Fuzziness” é independente da capacidade de...
Transcript of Fuzziness” é independente da capacidade de...
1
SISTEMAS NEBULOSOSSISTEMAS NEBULOSOS• A maioria dos fenômenos com os quais
nos deparamos são imprecisos imprecisos Exemplo: dia QUENTEQUENTE (40°, 35°, 30°, 29,5°?)
•• Imprecisão Intrínseca Imprecisão Intrínseca ajuda na compreensão do problema.
• “FuzzinessFuzziness” é independenteindependente da capacidade de medição.
SISTEMAS NEBULOSOSSISTEMAS NEBULOSOSSistemas Artificiais Sistemas Artificiais
ConvencionaisConvencionaisSistema HumanoSistema HumanoXX
Frases como:A A TemperaturaTemperatura do motor está do motor está QUENTEQUENTEAA Inflação Inflação anual está anual está SUBINDO RAPIDAMENTESUBINDO RAPIDAMENTEO O ColesterolColesterol está está ALTOALTO
A Lógica Nebulosa é uma técnica que A Lógica Nebulosa é uma técnica que aproxima os aproxima os Sistemas ArtificiaisSistemas Artificiais do do Sistema HumanoSistema Humano
2
CONTEÚDOCONTEÚDO• Introdução
– Introdução, Objetivo e Histórico• Conceitos Básicos
– Definição, Características e Formas de Imprecisão
•• Conjuntos Conjuntos FuzzyFuzzy– Propriedades, Formas de Representação e Operações
• Lógica Fuzzy– Relações, Composições, Modus Ponens Generalizado
• Fuzzy Engineering– Quando e Como se utilizar Lógica Nebulosa
CONJUNTOS NEBULOSOSCONJUNTOS NEBULOSOS•• Conjuntos Conjuntos CrispCrisp x Nebulososx Nebulosos• Definição• Representação• Propriedades• Formatos• Operações• Hedges
3
Conjuntos Conjuntos Crisp Crisp x x FuzzyFuzzy•• Conjuntos Conjuntos CrispCrisp :
Conjunto onde os indivíduos de um dado universo são divididos em 2 grupos distintos: MEMBROSMEMBROS aqueles que certamente pertencem ao conjunto, eNÃONÃO--MEMBROSMEMBROS aqueles que certamente não pertencem ao conjunto.
Exemplo: conjunto dos nnúúmeros naturaismeros naturais
Conjuntos Conjuntos Crisp Crisp x x FuzzyFuzzy
• conjunto de pessoas altas• conjunto de carros caros• números muito maiores que 1
• conjunto de pessoas altaspessoas altas• conjunto de carros caroscarros caros• números muito maiores que 1muito maiores que 1
••Entretanto:Entretanto: Existem conjuntos cujo limitelimiteentre membro e não-membro é é vagovago, com transição gradualtransição gradualentre esses dois grupos
Exemplos:Exemplos:
4
CONJUNTOS NEBULOSOSCONJUNTOS NEBULOSOS• Conjuntos Crisp x Nebulosos•• DefiniçãoDefinição• Representação• Propriedades• Formatos• Operações• Hedges
Conjuntos Conjuntos NebulososNebulosos
5
•• Conjuntos Nebulosos:Conjuntos Nebulosos:– Atribui-se a cada indivíduo no universo
um valorum valor que representa o Grau de Grau de PertinênciaPertinência deste indivíduo ao conjunto nebuloso.
– É a ponte que liga o conceito imprecisoconceito imprecisoà sua modelagemmodelagem numérica
Conjuntos Conjuntos Crisp Crisp x x FuzzyFuzzy
Conjuntos Conjuntos Crisp Crisp x x FuzzyFuzzy
•• Exemplos:Exemplos: Pessoas AltasPessoas Altasµ (x) µ (x)
Altura (m)1.301.40 1.50 2.001.60 1.80 1.901.70 1.301.40 1.50 1.60 1.80 1.901.70
Altura (m)2.00
Função CaracterísticaFunção Característica Função de PertinênciaFunção de Pertinência
CRISPCRISP FUZZYFUZZY
6
Conjuntos Conjuntos Crisp Crisp x x FuzzyFuzzy
•• Exemplos:Exemplos: Carros CarosCarros Carosµ (x) µ (x)
Preço (R$)5.000 10.000 20.00015.000
Preço (R$)
Função CaracterísticaFunção Característica Função de PertinênciaFunção de Pertinência
CRISPCRISP FUZZYFUZZY
5.000 10.000 20.00015.000
Conjuntos Conjuntos Crisp Crisp x x FuzzyFuzzy
•• Exemplos:Exemplos: Números Maiores que 1Números Maiores que 1µ (x) µ (x)
1 2 3 84 6 75
Função CaracterísticaFunção Característica Função de PertinênciaFunção de Pertinência
CRISPCRISP FUZZYFUZZY
109 1412 1 2 3 84 6 75 109 1412
7
Conjuntos Conjuntos CrispCrisp
• Conjunto AA no Universo de Discurso UU é definido através da lista de TODOS os seus membros ou pela identificação dos elementos x ⊂ A
U = conjunto dos valores possíveis para a variávelA = { x / x satisfaça uma certa condição}µ(x) = 1 se x ∈ A
0 se x ∉ A
Conjuntos Conjuntos CrispCrisp•• Exemplos:Exemplos:
U = todos os automóveis do Rio de Janeiro
SubSub--Conjuntos de U:Conjuntos de U:
azul
azul
marrom
marrom
cinzacinzavermelhovermelho
verdeverde
outraoutraNac
ional
Nacion
al
Importado
Importado
4 cilindros4 cilindros
6 cilindros6 cilindros
8 cilindros8 cilindros
outrosoutros
8
Conjuntos Conjuntos FuzzyFuzzy• Conjunto FF no Universo de Discurso UU
com µ(x) ∈ [0,1]
medida do grau de similaridade de um elemento elemento xx em em UU com o subconjunto subconjunto FF
% de peças nacionais
µ (x)
25 50 75 100
1.00.9
0.5
0.25
importadoimportado nacionalnacional
CONJUNTOS NEBULOSOSCONJUNTOS NEBULOSOS• Conjuntos Crisp x Nebulosos• Definição•• RepresentaçãoRepresentação• Propriedades• Formatos• Operações• Hedges
9
Conjuntos NebulososConjuntos Nebulosos•• Representação:Representação:
– Um conjunto fuzzy FF em UU pode ser representado como um conjunto de conjunto de pares ordenadospares ordenados de um elemento genérico xx e seu grau de pertinênciagrau de pertinência
F = { (x, F = { (x, µµ FF (x) ) / x (x) ) / x ∈∈ U }U }
– Geralmente só são representados os valores de x com µ (x) > 0
Conjuntos NebulososConjuntos Nebulosos
•• U Contínuo:U Contínuo: ∫∫UU µµFF (x) / x(x) / x
–– ∫∫ denota coleção de todos os pontos x x ∈∈ UU com função de pertinência µµ (x)(x)
•• U Discreto:U Discreto: ΣΣUU µµFF (x) / x(x) / x
–– ΣΣ denota a operação de UniãoUnião
10
Conjuntos NebulososConjuntos Nebulosos
•• 3 Componentes:3 Componentes:Eixo xx (n° reais crescentes) que
constituem o DomDomíínionio do conjunto fuzzyEixo yy, com valores entre 00 e 11
grau de pertinência ao conjuntoFunção de PertinênciaFunção de Pertinência (superfície) do
conjunto, que conecta um elemento do domínio com o seu grau de pertinência
Conjuntos NebulososConjuntos Nebulosos
µ A(x)
1.0
0.0 x
µA (x) = f (x ∈ A)µµAA (x) = f (x (x) = f (x ∈∈ A)A)Função verdade Função verdade
ou de pertinênciaou de pertinênciaElemento Elemento do conjuntodo conjunto
DomínioDomínio
Grau de Grau de PertinênciaPertinência
11
Conjuntos NebulososConjuntos Nebulosos
µ A(x)
1.0
0.0 x
µA (x) = f (x ∈ A)µµAA (x) = f (x (x) = f (x ∈∈ A)A)Função verdade Função verdade
ou de pertinênciaou de pertinênciaElemento Elemento do conjuntodo conjunto
DomínioDomínio
Grau de Grau de PertinênciaPertinência
Conjuntos NebulososConjuntos NebulososExemplo:Exemplo: seja F = inteiros próximos de 10
U = {n° inteiros de 1 a 20}
F = 0.1/7 + 0.5/8 + 0.8/9 + 1/10 + 0.8/11 + 0.5/12 + 0.1/13
Observações: Observações: Os inteirosinteiros não especificadosnão especificados possuem µµAA (x) = 0(x) = 0Os valores de µµAA (x) são escolhidos(x) são escolhidos exceto para µA(x)=1.0, todos os outros valores podem ser modificados.A FunFunçção de Pertinênciaão de Pertinência, neste caso específico, deve ser simsiméétricatrica.
12
CONJUNTOS NEBULOSOSCONJUNTOS NEBULOSOS• Conjuntos Crisp x Nebulosos• Definição• Representação•• PropriedadesPropriedades• Formatos• Operações• Hedges
PROPRIEDADESPROPRIEDADES
•• Altura:Altura:
É o maio grau de pertinência permitido pela função de pertinência (“membership function”)
13
PROPRIEDADESPROPRIEDADES•• Normalização:Normalização:
Um certo conjunto fuzzy é normalnormalse a sua alturaaltura for igual a 1igual a 1Forma normal mínimaForma normal mínimase pelo menos um se pelo menos um elemento tem elemento tem µ (x) =1
Forma normal máximaForma normal máximase pelo menos um se pelo menos um elemento tem elemento tem µ(x) = 1e outro elemento tem e outro elemento tem µ(x) = 0
••Para um bom desempenho, os conjunto Para um bom desempenho, os conjunto fuzzy fuzzy devem ser devem ser normalizadosnormalizados
PROPRIEDADESPROPRIEDADES
•• Domínio do Conjunto Domínio do Conjunto FuzzyFuzzy::– É o universo total de valores possíveis
para os elementos de um conjuntodepende do contexto
Domínio AbertoDomínio Aberto Domínio FechadoDomínio Fechado
MeiaMeia--IdadeIdadeAltasAltas
1.80m45
14
PROPRIEDADESPROPRIEDADES•• Universo de Discurso:Universo de Discurso:
– É o espaço fuzzy completo de variação de uma variáveluma variável do modelo.
120 160140 180 220200 360340320300280260240100
Frio Média Quente Muito QuenteTemperatura
PROPRIEDADESPROPRIEDADES•• Universo de Discurso:Universo de Discurso:
– É o espaço fuzzy completo de variação de uma variáveluma variável do modelo.
120 160140 180 220200 360340320300280260240100
Frio Média Quente Muito Quente
Universo de DiscursoUniverso de Discurso para a variável do para a variável do modelo modelo TEMPERATURATEMPERATURA é de é de 100100°° a a 360360°°
Temperatura
15
PROPRIEDADESPROPRIEDADES•• Support Support do Conjunto:do Conjunto:
– É a área efetiva do domínio de um conjunto fuzzy que apresenta valores de µ (x) > 0
PesadoPesadoµ (x)
SuporteSuporteDomínioDomínio
60 8070 90 110100 15014013012050kg
PROPRIEDADESPROPRIEDADES•• Observação:Observação:
– O conjunto Fuzzy cujo support é um único ponto em U, com valor de µ (x) = 1, é chamado de Conjunto Conjunto SingletonSingleton
Igual a 10Igual a 10µ (x)
10
16
PROPRIEDADESPROPRIEDADES
•• Conjunto Conjunto αα --cutcut::– É uma restrição (limite) imposta ao
domínio, baseada no valor de αα– Contém todos os elementos do domínio
que possuam µµ(x)(x) acima de um certo acima de um certo valor de valor de αα
µµ(x) (x) ≥≥ αα αα--cut cut fracofraco
µµ(x) (x) >> αα αα--cut cut forteforte
PROPRIEDADESPROPRIEDADES•• Conjunto Conjunto αα --cutcut::
– É útil para as funções com longos “tails”, que tendem a possuir valores muito baixos de muito baixos de µµ(x)(x) porpor um domínio um domínio extensoextenso ajuda a reduzir ruídoajuda a reduzir ruído
85 9590 100 110105 14013513012512512011580
µ (x)
kg
pesadopesado
αα --cut cut = 0.2= 0.2
0.20.2--cut cut do conjunto pesado do conjunto pesado é, então, de 100 a 140 kg.é, então, de 100 a 140 kg.
17
PROPRIEDADESPROPRIEDADES
Idade Criança Jovem Adulto Velho5 1 .1 0 010 .8 .3 0 020 .1 .8 .7 .130 0 .5 1 .240 0 .2 1 .450 0 .1 1 .660 0 0 1 .870 0 0 1 180 0 0 1 1
•• Conjunto Conjunto αα --cutcut::
Conjuntos Conjuntos αα --cut cut do conjunto do conjunto VELHO:VELHO:•• velhovelho.2.2 = = {30,40,50,60,70,80}{30,40,50,60,70,80}
•• velhovelho.8.8 = = {60,70,80}{60,70,80}•• velhovelho1.01.0 = = {70,80}{70,80}
SISTEMA FUZZYSISTEMA FUZZY
REGRASREGRAS
INFERÊNCIAINFERÊNCIA
FUZZIFICADORFUZZIFICADOR DEFUZZIFICADORDEFUZZIFICADORXX yy
• Mapeia fuzzy sets em fuzzy sets• Determina como as regras são ativadas e combinadas
Conjuntos nebulosos de entrada
Conjunto nebuloso de saída
Fornecidas por especialistas ou extraídas de dados numéricos
Para ativar as regras
Para fornecer a saída precisa
Entradas precisas
Saídaprecisa
18
Exemplo do GuindasteExemplo do Guindaste
FUZZIFICADORFUZZIFICADOR
19
Conjuntos NebulososConjuntos Nebulosos
•• Variáveis de Entrada:Variáveis de Entrada:– distância– ângulo
•• Variável de Saída:Variável de Saída:– Potência
Variáveis de EntradaVariáveis de EntradaÂnguloÂngulo
20
ÂnguloÂngulo
Variáveis de EntradaVariáveis de EntradaDistânciaDistância
Variável de SaídaVariável de SaídaPotênciaPotência
21
MÓDULO DE REGRASMÓDULO DE REGRAS
REGRAS FUZZYREGRAS FUZZY•• Exemplos:Exemplos:
Se DISTÂNCIA = FarFar e ÂNGULO = ZeroZeroEntão POTÊNCIA = PosPos__MediumMedium
Se DISTÂNCIA = FarFar e ÂNGULO = NegNeg__SmallSmallEntão POTÊNCIA = PosPos__HighHigh
Se DISTÂNCIA = MediumMedium e ÂNGULO = NegNeg__SmallSmallEntão POTÊNCIA = PosPos__HighHigh
22
INFERÊNCIAINFERÊNCIA
Dados de Entrada:Dados de Entrada:distânciadistância 12 jardasânguloângulo -4°
REGRA NÚMERO 1REGRA NÚMERO 1Se DISTÂNCIA = FarFar e ÂNGULO = ZeroZero
Então POTÊNCIA = PosPos__MediumMedium
12
.15
23
REGRA NÚMERO 1REGRA NÚMERO 1Se DISTÂNCIA = FarFar e ÂNGULO = ZeroZero
Então POTÊNCIA = PosPos__MediumMedium
-4
0.7
INFERÊNCIA INFERÊNCIA -- AntecedenteAntecedente
•• Portanto:Portanto:– Cálculo do antecendente da regra 1:
Se DISTÂNCIA = FarFar e ÂNGULO = ZeroZeroEntão POTÊNCIA = PosPos__MediumMedium
µµLONGELONGE (x) = 0.15(x) = 0.15 ∩ µµZEROZERO (x) = 0.7(x) = 0.7
µµ longe longe ∩∩ zerozero = 0.15= 0.15
24
INFERÊNCIA INFERÊNCIA -- ConsequenteConsequente
Como o antecedenteantecedente é verdadeiroverdadeiro com grau de pertinência 0.150.15, o consequenteconsequentedeve ter no máximono máximo um grau de veracidade de 0.150.15.
INFERÊNCIA INFERÊNCIA -- ConsequenteConsequenteSe DISTÂNCIA = FarFar e ÂNGULO = ZeroZero
Então POTÊNCIA = PosPos__MediumMedium
0.150.15
25
REGRA NÚMERO 2REGRA NÚMERO 2
12
.15
Se DISTÂNCIA = FarFar e ÂNGULO = NegNeg__SmallSmallEntão POTÊNCIA = PosPos__HighHigh
REGRA NÚMERO 2REGRA NÚMERO 2Se DISTÂNCIA = FarFar e ÂNGULO = NegNeg__SmallSmall
Então POTÊNCIA = PosPos__HighHigh
-4
0.25
26
INFERÊNCIA INFERÊNCIA -- AntecedenteAntecedente
•• Portanto:Portanto:– Cálculo do antecendente da regra 2:
Se DISTÂNCIA = FarFar e ÂNGULO = NegNeg__SmallSmallEntão POTÊNCIA = PosPos__HighHigh
µµ longe longe ∩∩ smallsmall = 0.15= 0.15
µµLONGELONGE (x) = 0.15(x) = 0.15 ∩ µµZEROZERO (x) = 0.25(x) = 0.25
INFERÊNCIA INFERÊNCIA -- ConsequenteConsequente
0.150.15
Se DISTÂNCIA = FarFar e ÂNGULO = NegNeg__SmallSmallEntão POTÊNCIA = PosPos__HighHigh
27
REGRA NÚMERO 3REGRA NÚMERO 3
12
.85
Se DISTÂNCIA = MediumMedium e ÂNGULO = NegNeg__SmallSmallEntão POTÊNCIA = PosPos__HighHigh
REGRA NÚMERO 3REGRA NÚMERO 3Se DISTÂNCIA = MediumMedium e ÂNGULO = NegNeg__SmallSmall
Então POTÊNCIA = PosPos__HighHigh
-4
0.25
28
INFERÊNCIA INFERÊNCIA -- AntecedenteAntecedente
•• Portanto:Portanto:– Cálculo do antecendente da regra 3:
Se DISTÂNCIA = MediumMedium e ÂNGULO = NegNeg__SmallSmallEntão POTÊNCIA = PosPos__HighHigh
µµ longe longe ∩∩ smallsmall = 0.25= 0.25
µµLONGELONGE (x) = 0.85(x) = 0.85 ∩ µµZEROZERO (x) = 0.25(x) = 0.25
INFERÊNCIA INFERÊNCIA -- ConsequenteConsequente
0.250.25
Se DISTÂNCIA = MediumMedium e ÂNGULO = NegNeg__SmallSmallEntão POTÊNCIA = PosPos__HighHigh
29
INFERÊNCIAINFERÊNCIA
0.250.25
Composição Composição União de TODASTODAS as regras comGrau de ativaGrau de ativaççãoão diferente de ZEROZERO
0.150.15
INFERÊNCIAINFERÊNCIA
0.250.25
Como Como éé a a UNIÃOUNIÃO, utiliza, utiliza--se, geralmente o se, geralmente o MMÁÁXIMOXIMO
0.150.15
30
DEFUZZIFICADORDEFUZZIFICADOR
Transforma o conjunto nebulosoconjunto nebulosoobtido pela InferênciaInferência e
transforma em um valor precisovalor preciso
DEFFUZIFICADORDEFFUZIFICADORUm MUm Méétodo posstodo possíível:vel: Avalia-se os valores
TTÍÍPICOS PICOS de cada conjunto
31
INFERÊNCIAINFERÊNCIA
0.250.25
PonderaPondera--se o se o valor tvalor tíípicopico com o seu com o seu grau de pertinênciagrau de pertinência
0.150.15
18.118.1
Média dos MáximosMédia dos MáximosMédia dos MáximosMM = (.15x10 + .25x24) = 18.1
(.15 + .25)MM = (.15x10 + .25x24) = 18.1MM = (.15x10 + .25x24) = 18.1
(.15 + .25)(.15 + .25)
24241010