna 10 %
2) liniar cu calitatea servirii si a mancarii
 definim variabilele “servirea” si “mancarea” pe o scara de la
0 (calitate minima) la 10 (calitate maxima)

Sisteme cu logica nuantata, G. Oltean 11

Varianta clasică: liniar cu calitatea servirii și a mâncării
bacsis  25(mancarea  servirea) / 20

Dar daca dorim ponderi diferite pentru mancare si servire?

Sau dorim o valoare constanta in zona mediana cu variatii inspre extreme?
Functia matematica devine tot mai complexa, neliniara
Sisteme cu logica nuantata, G. Oltean 12
 Rationamentul uman poate fi exprimat prin reguli lingvistice
de tipul:

Daca servirea este slaba si mancarea este rea

atunci bacsisul este mic
Daca servirea este buna si mancarea este buna
atunci bacsisul este mediu
Daca servirea este excelenta si mancarea este delicioasa
atunci bacsisul este mare
Cum putem implementa intr-un sistem automat (inteles de
calculator) acest mod de rationament uman?
Prin utilizarea unui sistem
cu logica fuzzy
Sisteme cu logica nuantata, G. Oltean 13
 Structura sistemului cu logica fuzzy

demo matlab: tip.zip

Sisteme cu logica nuantata, G. Oltean 14

 Baza de reguli a sistemului cu logica fuzzy

Suprafata de
raspuns a SLF

Sisteme cu logica nuantata, G. Oltean 15

 Multimile
fuzzy

Sisteme cu logica nuantata, G. Oltean 16

Calcule in sistemul fuzzy

Sisteme cu logica nuantata, G. Oltean 17

Modelul Simulink

Sisteme cu logica nuantata, G. Oltean 18

 Dezvoltarea sistemului fuzzy pentru calcul bacsis

 completarea bazei de reguli pentru a avea o baza de reguli

completa (cate reguli sunt necesare?)
 acoperirea intregului domeniu 0% - 25% pentru variabila de
iesire (bacsis)
 cresterea rezolutiei pentru variabilele de intrare si de iesire (este
necesar?)
 introducerea de noi variabile de intrare (ambianta, curatenia, etc.)

Sisteme cu logica nuantata, G. Oltean 19