agentes inteligentes1 seminário 2000 - 2 fred [email protected]
TRANSCRIPT
Agentes Inteligentes
2
Plano de aula
• Motivação• Fundamentação Teórica• Sistemas Difusos (aplicações)• Estudo de Caso• Considerações Finais
Lógica Fuzzy
Agentes Inteligentes
3
Motivação: Grau de Crença vs. Grau de Verdade
Lógica Fuzzy
• Grau de crença: – População composta de brancos e negros– Probabilidade de alguém ser branco.
• Grau de verdade:– A partir do momento em que escolhemos um indivíduo, a
probabilidade se desfaz.– População de mestiços– Grau de verdade na afirmação “x é negro”.
Agentes Inteligentes
4
Motivação: Paradoxo do CarecaLógica Fuzzy
• Tirar um fio de cabelo de uma pessoa não a torna careca.• Uma pessoa, inicialmente não-careca, se torna careca se
tirarmos seus fios de cabelo um a um. Mas, em nenhuma das etapas ele se tornou careca.
• Logo, Ele se tornou careca sem se tornar careca.• Este paradoxo desarma a lógica tradicional.
Agentes Inteligentes
5
Lógica Fuzzy
Fundamentação Teórica
Agentes Inteligentes
6
Lógica Fuzzy Hierarquia
Sistemas Difusos (implementação)
Lógica Difusa (formalização)
Teoria dos Conjuntos Difusos (teoria de base)
Agentes Inteligentes
7
• Definição de conjunto difuso
Seja X um conjunto (o nosso conjunto universo)
O conjunto difuso, A, será representado pela função de pertinência,
Lógica Fuzzy Teoria dos Conjuntos Difusos
1,0: XxA
Agentes Inteligentes
8
• Grau de Compatibilidade:
– Podemos falar num conjunto listando os seus elementos ou descrevendo uma característica com a qual seus elementos devem ser compatíveis.
– Nos conjuntos difusos esta compatibilidade se estende dos dois valores “0” e “1” para o intervalo [0,1].
• Exemplo:
– Discreto: No conjunto dos números naturais, o subconjunto dos números primos.
– Difuso: No conjunto das pessoas, o subconjunto das pessoas altas.
Lógica Fuzzy Teoria dos Conjuntos Difusos
Agentes Inteligentes
9
Considerações sobre o Domínio Lógica Fuzzy
• Um conjunto difuso...
Agentes Inteligentes
10
Considerações Sobre o Domínio Lógica Fuzzy
• O mesmo conjunto, com o domínio reorganizado.
• E agora, abstraindo. Os nomes foram substituídos pela informação relevante: a altura.
Agentes Inteligentes
11
• Intersecção(AND)• União(OR)• Complementar (NOT)
Operações sur conjuntos difusos Lógica Fuzzy
)(),(min)( xxx BABA
)(),(max)( xxx BABA
)(1)(~ xx AA
Agentes Inteligentes
12
• Construída sobre a teoria dos conjuntos difusos.• Estende as Lógicas:
– Binária– Multivalorada.
• Estende a definição dos conectivos:– AND, OR, e NOT.
Lógica difusaLógica Fuzzy
Agentes Inteligentes
14
Principais Lógicas Lógica Fuzzy
Soma limitada
produto
Zadeh
União (OR)Intersecção (AND)
yΒ
μxΑ
μMax ,
yΒ
μxΑ
μ
yΒ
μxΑ
μMin ,
yΒ
μxΑ
μyΒ
μxΑ
μ
1,0 yΒ
μxΑ
μMax yΒ
μxΑ
μMin ,1
• Dependendo de como são definidos os conectivos AND e OR, uma nova lógica é criada. O conectivo NOT é, em geral, imutável.
Agentes Inteligentes
15
Qualificadores (hedges) Lógica Fuzzy
• Mesmo papel que advérbios
• Modifica o gráfico da função de pertinência do conjunto difuso.
• É uma função, assim como um conjunto difuso
• Aumenta significativamente o nosso poder descritivo.
• Conjuntos difusos + Qualificadores = variável lingüística.
Agentes Inteligentes
16
Tipos de qualificadores Lógica Fuzzy
Aumenta a precisão do conjunto
Bastante, extremamente
Restringe uma regiãoMenos que, menor que
Restringe uma regiãoMais que, maior que
ComplementarNão
Dilui o conjuntoUm pouco
Aproxima um escalarPor volta de, Aproximadamente
FunçãoQualificador
Agentes Inteligentes
18
O Qualificador “bastante” Lógica Fuzzy
Agentes Inteligentes
20
O Qualificador “não” Lógica Fuzzy
Agentes Inteligentes
21
O Qualificador “mais que” Lógica Fuzzy
Agentes Inteligentes
23
Lógica Fuzzy
Sistemas Difusos
Agentes Inteligentes
24
Um agente inteligente com BC
entrada
saída
Sensores
efetuadores
Base de Conhecimento Inferência
Agentes Inteligentes
25
entrada
saída
Sensores
efetuadores
BC
Agente inteligente difuso
Composição
Regras
Condicionais
Incondicionais
Variáveis lingüísticas
Conjuntos Difusos
Qualificadores
DefuzzificaçãoMin-max vs. aditivas
Máximos vs. Centróide
Fuzzificação
Agentes Inteligentes
27
• Condicionais.– If x is X then a is A.– If x is X and y is Y then a is A.– If x is muito X then a is A.
• Incondicionais.– a is A.– a is mais que A.
Base de Conhecimento: RegrasLógica Fuzzy
Agentes Inteligentes
28
• Variáveis lingüísticas: Conjuntos difusos e Qualificadores.
• Técnica de armazenamento:
– Guardar a expressão da função.
– Guardar um par de vetores X e Y
Base de Conhecimento: Variáveis Lingüísticas
Lógica Fuzzy
Agentes Inteligentes
29
• Consiste em construir os conjuntos difusos relativos às variáveis de saída.
• Mais de um conjunto difuso pode ser construído para cada variável.
• Este é o passo mais obscuro do processo, na minha opinião!
• No passo seguinte (composição), estes conjuntos serão usados para encontrar o conjunto difuso final da variável.
Inferência: FuzzificaçãoLógica Fuzzy
Agentes Inteligentes
30
• Transforma os conjuntos difusos de cada variável de saída em um único.
• Técnicas mais comuns:– Regra aditiva (cumulativa): Para encontrar o conjunto
difuso composto, tomamos a soma limitada:
– Regra min-max (limiar): Para encontrar o conjunto difuso composto, tomamos o máximo:
Inferência: ComposiçãoLógica Fuzzy
xxx n ...,1min 1
xxx n ,...,max 1
Agentes Inteligentes
31
• Inferir um valor discreto para cada variável, a partir de seu conjunto difuso definido na composição.
• Métodos mais comuns:
– Máximo (frágil);
– Média dos máximos;
– Centróide (mais robusto);
Inferência: DefuzzificaçãoLógica Fuzzy
Agentes Inteligentes
32
Lógica Fuzzy
Estudo de Caso
Agentes Inteligentes
34
FormulaçãoLógica Fuzzy
fa
t, p
t: temperatura
p: pressão
a: ângulo
f: fluxo
Agentes Inteligentes
35
ConstruçãoLógica Fuzzy
• Construir os conjuntos difusos fundamentais (Variáveis Lingüísticas sem qualificador).
• Construir os qualificadores.• Definir as estratégias para o passo de composição e de
defuzzificação.• Construir as regras:
– condicionais.– incondicionais.
Agentes Inteligentes
36
ConstruçãoLógica Fuzzy
• Construindo os conjuntos difusos fundamentais
• Temperatura
Agentes Inteligentes
37
ConstruçãoLógica Fuzzy
• Construindo os conjuntos difusos fundamentais
• Pressão
Agentes Inteligentes
38
ConstruçãoLógica Fuzzy
• Construindo os conjuntos difusos fundamentais
• Ângulo de abertura
Agentes Inteligentes
39
ConstruçãoLógica Fuzzy
• Construindo os conjuntos difusos fundamentais
• Fluxo
Agentes Inteligentes
40
ConstruçãoLógica Fuzzy
• Construindo o qualificador.
• Muito.
Agentes Inteligentes
41
ConstruçãoLógica Fuzzy
• Escolhendo a estratégia de composição:
– min-max ou aditiva
– Vamos escolher aditiva.
• Escolhendo a estratégia de defuzzificação:
– centróide, máximos, ou etc...
– Vamos escolher centróide.
Agentes Inteligentes
42
ConstruçãoLógica Fuzzy
• Construir as regras incondicionais.
– a is Fechado– f is fraco
Agentes Inteligentes
43
ConstruçãoLógica Fuzzy
• Construir as regras condicionais.
– If t is frio and p is media then a is muito entreaberto
– If t is frio and p is alta then a is aberto
– If t is morno and p is media then a is entreaberto
– If t is morno and p is alta then a is muito aberto
– If t is quente then f is forte
– If t is quente then a is aberto
Agentes Inteligentes
44
• Suponha a seguinte situaçao:
– t = 60°C
– p = 4 atm
• O agente vai inferir os valores de a e f, a partir de t e p.
• Os três passos serão realizados:
– Fuzzificação
– Composição
– Defuzzificação
ExecuçãoLógica Fuzzy
Agentes Inteligentes
45
If t is morno and p is alta then a is muito aberto
FuzzificaçãoLógica Fuzzy
a
a
50% and 100%
50%
Agentes Inteligentes
46
ComposiçãoLógica Fuzzy
a
a
a
a
Agentes Inteligentes
47
DefuzificaçãoLógica Fuzzy
a
a = 60°
Agentes Inteligentes
48
Considerações FinaisLógica Fuzzy
• Lógica Binária vs. Lógica Multivalorada vs. Lógica Difusa
• Quanto mais geral o modelo, mais difícil e complexo.– Se o modelo simples resolve, não use o complicado
• Generalidade da Teoria Difusa.– Zadeh, o criador de Lógica difusa, afirma que a teoria
difusa pode ser usada para generalizar qualquer área do conhecimento baseada no discreto, e não apenas a lógica.
Agentes Inteligentes
49
BibliografiaLógica Fuzzy
• Cox, E. The Fuzzy Systems Handbook;
• Kartalopoulos, S. V. Understanding Neural Networks and Fuzzy Logic. IEEE PRESS, 1996;
• L. Godo, P. Hajek: Deductive systems of fuzzy logic.
On-Line
• FAQ: http://www.csa.ru/ai/faq/kantrowitz/fuzzy/faq.html;
• Hájek’s home page: http://www.uivt.cas.cz/~hajek/;
Agentes Inteligentes
50
FIM