Fuzzy Matlab

Sistemas Fuzzy com Matlab®
Rafael P. Laufer
rlaufer@gta.ufrj.br
Inteligência Artificial - Prof. Sérgio Palma

Departamento de Engenharia Eletrônica e de Computação
Escola Politécnica
Universidade Federal do Rio de Janeiro
Copyright © 2003 Rafael P. Laufer. Todos os direitos reservados.

Introdução
Lógica Fuzzy
Importância relativa da precisão
Respostas imprecisas às vezes são mais eficientes
Um peso de
1500 kg se
aproxima da
sua cabeça a
27.3 m/s! CUIDADO!
1500 kg 1500 kg

Introdução
Lógica Fuzzy
Maneira conveniente de mapear um espaço de entradas em
um espaço de saídas
Exemplo:
dado o serviço de um restaurante, qual a gorjeta ideal ?
classificação do caixa
serviço de hoje
preta gorjeta de hoje
Espaço de entrada Espaço de saída

(todas as classificações de serviço possíveis) (todas as gorjetas possíveis)

Introdução
Vantagens da Lógica Fuzzy

Conceitualmente fácil de ser entendida
Flexibilidade
Tolerância a imprecisão de dados
Modelamento não-linear de complexidade arbitrária
Construída baseado na experiência dos especialistas
Misturada a outras técnicas de controle
Baseado em linguagem natural

Bases da Lógica Fuzzy
Conjunto Fuzzy
Conjunto sem fronteiras rígidas e bem definidas
Ex.: dias do fim-de-semana
Segunda-feira Quarta-feira
Sábado
Sexta-feira
Terça-feira Domingo Quinta-feira
Dias do fim-de-semana
Possibilidade de valores de respostas “contínuas”

Representação de “verdadeiro”(1) e “falso”(0) ultrapassada
Valores entre 0 e 1 agora são possíveis
Diversos valores ao invés de somente dois

Ex.: dias do fim-de-semana

Não-Fuzzy Fuzzy
1 1
Fim-de-semana
0 0
5ª 6ª Sáb. Dom. 2ª 5ª 6ª Sáb. Dom. 2ª
1 1
Fim-de-semana
0 0
5ª 6ª Sáb. Dom. 2ª 5ª 6ª Sáb. Dom. 2ª
Dias da semana Dias da semana

Funções de Pertinência (Membership Functions)

Curva que define como cada ponto da entrada é mapeado
em um valor ou grau de pertinência entre 0 e 1
Ex.: quando uma pessoa é considerada gorda ?
Funções de pertinência discontínua e contínua
1 Gordo (µ = 1.0)
1 Definitivamente
gordo (µ = 0.87)
Grau de
Pertinência (µ)
Pouco gordo
0 Não é gordo (µ = 0.0) 0 (µ = 0.14)
Peso(Kg) Peso(Kg)

Tipos de funções de pertinência do “Fuzzy Toolbox”

1 1
0 0
trimf trapmf
1 1 1
0 0 0
gaussmf gauss2mf gbellmf

Tipos de funções de pertinência do “Fuzzy Toolbox”

1 1 1
0 0 0
sigmf dsigmf psigmf
1 1 1
0 0 0
zmf pimf smf

Operações Lógicas
A AND B Æ min(A,B)
A OR B Æ max(A,B)
NOT A Æ 1 - A

1 1
Lógica de 0 0
dois valores
1 1
0 0
1 1
Lógica de 0 0
vários valores
1 1
0 0
AND OR NOT
min(A,B) max(A,B) (1 – A)

Regras se-então
Usadas para formular as expressões condicionais que
englobam a lógica fuzzy
Se x é igual a A, então y é B
antecedente conseqüente
O antecedente representa uma interpretação que retorna
um número entre 0 e 1
O conseqüente é a designação de todo um conjunto fuzzy B
para a variável de saída y
Ex.: Se o serviço é bom, a gorjeta é média
“serviço é bom” representa um número entre 0 e 1
média é representada por um conjunto fuzzy
Regras se-então
A entrada para uma regra é o valor da variável de entrada
A saída é todo um conjunto fuzzy
Interpretação das regras se-então envolvem partes:
Avaliação do antecedente
Fuzzyficação da entrada
Aplicação de operadores fuzzy, se necessário
Gera o grau de pertinência para a regra

Aplicação do resultado ao conseqüente, ou implicação
Grau de pertinência molda o conjunto fuzzy de saída

Se o serviço é excelente ou a comida é deliciosa, então a gorjeta é generosa
µ = 0.8
Fuzzificação excelente deliciosa
das entradas
µ = 0.1
serviço (fixo) comida (fixo)

µ = 0.8
das entradas
µ = 0.1
Se ( 0.1 ou 0.8 ), então a gorjeta é generosa
0.1
Aplicar operador
fuzzy OR (max) MAX() 0.8
0.8 Grau de pertinência

µ = 0.8
das entradas
µ = 0.1
Se ( 0.1 ou 0.8 ), então a gorjeta é generosa
0.1
Aplicar operador
fuzzy OR (max) MAX() 0.8
0.8 Grau de pertinência
Se ( 0.8 ), então a gorjeta é generosa
Aplicar operador 0.8 0.8

de implicação generosa generosa
OR (max)
min(0.8, generosa) gorjeta (fuzzy)

Regras se-então
Avaliação do antecedente
Fácil em lógica de dois valores
Usando vários valores
Se o antecedente é verdadeiro em algum grau de pertinência, o
conseqüente também é verdadeiro no mesmo grau
Número de 0 a 1 é gerado (grau de pertinência)
Aplicação do resultado ao conseqüente
Conjunto fuzzy de saída modificado pela função de implicação
Modificação influenciada pelo grau de pertinência
Maneiras mais comuns
Truncamento, usando a função min()
Dimensionamento, usando a função prod()

Sistemas Fuzzy
Mapeamento dos valores de entrada usando lógica fuzzy

Ex.: gorjeta ideal
Regra 1
Se o serviço é ruim ou a comida
é péssima, então a gorjeta é
baixa
Entrada 1
serviço (0-10)
Regra 2
Σ
Se o serviço é bom, então a Saída
gorjeta é média gorjeta (5-15%)
Entrada 2
comida (0-10)
Regra 3
Se o serviço é excelente ou a
comida é deliciosa, então a
gorjeta é generosa
Entradas são números Regras são processadas Resultado das regras é O resultado é um número
(não-fuzzy) dentro de em paralelo agregado e defuzzyficado (não-fuzzy) dentro de
uma faixa uma outra faixa

Sistemas Fuzzy
Formados basicamente por 5 passos

Passo 1 – Fuzzyficação das entradas
Determinação do grau de pertinência de cada entrada em
relação a cada conjunto fuzzy
Entrada é um valor numérico limitado
Saída é um número entre 0 e 1
Feito de acordo com uma função de pertinência
serviço é excelente
0.1 Resultado da
fuzzyficação
serviço = 6

Sistemas Fuzzy
Passo 2 – Aplicar operador(es) fuzzy

Determinação de um número que represente o resultado do
antecedente daquela regra
Entrada são dois ou mais valores resultados da fuzzyficação
Saída é um único valor entre 0 e 1
Operadores AND e OR
AND – min() ou prod()
OR – max() ou probor() (probor(a,b) = a + b – ab)
serviço é excelente ou comida é deliciosa
0.8
0.8
deliciosa
0.1 Resultado do
operador fuzzy
serviço = 6 comida = 8

Sistemas Fuzzy
Passo 3 – Aplicar operador de implicação

Aplicação de pesos no resultado do antecedente
Remodelamento do conseqüente em função do valor do
antecedente
Métodos usados
Truncamento, através da função min()
Dimensionamento, através da função prod()
serviço é excelente ou comida é deliciosa então gorjeta é generosa
deliciosa
0.1 0.8
generosa generosa
serviço = 6 comida = 8 Resultado da

implicação

Sistemas Fuzzy
Passo 4 – Agregar todas as saídas

Combinação das saídas (fuzzy) em um único conjunto fuzzy
Entradas são as funções retornadas pela implicação
Saída é um conjunto fuzzy para cada variável de saída
Métodos
Máximo, através da função max()
OR probabilístico, através da função probor()
Soma, através da função sum()

Sistemas Fuzzy
ruim péssima
baixa baixa
5 15%
serviço é ruim ou comida é péssima então gorjeta é baixa

Sistemas Fuzzy
ruim péssima
baixa baixa
5 15%
bom média média
serviço é bom então gorjeta é média 5 15%

Sistemas Fuzzy
ruim péssima
baixa baixa
5 15%
bom média média
excelente deliciosa
generosa generosa
5 15%

Sistemas Fuzzy
ruim péssima
baixa baixa
5 15%
serviço é ruim ou comida é péssima então gorjeta
a é baixa
bom média média
excelente deliciosa
generosa
erosa generosa
5 15%
serviço = 6 comida = 8 Resultado da

agregação
(soma)
5 15%
Sistemas Fuzzy
Passo 5 – Defuzzyficação
Obtém valor numérico que representa a saída do sistema
Entrada é o conjunto fuzzy gerado na agregação
Saída é um número dentro da faixa estipulada
Métodos
Centróide
Bisetor
Média dos máximos
5 15%
Maior dos máximos Resultado da
gorjeta = 13,5% defuzzyficação
Menor dos máximos (centróide)

Sistemas Fuzzy
1 – Fuzzyficação das entradas
ruim péssima
bom
serviço é bom então gorjeta é média
excelente deliciosa

Sistemas Fuzzy
1 – Fuzzyficação das entradas 2 – Aplicação do operador fuzzy
ruim péssima
bom
serviço é bom então gorjeta é média
excelente deliciosa

Sistemas Fuzzy
1 – Fuzzyficação das entradas 2 – Aplicação do operador fuzzy 3 – Aplicação de operador de implicação
ruim péssima
baixa baixa
5 15%
bom média média
excelente deliciosa
generosa generosa
5 15%

Sistemas Fuzzy
ruim péssima
baixa baixa
5 15%
bom média média
excelente deliciosa
4 - Agregação
generosa generosa
5 15%
5 15%
Sistemas Fuzzy
ruim péssima
baixa baixa
5 15%
bom média média
excelente deliciosa
4 - Agregação
generosa generosa
5 15%
serviço = 6 comida = 8 gorjeta = 13,5%

5 - Defuzzyficação
5 15%
Matlab Fuzzy Toolbox
®
Editor SIF
Editor de Regras Sistema de Editor de Funções

Inferência de Pertinência
Fuzzy
Visualizador Visualizador
de regras de superfície
®
Editor SIF (Sistema de Inferência Fuzzy)

®

®

®

®

®

Duplo clique no ícone
da variável de entrada
para abrir o Editor de
Funções de Pertinência

®

Nome do sistema é
mostrado aqui. Pode
ser mudado salvando
o sistema

®

Nome do sistema é
mostrado aqui. Pode
ser mudado salvando
o sistema
Menu para seleção das

funções fuzzy

®

Nome do sistema é
mostrado aqui. Pode
ser mudado salvando
o sistema

funções fuzzy
Barra de status mostra

as operações mais
recentes
®

Duplo clique no diagra-
ma do sistema para
Duplo clique no ícone abrir Editor de Regras
Nome do sistema é
mostrado aqui. Pode
ser mudado salvando
o sistema

funções fuzzy

as operações mais
recentes
®

ma do sistema para
da variável de saída
Nome do sistema é
mostrado aqui. Pode
ser mudado salvando
o sistema

funções fuzzy

as operações mais
recentes
®

ma do sistema para
da variável de saída
Nome do sistema é
mostrado aqui. Pode
ser mudado salvando
o sistema
Campo de edição para

nomear e editar os
Menu para seleção das nomes das variáveis de
funções fuzzy entrada e saída

as operações mais
recentes
®
Construindo o “gorjetador”

®

®
Nome da variável de
entrada alterado para
“serviço

®
“serviço

®
“serviço

®
“serviço

®
“serviço
“comida”

®
entrada
saída alterado
alterado
para
para
“serviço
“comida”
“gorjeta”

®
Editor de Funções de Pertinência

®

®

®

®

®
Área da “Palheta de
Variáveis”. Clique na
variável para editar
suas funções

®
suas funções
Nome, tipo da variável,

alcance e o alcance
mostrado são exibidos
ou alterados aqui

®
suas funções

alcance e o alcance
ou alterados aqui

as operações mais
recentes
®

Gráfico mostra todas
as funções de perti-
nência da variável
suas funções

alcance e o alcance
ou alterados aqui

as operações mais
recentes
®

Área da “Palheta de Clique em uma curva

Variáveis”. Clique na para selecioná-la e
variável para editar alterar seus atributos,
suas funções incluindo nome, tipo e
parâmetros numéricos.
Arraste o mouse para
mover a curva ou
alterar seu formato

alcance e o alcance
ou alterados aqui

as operações mais
recentes
®

Área da “Palheta de Clique em uma curva

Variáveis”. Clique na para selecioná-la e
variável para editar alterar seus atributos,
suas funções incluindo nome, tipo e
parâmetros numéricos.
Arraste o mouse para
mover a curva ou
alterar seu formato
Nome, tipo e
Nome, tipo da variável, parâmetros numéricos
alcance e o alcance da função são exibidos
mostrado são exibidos ou alterados aqui
ou alterados aqui

as operações mais
recentes
®

®
Alcance e alcance
mostrado alterados
para o intervalo [0 10]

®
Alcance e alcance
mostrado alterados

®
Alcance e alcance
mostrado alterados

®
Alcance e alcance
mostrado alterados

®
Alcance e alcance
mostrado alterados

®
Alcance e alcance
mostrado alterados

®
Alcance e alcance
mostrado alterados

®
Alcance e alcance
mostrado alterados

®
Nome, e parâmetros
numéricos da função
alterados
Alcance e alcance
mostrado alterados

®
Nome, e parâmetros
alterados
Alcance e alcance
mostrado alterados

®
Nome, e parâmetros
alterados
Alcance e alcance
mostrado alterados

®
Nome, e parâmetros
alterados
Alcance e alcance
mostrado alterados

®
Nome, e parâmetros
alterados
Alcance e alcance
mostrado alterados

®
Editor de Regras

®
Editor de Regras

®
Editor de Regras

®
Editor de Regras

®
Editor de Regras

®
Editor de Regras

®
Editor de Regras
Regras são colocadas

automaticamente
usando as ferramentas
gráficas

®
Editor de Regras

automaticamente
gráficas
Menu de seleção das

variáveis de entrada e
saída

®
Editor de Regras

automaticamente
gráficas

saída
Escolha do operador
fuzzy usado em cada
regra

®
Editor de Regras

automaticamente
gráficas

saída
Escolha do operador
fuzzy usado em cada
regra

as operações mais
recentes
®
Editor de Regras

automaticamente
gráficas

saída
Negação das variáveis

de entrada e/ou saída
Escolha do operador
fuzzy usado em cada
regra

as operações mais
recentes
®
Editor de Regras

automaticamente
gráficas

saída
Negação das variáveis

de entrada e/ou saída
Escolha do operador
fuzzy usado em cada Aqui estão os butões
regra para deletar, criar ou
modificar uma regra.
Além disso, ainda é
possível especificar o
as operações mais
peso que cada regra
recentes
tem no resultado final
®

®

®

®

®

®
Visualizador de Regras

®
Cada linha representa

uma regra. Clique no
número da regra para
mostrá-la na barra de
status

®

status
Arraste a linha para

mudar os valores de
entrada e gerar outro
valor de saída

®

status

mudar os valores de
valor de saída
Esse campo permite

alterar os valores de
entrada explicitamente

®

status

mudar os valores de
valor de saída
Esse campo permite


as operações mais
recentes
®
Visualizador de Regras Cada coluna mostra

como as variáveis de
entrada e saída são
usadas em cada regra.
Os valores da entrada
e saída são mostrados
no topo
status

mudar os valores de
valor de saída
Esse campo permite


as operações mais
recentes
®

no topo
status
Essa caixa mostra a

agregação das saídas
Arraste a linha para individuais de cada
mudar os valores de regra. A linha
entrada e gerar outro vermelha mostra o
valor de saída valor defuzzyficado
Esse campo permite


as operações mais
recentes
®

no topo
status
Essa caixa mostra a

agregação das saídas
Arraste a linha para individuais de cada
mudar os valores de regra. A linha
entrada e gerar outro vermelha mostra o
valor de saída valor defuzzyficado
Esse campo permite

alterar os valores de Esses butões tem a
entrada explicitamente funcionalidade de
mover os gráficos
as operações mais
recentes
®
Visualizador de Superfície

®
Use o mouse para
rotacionar o gráfico

®
Use o mouse para
Menu de especificação
das variáveis de
entrada e saída

®
Use o mouse para
das variáveis de
entrada e saída
Esse campo permite

alterar a densidade da
grelha do espaço de
entrada

®
Use o mouse para
das variáveis de
entrada e saída
Esse campo permite

alterar a densidade da
grelha do espaço de
entrada
Esse campo permite

alterar a entrada
explicitamente para
entradas não especif.
na superfície
®
Use o mouse para
das variáveis de
entrada e saída
Esse campo permite

alterar a densidade da Aperte esse butão
grelha do espaço de quando estiver pronto
entrada para calcular e plotar
Esse campo permite

alterar a entrada
explicitamente para
entradas não especif.
na superfície
®
Use o mouse para
das variáveis de
entrada e saída
Esse campo permite

alterar a densidade da Aperte esse butão
grelha do espaço de quando estiver pronto
entrada para calcular e plotar
Esse campo permite

alterar a entrada Barra de status mostra
explicitamente para as operações mais
entradas não especif. recentes
na superfície
Referência
The MathWorks, Inc.; Fuzzy Logic Toolbox User’s Guide,

version 2, Janeiro de 1999

Fuzzy Matlab

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Fuzzy Matlab

Uploaded by

Copyright:

Available Formats

Sistemas Fuzzy com Matlab®

Inteligência Artificial - Prof. Sérgio Palma

Copyright © 2003 Rafael P. Laufer. Todos os direitos reservados.

Copyright © 2003 Rafael P. Laufer. Todos os direitos reservados.

Espaço de entrada Espaço de saída

Copyright © 2003 Rafael P. Laufer. Todos os direitos reservados.

 Vantagens da Lógica Fuzzy

Copyright © 2003 Rafael P. Laufer. Todos os direitos reservados.

 Possibilidade de valores de respostas “contínuas”

Copyright © 2003 Rafael P. Laufer. Todos os direitos reservados.

 Ex.: dias do fim-de-semana

Copyright © 2003 Rafael P. Laufer. Todos os direitos reservados.

 Funções de Pertinência (Membership Functions)

Copyright © 2003 Rafael P. Laufer. Todos os direitos reservados.

 Tipos de funções de pertinência do “Fuzzy Toolbox”

Copyright © 2003 Rafael P. Laufer. Todos os direitos reservados.

 Tipos de funções de pertinência do “Fuzzy Toolbox”

Copyright © 2003 Rafael P. Laufer. Todos os direitos reservados.

Copyright © 2003 Rafael P. Laufer. Todos os direitos reservados.

Copyright © 2003 Rafael P. Laufer. Todos os direitos reservados.

 Aplicação de operadores fuzzy, se necessário

 Gera o grau de pertinência para a regra

Copyright © 2003 Rafael P. Laufer. Todos os direitos reservados.

serviço (fixo) comida (fixo)

Copyright © 2003 Rafael P. Laufer. Todos os direitos reservados.

serviço (fixo) comida (fixo)

Se ( 0.1 ou 0.8 ), então a gorjeta é generosa

Copyright © 2003 Rafael P. Laufer. Todos os direitos reservados.

serviço (fixo) comida (fixo)

Se ( 0.1 ou 0.8 ), então a gorjeta é generosa

Se ( 0.8 ), então a gorjeta é generosa

Aplicar operador 0.8 0.8

min(0.8, generosa) gorjeta (fuzzy)

Copyright © 2003 Rafael P. Laufer. Todos os direitos reservados.

Copyright © 2003 Rafael P. Laufer. Todos os direitos reservados.

 Mapeamento dos valores de entrada usando lógica fuzzy

Copyright © 2003 Rafael P. Laufer. Todos os direitos reservados.

 Formados basicamente por 5 passos

Copyright © 2003 Rafael P. Laufer. Todos os direitos reservados.

 Passo 2 – Aplicar operador(es) fuzzy

Copyright © 2003 Rafael P. Laufer. Todos os direitos reservados.

 Passo 3 – Aplicar operador de implicação

serviço é excelente ou comida é deliciosa então gorjeta é generosa

serviço = 6 comida = 8 Resultado da

Copyright © 2003 Rafael P. Laufer. Todos os direitos reservados.

 Passo 4 – Agregar todas as saídas

Copyright © 2003 Rafael P. Laufer. Todos os direitos reservados.

Copyright © 2003 Rafael P. Laufer. Todos os direitos reservados.

bom média média

serviço é bom então gorjeta é média 5 15%

Copyright © 2003 Rafael P. Laufer. Todos os direitos reservados.

bom média média

serviço é bom então gorjeta é média 5 15%

Copyright © 2003 Rafael P. Laufer. Todos os direitos reservados.

bom média média

serviço é bom então gorjeta é média 5 15%

serviço = 6 comida = 8 Resultado da

Copyright © 2003 Rafael P. Laufer. Todos os direitos reservados.

serviço é ruim ou comida é péssima então gorjeta é baixa

serviço é bom então gorjeta é média

serviço é excelente ou comida é deliciosa então gorjeta é generosa

Copyright © 2003 Rafael P. Laufer. Todos os direitos reservados.

serviço é ruim ou comida é péssima então gorjeta é baixa

serviço é bom então gorjeta é média

Vantagens da Lógica Fuzzy

Possibilidade de valores de respostas “contínuas”

Ex.: dias do fim-de-semana

Funções de Pertinência (Membership Functions)

Tipos de funções de pertinência do “Fuzzy Toolbox”

Tipos de funções de pertinência do “Fuzzy Toolbox”

Aplicação de operadores fuzzy, se necessário

Gera o grau de pertinência para a regra

Mapeamento dos valores de entrada usando lógica fuzzy

Formados basicamente por 5 passos

Passo 2 – Aplicar operador(es) fuzzy

Passo 3 – Aplicar operador de implicação

Passo 4 – Agregar todas as saídas

Editor SIF (Sistema de Inferência Fuzzy)

Editor SIF (Sistema de Inferência Fuzzy)

Editor SIF (Sistema de Inferência Fuzzy)

Editor SIF (Sistema de Inferência Fuzzy)

Editor SIF (Sistema de Inferência Fuzzy)

Editor SIF (Sistema de Inferência Fuzzy)

Editor SIF (Sistema de Inferência Fuzzy)

Editor SIF (Sistema de Inferência Fuzzy)

Editor SIF (Sistema de Inferência Fuzzy)

Editor SIF (Sistema de Inferência Fuzzy)

Editor SIF (Sistema de Inferência Fuzzy)

Editor SIF (Sistema de Inferência Fuzzy)

Editor de Funções de Pertinência

Editor de Funções de Pertinência

Editor de Funções de Pertinência

Editor de Funções de Pertinência

Editor de Funções de Pertinência

Editor de Funções de Pertinência

Editor de Funções de Pertinência

Editor de Funções de Pertinência

Editor de Funções de Pertinência

Editor de Funções de Pertinência