You are on page 1of 30

LOGIC FUZZY

=Noti e de curs=


Cap 1. Rela ii fuzzy




1.1. Rela ii tran ante




A. O rela ie tran ant este o mul ime de perechi de elemente (cu dou sau mai multe
elemente ntr-o pereche); perechea are semnifica ia c elementele din ea sunt legate
prin rela ia respectiv .
n func ie de num rul elementelor din pereche, putem avea:
- perechi binare, formate din 2 elemente (u,v);
- perechi ter iare, formate din 3 elemente (u,v,w);
- perechi n-are, formate din n elemente (x1 ,...., xn).


Observa ie: O pereche ordonat se nume te tuplu.




B. Def. 1.1.: Rela ie n-ar tran ant : Fie X1, X2, ...., Xn mul imi tran ante. O rela ie
n-ar tran ant este o submul ime a produsului cartezian X1X2....Xn.


Observa ie 1: Orice submul ime a produsului cartezian X1X2....Xn este o


rela ie n-ar tran ant ntre (x1, x2, ...., xn).
Observa ie 2: Dac X1=X2=....=Xn=X, atunci X1X2....Xn=Xn, i orice
submul ime RXn se nume te rela ie n-ar R n Xn.


C. Descrierea rela iei tran ante prin func ia caracteristic :


Fie R o rela ie binar n (=mul imea numerelor reale), ={(u,v) u, v}.
Atunci func ia caracteristic a rela iei R, R(u,v), este definit ca:


1, (u , v)
0, (u , v)

R ( u , v) =

Exemplu de rela ie tran ant binar (1):




Fie: X= mul imea tran ant a b rba ilor: X={Ion, Dan, Nicu};
Y= mul imea tran ant a femeilor: Y={Ana, Maria, Diana}.
rela ia c s torit cu definit pe XY este (de exemplu):
R={(Ion, Maria), (Dan, Diana), (Nicu, Ana)}.


Exemplu de rela ie tran ant binar (2):




Fie mul imile tran ante X1=X2=X=; u, v.


Fie rela ia R={(u,v) u[a,b], v[0,c]}
func ia caracteristic a lui R este:


R ( u , v) =

1, u [a , b] si v [0, c]
0, altfel

1, (u , v ) [a , b ] [0, c]
0, altfel

adic , R (u , v) =


Reprezentarea grafic a acestei rela ii n 2 este:




v
c

R=1

0
a

D. Propriet ile rela iilor tran ante binare (=>tipuri de rela ii tran ante binare):


Fie R o rela ie binar tran ant peste o mul ime tran ant X, R:XX{0,1}; fie
UX.


Proprietatea 1. Reflexivitate: R este reflexiv dac , pentru orice uU, (u,u) R.




Proprietatea 2. Antireflexivitate: R este antireflexiv dac , pentru orice uU,


(u,u) R.


Proprietatea 3. Simetria: R este simetric dac , din (u,v)R, rezult c (v,u) R.




Proprietatea 4. Antisimetria: R este antisimetric dac , din (u,v)R i (v,u)R,


rezult c u=v.


Proprietatea 5. Tranzitivitatea: R este tranzitiv dac , din (u,v) R i (v,w)R,


rezult c (u,w)R, pentru orice u, v, wU.


Exemplu de rela ie binar




i propriet ile ei (1):




Fie =mul imea numerelor reale, i fie R rela ia de inegalitate tran ant ntre dou
numere reale, (u,v):


R ( u , v) =

1, u v, (u , v) 2
0, u > v, (u , v) 2

Examin m propriet ile rela iei R:




1) Reflexivitatea: pentru orice u, R(u,u)=1 => (u,u) R => R este reflexiv .


2) Antireflexivitatea: R nu este antireflexiv .
3) Simetria: (u,v)R => u v => R(v,u)=0 (n general, cnd uv) => R nu este
simetric .
4) Antisimetria :
(u,v)R => u v
(v,u)R => v u
=>u=v =>R este antisimetric .


5) Tranzitivitatea : (u,v)R => u v


(v,w)R => v w

=> u v w => uw => (u,w) R, pentru

orice u, v, w => R este tranzitiv .




Exemplu de rela ie tran ant binar




i propriet ile ei (2):




=mul imea numerelor reale; R=rela ia de inegalitate definit pe 2:




1, u < v

R ( u , v) =

0, u v
=> R este antireflexiv , antisimetric


i tranzitiv .


E. Tipuri importante de rela ii binare tran ante




1) Def. 1.2.: Rela ia de echivalen : R este o rela ie de echivalen


reflexiv , simetric i tranzitiv .


dac : R este


2) Def 1.3.: Rela ia de ordonare par ial : R este o rela ie de ordonare par ial dac
R este reflexiv , antisimetric i tranzitiv .


3) Def. 1.4.: Rela ia de ordonare total : R este o rela ie de ordonare total dac R
este o rela ie de ordonare par ial pentru care (u,v)R sau (v,u)R pentru orice u
i orice v.


(Exemplu: Rela ia submul imea lui este o rela ie de ordonare par ial . Rela ia
peste este o rela ie de ordonare total ).


Exemplu de rela ie de echivalen :


Fie rela ia mod 3 (modulo 3) peste mul imea numerelor naturale N: R={(u,v) (u-v)
mod 3 = 0}.
Reflexivitatea R: (u,u) => (u-u) mod 3=0 => este reflexiv .
Simetria R: (u,v) => (u-v) mod 3=0 <=> (u-v)=3k => (v,u): v-u=-3k => (v-u) mod
3 = 0 => simetric .
u v = 3k
Tranzitivitatea R:
=> u w = 3(m + k ) => (u , w ) R => tranzitiv
v w = 3m
=> R este rela ie de echivalen ntre u i v.
1.2. Rela ii fuzzy


A. Def. 1.5. Rela ie fuzzy:


Fie X i Y dou mul imi tran ante nenule. O rela ie fuzzy R este o submul ime
fuzzy a lui XY.


Observa ie: Dac X=Y => R este o rela ie fuzzy binar n X. De exemplu,
X=(=mul imea numerelor reale), i definim rela ia fuzzy R n , aceasta
nseamn c R={(u,v) (u,v) 2; (u,v) R}. R(u,v)[0,1].


Exemplu de rela ie fuzzy: fie R o rela ie fuzzy binar n U={1,2,3}, numit


aproximativ egal => R poate fi definit ca:


R(1,1)=R(2,2)=R(3,3)=1;
R(1,2)=R(2,1)=R(2,3)=R(3,2)=0.8;
R(1,3)=R(3,1)=0.3.
Func ia caracteristic a lui R este dat de rela iile:


1, pt.u = v, u,v {1,2,3}


R (u , v) = 0.8, pt. u v = 1, u,v {1,2,3}
0.3, pt. u v = 2, u,v {1,2,3}

Rela ia R poate fi reprezentat




R=

1
1

i matricial:

2
3
0 .8 0 .3

2 0.8 1 0.8
3 0 .3 0 .8 1

B. Opera ii ntre rela iile fuzzy:


Fie R, G dou rela ii fuzzy binare peste XY.


1) Def. 1.6.: Intersec ia lui R i G este definit prin:




(R G )(u, v ) = min{R (u , v), G(u, v)} R G (u, v) = min{ R (u, v), G (u, v)}, (u, v) X Y
sau
(R G )(u, v) = R (u, v) G (u, v), (u, v) X Y
( R G (u, v) = R (u , v) G (u, v), (u, v) X Y )

Observa ie:


R:XY->[0,1]
G:XY->[0,1]

2) Def. 1.7.: Reuniunea lui R i G este definit prin:




(R G )(u, v) = max{R ( u, v), G(u, v)} R G (u, v) = max{ R (u, v), G ( u, v)}, ( u, v) X Y
sau
R G (u , v) = R (u , v) G (u , v), (u , v ) X Y
Exemplu de opera ii ntre rela ii fuzzy:
Fie R, G dou rela ii fuzzy binare, R, G:XY->[0,1], definite astfel:
R=x este mult mai mic dect y;
G=x este foarte apropiat de y,
adic , sub form matricial , dac X={x1, x2, x3} i Y={y1, y2, y3}:


y1
R=

x1

y2

y3

y4

y1

0.5 0.1 0.1 0.7

G=

;
x2

0 .8 0

x3

0.9 1

0.7 0.8

y2

y3

y4

x1

0 .4 0

0.9 0.6

x2

0.9 0.4 0.5 0.7

x3

0 .3 0

0.8 0.5

Intersec ia lui R i G, RG = x este mult mai mic dect y i x este foarte


apropiat de y:


y1
(R G )(x , y) =

y2

x1

0.4 0

x2

x3

0.3 0

y3

y4

0.1 0.6

0.4 0

0.7 0.5

Reuniunea lui R i G, RG = x este mult mai mic dect y sau x este foarte
apropiat de y:


y1
(R G )(x , y) =

y2

y3

y4

x1

0.5 0.1 0.9 0.7

x2

0.9 0.8 0.5 0.7

x3

0.9 1

0.8 0.8

1.3. Proiec ia unei rela ii binare (tran ante i fuzzy)




Exemplu: Fie o rela ie tran ant binar R n , R:XY{0,1}, X=Y=:

R ( u , v) =

1, daca (u , v ) [a , b] [0, c]
0, altfel

Atunci, proiec ia (sau, umbra ) lui R pe X este intervalul nchis [a,b], iar proiec ia
lui R pe Y este intervalul nchis [0,c].


A. Def. 1.8.: Proiec ia unei rela ii tran ante binare: Fie R o rela ie binar tran ant
n XY, R:XY{0,1}. Proiec ia lui R pe X, notat prin X(R), este definit
prin:


X ( R ) = {x X y Y astfel incat (x, y) R }

Proiec ia lui R pe Y, notat prin Y(R), este definit prin:




Y ( R ) = {y Y x X astfel incat (x, y) R }

Exemplu: R:2{0,1};

R ( x , y) =

1, daca ( x , y) [a , b ] [0, c]
0, daca ( x , y) 2 [a, b] [0, c]

conform defini iei:




X ( R ) = {x y astfel incat (x, y) [a, b] [0, c] } = [ a , b]


Y ( R ) = {y x astfel incat (x, y) [a, b] [0, c] } = [ 0, c]

B. Proiec ia rela iilor fuzzy binare:




Dac proiec ia unei rela ii tran ante binare R n XY, R:XY{0,1}, era definit
prin:


X ( R ) = {x X y Y astfel incat (x, y) R }

Y ( R ) = {y Y x X astfel incat (x, y) R },

putem rescrie cele dou defini ii astfel:




Pentru

xX,

X (R )(x ) =

max R ( x , y) = sup { R ( x , y) y Y}
yY

Pentru

0, daca y Y, R (x , y ) = 0

yY,

Y (R )( y) =

max R ( x , y) = sup { R ( x , y) x X}
xX

1, daca y Y astfel incat R ( x , y) = 1

1, daca x X astfel incat R ( x , y) = 1


0, daca x X, R (x , y ) = 0

Generalizarea acestor expresii pentru cazul unei rela ii fuzzy binare se poate scrie
astfel:


R n XY este o rela ie fuzzy binar , R:XY[0,1].


Proiec ia lui R pe X este:


Pentru x X, X (R )(x ) = sup {R (x, y) y Y}


y

Proiec ia lui R pe Y este:




Pentru yY, Y ( R )( y) = sup {R ( x , y) x X}


x

=> Aceste expresii definesc proiec iile unei rela ii fuzzy binare.


Def. 1.9.: Proiec ia unei rela ii fuzzy binare: Fie R o rela ie fuzzy binar n XY,
R:XY[0,1]. Proiec ia lui R pe X, notat prin X(R), este o submul ime fuzzy a lui
X, definit prin func ia de apartenen :


X (R )(x ) = sup {R (x, y) y Y}


y

Proiec ia lui R pe Y, notat prin Y(R), este o submul ime fuzzy a lui Y care are
func ia de apartenen :


Y (R )( y) = sup {R ( x , y) x X}
x

Observa ie: Dac ne referim totdeauna la aceea i rela ie R, putem nota prescurtat
proiec iile sale prin X(x) i Y(y).


Exemplu: Fie rela ia fuzzy R=x este mult mai mic dect y, definit prin
matricea:

R=

y1 y 2 y3 y 4
x1 0.5 0.1 0.1 0.7

x 2 0 0.8 0
0
x 3 0.9 1 0.7 0.8
Atunci,
a) proiec ia lui R pe X este mul imea fuzzy X(R)(x):X[0,1],


X ( R )( x ) = {(x1;0.7); (x2;0.8); (x3;1)}

b) proiec ia lui R pe Y este mul imea fuzzy Y(R)(y):Y[0,1],




Y (R )( y) = {(y1;0.9); (y2;1); (y3;0.7); (y4;0.8) }

1.4. Produsul cartezian a dou mul imi fuzzy




Produsul cartezian a dou mul imi fuzzy poate fi privit ca o generalizare a


produsului cartezian a dou mul imi tran ante:
Dac X i Y sunt dou mul imi tran ante, iar A i B sunt dou submul imi
tran ante ale X i respectiv Y:


xX; AX; A(x):X{0,1} (A(x)=1 dac xA, i A(x)=0 dac xA)


yY; BY; B(y):Y{0,1} (B(y)=1 dac yB, i B(y)=0 dac yB)


atunci ( A B) = {( x , y) A B ( x , y) X Y} se poate scrie ca:


(A B)(x, y) =

1, (x, y) (A B)
, oricare (x, y) (X Y) ,
0, (x, y) (A B)

adic :


(A B)(x, y) =

1, x A si y B
, oricare (x, y) (X Y)
0, altfel

1, A(x) = 1 B(y) = 1
, pentru x X si y Y
0, in rest
pentru oricare xX i oricare yY, (A B)(x, y) = min (A (x ), B( y) )
(A B)(x, y) =

( A B)( x , y ) = {min (A ( x ), B( y) ) x X, y Y}


Pe baza defini iei tran ante de mai sus se poate formula prin generalizare produsul
cartezian a dou mul imi fuzzy:


Def. 1.10.: Produsul cartezian a dou mul imi fuzzy: Fie universurile discu iilor
(mul imi tran ante) X i Y, i fie dou mul imi fuzzy A i B, A:X[0,1], B:Y[0,1].
Se noteaz prin x elementele lui X i prin y elementele lui Y: xX; yY.
Produsul cartezian (AB)(x,y) al mul imilor fuzzy A i B este:


(A B) : X Y [0,1], (A B)(x, y) = min{A(x), B(y)}, (x, y) X Y

Afirma ie: Produsul cartezian a dou mul imi fuzzy, AB, este o rela ie fuzzy
binar n XY.


Demonstra ie: conform defini iei 1.5, orice submul ime fuzzy a lui XY este
o rela ie fuzzy n XY.
Cum A:X[0,1] A(x)X(x)
(AB)(x,y)(XY)(x,y)
(AB) este o
Cum B:Y[0,1] B(y)Y(y)


submul ime fuzzy a lui XY




R=A B este o rela ie fuzzy binar n XY.




Reprezentarea grafic a produsului cartezian al lui A i B:




Dac A i B sunt dou mul imi fuzzy triunghiulare, A:X[0,1] i B:Y[0,1], atunci
produsul lor cartezian AB:XY[0,1] este o piramid triunghiular :


A(x), B(y)
1

A
0
x

A
B
y

Figura 1. Reprezentarea grafic a produsului cartezian a dou mul imi fuzzy




Proiec iile produsului cartezian a dou mul imi fuzzy:


Dac produsul cartezian al mul imilor fuzzy A i B, (AB):(XY)[0,1],
(AB)(x,y)=min(A(x),B(y)) pentru (x,y)(XY) este privit ca o rela ie fuzzy binar ,
atunci putem calcula:
a) Proiec ia lui (AB) pe X:
X ( A B)( x ) = max (( A B)( x , y) ) = max (min( A( x ), B( y)) )


yY

yY

min(A(x),B(y)) va fi maxim n func ie de y cnd B(y) este maxim, A(x) fiind


constant
X ( A B)( x ) = min( A ( x ), max B( y))


yY

Dac


max B( y) = 1 , ca n figura 1, adic , dac B este o mul ime fuzzy




yY

normal , atunci min( A( x), max B( y)) = A( x) .




yY

Deci, X ( A B)( x ) = A( x ) dac B este o mul ime fuzzy normal




b) Similar, proiec ia lui (AB) pe Y este:


Y (A B)( y) = max ((A B)(x, y) ) = max (min( A(x ), B( y))) = min(B( y), max A( x ))


xX

xX

xX

= B(y) dac A este o mul ime fuzzy normal .




Deci, dac A i B sunt mul imi fuzzy normale, atunci:

X (A B)=A
Y (AB)=B

Intersec ia rela iilor fuzzy prin t-norme:




Def. 1.11: Intersec ia prin t-norm : Fie T o t-norm ; fie R, G dou rela ii fuzzy
binare n XY, R: XY[0,1] i G: XY[0,1]. Atunci T-intersec ia lui R i G
este definit prin:


(R G )(x, y) = T(R ( x, y), G ( x, y)), (x, y) X Y

Reuniunea rela iilor fuzzy prin t-conorme:




Def. 1.12: Reuniunea prin t-conorm : Fie S o t-conorm ; fie R, G dou rela ii
fuzzy binare n XY, R: XY[0,1] i G: XY[0,1]. Atunci S-reuniunea lui R i
G este definit prin:


(R G )(x, y) = S(R ( x, y), G ( x, y)), (x, y) X Y

1.5. Compunerea rela iilor fuzzy




A. Compunerea a dou rela ii fuzzy binare:




Fie R i G dou rela ii fuzzy binare, R:XY[0,1] i R:YZ[0,1], unde X, Y, Z


sunt mul imi tran ante. Rela ia rezultat prin compunerea lui R i G se noteaz prin
RG, RG:XZ[0,1].


Uzual se lucreaz cu dou tipuri de compuneri (operatori de compunere) a rela iilor


fuzzy:


A.1. Def. 1.12.: Compunerea sup-min:

(R G )(x , z) = sup min {R(x, y), G(y, z)}


yY

RG este o rela ie fuzzy n XZ.




Exemplu: Fie rela iile fuzzy binare:




R=x este mult mai mic dect y


G=y este foarte apropiat de z,
definite prin matricile:

y1
R=

y2

y3

z1 z 2 z3
y1 0.4 0.9 0.3

y4

x1 0.5 0.1 0.1 0.7

i


x2

x 3 0.9

0.8
1

G = y2

0.4

y3 0.9 0.5 0.8


y 4 0.6 0.7 0.5

0.7 0.8

Compunerea sup-min a R i G conduce la rela ia:




z1
R G=

z2

z3

x1 0.6 0.7 0.5


x2

0.4

x 3 0.7 0.9 0.7

deoarece:
(R G )(x1, z1) = sup (min( R ( x1, y ), G ( y, z1)) = max ( min (R(x1, y1), G(y1, z1)),
yY

min (R(x1, y2), G(y2, z1)), min (R(x1, y3), G(y3, z1)), min (R(x1, y4), G(y4, z1)) )
= max (0.4; 0; 0.1; 0.6) = 0.6
(R G )(x1, z2) = max ( min (0.5;0.9), min (0.1;0.4), min (0.1;0.5), min (0.7;0.7) )
= max (0.5; 0.1; 0.1; 0.7) = 0.7
(R G )(x1, z3) = max ( min (0.5;0.3), min (0.1;0), min (0.1;0.8), min (0.7;0.5) )
= max (0.3; 0; 0.1; 0.5) = 0.5
(R G )(x 2, z1) = max ( min (0;0.4), min (0.8;0), min (0;0.9), min (0;0.6) )
= max (0; 0; 0; 0) = 0
(R G )(x 2, z2) = max ( min (0;0.9), min (0.8;0.4), min (0;0.5), min (0;0.7) )
= max (0; 0.4; 0; 0) = 0.4
(R G )(x 2, z3) = max ( min (0;0.3), min (0.8;0), min (0;0.8), min (0;0.5) )
= max (0; 0; 0; 0) = 0
(R G )(x 3, z1) = max ( min (0.9;0.4), min (1;0), min (0.7;0.9), min (0.8;0.6) )
= max (0.4; 0; 0.7; 0.6) = 0.7
(R G )(x 3, z2) = max ( min (0.9;0.9), min (1;0.4), min (0.7;0.5), min (0.8;0.7) )
= max (0.9; 0.4; 0.5; 0.7) = 0.9
(R G )(x 3, z3) = max ( min (0.9;0.3), min (1;0), min (0.7;0.8), min (0.8;0.5) )
= max (0.3; 0; 0.7; 0.5) = 0.7

Observa ie: Formal, RG se poate scrie ca o opera ie matricial :




y1

y2

y3

z1 z2 z3
y1 0.4 0.9 0.3

y4

x1 0.5 0.1 0.1 0.7


x 2 0 0.8 0
0

R G=

x 3 0.9

y2

0.4

z1

y3 0.9 0.5 0.8


y4 0.6 0.7 0.5

0.7 0.8

z3

x1 0.6 0.7 0.5


x2 0 0.4 0

z2

x3 0.7 0.9 0.7

i se observ c RG este echivalent cu o nmul ire a matricilor R i G, n care


operatorul produs se nlocuie te prin minim, iar operatorul sum se
nlocuie te prin maxim :


(R G )(x i , z k ) = max {min (R ( x i , y j ), G ( y j , z k ) )} , adic : se ia linia i din R i




coloana k din G, i ntre elementele liniei i coloanei se calculeaz : min ntre ele
(element cu element) i apoi max din toate minimele.


A.2. Def. 1.13.: Compunerea sup-T:

Fie T o t-norm ; fie R, G dou rela ii fuzzy binare, R:XY[0,1], G:YZ[0,1].


Compunerea sup-T a lui R i G, RG, este definit prin:


(R G )( x , z) = sup T(R(x, y), G(y, z))


yY

B. Compunerea unei mul imi fuzzy cu o rela ie fuzzy binar :




Fie C:X[0,1] o mul ime fuzzy (cu func ia de apartenen C(x)) i R:XY[0,1] o
rela ie fuzzy binar . Conform lui Zadeh, se poate defini compunerea sup-min a
mul imii fuzzy C cu rela ia R, rezultnd o mul ime fuzzy CR:Y[0,1].


Def. 1.14.: Compunerea sup-min a unei mul imi fuzzy cu o rela ie fuzzy
binar este dat de rela ia:


(C R )( y) = sup min (C(x), R(x, y)), y Y


xX

Exemplu: X={x1, x2, x3}; Y={y1, y2, y3, y4};


C:X[0,1] este definit prin:


0.5,
C( x ) = 1,

x = x1
x = x2

0.5,

x = x3

R:XY[0,1] este definit prin:




y1
R=

y2

y3

y4

x1 0.5 0.1 0.1 0.7


x 2 0 0.8 0
0
x 3 0.9

0.7 0.8
x1

Pentru calculul lui CR, rescriem C ca i vector: C =

x2

x3

0.5 1 0.5
i calcul m CR folosind paralelismul cu opera iile matriciale:


(C R )( y) =

x1

x2

x3

0.5

0.5

y1 y2 y3 y4
x1 0.5 0.1 0.1 0.7
x2 0 0.8 0
0
x3 0.9 1 0.7 0.8

y1

y2

y3

y4

0.5 0.8 0.5 0.5

Reprezentarea grafic a rezultatului compunerii unei mul imi fuzzy cu o


rela ie fuzzy: dac universurile discu iilor X i Y sunt mul imi tran ante continue
(nu discrete), i avem definit submul imea fuzzy C a lui X: C:X[0,1], i rela ia
fuzzy binar n XY: R: XY[0,1], reprezentate grafic n figura 2, atunci
(CR)(y) este o mul ime fuzzy care se determin prin calculul gradului de
apartenen al fiec rui y din Y la CR conform formulei de compunere sup-min,
ca n figura de mai jos:


R(x,y1)
1
Max(min(C(x),R(x,y1)))

C(x)
min(C(x),R(x,y1))

0
x

R(x,y)
(CR)(y1)
y

y1

R(x,y1)
Figura 2

Observa ie: A a cum se vede n figura 2, R(x,y1) este umbra lui R pe mul imea
fuzzy C, adic , proiec ia lui R pe mul imea fuzzy C.


C. Compunerea sup-T a unei mul imi fuzzy cu o rela ie fuzzy binar :




Def. 1.15.: Fie:

T o t-norm ;
C o mul ime fuzzy peste X, C:X[0,1]
R o rela ie fuzzy binar , R:XY[0,1].
Atunci func ia de apartenen a compunerii dintre C i R este definit prin:


(C R )( y) = sup T(C(x), R(x, y)), y Y


xX

Exemplu 1:
a) T este t-norma min => avem compunerea sup-min (studiat anterior)
b) T este t-norma produs => avem compunerea sup-prod, definit prin:
(C R )( y) = sup (C(x) R(x, y)), y Y


xX

c) T este t-norma Lukasiewicz => avem compunerea sup-LAND, unde


LAND(x,y)=max{0, x+y-1}:
(C R )( y) = sup max{0, C(x) + R(x, y) - 1}, y Y
xX

Exemplu 2: Fie X, Y universurile tran ante ale discu iei. A i B sunt dou
mul imi fuzzy normale; A:X[0,1], B:Y[0,1]. Rela ia R fuzzy binar n XY
este produsul cartezian al lui A
i B: R= AB: XY[0,1],
(AB)(x,y)=min(A(x),B(y)).


Atunci:
a) Prin compunerea sup-min a mul imii fuzzy A cu rela ia AB se ob ine
mul imea fuzzy:


A (A B)(y ) = sup {min[A( x ), (A B)(x , y)]}


xX

A (A B)( y) = sup {min [A( x ), min (A( x ), B( y) )]} = sup {min (A(x ), B( y ))}
xX

xX

= min B( y), sup A( x ) = min(B( y),1) = B( y)


xX

A (A B) = B
b) Prin compunerea lui B cu AB, similar, se ob ine:


B (A B) = A

Cap 2. Sisteme cu logic fuzzy


Fie un sistem cu o intrare i o ie ire:


Sistem

xX; yY
Orice sistem trebuie s dea la ie ire valori care depind de intrare dup o anumit
func ie (total sau par ial cunoscut ):


1) Dac leg tura dintre x i y este complet cunoscut , y=f(x), f:XY i f


cunoscut , atunci, pentru orice xX, putem determina y=f(x), folosind pentru
aceasta orice tip de sistem.


2) Dac nu se cunoa te func ia f, ci doar valorile lui f(x) pentru anumite valori x:
x = x1
y = y1


x = x2

y = y2
.
.

x = xn

,
y = yn

atunci dac vrem s determin m y pentru x=x, xx1, ., xn, avem nevoie de o
interpolare. Interpolarea poate fi realizat :
- liniar;
- cu func ii spline;
- cu sisteme cu logic fuzzy.


y
y=f(x)

y
y5

y4
y3

y
x
x

y2
y1
x1 x2

x
x3

x4

x5

Observa ii:

1) Indiferent dac lucr m cu sisteme tran ante sau cu sisteme fuzzy, deducerea
valorii de ie ire y pentru o valoare dat x se nume te inferen , i const n
rezolvarea ra ionamentului:
Premiz : x=x
Regul : y=f(x) => cunoscut analitic sau nu
Concluzie: y=f(x)


2) n sistemele cu logic fuzzy (SLF), n loc de interpolarea liniar sau biliniar


prin puncte se realizeaz o interpolare fuzzy, bazat pe:
a) fuzzificarea perechilor (x1,y1) (xn,yn) prin definirea unor
mul imi fuzzy centrate pe valorile din fiecare pereche: X1, Y1, ,
Xn, Yn;
b) aplicarea ra ionamentului fuzzy aproximativ, de tipul:
Premiz : x=x
Regul 1: Dac x este X1 atunci y este Y1
Regul 2: Dac x este X2 atunci y este Y2


.
.
.

Regul n: Dac x este Xn atunci y este Yn


Concluzie: y=y


2.1. Structura unui sistem cu logic fuzzy


Fie un sistem cu logic fuzzy cu o singur intrare x i o singur ie ire y (SISO=single
input-single output):


SLF

Fie X=universul discu iei pentru x; Y=universul discu iei pentru y.




Structura sistemului cu logic fuzzy cuprinde:


a) baza de cuno tin e a SLF:

mul imile fuzzy peste universul discu iei variabilei de intrare, X;


mul imile fuzzy peste universul discu iei variabilei de intrare, Y;
baza de reguli fuzzy, care leag ntre ele valorile fuzzy ale variabilei x
(=mul imile fuzzy definite peste X) de valorile fuzzy ale variabilei y
(=mul imile fuzzy definite peste Y)


b) opera iile (operatorii) SLF:

fuzzificarea;
inferen a;
defuzzificarea.


Mul imile fuzzy peste intrare:

X1

X2

Mul imile fuzzy peste ie ire:

Baza de reguli fuzzy:

Y1

R1: Dac x este X1 atunci y


este Y1
..
Rm: Dac x este Xm atunci y
este Ym

XNi
.
X

Y2

YNo
.
Y

BAZA DE CUNO TIN E


M

Ni

X*

Fuzzificare

No

Y*

Inferen

Mul ime
fuzzy

Defuzzificare

Mul ime
fuzzy

OPERA IILE SLF

SISTEM CU LOGIC

FUZZY (SLF)

2.1. a) Baza de cuno tin e a SLF




Baza de cuno tin e este specific fiec rei aplica ii; de calitatea ei depinde n
general calitatea SLF pentru o aplica ie dat .
Forma, num rul i, n special, valorile numerice care definesc suportul i
valoarea median a mul imilor fuzzy afecteaz calitatea aplica iei, i ob inerea lor
este:
- fie rezultatul unui proces de ncerc ri succesive;
- fie rezultatul nv rii printr-o re ea neuronal ;
- fie rezultatul unui proces de clasificare n mul imi (clase) fuzzy a unor date
cunoscute (cum ar fi algoritmul de clasificare FCM).


Regulile fuzzy sunt mai u or de definit, deoarece ele trebuie doar s asocieze
datele descrise prin mul imi fuzzy dup legile de coresponden dorite (care sunt n
general u or de exprimat lingvistic).
Mai multe detalii i reguli de construire practic a bazei de cuno tin e a SLF
vor fi discutate n capitolul de aplica ii al cursului.


2.1. b) Opera iile (operatorii) SLF




A. Fuzzificarea nseamn transformarea valorii tran ante de intrare x ntr-o mul ime
fuzzy. Deoarece la un moment dat la intrare avem o singur valoare tran ant x*,
descrierea ei se face cel mai bine printr-o mul ime X* avnd func ia de
apartenen :


1, x = x *
,
0, x x *

X * (x ) =

X*:X[0,1].

O astfel de mul ime fuzzy se nume te mul ime fuzzy singleton.




Deci, fuzzificarea transform valoarea tran ant curent de la intrarea SLF ntr-o
mul ime fuzzy singleton:


fuzzificare

x=x*

1
X*
x
0

x*

B. Inferen a este cea mai complex opera ie dintr-un SLF. Ea are sarcina de a
rezolva baza de reguli fuzzy pentru valoarea fuzzy de intrare X*, folosind
pentru aceasta i mul imile fuzzy de intrare i ie ire ale SLF, dnd la ie ire
mul imea fuzzy Y* din care se ob ine prin defuzzificare valoarea tran ant y=y*.


Inferen a trebuie s :
1) deduc pe baza valorii fuzzy de intrare X* i pe baza fiec rei reguli fuzzy
Ri rezultatul fuzzy Yi* al regulii Ri.
2) combine toate rezultatele par iale fuzzy Yi*, i=1,,M, ntr-o singur
mul ime fuzzy de ie ire Y*.


Pentru a vedea cum se realieaz acest lucru, vom examina n detaliu:


a) descrierea matematic a unei reguli fuzzy (implica ia fuzzy)
b) ra ionamentul aproximativ (fuzzy) (inferen a fuzzy)
c) agregarea rezultatelor par iale ale regulilor fuzzy pentru ob inerea
rezultatului fuzzy al SLF.


C. Defuzzificarea este opera ia invers fuzzific rii, i va fi tratat n detaliu n


penultimul capitol al cursului.


2.2. Construirea unui sistem cu logic fuzzy


- un exemplu Fie X, Y universurile discu iilor a dou variabile, x i respectiv y. Dorim un
SLF care s aib pe x ca intrare i y ca ie ire. Se tie c y este determinat de c tre x,
dar nu se tie (din m sur tori ale unui proces real) dect c :
pentru x=x1=0, y trebuie s fie: y=y1=0;
pentru x=x2, y trebuie s fie: y=y2;
pentru x=x3, y trebuie s fie: y=y3;
pentru x=x4=X, y trebuie s fie: y=y4=Y.


Mai tim c legea de varia ie a lui y n func ie de x trebuie s fie ct mai lin .


Schema-bloc a sistemului cu logic fuzzy este:




Mul imi fuzzy


peste X

Fuzzificare

SLF

Baz de reguli
fuzzy

X*

Inferen

SLF

Mul imi fuzzy


peste Y

Y*

Defuzzificare

a.1) Definirea mul imilor fuzzy peste X:




Cunoa tem patru puncte pentru x, deci vom defini patru mul imi fuzzy peste X:
X1, cu vrful n x1=0;
X2, cu vrful n x2;
X3, cu vrful n x3;
X4, cu vrful n x4=X.
Cea mai simpl alegere este definirea X1X4 sub form de mul imi fuzzy
triunghiulare.  tim c xi apar ine complet lui Xi , deci este logic s nu apar in deloc
lui Xj, ji, i,j = {1,2,3,4}. De aici rezult forma mul imilor X1X4 din figura de mai
jos.


X1

X2

X3

x1=0

x2

x3

X4

x4=X

a.2) Definirea mul imilor fuzzy peste Y este analoag definirii mul imilor fuzzy
peste X. Se ob in patru mul imi fuzzy: Y1, Y2, Y3 i Y4 reprezentate n figura de mai
jos:


Y1

Y2

Y3

y1=0

y2

y3

Y4

y4=Y

a.3) Definirea regulilor fuzzy din baza de reguli:

Fiecare regul trebuie s asocieze coordonata xi cu coordonata yi pentru


fiecare din punctele: (xi, yi), i=1...4 i s asigure interpolarea fuzzy ntre aceste
puncte. Ca urmare, vom avea patru reguli fuzzy:


R1: Dac
R2: Dac
R3: Dac
R4: Dac


x este X1 atunci y este Y1.


x este X2 atunci y este Y2.
x este X3 atunci y este Y3.
x este X4 atunci y este Y4.

Cu aceasta, datele (baza de cuno tin e a) sistemului cu logic fuzzy sunt complet
definite. Generarea valorii corecte de ie ire tran ante y va fi sarcina sistemului cu
logic fuzzy, prin opera iile sale de:
b.1) fuzzificare (singleton);
b.2) inferen (de ex., max-min);
b.3) defuzzificare (de ex., COA).


Modul de generare a ie irii:


- fuzzy, Y* (b.2));
- tran ante, y (b.3)),
va fi studiat n continuare.


Cap 3. Inferen a fuzzy


Formal, inferen a fuzzy poate fi descris prin:


Fapt: x este X*
(tran ant, x=x*)
Regul : Dac x este Xi atunci y este Yi.


Concluzie: y este Y* (Y* este rezultatul inferen ei fuzzy)




unde X*Xi, dar X*Xi.


Faptul este generat de c tre ie irea fuzzificatorului.
Regula este preluat din baza de reguli a sistemului cu logic fuzzy, dar este
pus sub form matematic de c tre blocul de inferen ; forma matematic a regulii
este implica ia fuzzy.
Concluzia este rezultatul inferen ei, ob inut pe baza combin rii premizei cu
regula pus n form matematic , i aceast combinare este realizat tot de c tre
opera ia de inferen .


3.1. Implica ia fuzzy


Implica ia fuzzy este forma matematic a regulii fuzzy.


Fie Ri o regul fuzzy a sistemului cu logic fuzzy considerat:




Ri: Dac x este Xi atunci y este Yi.




x este Xi este o propozi ie fuzzy, n care x este subiectul i Xi este predicatul.


Not m aceast propozi ie fuzzy prin pi = x este Xi.
n mod similar, y este Yi este o propozi ie fuzzy qi = y este Yi.
Cu aceste nota ii, regula Ri devine:


Ri: Dac pi atunci qi,




ceea ce matematic se scrie ca:


Ri: piqi.
Tradus n cuvinte, Ri reprezentat sub forma matematic de mai sus nseamn : Dac
pi este adev rat atunci qi este adev rat , adic , adev rul lui pi implic adev rul lui q i.


Pentru a exprima matematic implica ia fuzzy, plec m de la:


1) explicarea matematic a implica iei tran ante, i
2) generaliz m implica ia tran ant la implica ia fuzzy.


3.1.1. Implica ia tran ant


Fie p, q dou propozi ii tran ante:


p = x este A;
q = y este B,
unde xX, yY; X, Y sunt universurile tran ante ale discu iilor. AX, BY sunt
dou mul imi tran ante, cu func iile de apartenen : A:X{0,1}; B:Y{0,1}.


Propozi ia p = x este A este adev rat dac xA, adic A(x)=1, i este fals dac
xA, adic , A(x)=0.


Valoarea de adev r a unei propozi ii p se noteaz prin (p); pentru o propozi ie


tran ant , (p){0,1}: (p)=0 dac p este fals i (p)=1 dac p este adev rat .
Pentru p = x este A,
1, A( x ) = 1
( p ) =
, adic (p)=A(x).
0, A( x ) = 0
Similar, pentru q = y este B, avem gradul de adev r al lui q, (q){0,1}; (q)=B(y).


Din p i q putem forma regula tran ant R:


R: Dac x este A atunci y este B,
care va fi echivalent cu:
R: Dac p atunci q
,
sau R: pq.


Implica ia are semnifica ia c : dac p este adev rat atunci q este adev rat , adic ,
(p)=1 determin (q)=1; implica ia nu ne spune nimic despre valoarea de adev r a lui
q atunci cnd p este fals , adic , pentru (p)=0, (q) poate fi 0 sau 1.


O modalitate de a privi implica ia este sub forma unei propozi ii pq a c rei


valoare de adev r depinde de valorile de adev r ale p i q: (pq)=I((p), (q)). Cu
descrierea de mai sus, putem spune c implica ia este fals numai dac (p)=1 i
(q)=0, adic , q este fals cnd p este adev rat :


(p)
0
0
1
1

(q)
0
1
0
1

(pq)
1
1
0
1

(dac
(dac
(dac
(dac

p este fals q poate fi fals )


p este fals q poate fi adev rat )
p este adev rat , q nu poate fi fals )
p este adev rat , q este adev rat )


Mai compact, acest tabel de adev r poate fi scris ca:




1) p q = (p q ) = p q
1, (p) (q )
2) (p q ) =
0, (p) > (q )
Acest mod de definire a implica iei se nume te implica ie material .


Observa ie: n general, ceea ce se cunoa te nu este (p) i (q) urmnd s se


determine (pq), ci se cunoa te (p) i (pq) i vrem s determin m (q).
p poart numele de premiz ; pq se nume te regul i descrie leg tura ntre p i q; q
se nume te concluzie.


Regula pq este formulat de c tre proiectantul aplica iei, i este o propozi ie


adev rat (nu avem nici un interes s formul m propozi ii false); ca urmare, tabelul de
adev r devine:


(p)
0
0
1
1

(pq)
1
1
1
0

(q)
0
1
1
0

=> dac premiza este fals , nu tim dac concluzia va fi


adev rat sau fals .
=> dac premiza este adev rat , concluzia va fi
adev rat .


Deci, dac (pq) = 1, atunci (q) (p), iar n general, pentru oricare (pq),


(q) min ((p), (pq))

3.1.2. Implica ia tran ant ca i rela ie tran ant


Revenind la expresiile p i q:


p = x este A
q = y este B,
de unde rezult : pq = Dac x este A atunci y este B,
putem scrie:
(p)=A(x) => (p) depinde de x
=> (pq) depinde de (x,y) i o vom scrie ca:
(q)=B(y) => (q) depinde de y


1, A(x) B(y)
,
0, in rest

(A B)(x, y) =

AB : XY{0,1}.

Deci, AB este o rela ie tran ant ntre mul imile tran ante A i B.


Exemplul 1:
xX, yY, X=Y=;
A: X{0,1}; B: Y{0,1}
1, x [a, b]
A (x ) =
;
0, x [a, b]

B(y)
0
1
0
1

1, y [0, c]
0, y [0, c]

B( y ) =

1, A( x ) B( y)
0, in rest

=> (A B )(x , y) =
A(x)
0
0
1
1

(AB)(x,y) = Rela ia
1
1
0
1


x[a,b]
x[a,b]
x[a,b]
x[a,b]


i y[0,c]
i y[0,c]
i y[0,c]
i y[0,c]

Reprezentare grafic :


R
c

Inferen a: fie x0 = d[a,b]; vrem s determin m y pe baza rela iei R din


figura de mai sus:


A(x0)=1 i (AB)(x0,y)=1 =>B(y)=1 y[0,c] =>Y0=[0,c]=B, dar nu putem


determina valoarea exact a lui y0.


Exemplul 2:

Fie X=Y=.
Fie:
p = x este mai mare ca 10 , ceea ce este echivalent cu a scrie: x este A,
unde A = (10,) , sau, scris ca func ie de apartenen :
1, x > 10
A (x ) =
0, in rest
q = x este mai mare ca 9, ceea ce este echivalent cu a scrie: x este B, unde
B = (9,) , sau, scris ca func ie de apartenen :
1, x > 9
B( x ) =
0, in rest


Implica ia pq se scrie sub forma: Dac x este mai mare ca 10 atunci x este mai
mare ca 9. Aceasta este evident o propozi ie adev rat , pentru oricare x,
(pq)=1.
Scriind implica ia ca o rela ie ntre A i B: Dac x este A atunci x este B
(AB)(x), definit prin:


(A B)(x ) =

1, A(x) B(x)
0, in rest

Dac A(x)=1 => x >10 => x >9 => B(x)=1 => A(x)=B(x)
Dac A(x)=0:
1) 9 < x 10 => B(x)=1 i A(x)=0 => A(x)<B(x);
2) x 9 => A(x)=0 i B(x)=0 => A(x)=B(x)


deci, pentru oricare x, A(x) B(x) => (AB)(x)=1, pentru oricare x.

3.1.3. Implica ia fuzzy ca i rela ie fuzzy


Fie X, Y universurile tran ante ale discu iilor.
Fie acum dou mul imi fuzzy A i B, A:X[0,1] i B:Y[0,1].
Cu A i B construim dou propozi ii fuzzy:
p = x este A

(p)=A(x)
q = y este B

(q)=B(y)
i o regul fuzzy,
R: Dac p atunci q,
pq,


adic ,


R: Dac x este A atunci y este B,




(AB)(x,y), care este o rela ie




fuzzy ntre propozi iile fuzzy A i B (adic , o submul ime fuzzy a lui XY).


Pentru (AB)(x,y), avem mai multe posibilit i de definire:




I.

Prin aplicarea direct a formulei implica iei materiale tran ante:




1, A(x) B(y)
0, in rest
Aceast defini ie conduce la o rela ie tran ant ntre dou mul imi fuzzy:
AB: XY[0,1]; ea poart numele de implica ie fuzzy Standard Strict.
Dezavantajul acestei definiri a implica iei este faptul c se pierde modelarea
incertitudinii prin cele dou mul imi fuzzy (se ajunge la tran are); ca urmare, dac
(AB)(x,y) este o regul a unui sistem cu logic fuzzy, ie irea Y* va fi tran ant (nu
are cum s fie fuzzy dac ea depinde doar de intrarea tran ant x* i de regula AB
care este o rela ie tran ant ). Pentru a elimina acest dezavantaj, c ut m alte defini ii
ale implica iei fuzzy care s p streze fuzzificarea:

(A B)(x, y) =


II.

Prin modificarea implica iei fuzzy Standard Strict:




(A B)(x, y) =

1, A(x) B(y)
B( y ), in rest (pentru B(y) < A(x))

- numit

implica ia


Gdel.
III.

Prin implementarea formulei implica iei tran ante: p q = p q cu


operatori fuzzy de complementare i reuniune:


(A B)(x, y) = max {1 - A(x), B(y)}

- numit implica ia Kleene-Dienes




Observa ie: Dac se consider c n sistemele practice nu ne intereseaz cazul


premizei false, (p)=0, care oricum nu poate da informa ii despre q, vrem s
implement m corect numai cazurile din tabel cu (p)=1, iar pentru (p)=0 nu ne
intereseaz valoarea de adev r a lui q ((q) poate fi 0), ceea ce nseamn c putem
scrie:
p q =pq


i n cazul fuzzy, aceast formul conduce la cele mai folosite formule de


implica ie: implica ia Mamdani i implica ia Larsen.


(p)
1
1
0
0

(q)
0
1
0
1

(pq)
0
1
0
0

IV.

Implica ia Mamdani:


(A B)(x, y) = min {A(x), B(y)}


V.

Implica ia Larsen:


(A B)(x, y) = A (x) B(y)

3.1.4. Clasificarea operatorilor de implica ie fuzzy




3.1.4.1.Operatori baza i pe t-conorme:




Fie S o t-conorm .
Dac (A B )(x, y) = A (x ) B( y)


(A B)( x, y) = S(1 A( x), B( y))

3.1.4.2. Operatori baza i pe t-norme:




Fie T o t-norm . => (A B)( x , y ) = T (A ( x ), B( y) )




3.1.4.3. Operatori baza i pe extinderea implica iei materiale:




a) Standard Strict:

(A B)( x, y) =

1, A(x ) B( y)
0, A( x ) > B( y)

b) Gdel:

(A B)(x, y) =

1, A( x) B( y)
B( y), A( x) > B( y)

c) Gaines:

(A B)(x, y) =

1, A (x ) B( y)
B( y) / A( x ), A(x ) > B( y)

3.1.5. Exemplu de determinare a valorii implica iei fuzzy




Fie U = universul discu iei pentru presiuni, U=[0, 10 atm], i V = universul


discu iei pentru volume, V=[0,10 cm3].
Fie dou mul imi fuzzy:
PresiuneMare:U[0,1]
VolumMic:V[0,1],


definite de func iile caracteristice:




PresiuneMare

10

10

VolumMic

a) Exprima i sub form analitic cele dou func ii de apartenen .


b) Dac u este intrare ntr-un sistem cu logic fuzzy i v este ie irea sistemului cu
logic fuzzy, cum arat regula fuzzy care are n premiz mul imea PresiuneMare
i n concluzie mul imea VolumMic ?
c) Descrie i regula de la punctul (b) sub forma unei implica ii fuzzy (rela ii fuzzy
ntre mul imile PresiuneMare i VolumMic), folosind :
1) implica ia Gdel;
2) implica ia Kleene-Dienes;
3) implica ia Mamdani;
4) implica ia Larsen.
d) Dac u=4 i v=1, ce valoare de adev r are implica ia fuzzy:
(PresiuneMare VolumMic)(u,v), (u,v)=(4,1),
folosind toate formulele implica iei fuzzy studiate?


3.1.6. Aplica ie a implica iei fuzzy privit ca i rela ie fuzzy




Fie sistemul cu logic fuzzy construit anterior:




SLF

Pentru fiecare regul fuzzy:




Ri: Dac x este Xi atunci y este Yi, i=1...4,




opera ia de inferen descrie matematic regula sub forma unei rela ii fuzzy ntre Xi
i Yi , dup care compune mul imea fuzzy de la ie irea fuzzificatorului X*(x) cu
rela ia fuzzy (XiYi)(x,y), genernd ie irea din regula Ri ,Yi*:


Yi ( y ) = X (x ) (X i Yi )(x , y )
Mul imi fuzzy
peste intrare

Baz de reguli
fuzzy

Fuzzificare

X*

Mul imi fuzzy


peste ie ire

Y*

Inferen 

Defuzzificare

Dac sistemul cu logic fuzzy folose te: compunerea max-min, fuzzificarea singleton,
implica ia Mamdani, care sunt expresiile analitice i cum arat mul imile fuzzy Yi*,
pentru i=1...4 i x=x* din figura de mai jos?


X*

X1

X2

X3

x1=0

x2

x3

X4

0,7

0,3

x4=X

Y1

Y2

Y3

y1=0

y2

y3

Y4

0,7

0,3
0

Y*1 Mamdani

Y*2 Mamdani

y4 =Y

Y1

Y2

Y3

y1=0

y2

y3

Y4

0,7

0,3
0

Y*1 Larsen

Y*2 Larsen

y4=Y