Professional Documents
Culture Documents
Weberλ Max(
1- x
λ>−1 x + y - 1 + λxy Min (x+y+λxy,1)
,0) 1 + λx
1+ λ
Łukasie- Figura 1: Flujo de Diseño de Xfuzzy 3.0.
Max(x+y-1,0) Mín{1, x+y} 1-x
wicz
Hamacherγ xy x + y - xy - (1 - γ )xy
1 − ( 1− )xy 1−x • La etapa de descripción incluye herramientas
γ>0 γ + (1 - γ )(x + y - xy)
gráficas para la definición de sistemas difusos y
la definición de paquetes de funciones.
Cuando se pretende utilizar las relaciones borrosas
para efectuar inferencias de razonamiento • La etapa de verificación está compuesta por
aproximado de la forma: herramientas para la simulación, monitorización
y representación gráfica del comportamiento del
Si x es P entonces y es Q sistema.
x es P’ (5)
y es Q’
• La etapa de ajuste facilita la aplicación de conjunto de reglas difusas y la elección de una lógica
algoritmos de aprendizaje a los sistemas ya y un operador de implicación. También el sistema
diseñados. consta de la posibilidad de funcionar con cantidades
aleatorias de peatones y coches.
• La etapa de síntesis incluye herramientas para
generar descripciones en lenguajes de alto nivel
(C, C++ y Java) para implementaciones software 3.1 SISTEMA DE INFERENCIA DIFUSO
o hardware sobre los sistemas de inferencia
difusos diseñados. En primer lugar se van a definir las variables de
entrada y salida del sistema. El semáforo tiene dos
Xfuzzy utiliza un lenguaje de especificación que es entradas y una salida. La primera entrada es la
común a todas las herramientas, y que sirve de nexo densidad de peatones (P). Esta entrada al ser una
entre ellas, el XFL (XFuzzy Language). Es un variable discreta tiene como dominio el conjunto de
lenguaje flexible y potente, que permite expresar enteros entre 0 y 20. Sobre este dominio se definen
relaciones muy complejas entre variables difusas por cinco conjuntos borrosos que definen los predicados:
medio de bases de reglas jerárquicas y conectivas, muy baja (MB), baja (B), media (M), alta (A) y muy
modificadores lingüísticos, funciones de pertenencia alta (MA), cuyas funciones de pertenencia tienen
y métodos de defuzzificación definidos por el forma gaussiana y están uniformemente distribuidas
usuario. en el universo de discurso (Figura 2).
T = {N, M, I} (7)
3 SEMÁFORO DIFUSO
El semáforo es un ejemplo simple e ilustrativo de
sistema de inferencia difuso. El modelo se basa en Figura 3: Conjuntos borrosos sobre el dominio de la
control de un semáforo según la cantidad de coches densidad de trafico ‘y’ que dan un grado de
y peatones. Su funcionamiento queda reflejado en un pertenencia a los predicados ‘y es T’.
Los conjuntos borrosos se podrían haber definido de Por último es importante decidir el método de
otras maneras, como por ejemplo mediante los conversión de difuso a nítido (o defuzzyficación).
típicos ‘dientes de sierra’. La variable de salida es la Inicialmente se ha asignado a la operación conectiva
luz del semáforo (S), el cual tiene como dominio los “and” la t-norma producto de la entradas (xfl.prod()),
reales entre 0 y 1 y dos conjuntos difusos sobre [0, 1] siguiendo a Larsen. Otras posibilidades a testear sería
para los predicados rojo (R) y verde (V), cuyas la t-norma mínimo (lógica de Zadeh) o la t-norma
funciones de pertenencia son triangulares (Figura 4). W(x, y) = max{0, x+y-1} (lógica de Lukasiewicz) o
cualquier operador que generalice la tabla lógica del
S = {R, V} (8) AND.
1 si x ≤ y
I(x, y) = y en otro caso
(10)
x
Referencias