Baixe o app para aproveitar ainda mais
Prévia do material em texto
UNIP - UNIVERSIDADE PAULISTA CAMPUS PARAÍSO CURSO DE SISTEMAS DE INFORMAÇÃO ANDREWS CHIOZO LÓGICA FUZZY SÃO PAULO 2020 UNIP - UNIVERSIDADE PAULISTA CAMPUS PARAÍSO CURSO DE SISTEMAS DE INFORMAÇÃO ANDREWS CHIOZO RA: C64167-7 LÓGICA FUZZY SÃO PAULO 2020 SUMÁRIO Objetivo do Trabalho 4 Introdução 5 Conceitos Gerais 6 3.1. Conjuntos nebolusos 6 3.2. Operações com conjuntos nebulosos 6 3.3. Variáveis Linguísticas 7 Aplicações 8 Conclusão 9 Referências 10 6.1. Sites 10 6.2. Livro 10 1. Objetivo do Trabalho O objetivo deste trabalho é abordar o conceito da lógica fuzzy, sua história e algumas de suas aplicações a fim de trazer conhecimento tanto para o público das ciências exatas quanto aos interessados em saber um pouco sobre o assunto, que ainda não é tão conhecido e explorado por boa parte dos estudantes da área, porém muito utilizado. O trabalho está organizado pelos itens: Introdução - breve resumo histórico do surgimento da lógica difusa; Conceitos gerais - desenvolvimento teórico; Aplicações - aplicações que fazem uso da lógica fuzzy e; Conclusão - com as considerações finais. 2. Introdução Em 1920 Jan Lukasiewicz desenvolveu e introduziu conjuntos com grau de pertinência que combinados aos conceitos da lógica clássica, desenvolvida por Aristóteles, deu embasamento suficiente para que em 1965, Lofti Asker Zadeh, professor de Ciências da Computação da Universidade da Califórnia, chegasse a ser o primeiro autor de uma publicação sobre lógica fuzzy. Zadeh observou que muitas regras presentes no cotidiano da população não podiam ser explicadas pelas pessoas que as usavam. Como por exemplo, podemos olhar para uma pessoa e imaginar que ela tenha 50 anos, porém não se sabe como explicar esse fato. Esta idéia levou Zadeh a desenvolver o que conhecemos por lógica fuzzy. Inicialmente Zadeh foi criticado por vários cientistas e estudiosos da área da computação, porém logo sua idéia foi aceita nesse meio, sendo alvo de várias publicações que abordavam aplicações dos sistemas fuzzy. Hoje ela é elemento fundamental em diversos sistemas, sendo considerada uma técnica de excelência no universo computacional. Possui também enorme aceitação na área de controle de processos. 3. Conceitos Gerais O conceito fuzzy pode ser entendido como a introdução do “talvez” entre o "sim" ou "não" da lógica booleana, existindo inúmeras possibilidades entre os dois estados. Diferente da lógica booleana que aceita somente os valores booleanos verdadeiro ou falso, a lógica fuzzy trata de valores que variam entre 0 e 1. Assim, é possível representar “meia verdade” com uma pertinência de 0.5 e sendo assim o valor 0.9 representa quase verdade e o valor 0.1 representa quase falso. Com a necessidade de lidar com a complexidade dos problemas, a teoria da probabilidade era usada com sucesso em muitas áreas da ciência, porém com essa teoria era mais difícil de tratar a incerteza. Um exemplo disso era considerar o período meia-idade que começa em 35 anos e termina em 55 anos. Ao utilizar a lógica tradicional, uma pessoa com um ano a menos que o mínimo só iria pertencer ao grupo meia-idade após completar seu 35º aniversário e uma pessoa que tenha um ano a mais do que o máximo não faria parte do mesmo grupo. Segundo (WAGNER, 2003), a lógica difusa é uma ferramenta capaz de capturar informações vagas, em geral, descritas em linguagem natural e convertê-las para um formato numérico, de fácil manipulação. Outro exemplo é tentar definir se a temperatura da água está quente ou fria, sendo vaga a determinação quando possuímos somente os dois valores extremos para definir. 3.1. Conjuntos nebolusos Na teoria clássica (desenvolvida por Aristóteles), os conjuntos são denominados “crisp” e um dado elemento do universo em discurso pertence ou não pertence ao referido conjunto. Já na teoria dos conjuntos nebulosos existe um grau de pertinência de cada elemento a um determinado conjunto. Seguem os parâmetros abaixo: - Conjunto das pessoas com alta renda; - Conjunto das pessoas com baixa renda . Observa-se que não existe limites que definem quando uma pessoa pertence a qualquer um dos referidos conjuntos. 3.2. Operações com conjuntos nebulosos Segundo (ABAR, 2004), as operações com conjuntos fuzzy podem ser assim apresentadas: - O conjunto fuzzy A é um subconjunto de um conjunto fuzzy B se o grau de pertinência de cada elemento do conjunto universo U no conjunto A é menor ou igual que seu grau de pertinência no conjunto B; ou seja, para todo x • U, μA(x) • μB(x) e indicamos A ⊆ B; - Os conjuntos fuzzy A e B são iguais se μA(x) = μB(x) para todo elemento x • U e indicamos: A = B; - Os conjuntos fuzzy A e B são diferentes se μA(x) • μB(x) para no mínimo um x • U e indicamos A • B; - O conjunto fuzzy A é um subconjunto próprio do conjunto fuzzy B quando A é um subconjunto de B e A • B,isto é, μA(x) • μB(x) para todo x • U e μA(x) • μB(x) para no mínimo um x • U e indicamos A ⊂ B se e somente se A⊆ B e A • B; - O complemento de um conjunto fuzzy A em relação ao conjunto universo U é indicado por A’ e a função de pertinência é definida como: μA(x) = 1 - μA(x) para todo x • U; - A união de dois conjuntos fuzzy A e B é um conjunto fuzzy A∪ B tal que para todo x • U μA∪B(x) =max [μA(x), μB(x)]; - A intersecção de dois conjuntos fuzzy A e B é um conjunto fuzzy A ∩ B tal que para todo x • U μA∩B(x) =min [μA(x), μB(x)]. 3.3. Variáveis Linguísticas Uma variável lingüística é uma variável em que os valores são nomes de conjuntos nebulosos. Sua principal função é fornecer uma maneira sistemática de aproximação de fenômenos complexos ou mal definidos. Exemplos disso pode ser o peso de uma pessoa, a força da chuva, temperatura da água ou ambiente, que pode ser variáveis lingüísticas assumindo valores baixo, médio, alto, muito, pouco, forte, fraco e etc. Logo, valores de uma variável lingüística podem ser sentenças em uma linguagem especificada, construída a partir de termos próprios (baixo, médio, alto), de conectivos lógicos (negação não, conectivos e/ou), de modificadores (muito, pouco) e de delimitadores (como parênteses) (SANDRI, 1999). 4. Aplicações Entre as aplicações e ideias de aplicações que podem utilizar e que utilizam a lógica fuzzy estão: - Aspiradores de pó que usam sensores de pó e ajustam o poder de sucção; - Máquinas de lavar que com controladores fuzzy controlam o peso, verificam de tipo de tecido e sensores de sujeira, decidindo os ciclos de lavagem para o uso otimizado de potência, água e sabão; - Câmeras fotográficas capazes de medir a claridade de imagens em seis regiões do campo de visão, usando a informação obtida para determinar se a câmera está no foco; - Ar condicionado industrial projetado pela Mitsubishi, que usa 25 regras de resfriamento e 25 regras de aquecimento. Comparado ao projeto anterior, o novo ar condicionado aquecia 5 vezes mais rápido, reduzindo o consumo de potência em 24% e usando menos sensores; - Máquinasde lavar pratos que através de sensores podem medir a temperatura da água, a quantidade de sujeira na lavagem e a taxa de giro e com um controlador fuzzy decidem a intensificação da lavagem e a quantidade de detergente necessário. 5. Conclusão É importante ressaltar a importância que se deve dar à criação do documento para que não haja desentendimento entre as diferentes partes necessárias para a construção de um software. Hoje temos diversos problemas que precisam ser solucionados com sistemas complexos que necessitam tratar de imprecisões. Com base no que há de comum entre esses problemas, Lofti Asker Zadeh se embasou na lógica clássica, desenvolvida por Aristóteles e desenvolveu a lógica difusa, também conhecida como lógica fuzzy. Essa lógica permite que variáveis não admitam valores muitos outros vaores entre o 0 e o 1 permitindo que tenham graus de pertinência entre os elementos, em relação ao seu conjunto. Possibilita também a construção de outras regras, que ajudam na modelagem dos problemas fazendo com que se tornem menos complexos. A lógica fuzzy atrai pesquisadores de diversas áreas já que, combinada técnicas de inteligência artificial, possui um enorme poder de solução de problemas complexos com dados a se tratar entre o verdadeiro e o falso. 6. Referências 6.1. Sites PUC SP - (acessado pela última vez 17/05/2020) https://www.pucsp.br/~logica/Fuzzy.htm IME USP - Artigo sobre Lógica Fuzzy (acessado pela última vez 18/05/2020) https://www.ime.usp.br/~adao/LOGICAFUZZY2017F.pdf Youtube Vídeos (acessado pela última vez 18/05/2020) Lógica Fuzzy: Aula 1 - Introdução https://www.youtube.com/watch?v=d2rSc-DfBIs Lógica Fuzzy: Aula 2 - Mais uma Explicação https://www.youtube.com/watch?v=Jf_DCCk7w6c Tirando Dúvidas - Exemplos de Lógica Fuzzy https://www.youtube.com/watch?v=CwscUHyru5E 6.2. Livro Pimentel, Carlos - (ebook Kindle) “Lógica Nebulosa: Uma Introdução” https://www.pucsp.br/~logica/Fuzzy.htm https://www.youtube.com/watch?v=d2rSc-DfBIs https://www.youtube.com/watch?v=Jf_DCCk7w6c https://www.youtube.com/watch?v=CwscUHyru5E
Compartilhar