La lógica
difusa o lógica heurística se basa en lo relativo de lo observado como posición
diferencial. Este tipo de lógica toma dos valores aleatorios, pero
contextualizados y referidos entre sí. Así, por ejemplo, una persona que mida 2
metros es claramente una persona alta, si previamente se ha tomado el valor de
persona baja y se ha establecido en 1 metro. Ambos valores están
contextualizados a personas y referidos a una medida métrica lineal.
La lógica
difusa ("fuzzy logic" en inglés) se adapta mejor al mundo real en el
que vivimos, e incluso puede comprender y funcionar con nuestras expresiones,
del tipo "hace mucho calor", "no es muy alto", "el
ritmo del corazón está un poco acelerado", etc.
La clave de
esta adaptación al lenguaje, se basa en comprender los cuantificadores de
nuestro lenguaje (en los ejemplos de arriba "mucho", "muy"
y "un poco").
En la teoría
de conjuntos difusos se definen también las operaciones de unión, intersección,
diferencia, negación o complemento, y otras operaciones sobre conjuntos (ver
también subconjunto difuso), en los que se basa esta lógica.
Para cada
conjunto difuso, existe asociada una función de pertenencia para sus elementos,
que indican en qué medida el elemento forma parte de ese conjunto difuso. Las
formas de las funciones de pertenencia más típicas son trapezoidal, lineal y
curva.
Se basa en
reglas heurísticas de la forma SI (antecedente) ENTONCES (consecuente), donde
el antecedente y el consecuente son también conjuntos difusos, ya sea puros o
resultado de operar con ellos. Sirvan como ejemplos de regla heurística para
esta lógica (nótese la importancia de las palabras "muchísimo",
"drásticamente", "un poco" y "levemente" para la
lógica difusa):
SI hace
muchísimo calor ENTONCES aumentó drásticamente la temperatura.
SI voy a
llegar un poco tarde ENTONCES aumento levemente la velocidad.
Los métodos
de inferencia para esta base de reglas deben ser simples, veloces y eficaces.
Los resultados de dichos métodos son un área final, fruto de un conjunto de
áreas solapadas entre sí (cada área es resultado de una regla de inferencia).
Para escoger una salida concreta a partir de tanta premisa difusa, el método
más usado es el del centroide, en el que la salida final será el centro de
gravedad del área total resultante.
Las reglas de
las que dispone el motor de inferencia de un sistema difuso pueden ser
formuladas por expertos, o bien aprendidas por el propio sistema, haciendo uso
en este caso de redes neuronales para fortalecer las futuras tomas de
decisiones.
Los datos de
entrada suelen ser recogidos por sensores, que miden las variables de entrada
de un sistema. El motor de inferencias se basa en chips difusos, que están
aumentando exponencialmente su capacidad de procesamiento de reglas año a año.
Un esquema de
funcionamiento típico para un sistema difuso podría ser de la siguiente manera:
En la figura, el sistema de control hace los cálculos con base en sus
reglas heurísticas, comentadas anteriormente. La salida final actuaría sobre el
entorno físico, y los valores sobre el entorno físico de las nuevas entradas
(modificado por la salida del sistema de control) serían tomadas por sensores
del sistema.
Fuente: El texto está disponible bajo la Licencia Creative
Commons Atribución Compartir Igual 3.0; podrían ser
aplicables cláusulas adicionales. Léanse los términos de uso para más
información.
Wikipedia® es una marca registrada de la Fundación Wikimedia, Inc., una organización sin ánimo de lucro.
Wikipedia® es una marca registrada de la Fundación Wikimedia, Inc., una organización sin ánimo de lucro.
La lógica difusa es util es muchos campos, sobre todo en donde no se pueden definir con exactitud una decision, porque no se puede medir con un modelo matematico, por ejemplo en el àrea de urgencias de una clinica, donde las soluciones deben ser rapidas, porque de eso depende la vida de una paciente
ResponderEliminar