Baixe o app para aproveitar ainda mais
Prévia do material em texto
Conjuntos clássicos e conjuntos fuzzy Faculdade Estácio de Sá Curso de Engenharia de Produção Professor: Tarcisio Costa Brum Conjuntos Difusos • Uma das formas de representação de conjuntos é por uma função característica ou função de pertinência: • 𝜇𝐴 𝑥 = 1 𝑝𝑎𝑟𝑎 𝑥 ϵ 𝐴 0 𝑝𝑎𝑟𝑎 𝑥𝐴 • 𝜇𝐴: U → {0,1} • Relações de pertinência: • 6 ϵ A ou 𝜇𝐴(6)=1 • -6 A ou 𝜇𝐴(-6)=0 Conjuntos Difusos • Os conjuntos difusos são conjuntos cujos elementos possuem valores de pertinência que variam no intervalo [0,1]: 𝜇𝐴: U → {0,1} • Elementos de pertinência=0 não pertencem ao conjunto difuso A • Elementos com pertinência=1 são uma representação completa do conjunto difuso A • Conjuntos difusos são uma generalização dos conjuntos Clássicos • A principal diferença é a representação de elementos dado um intervalo de classificação • A definição da função de pertinência depende: • Do significado linguístico definido para o conjunto • Da sua interpretação no contexto do universo utilizado Conjuntos Difusos • Considere um conjunto A formado por x elementos que indicam grau de febre alta. • Definição analítica discreta 𝜇𝐴 (x) • 𝜇𝐴 (35°C)=0 • 𝜇𝐴 (36°C)=0 • 𝜇𝐴 (37°C)=0 • 𝜇𝐴 (38°C)=0.10 • 𝜇𝐴 (39°C)=0.35 • 𝜇𝐴 (40°C)=0.65 • 𝜇𝐴 (41°C)=0.9 • 𝜇𝐴 (42°C)=1 • 𝜇𝐴 (43°C)=1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 36°C 37°C 37.5°C 38°C 38.5°C 39°C 39.5°C 40°C 41°C Conjuntos Difusos • Conjunto A “Projeto Longo” • Definição analítica discreta 𝜇𝐴 (x) • 𝜇𝐴 (2)=0.2 • 𝜇𝐴 (4)=0.3 • 𝜇𝐴 (6)=0.4 • 𝜇𝐴 (8)=0.5 • 𝜇𝐴 (10)=0.6 • 𝜇𝐴 (12)=0.7 • 𝜇𝐴 (14)=0.8 • 𝜇𝐴 (16)=1.9 • 𝜇𝐴 (18)=1.0 0 0.2 0.4 0.6 0.8 1 1.2 2 4 6 8 10 12 14 16 18 Conjuntos Difusos • Considere um exemplo de definição de três conjuntos fuzzy a partir de um conjunto universal finito de 7 níveis de educação ->>> • As funções de pertinência dos três conjuntos fuzzy tentam mensurar os conceitos de grau de instrução: • Baixo grau de instrução; • Médio grau de instrução; • Alto grau de instrução. • A tomada de decisão é, em muitos casos, incerta: • Para uma pessoa ter graduação significa possuir alto grau de instrução e; • Para outra significa possuir grau médio, por exemplo. 0 Sem formação 1 Ensino fundamental 2 Ensino básico 3 Ensino médio 4 Graduação 5 Mestrado 6 Doutorado Conjuntos Difusos • O conjunto fuzzy (baixo) • Contém indivíduos sem formação, com ensinos fundamental e básico • O conjunto fuzzy (médio) • Contém indivíduos de todos os graus de instrução • O conjunto fuzzy (alto) • Não contém ninguém que não tenha, no mínimo, ensino médio 1 0.8 0.5 0 0 0 00 0 0.2 0.6 0.8 1 1 0 0 0 0.1 0.5 0.8 1 0 0.2 0.4 0.6 0.8 1 1.2 0 1 2 3 4 5 6 Níveis de educação Baixo Médio Alto Conjuntos Difusos • Exercício: Criar conjuntos fuzzy para classificar sua nota em determinadas disciplinas ou provas que você considera como fácil, média e difícil. • O universo é finito, e consiste nas notas possíveis de serem alcançadas • Considerando o universo discreto • As notas possíveis são: 1,2,3,4,5,6,7,8,9 e 10 Conjuntos Difusos 0 0.2 0.4 0.6 0.8 1 1.2 0 1 2 3 4 5 6 7 8 9 10 Funções de petinência para notas Disciplina "fácil" Disciplina "Média" Disciplina "Difícil" Disciplina "Muito Difícil" Conjuntos Difusos • Para um mesmo problema, podemos ter diferentes interpretações • Conjunto fuzzy da disciplina fácil • F={6,7,8,9,10} • Conjunto fuzzy da disciplina média • M={3,4,5,6,7,8,9} • Conjunto fuzzy da disciplina difícil • D={0,1,2,3,4,5,6,7,8} • Conjunto fuzzy da disciplina muito difícil • MD={0,1,2,3,4,5,6} • Um conjunto fuzzy A é uma coleção de pares: • A={(x, 𝜇𝐴(x)|x ϵ U} • A={(6,0.1);(7,0.3);(8,0.6);(9,1);(10,1)} • A={0.1/6, 0.3/7, 0.6/8, 1/9, 1/10} Notas Disciplina "fácil" Disciplina "Média" Disciplina "Difícil" Disciplina "Muito Difícil" 0 0 0 0.9 1 1 0 0 0.9 1 2 0 0 1 1 3 0 0.3 1 1 4 0 0.6 0.7 0.9 5 0 1 0.5 0.8 6 0.1 1 0.8 0.3 7 0.3 1 0.3 0 8 0.6 0.7 0.1 0 9 1 0.4 0 0 10 1 0 0 0 Conjuntos clássicos x difusos Conjuntos Difusos • Operações básicas: • Interseção: (A ꓵ B)= min (𝜇𝐴(x) , 𝜇𝐵(x)) • União: (A U B)= max (𝜇𝐴(x) , 𝜇𝐵(x)) • Complemento: 𝜇𝐴(x) =1-𝜇𝐴(x) • Subconjunto: A B, se 𝜇𝐵(x) ≥ 𝜇𝐴(x) para cada x ϵ U • Igualdade: A=B, se 𝜇𝐵(x) = 𝜇𝐴(x) para cada x ϵ U Propriedades conjuntos difusos A ꓴ B =B ꓴ A A ꓵ B=B ꓵ A (A ꓴ B) ꓴ C= A ꓴ (B ꓴ C)=(A U B) U C =A U B U C (A ꓵ B) ꓵ C= A ꓵ (B ꓵ C)=(A ꓵ B) ꓵ C =A ꓵ B ꓵ C A ꓵ (B ꓴ C) = (A ꓵ B) U (A ꓵ C) A U (B ꓵ C) = (A U B) ꓵ (A U C) A U A = A A ꓵ A = A A U (A ꓵ B) = A A ꓵ (A U B) = A A U = A ꓵ= (A U B)’=A´ꓵ B´ (A ꓵ B)’=A´U B´ Representação das operações Representação das operações Propriedades conjuntos difusos A U B ={(1,0.7);(2,1);(3,0.4);(4,0.5);(5,1)} A ꓵ B ={(1,0.6);(2,1);(3,0.2);(4,0.5);(5,0.2)} A´={(1,0.3);(3,0.6);(4,0.5)} A U A´={(1,0.7);(2,1);(3,0.6);(4,0.5);(5,1)} Propriedades conjuntos difusos • Um conjunto fuzzy é dito normalizado se o valor máximo (supremo) é 1: • 𝑠𝑢𝑝𝑥 ∈ 𝑈 𝜇𝐴(x)=1 • A altura do conjunto é o maior grau de pertinência: • Alt(A)=sup (A(x)) • O suporte de A: É a parte de U sobre qual a função de petinência de A não é nula. Sua notação é supp(A) é: • supp A = x ∈ U 𝜇𝐴(x) ≠ 0} • O núcleo de A: Ele não é vazio na condição de que o conjunto fuzzy A seja normalizado. Sua notação é nuc(A) é: • 𝑛𝑢𝑐 A = x ∈ U 𝜇𝐴(x) = 1} Propriedades conjuntos difusos • Um conjunto fuzzy é chamado de singleton se seu suporte é um único ponto em U e com grau de pertinência igual a 1: Conjuntos Difusos • Considere a temperatura de um cidade como variável fuzzy definida no intervalo [𝑇1, 𝑇2]→[0,1] • Os gráficos tem a forma de um trapézio (a) • Utilização mais comum como função de pertinência, juntamente com a triangular; • Os valores correspondentes em conjuntos clássicos são mostrados em (b).
Compartilhar