uma introducao a logica fuzzy
Post on 19-Feb-2018
255 Views
Preview:
TRANSCRIPT
-
7/23/2019 Uma Introducao a Logica Fuzzy
1/12
www.facef.br/resiget 17
UMA INTRODUO A LGICA FUZZY
Diego Gabril de Sousa Rignel1
diegorignel@hotmail.com
Gabriel Pupin Chenci 2gabriel_gabrielpc@hotmail.com
Carlos Alberto Lucas 3profcarloslucas@gmail.com
RESUMO
A lgica fuzzy foi introduzida nos meios cientficos em 1965 por Lofti Asker Zadeh,atravs da publicao do artigo Fuzzy Sets no Jornal Information and Control. Hojeela elemento fundamental em diversos sistemas, sendo considerada uma tcnicade excelncia no universo computacional. Possui tambm enorme aceitao na reade controle de processos. O conceito fuzzypode ser entendido como uma situaoem que no possvel responder simplesmente "sim" ou "no". Mesmo conhecendoas informaes necessrias sobre a situao, dizer algo entre "sim" e "no", como"talvez" ou "quase", torna-se mais apropriado. O objetivo deste artigo conceituaresta lgica de acordo com seus termos, sua teoria de conjuntos e operaes,variveis lingusticas e funes de pertinncia, bem como apresentar seu histricocom base nos princpios desenvolvidos pelo polons Jan Lukasiewicz, que em
1920 introduziu conjuntos com graus de pertinncia 0, e 1, diferentemente de 0 ou1 da lgica booleana e que mais tarde expandiu para um nmero infinito de valores.O artigo visa atingir como pblico-alvo a comunidade da rea da computao, comotambm os interessados da rea. Foi feita reviso bibliogrfica, por meio da qual seabordaram informaes sobre a primeira publicao sobre lgica fuzzy, histria doautor, critrios de combinao entre conceitos da lgica clssica e os conjuntos deLukasiewicz, estudo temporal das aplicaes da lgica fuzzyna Europa e no Japo,entre outros. Pelo fato de ser uma reviso bibliogrfica, o trabalho no contmresultados expressos quantitativamente, sendo assim podemos ter como resultado anfase na importncia da existncia deste tipo de lgica, e tambm esclarecer comoela se desenvolveu com o passar dos anos. Assim, mantm-se em aberto a
possibilidade de novas pesquisas que abordem o contedo com mais preciso.Conclui-se que, para se tratar de casos com imprecises, a lgica Fuzzy torna-segrande alvo de pesquisas, podendo aliar-se a outras tcnicas da inteligncia artificialquando se busca resolver problemas complexos.
Palavras Chave: Teoria Fuzzy, Lgica, Sistemas Mecnicos/Computacionais.
_________________
1,2 Discente do Curso de Bacharelado em Sistemas de Informao do Centro Universitrio de Franca Uni-FACEF3 Docente do Curso de Bacharelado em Sistemas de Informao do Centro Universitrio de Franca Uni-FACEF
mailto:diegorignel@hotmail.commailto:diegorignel@hotmail.commailto:gabriel_gabrielpc@hotmail.commailto:gabriel_gabrielpc@hotmail.commailto:profcarloslucas@gmail.commailto:profcarloslucas@gmail.commailto:profcarloslucas@gmail.commailto:gabriel_gabrielpc@hotmail.commailto:diegorignel@hotmail.com -
7/23/2019 Uma Introducao a Logica Fuzzy
2/12
www.facef.br/resiget 18
ABSTRACT
Contextualizing, the Fuzzy logic was introduced in the scientific in 1965 by LotfiAsker Zadeh, through the publication of the article Fuzzy Set in the newspaper
Information and Control. Nowadays its fundamental in many systems beingconsidered a technical "excellence" in the computational universe having a greatacceptation in the process control area. The aim of this paper is to conceptualize thefuzzy logic in accordance with its terms, his theory of sets and operations, linguisticvariables and membership functions, and present their history based on principlesdeveloped by a Polish logician Jan Lukasiewicz (1878-1956), which sets introducedin 1920 with degrees of membership (0 - - 1), different from 0 or 1 (Boolean Logic),and that most of tar-expanded to an infinite number of values. Aims to reach thetarget audience all the people in the area of computing, as well as those interested inthis reading. . The term "fuzzy" can be understood as a situation that cannot beanswered only "yes" or "no". Even knowing the necessary information about the
situation, say "yes" and "no" as "perhaps", "almost", it is more appropriate. Literaturereview was performed, by means of which addressed information about the firstpublication about fuzzy logic, author history, the standard for combining concepts ofclassical logic and sets of Lukasiewicz, temporal study of fuzzy logic applications inEurope and Japan among others. By the reason of being a literature review the workdoesnt contains results expressed in numbers, so we can have as a result, theexistence importance of this type of logic, and also see how it developed over theyears. But it remains open the possibility of new research that broach the subjectmore accurately. We conclude that, to handle cases with inaccuracies, Fuzzy Logicbecomes the main target of research, could join to Artificial Intelligence, when we
seek to solve complex problems.
Keywords:Fuzzy theory, Logic, Mechanical/Computing Systems
-
7/23/2019 Uma Introducao a Logica Fuzzy
3/12
www.facef.br/resiget 19
INTRODUO
No presente estudo, objetiva-se abordar o conceito fuzzy, sua histria e
algumas de suas aplicaes, buscando atingir um pblico alvo das cincias exatas,
especificamente da cincia da computao, bem como a todos os interessados em
saber um pouco deste assunto, que ainda desconhecido por muitos acadmicos
da rea, porm amplamente utilizado. Usa-se como metodologia a pesquisa
bibliogrfica.
O trabalho est estruturado da seguinte maneira: na seo 1 feito um breve
histrico do aparecimento da teoria dos conjuntos fuzzy tambm conhecido comonebulosos e a apresentao dos conceitos gerais; nas sees 2 e 3,
respectivamente, sero abordadas algumas aplicaes da lgica fuzzy, e as
consideraes finais do trabalho.
Neste artigo busca-se apresentar a lgica fuzzy ou difusa em linhas gerais, e
por ser um primeiro estudo, o contedo est resumido. Portanto, mantm-se em
aberto a possibilidade de uma nova pesquisa que explore tais conceitos com maisprofundidade.
1. HISTRIA E CONCEITOS DA LGICA FUZZY
Os princpios de lgica fuzzy foram desenvolvidos primeiramente por Jan
Lukasiewicz (1878-1956), que em 1920 desenvolveu e introduziu conjuntos com
grau de pertinncia que combinados aos conceitos da lgica clssica, desenvolvida
por Aristteles, deu embasamento suficiente para que na dcada de 60, Lofti Asker
Zadeh, professor de Cincias da Computao da Universidade da Califrnia,
chegasse a ser o primeiro autor de uma publicao sobre lgica fuzzy.
Zadeh observou que muitas regras presentes no cotidiano da populao no
podiam ser explicadas pelas pessoas que as usavam. Como por exemplo, podemos
olhar para uma pessoa e imaginar que ela tenha 50 anos, porm no se sabe como
-
7/23/2019 Uma Introducao a Logica Fuzzy
4/12
www.facef.br/resiget 20
explicar esse fato. Esta idia levou Zadeh a desenvolver o que conhecemos por
lgica fuzzy (RUSS, 1996).
Inicialmente Zadeh foi criticado por vrios cientistas e estudiosos da rea da
computao, porm logo sua idia foi aceita nesse meio, sendo alvo de vrias
publicaes que abordavam aplicaes dos sistemas fuzzy.
1.1. CONCEITOS
Diferente da Lgica Booleana que admite apenas valores booleanos, ou seja,verdadeiro ou falso, a lgica difusa ou fuzzy, trata de valores que variam entre 0 e 1.
Assim, uma pertinncia de 0.5 pode representar meio verdade, logo 0.9 e 0.1,
representam quase verdade e quase falso, respectivamente (SILVA, 2005).
Com a necessidade de lidar com a complexidade dos problemas, a teoria da
probabilidade era usada com sucesso em muitas reas da cincia, porm com essa
teoria era mais difcil de tratar a incerteza. Um exemplo disso era considerar operodo meia-idade que comea em 35 anos e termina em 55 anos (MUKAIDONO,
2001).
Utilizando a lgica tradicional, uma pessoa com 34 anos s iria pertencer a
esse grupo aps completar seu 35 aniversrio. Desse modo uma pessoa que tenha
56 anos no faria parte de tal grupo. A figura 1 mostra a definio de meia idade
segundo a teoria de conjuntos convencional (MUKAIDONO, 2001).
-
7/23/2019 Uma Introducao a Logica Fuzzy
5/12
www.facef.br/resiget 21
Figura 1 - Definio de meia idade em conjuntos convencionais -- Adaptado de (COSTA, 007)
J na figura 2, apresentada a definio de meia idade segundo a teoria
fuzzy. Nota-se que o grau de pertinncia que uma pessoa de 25 anos pertena a tal
grupo muito menor em relao a uma pessoa de 45 anos (MUKAIDONO, 2001).
Figura 2 - definio de meia idade em conj untos fuzzy --Adaptado de(COSTA, 2007)
Segundo (WAGNER, 2003), a lgica difusa uma ferramenta capaz de
capturar informaes vagas, em geral, descritas em linguagem natural e convert-
las para um formato numrico, de fcil manipulao.
-
7/23/2019 Uma Introducao a Logica Fuzzy
6/12
www.facef.br/resiget 22
1.2. TERMOS FUZZY
Segundo (KLIR, 1997), ao longo de nossas vidas, usamos sem perceberalguns conceitos que ajudariam determinar os termos fuzzy. Observe:
O dlar est estvel;
O trabalho est parcialmente feito
Ou mesmo ainda atribuir qualidades a um objeto: (grande, limpo), ou at a
uma pessoa (magro, alto).
Os elementos acima destacados so termos fuzzy, pelo fato de admitirem
vagueza nas informaes. Levemos em considerao as seguintes frases:
A gua est quente;
A chuva est forte.
Dentro das teorias de lgicas existentes, exceto a fuzzy, no h algo que
determine o limite da gua ou da chuva, para considerarmos tais informaes.
1.3. CONJUNTOS NEBULOSOS
Na teoria clssica (desenvolvida por Aristteles), os conjuntos so
denominados crisp e um dado elemento do universo em discurso pertence ou no
pertence ao referido conjunto (ABAR, 2004). J na teoria dos conjuntos nebulososexiste um grau de pertinncia de cada elemento a um determinado conjunto (ABAR,
2004). Seguem os parmetros abaixo:
Conjunto das pessoas com alta renda;
Conjunto das pessoas com baixa renda.
Observa-se que no existe limites que definem quando uma pessoa pertence
a qualquer um dos referidos conjuntos.
-
7/23/2019 Uma Introducao a Logica Fuzzy
7/12
www.facef.br/resiget 23
1.4. OPERAES COM CONJUNTOS NEBULOSOS
Segundo (ABAR, 2004), as operaes com conjuntos fuzzy podem ser assimapresentadas:
O conjunto fuzzy A um subconjunto de um conjunto fuzzy B se o grau de
pertinncia de cada elemento do conjunto universo U no conjunto A menor
ou igual que seu grau de pertinncia no conjunto B; ou seja, para todo x U,
(x) (x) e indicamos A B;
Os conjuntos fuzzy A e B so iguais se (x) = (x) para todo elemento x
U e indicamos: A = B;
Os conjuntos fuzzy A e B so diferentes se (x) (x) para no mnimo
um x U e indicamos A B;
O conjunto fuzzy A um subconjunto prprio do conjunto fuzzy B quando A
um sub- conjunto de B e A B,isto , (x) (x) para todo x U e
(x) (x) para no mnimo um x U e indicamosA B se e somente
seA B eA B; O complemento de um conjunto fuzzy A em relao ao conjunto universo U
indicado por A e a funo de pertinncia definida como: (x) = 1 -
(x) para todo x U;
A unio de dois conjuntos fuzzy A e B um conjunto fuzzy A B tal que
para todo x U (x) =max [ (x), (x)];
A interseco de dois conjuntos fuzzy A e B um conjunto fuzzy A Btal que para todo x U (x) =min [ (x), (x)].
-
7/23/2019 Uma Introducao a Logica Fuzzy
8/12
www.facef.br/resiget 24
1.5. VARIVEIS LINGSTICAS
Uma varivel lingstica uma varivel cujos valores so nomes deconjuntos fuzzy. Sua principal funo fornecer uma maneira sistemtica de
aproximao de fenmenos complexos ou mal definidos (GONALVES, 2007). Um
exemplo disso o peso de uma pessoa, que pode ser uma varivel lingstica
assumindo valores baixo, mdio e alto. Veja conforme a figura 3.
Figura 3 - Funes de p ertinncia para a varivel temp eratura -- Adaptado de (COSTA, 2007)
Logo, valores de uma varivel lingstica podem ser sentenas em uma
linguagem especificada, construda a partir de termos prprios (baixo, mdio,
alto), de conectivos lgicos (negao no, conectivos e/ou), de modificadores
(muito, pouco) e de delimitadores (como parnteses) (SANDRI, 1999).
1.6. FUNES DE PERTINNCIA
As funes de pertinncia so de diferentes formas, dependendo do conceito
que se deseja representar e do contexto que esto inseridas (GONALVES, 2007).
Considere a varivel lingstica peso, constituda dos seguintes termos: T(peso) =
{baixo, mdio, alto}. A esses se faz corresponder conjuntos fuzzy B, M e A,
respectivamente, definidos por suas funes de pertinncia. Observe a figura
-
7/23/2019 Uma Introducao a Logica Fuzzy
9/12
www.facef.br/resiget 25
Figura 4 - Funes de p ertinncia para a vari vel -- Adaptado d e (COSTA, 2007)
Logo, percebe-se que: Pessoas de at 50 Kg apresentam grau de pertinncia igual a 1 no conjunto
B; o grau de pertinncia nesse conjunto decresce medida que o peso
aumenta;
Uma pessoa de 75 Kg totalmente pertencente ao conjunto M;
Pessoas acima de 80 Kg (aproximadamente), apresentam grau de pertinncia
diferente de 0 em A.
Pessoas acima de 100 Kg, definitivamente esto com o peso alto.
2. APLICAES DA LGICA FUZZY
Inicialmente, o interesse em aplicar sistemas fuzzy foi demonstrado pelos
japoneses Seiji Yasunobu e Soji Miyamoto, que em 1985 apresentaram simulaes
de sistemas fuzzy em uma estrada de ferro de Sendai (ALBERTOS, 1992).
Em 1987, em um encontro internacional de pesquisadores de lgica difusa,
ocorrido em Tkio, Japo, foram demonstrados diversos trabalhos com tais
aplicaes. Muitos pesquisadores ficaram impressionados com a capacidade de
suporte que a lgica fuzzy oferecia. Desde ento, em 1988, foi fundado o
laboratrio internacional de engenharia fuzzy (LIFE), uma cooperativa que
compreendia 48 companhias para pesquisa nesses sistemas (ALBERTOS, 1992).
-
7/23/2019 Uma Introducao a Logica Fuzzy
10/12
www.facef.br/resiget 26
Conforme (ALBERTOS, 2002), posteriormente foram desenvolvidas algumas
aplicaes de controladores mecnicos/computacionais, tais como:
Aspiradores de p Matsushita, que usam controladores de 4 bits rodando
ritmos de sensores de p e ajustam o poder de suco;
Mquinas de lavar Hitachi, com controladores fuzzy para controle de peso,
verificao de tipo de tecido e sensores de sujeira, designando
automaticamente os ciclos de lavagem para o uso otimizado de potncia,
gua e detergente;
Cmera fotogrfica desenvolvida pela Canon, com autofoco capaz de medir a
claridade de imagens em seis regies do campo de viso, usando a
informao obtida para determinar se a cmera est no foco;
Ar condicionado industrial projetado pela Mitsubishi, que usa 25 regras de
resfriamento e 25 regras de aquecimento. Comparado ao projeto anterior, o
novo ar condicionado aquecia 5 vezes mais rpido, reduzindo o consumo de
potncia em 24% e usando menos sensores;
Mquina de lavar pratos baseado em um controlador fuzzy e um one stop
sensing moduleque combina um teristor (para medida de temperatura), um
sensor condutivo (para medir o nvel de detergente atravs dos ons
presentes na gua), um sensor de turvao que difunde a medida e transmite
luz para medir a sujeira na lavagem, e um sensor magntico para ler a taxa
de giro.
CONSIDERAES FINAIS
Diversos problemas da atualidade precisam ser solucionados com sistemas
complexos, que necessitar tratar de imprecises e dualidades. Seguindo essa linha
de pensamento, Lofti Asker Zadeh, professor de cincias da computao da
Universidade da Califrnia, embasado na lgica clssica, desenvolvida por
Aristteles, desenvolveu a lgica nebulosa, mais conhecida com lgica fuzzy.
Essa lgica permite que variveis no admitam valores precisos
necessariamente, como 0 ou 1, possibilitando que elas tenham graus de pertinncia
-
7/23/2019 Uma Introducao a Logica Fuzzy
11/12
www.facef.br/resiget 27
entre os elementos, em relao ao seu conjunto. Possibilita ainda a construo de
vrias regras, que facilitam a modelagem dos problemas, tornando-os assim, menos
complexos. Tal lgica atrai pesquisadores da rea e diversos profissionais detecnologia da informao, pelo fato dela tornar geralmente mais simples as solues
dos diversos problemas complexos existentes atualmente.
REFERNCIAS BIBLIOGRFICAS
ABAR, Celina. O Conceito Fuzzy. Pontifcia Universidade Catlica de So Paulo,2004. Disponvel em: http://www.pucsp.br/~logica/Fuzzy.htm. Acessado em
08/11/2010 s 20h30m.
ALBERTOS, P. Fuzzy Controllers - AI Techniques in Control. Pergamon Press, 1992
ANDERSON, Brian David Outram; MOORE, Jhon Bassett. Optimal Filtering. New Jer
sey: Prentice Hall, 1979.
BERTSEKAS, Dimitri P. Dynamic Programming and Stochastic Control. New York:
Academic Press, 1976.COSTA, Alex da; RODRGUEZ, Antnio Gabriel; SIMAS, Etiene P. Lazzeris;
ARAJO, Roberto da Silva. Lgica Fuzzy: Conceitos e aplicaes. Universidade do
Vale do Rio dos Sinos, 2007.
GOMIDE, Fernando Antnio Campos; GUDWIN, Ricardo Ribeiro. Modelagem,
controle, sistemas e lgica fuzzy. Universidade Estadual de Campinas, 1994.
GONALVES, Andr Paim. Aplicao de Lgica Fuzzy em Guerra Eletrnica. Insti-
tuto Tecnolgico da Aeronutica, 2007.
KLIR, George Jiri; YUAN, Boo; CLAIR, Ute Saint. Fuzzy Set Theory: Foundations
and Applications. United States: Prentice Hall, 1997.
MUKAIDONO, Mazao. Fuzzy Logic For Beginners. Singapore: World Scientific, 2001.
RUSS, Eberhart; SIMPSON, Pat; DOBBINS, Roy. Computational Intelligence PC
tool. London: AP Professional, 1996.
SANDRI, Sandra; CORREA, Cludio. Lgica Nebulosa. Instituto Tecnolgico da
Aero nutica, 1999.
http://www.pucsp.br/~logica/Fuzzy.htmhttp://www.pucsp.br/~logica/Fuzzy.htm -
7/23/2019 Uma Introducao a Logica Fuzzy
12/12
www.facef.br/resiget 28
SILVA, Renato Afonso Cota. Inteligncia artificial aplicada ambientes de
Engenharia de Software: Uma viso geral. Universidade Federal de Viosa, 2005.
WAGNER, Adila. Extrao de Conhecimento a partir de Redes Neurais aplicada aoproblema da Cinemtica Inversa na Robtica. Universidade do Vale do Rio dos
Sinos, 2003.
top related