jueves, 17 de noviembre de 2011

Introducción



La noción de lo difuso o borroso apareció, en un principio, en el campo de la matemática, concretamente en la teoría de los conjuntos difusos (o borrosos) que comenzó a desarrollar L. Zadeh [1965] como "un sistema que proporciona una vía natural para tratar los problemas en los que la fuente de imprecisión es la ausencia de criterios claramente definidos de tipos de pertenencia". Mas pronto esta idea rebasó el ámbito estrictamente matemático, invadiendo otras disciplinas: la semántica, la lógica, la psicología, la física, la economía, la geografía, la inteligencia artificial, etc. 

Lo difuso, para Zadeh, es algo inherente en el conocimiento humano en general (o en buena parte), y, por lo tanto, es un componente esencial de cualquier teoría. Otra de las motivaciones de Zadeh es lo que él llama principio de incompatibilidad: en la medida en que crece la complejidad de un sistema, en esa misma medida disminuye nuestra capacidad para hacer precisos y aun significativos enunciados acerca de su conducta, hasta alcanzar un umbral más allá del cual la precisión y la significación (o relevancia) resultan, casi siempre, características mutuamente excluyentes.

La metodología de los sistemas difusos responde, según lo anterior, a la urgente necesidad de elaborar otros modelos, diferentes de los de la lógica y de la teoría de conjuntos clásicos, que están demandando extensos campos conceptuales en los que realmente hay vaguedad e imprecisión. El objetivo es tratar lo difuso de manera sistemática, aunque no necesariamente cuantitativa, por cuanto que los elementos clave en el pensamiento humano no son números, sino rótulos (marcadores) de conjuntos difusos, i. e., clases de objetos en los que la transición de la pertenencia a la no pertenencia es gradual más bien que abrupta. Por ejemplo: "muy atractiva", "extremadamente inteligente", "bastante aceptable", "más o menos acertado", "casi verdad", etc. Tales conjuntos vienen determinados (definidos), no como los conjuntos en sentido clásico: por una definición extensional o intensional   --la cual garantiza, y por igual, la pertenencia de sus elementos--,   sino por referencia a un contexto, por un procedimiento "semántico" más bien que "sintáctico"; quedan determinados por referencia a dominios específicos (locales).

La teoría de los conjuntos difusos y sus ulteriores desarrollos , la lógica difusa y la teoría de la posibilidad, constituyen modelos que resultan especialmente útiles para tratar con la incertidumbre de manera más "natural" y más "humana" que la lógica y la teoría de conjuntos clásicas. Los sistemas extraídos de la lógica clásica presentan las dificultades de la rigidez y la bivalencia, y resultan, por ello, inservibles para expresar la ambigüedad del significado que se da en el lenguaje natural, base fundamental de nuestros procesos cognoscitivos y de la interacción hombre - máquina en la Ingeniería del Conocimiento.

Debate sobre la lógica difusa







Resumen


Sistemas de Inferencia Difusos


La inferencia difusa es el proceso de formulación del recorrido que se realiza desde una entrada dada hasta que se genera la salida usando para ello, lógica difusa. Es un método que interpreta los valores en el vector de entrada y basado en un conjunto de reglas, asigna valores al vector de salida. Esta formulación involucra: la escogencia de las funciones de pertenencia, la escogencia de los operadores lógicos difusos, el diseño de las reglas difusas, la elección del mecanismo de implicación y agregación de las reglas difusas (mecanismo de inferencia), y finalmente, la escogencia del método de
desfusificación para la obtención de la salida del sistema.
Por lo general, existen dos tipos de sistemas de inferencia difusos (FIS) estos
son: FIS tipo Mamdani y FIS tipo Sugeno. Mamdani es un tipo de inferencia en el cual
los conjuntos difusos de la consecuencia de cada regla son combinados a través del
operador de agregación y el conjunto resultante es desfusificado para obtener la salida
del sistema. Sugeno, por su lado, es un tipo de inferencia en el cual la consecuencia de
cada regla es una combinación lineal de las variables de entrada y la salida es una
combinación lineal ponderada de las consecuencias.
El método Sugeno fue introducido en 1985 por Takagi-Sugeno-Kang, es similar
al método Mamdani en muchos aspectos. De hecho, las dos primeras partes del sistema
de inferencia, fusificación de la entrada y aplicación de los operadores difusos son
exactamente iguales, pero, en el último paso se utiliza como método de desfusificación
el promedio de las ponderaciones “weighted average” que para un total de “N” reglas se
calcula como:

Zi es el nivel de salida de cada regla
Wi Peso ponderado de cada regla

Funcionamiento de un Sistema de Inferencia Difuso

En los FIS se realizan cinco pasos hasta la obtención de la salida.

Paso 1. Fusificación de las variables de entrada. Consiste en tomar las entradas y determinar el grado con el cual ellas pertenecen a cada conjunto difuso a través de las funciones de pertenencia. La entrada al proceso de fusificación siempre es un valor numérico del mundo real o valor natural limitado al universo de discurso7 de la variable de entrada. La salida al proceso es un grado de pertenencia el intervalo [0,1].

Paso 2. Aplicación de los operadores lógicos difusos. Una vez que las entradas han sido fusificadas ya es conocido el grado con el cual cada parte de los antecedentes se satisface para cada regla. Si el antecedente de una regla dada tiene más de una parte, entonces el operador difuso es aplicado para obtener un solo número que represente el resultado del antecedente.

Paso 3. Implicación de los antecedentes a la consecuencia. Esta se realiza para modificar el conjunto difuso de la salida en el grado especificado por el antecedente. La entrada al proceso de implicación es el número dado por el antecedente y la salida es un conjunto difuso truncado.

Paso 4. Agregación de las consecuencias de las reglas. La agregación es el proceso en el cual los conjuntos difusos que representan a la salida de cada regla son combinados en una sola área o conjunto. La entrada al proceso de agregación es una lista de conjuntos difusos truncados resultantes del proceso de implicación y la salida es un conjunto difuso por cada variable de salida. Debido a que este proceso es conmutativo el orden en el cual son ejecutadas las reglas no es importante.

Paso 5. Desfusificación. La entrada al proceso de desfusificación es un conjunto difuso (resultante del proceso de agregación) y la salida es un número natural. El método de desfusificación más popular, para el caso Mamdani, es el centroide, el cual retorna el centro de un área bajo la curva. Para el caso Sugeno, es el promedio de las ponderaciones.


Reglas Difusas


Las reglas difusas se deben evaluar en dos partes: primero, la evaluación de los antecedentes que involucra la fuzzificación de las entradas y la aplicación de los operadores lógicos difusos, y segundo, la aplicación que resulta de la consecuencia o implicación. La implicación es la que modifica al conjunto difuso de salida en el grado especificado por el antecedente.

Un ejemplo de reglas difusas es la siguiente:

Si el cielo es gris Y el viento es fuerte Y la presión es baja Entonces cierra el techo Y enciende las luces.

En esta regla los antecedentes están compuestos por tres partes y dos operadores lógicos, en donde, cielo, viento y presión son los conjuntos difusos de entrada, por su parte gris, fuerte y baja serían algunos de los términos difusos o subconjuntos asociados a esas etiquetas (cielo, viento, presión). Todas las partes que conforman los antecedentes son calculadas simultáneamente y llevadas a un solo número usando los operadores lógicos difusos. En el ejemplo las consecuencias serían: cierra el techo y enciende las luces. En este caso, todas las consecuencias son afectadas igualmente por el resultado de los antecedentes, éstas hacen referencia a uno o más conjuntos difusos asignados a la salida. Las reglas son un paso necesario en la creación de los sistemas de inferencia difusos.

Conjuntos Difusos

Un conjunto difuso es definido por una función de pertenencia que asocia a cada objeto del universo X un valor en el intervalo [0,1]. Si x es un objeto en el universo Xy=C(x) es el valor asociado a x, se dice que y es el grado de pertenencia del objeto x al
conjunto difuso C.

Un conjunto difuso es una clase de objetos con grados de pertenencias continuos. Por lo tanto es un conjunto caracterizado por su función de pertenencia la cual asigna a cada objeto un grado de pertenencia en el rango cero y uno [Zadeh, 1997].

Un término difuso puede ser interpretado como un subconjunto difuso sobre la recta real siempre que éste sea un subconjunto normalizado; es decir, que por lo menos uno de sus valores tenga pertenencia total al subconjunto.

Propiedades de un Conjunto Difuso

• α-corte: sea A un conjunto difuso y sea α є [0,1] un número entre cero y uno. α-corte
  de A es el conjunto, en el sentido usual, consistente de aquellos objetos cuyos grados
  de pertenencia al conjunto A superen, estrictamente, el valor de α.

• Altura de un conjunto difuso: es el valor más grande de su función de pertenencia.

• Conjunto difuso normalizado o moda: si existe algún elemento x є X, tal que
  pertenece al conjunto difuso totalmente, es decir, con grado uno.

• Soporte de un conjunto difuso: elementos x є X que pertenecen al conjunto A con
  grado mayor a cero (ver las propiedades de un conjunto difuso en el Gráfico 3).

Funciones de Pertenencia

Es una función μA(x), que especifica el grado con el cual una entrada cualquiera pertenece a un conjunto difuso A ó es relativo a ese concepto. Podemos decir que una unción de pertenencia es una curva que define como a cada punto en el espacio de entrada se le asigna un grado de pertenencia (valor entre cero y uno).




A continuación se observa un video con la explicación de la teoría de conjuntos tradicional y la aplicación de la misma en los conjuntos o sets difusos.



Lógica Difusa


Normalmente en la lógica convencional tenemos un conjunto de enunciados que pueden ser verdaderos o falsos, si o no, 0 o 1. En el contexto de la lógica difusa, el enunciado de “la temperatura es 25 grados centígrados” puede verdadero o falso. Sin embargo, en muchas situaciones la respuesta puede ser mas de un simple “...este, no estoy seguro”, “quizás”, “bueno, depende...” y algunas otras. Por ejemplo, en un día veraniego la frase “la temperatura esta muy alta” no es ni verdadera ni falsa, ya que es una idea cualitativa que representa una opinión más que un hecho objetivo. Otro ejemplo es la frase “yo requiero un día totalmente soleado en la playa para poder sentir calor”, pero existen otras personas (como algunos científicos visitantes en ‘Control Systems Principles’ que pueden sentir calor en medio de una tormenta de nieve o en la cima de una montaña. No existe certeza en estas situaciones, depende del contexto.

La lógica difusa maneja esta incertidumbre en ingeniería mediante grados de certeza para responder a una cuestión lógica. ¿Esto es realmente útil? La respuesta es comercial y practica. Comercialmente, la lógica difusa ha sido usada con gran éxito para controlar maquinas y productos de consumo. En aplicaciones adecuadas, los sistemas difusos son de simple diseño y pueden ser entendidos e implementados por personas no especialistas en sistemas de control. En la mayoría de los casos, una persona con antecedentes técnicos medios puede diseñar un control difuso. El sistema de control no será óptimo pero puede ser aceptable. Los ingenieros de control también la utilizan en aplicaciones donde el poder de cómputo es muy limitado y un control sencillo es suficiente. La lógica difusa no es la respuesta para todos los problemas técnicos pero para aquellos problemas de control donde la simplicidad y la rapidez en la implementación son importantes, la lógica difusa es un fuerte candidato. Una muestra de
aplicaciones que han utilizado lógica difusa exitosamente se enumera a continuación:

Control del ambiente

• Equipos de aire acondicionado.
• Humidificadores

Equipos para el Hogar

• Lavadoras y secadoras
• Aspiradoras
• Tostadores
• Hornos de microondas.

• Refrigeradores

Equipo electrónico

• Televisiones
• Fotocopiadoras
• Cámaras fotográficas y Videocámaras con enfoque automático, auto-exposición y anti-vibración.

Sistemas automotrices.
• Sistemas de alta fidelidad.
• Control del clima en vehículos.
• Cajas de velocidades automáticas.
• Dirección en las cuatro ruedas.
• Sistemas de control asiento-espejos.

Es una lista impresionante que puede darte una idea de importantes áreas de aplicación. En general no
encontraras un controlador difuso en aplicaciones donde la seguridad es muy importante, a menos de que el rendimiento práctico y teórico haya sido totalmente estudiado.