You are on page 1of 65

Tpicos Especiais em Otimizao

Tcnicas Inteligentes
Aula 01: Lgica Fuzzy e
Sistemas de Inferncia
Leonardo Willer de Oliveira

Juiz de Fora, 20 de Maro de 2017


Leonardo Willer de Oliveira

Referncias

[1] Mendel, J. M., Fuzzy Logic Systems for Engineeering: A


Tutorial, Proceedings of IEEE, vol 83, no. 3, march 1995.

[2] Shaw, I. S., Simes, M. G., Controle e Modelagem Fuzzy,


Editora Edgard Blcher: 1999, Brasil.

[3] Falco, D. M., Conjuntos, Lgica e Sistemas Fuzzy, Apostila


da disciplina Tcnicas Inteligentes Aplicadas a Sistemas de
Potncia, Coppe/UFRJ: 2002, Brasil.

[4] Gomide, F., Imperfeio, Impreciso e Incerteza e Modelos de


Otimizao, III Workshop sobre Teoria de Conjuntos Fuzzy e
Incerteza Generalizada Aplicada Otimizao, UFU: 2012, Brasil.

[5]Tutorial of Fuzzy Logic Toolbox of Matlab. The Matworks Inc. 2


Leonardo Willer de Oliveira

Introduo Lgica Fuzzy

Formas de conhecimento para a resoluo de


problemas:
Conhecimento objetivo;
Conhecimento subjetivo.

Modelos matemticos convencionais:


Crisp ou ambivalentes;
Determinsticos;
Precisos por hiptese;
No ambguos.
3
Leonardo Willer de Oliveira

Introduo

As far as the propositions of


mathematics refer to reality, they are
not certain; and as far as they are
certain, they do not refer to reality.
(Cincia e Incerteza, Albert Einstein, 1921)

4
Leonardo Willer de Oliveira

Introduo

Situaes no mundo real podem apresentar:


Incertezas;
Informaes vagas;
Ambiguidade.

Mtodos:
Probabilsticos ou estocsticos;
Anlise de Intervalos;
Teoria de Erros;
Fuzzy.
5
Leonardo Willer de Oliveira

Introduo

Significado do termo Fuzzy:


Incerto;
Impreciso;
Difuso;
Nebuloso.

6
Leonardo Willer de Oliveira

Introduo

Stated informally, the essence of this


principle is that as the complexity of a
system increases, our ability to make
precise and yet significant statements
about its behavior diminishes until a
threshold is reached beyond which
precision and significance (or
relevance) become almost mutually
exclusive characteristics.
(Princpio da Incompatibilidade, Lotfi Zadeh, 1973)

7
Leonardo Willer de Oliveira

Introduo

O problema do caixeiro viajante

New York Times, 12/03/91


Nmero de cidades Erro Tempo de Processamento
100.000 0,75% 7 meses
100.000 1% 2 dias
1.000.000 3,5% 3,5 horas

8
Leonardo Willer de Oliveira

Introduo
Impreciso:
Relacionada com o contedo da sentena;
Propriedade da prpria informao.

Incerteza:
Propriedade oriunda da falta de informao;
Propriedade da relao entre a informao e o
conhecimento.

Abordagens
Teoria da probabilidade (repetibilidade)
Teoria da possibilidade (falta de informao)
9
Teoria dos conjuntos fuzzy (gradualidade)
Leonardo Willer de Oliveira

Introduo
Exemplos de eventos

Lanamento de uma moeda (cara ou coroa?)

Incerto, mas certo depois que a moeda


lanada

Medida de probabilidade [0,1]

10
Leonardo Willer de Oliveira

Introduo
Exemplos de eventos

Culpado ou inocente? / Gol ou no?

Incertos, mas verdadeiros ou falsos

Medida fuzzy [0,1]


11
Leonardo Willer de Oliveira

Introduo
Exemplos de eventos
Copo cheio? / Falta?

Imprecisos
Conjuntos fuzzy
Funo de pertinncia [0,1] 12
Leonardo Willer de Oliveira

Introduo
Exemplo de funo de pertinncia

Muito Lento Lento


[ 0,0 0,25 ] [ 0,25 0,50 ]

Rpido Muito Rpido


[ 0,50 0,75 ] [ 0,75 1,00 ]

13
Leonardo Willer de Oliveira

Introduo

Lgica Fuzzy (LF):


Impreciso ou ambiguidade da informao ou
conhecimento do problema;
Representao de conhecimento em linguagem
natural;
Ausncia de dados estatsticos;
Conhecimento subjetivo;
Integrao entre mtodos lgicos e numricos;
Restries e objetivos no-rgidos (soft constraints).

14
Leonardo Willer de Oliveira

Introduo

Tipos de metodologias

Baseada em modelo
Informaes representadas por variveis lingusticas
que so convertidas em regras

Ausncia de modelo
Regras extradas de dados numricos combinados
com informaes lingusticas

15
Leonardo Willer de Oliveira

Introduo

Aplicaes de Lgica Fuzzy

Sistemas de Inferncia Fuzzy: incertezas nas regras


de uma base de conhecimento; mecanismo de
inferncia.
Controladores Fuzzy: regras de controle baseadas
na experincia.
Otimizao e Tomada de Decises: incertezas nos
dados e/ou objetivos; soft constraints, problemas
multi-objetivos.

16
Leonardo Willer de Oliveira

Histrico

Aristteles (384-322 ac): Lgica Clssica


Georg Cantor (1878): Artigo sobre Teoria de Conjuntos
Lotfi A. Zadeh (1965): Teoria dos Conjuntos Fuzzy
Fuzzy Systems Engineering Research Association
(1972)
E. Mandani (1974): Primeira aplicao (controle de uma
mquina a vapor)
Circle Cement and SIRA (1976): Primeira aplicao
industrial (Dinamarca) 17
Leonardo Willer de Oliveira

Histrico

Primeiro Sistema Especialista Fuzzy (1977): controlador


de trfego
International Fuzzy Systems Association IFSA (1984)
isdlab.ie.ntnu.edu.tw/ntust/ifsa/

Chip Fuzzy (1985): Laboratrios BELL


Controle de trens (1987): Metro de Sendai, Japo
Lava-roupas com controlador Fuzzy (1990): Inicio da
aplicao em produtos de consumo 18
Leonardo Willer de Oliveira

Conjuntos Convencionais

Definio de conjuntos convencionais ou precisos


(Crisp)
Por enumerao
C = {1, 2, 3, 4, 5, 6, 7, 8, 9,10}

Por caractersticas semelhantes


C = { x U / x > 0} { }
U = x Z / x 10

Por uma funo de pertinncia


1 se x C
C ( x ) =
0 se x C
19
Leonardo Willer de Oliveira

Conjuntos Convencionais
C
Funo de Pertinncia
1 --

-10 0 10 x

1 se x C C = { x U / x > 0}
C ( x ) =
0 se x C {
U = x Z / x 10 } 20
Leonardo Willer de Oliveira

Conjuntos Fuzzy

Conjunto Fuzzy

Exemplo: Conjunto dos nmeros inteiros prximos


de 5

Funo de pertinncia

x 2 3 4 5 6 7 8
C 0,1 0,4 0,8 1,0 0,8 0,4 0,1

21
Leonardo Willer de Oliveira

Conjuntos Fuzzy
C
Conjunto Fuzzy
1 --

Universo finito

-10 5 10 x

Um elemento pertence ao conjunto com um grau de


pertinncia.
A funo de pertinncia pode assumir valores em um
intervalo. 22
Leonardo Willer de Oliveira

Conjuntos Fuzzy

Em geral, um conjunto fuzzy F definido em um


universo de discurso U como:

F= {( x, F ( x ) ) | x U}

(
O conjunto fuzzy constitudo pelos pares x, F ( x ) )

23
Leonardo Willer de Oliveira

Conjuntos Fuzzy

Conjunto Fuzzy

Universo contnuo: tenses prximas a 1,0 pu


V (v )
0 se v < 0,95

(v 0,95 ) / (1,00 0,95 ) se 0,95 v 1,00
1,0
V (v ) =
(1,05 v ) / (1,05 1,00 ) se 1,00 v 1,05
0 se v > 1,05

0,95 1,00 1,05 v

24
Leonardo Willer de Oliveira

Operaes com Conjuntos Fuzzy


A B ( x )
Unio
AB = {( x, ( x )), x U}
A B

AB ( x ) = max ( A ( x ) , B ( x ) )

x
A B ( x )
Interseo
AB = {( x, ( x )), x U}
A B

AB ( x ) = min ( A ( x ) , B ( x ) )
25
x
Leonardo Willer de Oliveira

Operaes com Conjuntos Fuzzy

Ac ( x )
Complemento
Ac = {( x, ( x )), x U }
Ac

Ac ( x ) = 1 A ( x )
x

26
Leonardo Willer de Oliveira

Operaes com Conjuntos Fuzzy

Isomorfismo
Teoria dos Conjuntos Lgica lgebra Booleana
Pertinncia Verdade Valor
Membro Verdadeiro 1
No-membro Falso 0
Interseo E Produto
Unio OU Soma
Complemento NO Complemento

27
Leonardo Willer de Oliveira

Operaes com Conjuntos Fuzzy

Propriedades
Comutatividade: A B = B A
AB = B A

Associatividade: ( A B ) C = A ( B C )
( A B ) C = A (B C )
Idempotncia: A A = A
AA = A

Distributividade: A ( B C ) = ( A B ) ( A C ) 28
Leonardo Willer de Oliveira

Operaes com Conjuntos Fuzzy

Produto cartesiano

AxB = {( x, y ),min ( A ( x ) , B ( x ) ) | x A y B}
Exemplo:
A= { (3 , 0,5) , (5 , 1) , (7 , 0,6) }
B= { (3 , 1) , (5 , 0,6) }

{
A x B = ( 3,3 ) ,0,5 , ( 3,5 ) ,0,5 , ( 5,3 ) ,1 , ( 5,5 ) ,0,6 , ( 7,3 ) ,0,6 , ( 7,5 ) ,0,6 }

29
Leonardo Willer de Oliveira

Definies Bsicas

Conjunto suporte de um conjunto Fuzzy

F= {( x, F ( x ) ) | x U} {
: S ( F ) = x X | F ( x ) > 0 }

Altura de F ( H(F) ):
maior grau de pertinncia de F. Se H (F) = 1, ento o
conjunto F normalizado

30
Leonardo Willer de Oliveira

Definies Bsicas

Cardinalidade de F ( |F| )

F discreto: F = F (x)
F contnuo: F = F ( x )dx

Corte de nvel- ou corte- (F)
{
F x X | F ( x ) }

31
Leonardo Willer de Oliveira

Definies Bsicas

Condies para o conjunto F ser convexo

F [a x1 + (1 a ) x2 ] min[ F ( x1 ) , F ( x2 )]

x1, x2 X e a [0,1]
F

32
Leonardo Willer de Oliveira

Nmeros Fuzzy

Nmero fuzzy F
Conjunto fuzzy em R convexo normalizado tal que
F ( x ) contnua por partes e que existe pelo menos um
x1 tal que F ( x1 ) = 1

Exemplo F
F trapezoidal=(x1,x2,x3,x4)

Obs.: Triangular: x2=x3


x1 x2 x3 x4 x
Retangular: x1=x2 e x3=x4 33
Leonardo Willer de Oliveira

Nmeros Fuzzy

Operaes Aritmticas com Nmeros Fuzzy


Sejam
F1 = ( x1, x2 , x3 , x 4 ) F2 = ( y1, y 2 , y 3 , y 4 )

Adio
F1 F2 = ( x1 + y1, x2 + y 2 , x3 + y 3 , x 4 + y 4 )

Produto
F1 F2 = ( x1 y1, x2 y 2 , x3 y 3 , x 4 y 4 )

Produto por um nmero real a


a F1 = ( a x1, a x2 , a x3 , a x 4 ) 34
Leonardo Willer de Oliveira

Relaes

Representa grau de presena, associao, interao


ou interconexo entre elementos de dois ou mais
conjuntos convencionais (crisp).

A funo de pertinncia pode assumir valores no


intervalo [0,1].

Exemplo: Sejam x, y C
A relao x muito maior que y pode ser definida
por: 0 se x y

( x, y ) =
( )
1
1+ ( y x )
2
se x > y 35

Leonardo Willer de Oliveira

Variveis Lingusticas

Funo do conjunto crisp: classificao de idades

A pessoa s pode ser jovem ou idosa


Altamente determinstica

36
Leonardo Willer de Oliveira

Variveis Lingusticas

Funo do conjunto fuzzy: classificao de idades

90 anos (0,0; 0,0; 1,0) 51 anos (0,0; 0,45; 0,03)


2 anos (0,2; 0,0; 0,0) 49 anos (0,0; 0,55; 0,0)
37
Leonardo Willer de Oliveira

Variveis Lingusticas

Valores representados por

conjuntos fuzzy

Varivel lingustica (x): idade

Conjunto de termos (T(x)): {Jovem, Adulto, Idoso}

Universo de discurso: 0 a 100 anos

Funes de pertinncia no grfico acima 38


Leonardo Willer de Oliveira

Variveis Lingusticas

Funo do conjunto fuzzy: classificao de tenses


Muito_baixa Baixa Normal Alta Muito Alta


1,0

0,7 0,8 0,9 1,0 1,1 1,2 1,3 v

39
Leonardo Willer de Oliveira

Funes de Pertinncia
Formatos
Triangular Trapezoidal

Observao:

Overlapping

Gaussiana Sino Generalizada

40
Leonardo Willer de Oliveira

Lgica Clssica

Proposio ( F ou V)

Combinao de proposies (F ou V)

Conjuno (p q)
Disjuno (p q)
Condicional (p q)
Equivalncia (p q)
Negao ( p)

Tabela Verdade 41
Leonardo Willer de Oliveira

Lgica Clssica

Tautologia

Proposio formada pela combinao de outras


proposies

Utilizao de funes de pertinncia


1 se p verdadeira(V)
p ( x ) =
0 se p falsa(F)

Associao com teoria dos conjuntos e lgebra


booleana 42
Leonardo Willer de Oliveira

Lgica Fuzzy

Obtida atravs da lgica precisa (crisp), estendendo


funes de pertinncia ambivalentes (0 ou 1) por
funes de pertinncia fuzzy no intervalo [0,1]

Sejam os conjuntos F1 e F2 com x F1 e y F2

A proposio Se x F1, ento y F2 tem a funo de


pertinncia F 1F 2 ( x, y ) 0,1 , que mede o grau de
verdade da proposio 43
Leonardo Willer de Oliveira

Lgica Fuzzy

Relaes
F 1F 2 ( x, y ) = 1 min F 1 ( x ) ,1 F 2 ( y )
F 1F 2 ( x, y ) = max 1 F 1 ( x ) , F 2 ( y ) = 1 F 1 ( x ) 1 F 2 ( y )

44
Leonardo Willer de Oliveira

Sistema de Inferncia Fuzzy

Base de Regras

Fuzzificao Defuzzificao
Entrada precisa Sada precisa
(crisp) (crisp)

Inferncia

45
Leonardo Willer de Oliveira

Inferncia

Em Lgica, inferncia ou ilao operao intelectual


mediante a qual se afirma a verdade de
uma proposio em decorrncia de sua ligao com
outras proposies j reconhecidas como verdadeiras.

Consiste, portanto, em derivar concluses a partir


de premissas conhecidas ou decididamente
verdadeiras. A concluso tambm chamada
de idiomtica.

46
Leonardo Willer de Oliveira

Base de Regras
Regra SE < >, ENTO < > fuzzy
Exemplo
V
Baixa
1,0

0,7 0,8 0,9 1,0 1,1 1,2 1,3 v


Q
Alta

47
Q
Leonardo Willer de Oliveira

Base de Regras
Generalizao

SE x1 F1r e ... xn Fnr ENTO y Gr


14442444
3 1
424
3
Consequente ou Concluso
Antecedentes ouPremissas

Em que F e G so conjuntos fuzzy e r = 1,...,N regras

48
Leonardo Willer de Oliveira

Fuzzificao
Determinao do grau de pertinncia da entrada no
antecedente de regra

Para antecedentes com mais de uma proposio,


operadores fuzzy combinam os graus de pertinncia:

E(min): { }
cr = mini =1,...,n ( xi )

{
OU(max): cr = max i =1,...,n ( xi ) }
49
Leonardo Willer de Oliveira

Inferncia
Determinao do grau de validade dos consequentes
das regras e combinao no conjunto fuzzy de sada

Princpio: regras com baixo grau de pertinncia no


antecedente (cr) devem ter pouca validade no
consequente

{ }
G = max min {cr , i ( xi )},{r ( xi )}

min: corta a funo de pertinncia do consequente no


ponto indicado por cr do antecedente
max: combina (unio) os conjuntos fuzzy que
representam o consequente das regras 50
Leonardo Willer de Oliveira

Inferncia
Combinao maxmin

51
Leonardo Willer de Oliveira

Defuzzificao
Construo de uma sada precisa (crisp) a partir do
conjunto fuzzy

Mtodos:

Valor mximo
Valor mdio dos mximos
Bisetor
Centride ou centro de massa

52
Leonardo Willer de Oliveira

Defuzzificao

u1 u2 u3 u4 u5 u

u1: valor mnimo dos mximos


u2: valor mdio dos mximos
u3: bisetor da rea
u4: centride da rea
u5: valor mximo dos mximos
53
Leonardo Willer de Oliveira

Sistema de Inferncia Fuzzy


Exemplo:
Em um restaurante, a partir das informaes sobre
qualidade da comida e atendimento, deseja-se
determinar a gorjeta.

Regras
SE (atendimento ruim ou comida pssima)
ENTO (gorjeta baixa)

SE (atendimento bom) ENTO (gorjeta mdia)

SE (atendimento excelente ou comida deliciosa)


54
ENTO (gorjeta generosa)
Leonardo Willer de Oliveira

Lgica Fuzzy no Matlab

Fuzzy Logic Toolbox

Conjunto de funes do ambiente


MATLAB.

Fornece ferramentas pra criar e editar


sistemas fuzzy

Tambm oferece ferramentas para o


Simulink / Matlab
55
Leonardo Willer de Oliveira

Lgica Fuzzy no Matlab

56
Leonardo Willer de Oliveira

Lgica Fuzzy no Matlab

Editor FIS:Editor da funo de inferncia (comando fuzzy)

57
Leonardo Willer de Oliveira

Lgica Fuzzy no Matlab

Membership Function Editor:Editor de funo de pertinncia


(comando mfedit)

58
Leonardo Willer de Oliveira

Lgica Fuzzy no Matlab


Funes de pertinncia

x a c x
Funo Triangular trim f ( x ; a , b , c ) = m a x m in , ,0
b a c b

xa d x
Funo Trapezoidal tra p m f ( x ; a , b , c , d ) = m a x m in ,1, ,0
ba d c

2
1 x c

Funo Gaussiana g a u s s m f ( x ; , c ) = e 2

1
Funo Sino Generalizada g b e llm f ( x ; a , b , c ) = 2b
x c
1+ 59
a
Leonardo Willer de Oliveira

Lgica Fuzzy no Matlab


Outras funes de pertinncia

60
Leonardo Willer de Oliveira

Lgica Fuzzy no Matlab

Rule Editor:Editor de regras (comando ruleedit)

61
Leonardo Willer de Oliveira

Lgica Fuzzy no Matlab

Rule Viewer:Visualizador de regras (comando ruleview)

62
Leonardo Willer de Oliveira

Lgica Fuzzy no Matlab

Surface Viewer:Visualizador de superfcie (comando surfview)

63
Leonardo Willer de Oliveira

Sistema de Inferncia Fuzzy

64
Leonardo Willer de Oliveira

Sistema de Inferncia Fuzzy

65