Skip to content

GustavoNeri02/Algoritmo-Genetico-Fuzzy

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

4 Commits
 
 
 
 
 
 
 
 

Repository files navigation

Algoritmo-Genetico-Fuzzy

Lógica Fuzzy

A Lógica Fuzzy (Nebulosa ou Difusa), comumente tratada como uma extensão da lógica booleana, é uma lógica multivalorada capaz de capturar informações vagas, em geral descritas em uma linguagem natural, e convertê-las para um formato numérico.

  • Um valor lógico difuso, conhecido por grau de pertinência, é um valor qualquer no intervalo [0, 1].
    • Determina o grau em que um determinado elemento pertence a um conjunto, permitindo uma transição gradual da falsidade para a verdade.
    • Não existe uma base formal para determinar esse valor que é escolhido experimentalmente.

As implementações da lógica difusa permitem que estados não precisos possam ser tratados por dispositivos de controle.

  • Desse modo, é possível avaliar conceitos não quantificáveis.
  • Casos práticos:
  • Avaliar a temperatura (quente, morno, frio, ...)
  • Sentimento de felicidade (radiante, feliz, apático, triste, ...)

Sistema Fuzzy

Sistemas são desenvolvidos para resolver problemas. Assim, precisamos do problema que pretendemos resolver através de um Sistema Fuzzy, o qual pode ser visto abaixo.

Problema: Uma empresa de alimentos deseja saber a validade real de um de seus produtos em função da temperatura e umidade relativa do ambiente de armazenamento. A validade máxima desse produto é de 42 dias se armazenado a baixa temperatura em ambiente seco.

O projeto do Sistema Fuzzy será organizado conforme as três etapas do raciocínio fuzzy:

  1. Fuzzificação
  2. Inferência Fuzzy
  3. Defuzzificação

Fuzzificação

Etapa na qual as variáveis linguísticas são definidas de forma subjetiva, bem como as funções membro (funções de pertinência)

Engloba:

  • Análise do Problema
  • Definição das Variáveis
  • Definição das Funções de pertinência
  • Criação das Regiões

Na definição das funções de pertinência para cada variável, diversos tipos de espaço podem ser gerados:

  • Triangular, Trapezoidal, Gaussiana, ...

Assim, segundo o problema apresentado, estamos desenvolvendo um Sistema Fuzzy que modela a validade do produto com base na Temperatura (T) e Umidade Relativa (UR) do depósito. A T é um valor entre 0 e 30 ºC, a UR entre 0 e 100 % e Validade de 0 a 42 dias.

  • Variáveis de Entrada:
    • Temperatura:
      • Universo (intervalo de valores): [0, 30]
      • Conjuntos Fuzzy/Funções de Pertinência: fria, amena, quente
    • Umidade Relativa:
      • Universo (intervalo de valores): [0, 100]
      • Conjuntos Fuzzy/Funções de Pertinência: baixa, média, alta
  • Variáveis de Saída:
    • Validade:
      • Universo (intervalo de valores): [0, 42]
      • Conjuntos Fuzzy/Funções de Pertinência: curta, aceitável, longa

Inferência Fuzzy

Etapa na qual as proposições (regras) são definidas e depois são examinadas paralelamente.

Engloba:

  • Definição das proposições
  • Análise das regras
  • Criação da região resultante

Definição das Proposições para o Sistema Fuzzy de controle da validade.

  • Base de Conhecimento/Regras
    • SE a temperatura é fria E umidade é baixa ENTÃO a validade é longa
    • SE a temperatura é quente OU umidade é alta ENTÃO a validade é curta
    • SE a umidade é média ENTÃO a validade é aceitável

Defuzzificação

Etapa na qual as regiões resultantes são convertidas em valores para a variável de saída do sistema.

About

No description, website, or topics provided.

Resources

License

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published