TÓPICOS
O que é Lógica Nebulosa (Fuzzy Logic)? Como surgiu? Características; Aplicações; Resultados.
PERGUNTA DA PESQUISAComo resolver problemas que apresentam características nebulosas e incertas?
METODOLOGIA DE PESQUISA
Quantitativa experimental.
O QUE É? Lógica nebulosa é uma ferramenta matemática
para lidar com a incerteza.
Provê métodos para reduzir e explicar a complexidade de sistemas.
Tem como base o uso de variáveis linguísticas. Tais como “muito”, “baixo”,
“frequentemente”, “alguns”.
Ao contrário a teoria tradicional dos conjuntos binários ela usa a teoria da probabilidade.
COMO SURGIU? Lofit A. Zadeh inventou a Lógica Nebulosa,
apresentada pela primeira vez em 1965. Nascido em Baku, Azerbaijão. Se formou na
Universidade de Teerã, Irã em 1942 Conseguiu o seu Ph.D. na Universidade de
Comlumbia, Nova York 1949.
EXEMPLO
Para definirmos se um alimento pertence ou não ao conjunto das frutas.
A associação para cada elemento da figura acima pode ser descrita com verdadeiro ou falso.
EXEMPLO
Abordando o mesmo conjunto com o conceito da lógica nebulosa.
Com um conjunto nebuloso é possível descrever uma associação parcial, como a do tomate e a da uva no conjunto de frutas.
SISTEMA DE LÓGICA NEBULOSA (FLS) Consiste em quatro etapas: fuzificador, base de
regras, mecanismo de inferência e defuzificador.
Define ações de controle em função das diversas faixas de valores que as variáveis podem assumir.
Sistemas baseados na lógica nebulosa têm mostrado grande utilidade em uma variedade tarefas.
A utilidade de conjuntos nebulosos reside na sua capacidade de modelar dados incertos ou ambíguos.
CONJUNTOS NEBULOSOS (FUZZY SETS) São funções que mapeiam valores que podem
se tornar membro de um conjunto entre um número de 0 a 1.
0 : valor não faz parte do conjunto,1: valor faz completamente parte do
conjunto.
CONJUNTOS NEBULOSOS (FUZZY SETS) Conjuntos Nebulosos são altamente
dependentes do modelo em que se aplicam.
A natureza da informação nebulosa está em valores (elementos) poderem pertencer a vários níveis de conjuntos ao mesmo tempo.
Tem como base o uso de variáveis linguísticas para estabelecer qualificadores e modificadores (posteriormente aplicado na base de regras do sistema).
BASE DE REGRAS
SE veículo.velocidade é alta ENTÃO parada.duração É longa
Maioria dos projetos longos estão geralmente atrasados Importante para sistemas “time-series-based”
BASE DE REGRAS Uma base de regras é construída para
controlar a variável de saída do sistema. A saída do sistema também consiste em um
conjunto nebuloso
A base de regras do sistema é avaliada e então combinam-se os resultados de cada regra para gerar uma saída.
Curto Médio Alto
: 5.21 seg
DEFUZIFICAÇÃO A defuzificação é realizada de acordo com a
associação função da variável de saída. Primeiro Máximo (SOM) Método da Média dos Máximos (MOM) Método do Centro da Área (COA)
APLICAÇÃO FINAL
Objetivos Utilizar um sistema de Lógica nebulosa para
calcular o preço de um carro usado, com base na avalição da qualidade do seu estado.
Receber a avalição do carro através de variáveis linguísticas.
Executar o sistema de Lógica nebulosa para gerar o preço final do carro.
AUTOMÓVEL VALOR (R$)
Carro Modelo Aplicativo WebMotors.com.br mercadolivre.com.br
FiatUno 1.3 CS 8V
Álcool 2P 1989/1989
4.890,43 4.000,00 a 4.450,00 4.500,00 a 6.500,00
RenaultClio 1.6 RL Álcool 2P
1996/19966.010,36 6.000,00 6.800,00
Volkswagen
Gol City 1.0 Mi Álcool 4P
2003/200414.143,63 12.000,00 a
14.700,00 12.900,00 a 14.900,00
Chevrolet
Celta Life 1.0 MPFI 8V
FlexPower 2p 2013/2013
22.050,43 16.900,00 a 23.000,00 16.900,00 a 21.980,00
Análise dos dados obtidos
Análise dos dados obtidos
AUTOMÓVEL VALOR (R$)
Carro Modelo Aplicativo WebMotors.com.br mercadolivre.com.br
Volkswagen
Gol City 1.0 Mi Álcool 4P
2003/200414.143,63 12.000,00 a
14.700,00 12.900,00 a 14.900,00
Análise dos dados obtidos
AUTOMÓVEL VALOR (R$)
Carro Modelo Aplicativo WebMotors.com.br mercadolivre.com.br
ChevroletCelta Life 1.0
MPFI 8V FlexPower 2p
2013/2013
22.050,43 16.900,00 a 23.000,00 16.900,00 a 21.980,00
REFERÊNCIAS GUIMARÃES, R. et al. “Lógica Fuzzy ou Lógica Nebulosa”. Projeto Robótica, Colégio
Nobel [Salvador, BA], 2002. Disponível em: <http://www.colegionobel.com.br/robo tica/nebula.html>. Acesso em: 22 dez. 2014.
J. MENDEL. Fuzzy logic systems for engineering: a tutorial. Proceedings of the IEEE, Vol. 83, 1995.
LAUDARES, L. A. Lógica Nebulosa: Uma abordagem filosófica e aplicada (UFSC), Brasil, 2002.
SIVANANDAM, S.N.; S. SUMATHI; DEEPA S.N. Introduction to Fuzzy Logic using MATLAB(Springer), 2007.
SANDRI, SANDRA.; CORREA, CLÁUDIO. Lógica Nebulosa, 1999. Disponível em <http://www.deti.ufc.br/~guilherme/PAPERS/curso_ERN99_fuzzy.pdf>. Acesso em: 30 dez. 2014.
Top Related