Lgica difusa De Wikipedia, la enciclopedia libre (Redirigido desde Fuzzy logic) Saltar a navegacin, bsqueda En la lgica clsica una

proposicin slo admite dos valores: verdadero o falso. Por ello se dice que la lgica usual es bivalente o binaria. Existen otras lgicas que admiten adems un tercer valor posible (lgica trivaluada) e incluso mltiple valores de verdad (lgica multivaluada). La lgica aristotlica sirve para explicar ciertos fenmenos y problemas, aunque la gran mayora de ellos enmarcados en el mundo terico de la matemtica. Por el contrario, la lgica difusa puede usarse para explicar el mundo en el que vivimos, puesto que sigue el comportamiento humano de razonar, sacando conclusiones a partir de hechos observados. La lgica multivaluada incluye sistemas lgicos que admiten varios valores de verdad posibles. La lgica difusa (o borrosa) es una de ellas, que se caracteriza por querer cuantificar esta incertidumbre: Si P es una proposicin, se le puede asociar un nmero v(P) en el intervalo [0,1] tal que:

Si v(P) = 0, P es falso. Si v(P) = 1, P es verdadero. La veracidad de P aumenta con v(P).

Salta a la vista la semejanza con la teora de la probabilidad, aunque la lgica difusa y esta ltima teora persiguen fines distintos. La lgica borrosa o difusa se basa en el principio de "Todo es cuestin de grado". As, por ejemplo, una persona que mida 2 metros es claramente una persona alta (es alta con grado 1) y una persona que mida 1 metro no es una persona alta en absoluto (es alta con grado 0). De forma intermedia podemos decir que una persona que mida 1,82 m es alta con grado 0,75 indicando que es "bastante alta", teniendo en cuenta que la persona en cuestin sea masculina. De este ejemplo puede extraerse fcilmente que la lgica y la teora de conjuntos son isomorfismos matemticos. Por el contrario, la lgica clsica slo definira si la persona es alta o no, definiendo la diferencia entre pertenecer a un grupo u otro un simple centmetro. Tabla de contenidos [ocultar]

1 Historia 2 Funcionamiento 3 Aplicaciones o 3.1 Lgica difusa en Inteligencia Artificial 4 Ventajas e Inconvenientes 5 Enlaces externos

[editar] Historia

Esta simple idea naci en un artculo de Lotfi A. Zadeh publicado en 1965 y titulado "Fuzzy Sets" (Conjuntos Difusos). La lgica difusa permite representar de forma matemtica conceptos o conjuntos imprecisos, tales como das fros, meses calurosos, personas altas, salarios bajos, guisos con mucho condimento, profesores poco valorados, etc. Pero hay que tener en cuenta que la idea en s de que las cosas no son blancas o negras, sino que existen infinitos matices de grises viene ya desde la poca de los primeros grandes filsofos como Platn. Posteriormente a ellos, otros grandes pensadores como David Hume o Kant apoyaban esta idea manteniendo que el razonamiento vena dado por las observaciones de las que somos testigos a lo largo de nuestra vida y la deteccin de algunos principios contradictorios en la lgica clsica. Tras la publicacin de Lotfi A. Zadeh, se comenz rpidamente a usar la lgica difusa en distintas aplicaciones prcticas, llegando a su mximo auge a principios de los aos 90, y continuando ste hasta la poca actual. [editar] Funcionamiento La lgica difusa se adapta mejor al mundo real en el que vivimos, e incluso puede comprender y funcionar con nuestras expresiones, del tipo "hace mucho calor", "no es muy alto", "el ritmo del corazn est un poco acelerado", etc. La clave de esta adaptacin al lenguaje, se basa en comprender los cuantificadores de nuestro lenguaje (en los ejemplos de arriba "mucho", "muy" y "un poco"). En la teora de conjuntos difusos se definen tambin las operaciones de unin, interseccin, diferencia, negacin o complemento, y otras operaciones sobre conjuntos (ver tambin subconjunto difuso), en los que se basa esta lgica. Para cada conjunto difuso, existe asociada una funcin de pertenencia para sus elementos, que indican en qu medida el elemento forma parte de ese conjunto difuso. Las formas de las funciones de pertenencia ms tpicas son trapezoidal, lineal y curva. Se basa en reglas heursticas de la forma SI (antecedente) ENTONCES (consecuente), donde el antecedente y el consecuente son tambin conjuntos difusos, ya sea puros o resultado de operar con ellos. Sirvan como ejemplos de regla heurstica para esta lgica (ntese la importancia de las palabras "muchsimo", "drsticamente", "un poco" y "levemente" para la lgica difusa):

SI hace muchsimo calor ENTONCES disminuyo drsticamente la temperatura. SI voy a llegar un poco tarde ENTONCES aumento levemente la velocidad.

Los mtodos de inferencia para esta base de reglas deben ser simples, veloces y eficaces. Los resultados de dichos mtodos son un rea final, fruto de un conjunto de reas solapadas entre s (cada rea es resultado de una regla de inferencia). Para escoger una salida concreta a partir de tanta premisa difusa, el mtodo ms usado es el del centroide, en el que la salida final ser el centro de gravedad del rea total resultante.

Las reglas de las que dispone el motor de inferencia de un sistema difuso pueden ser formuladas por expertos, o bien aprendidas por el propio sistema, haciendo uso en este caso de Redes neuronales para fortalecer las futuras tomas de decisiones. Los datos de entrada suelen ser recogidos por sensores, que miden las variables de entrada de un sistema. El motor de inferencias se basa en chips difusos, que estn aumentando exponencialmente su capacidad de procesamiento de reglas ao a ao. Un esquema de funcionamiento tpico para un sistema difuso podra ser de la siguiente manera:

Funcionamiento de un sistema de control difuso En la figura, el sistema de control hace los clculos en base a sus reglas heursticas, comentadas anteriormente. La salida final actuara sobre el entorno fsico, y los valores de las nuevas entradas sobre el entorno fsico (modificado por la salida del sistema de control) seran tomadas por sensores del sistema. Por ejemplo, imaginando que nuestro sistema borroso fuese el climatizador de un coche que se autorregula segn las necesidades: Los chips borrosos del climatizador recogen los datos de entrada, que en este caso bien podran ser la temperatura y humedad simplemente. Estos datos se someten a las reglas del motor de inferencia (como se ha comentado antes, de la forma SI... ENTONCES... ), resultando un rea de resultados. De esa rea se escoger el centro de gravedad, proporcionndola como salida. Dependiendo del resultado, el climatizador podra aumentar la temperatura o disminuirla dependeiendo del grado de la salida. [editar] Aplicaciones La lgica difusa se utiliza cuando la complejidad del proceso en cuestin es muy alta y no existen modelos matemticos precisos, para procesos altamente no lineales y cuando se envuelven definiciones y conocimiento no estrictamente definido (impreciso o subjetivo). En cambio, no es una buena idea usarla cuando algn modelo matemtico ya soluciona eficientemente el problema, cuando los problemas son lineales o cuando no tienen solucin. Esta tcnica se ha empleado con bastante xito en la industria, principalmente en Japn, y cada vez se est usando en gran multitud de campos. La primera vez que se us de forma importante fue en el metro japons, con excelentes resultados. A continuacin se citan algunos ejemplos de su aplicacin:

Sistemas de control de acondicionadores de aire Sistemas de foco automtico en cmaras fotogrficas Electrodomsticos familiares (Frigorficos, lavadoras...) Optimizacin de sistemas de control industriales Sistemas de reconocimiento de escritura Mejora en la eficiencia del uso de combustible en motores Sistemas expertos del conocimiento (simular el comportamiento de un experto humano) Tecnologa informtica Bases de datos difusas: Almacenar y consultar informacin imprecisa. Para este punto, por ejemplo, existe el lenguaje FSQL. ...y, en general, en la gran mayora de los sistemas de control que no dependen de un S/No.

[editar] Lgica difusa en Inteligencia Artificial En Inteligencia artificial, la lgica difusa, o lgica borrosa se utiliza para la resolucin de una variedad de problemas, principalmente los relacionados con control de procesos industriales complejos y sistemas de decisin en general, la resolucin la compresin de datos. Los sistemas de lgica difusa estn tambin muy extendidos en la tecnologa cotidiana, por ejemplo en cmaras digitales, sistemas de aire acondicionado, lavarropas, etc. Los sistemas basados en lgica difusa imitan la forma en que toman decisiones los humanos, con la ventaja de ser mucho ms rpidos. Estos sistemas son generalmente robustos y tolerantes a imprecisiones y ruidos en los datos de entrada. Consiste en la aplicacin de la lgica difusa con la intencin de imitar el razonamiento humano en la programacin de computadoras. Con la lgica convencional, las computadoras pueden manipular valores estrictamente duales, como verdadero/falso, s/no o ligado/desligado. En la lgica difusa, se usan modelos matemticos para representar nociones subjetivas, como caliente/tibio/fro, para valores concretos que puedan ser manipuladas por los ordenadores. En este paradigma, tambin tiene un especial valor la variable del tiempo, ya que los sistemas de control pueden necesitar retroalimentarse en un espacio concreto de tiempo, pueden necesitarse datos anteriores para hacer una evaluacin media de la situacin en un periodo de tiempo anterior... [editar] Ventajas e Inconvenientes Como principal ventaja, cabe destacar los excelentes resultados que brinda un sistema de control basado en lgica difusa: ofrece salidas de una forma veloz y precisa, disminuyendo as las transiciones de estados fundamentales en el entorno fsico que controle. Por ejemplo, si el aire acondicionado se encendiese al llegar a la temperatura de 30, y la temperatura actual oscilase entre los 29-30, nuestro sistema de aire acondicionado estara encendindose y apagndose continuamente, con el gasto energtico que ello conllevara. Si estuviese regulado por lgica difusa, esos 30 no seran ningn umbral, y el sistema de control aprendera a mantener una temperatura estable sin continuos apagados y encendidos. Del mismo ejemplo puede observarse otra de las principales ventajas de estos sistemas, que es la capacidad de adelantarse en el tiempo a los acontecimientos, estabilizando siempre el entorno fsico que controla.

Como principal incoveniente cabe destacar la dificultad de elegir una correcta funcin de pertenencia para los conjuntos difusos, ya que en ocasiones no es sencillo especificar el efecto de los cuantificadores de nuestro lenguaje en dicha funcin. El hecho de que cualquier funcin de pertenencia del sistema estuviese mal especificada, hara fallar, muy probablemente, todo el sistema completo. Tambin est la indecisin de decantarse por los expertos o por la tecnologa (principalmente mediante Redes neuronales) para reforzar las reglas heursticas iniciales de cualquier sistema de control basado en este tipo de lgica. [editar] Enlaces externos

Xfuzzy: Una herramienta de CAD gratuita para el diseo de sistemas de control basados en lgica difusa. ltima versin, 3.0 en espaol: [1] Lgica Difusa: una concepcin infinitesimal de la verdad? Curso Introductorio de Conjuntos y Sistemas Difusos (Lgica Difusa y Aplicaciones), por el Dr. Jos Galindo G., Universidad de Mlaga (Espaa).

Internet http://www.imse.cnm.es/Xfuzzy/

Como instalar

Download Xfuzzy 3.0

System requirements:

Xfuzzy 3.0 can be executed on platforms containing the Java Runtime Environment. For defining new f packages, a Java Compiler is also needed. The Java Software Development Kit, including JRE, compiler other tools can be found at http://java.sun.com/j2se/

Note: We have detected an important bug on our file selection window which makes Xfuzzy 3.0 not to when using Java 1.4 over Windows platforms. This bug, which is expected to be solved on the next rele 3.0, can be avoided using Java 1.2 o Java 1.3. Installation guide: Download the install.class file. Execute this class file with the command "java install". This will open the following window:

Choose a directory to install Xfuzzy. If this directory does not exists, it will be created in the ins process.

Click on the Install button. This will uncompress the Xfuzzy distribution on the selected base dir

The Xfuzzy executables are located in the "/bin" directory. Add this directory to the PATH enviro

variable. The executable files are script programs. Do not change the location of the Xfuzzy distribution, these script files will not work.

Distribution Kit: Xfuzzy 3.0.0: install.class (1.446 K) PDF documentation Xfuzzy3.0_en.pdf (993 K)