Fonctions Floues - CRAG-2 - Université de Ngaoundéré
Transcription
Fonctions Floues - CRAG-2 - Université de Ngaoundéré
Fonctions Floues KOGUEP NJIONOU Blaise Blériot PhD in mathematics (Algebra) Université de Yaoundé 1 [email protected] Atelier de Cryptographie, Algèbre et Géométrie (CRAG-2) Université de Ngaoundéré December 2, 2012 Introduction Concepts fondamentaux Relations floues General Conclusion and perspectives Plan 1 Introduction 2 Concepts fondamentaux 3 Relations floues 4 General Conclusion and perspectives B. B. KOGUEP NJIONOU Fonctions floues Introduction Concepts fondamentaux Relations floues General Conclusion and perspectives Exemple introductif Logique floue et logique Booléenne Historique et champ d’application Plan 1 Introduction Exemple introductif Logique floue et logique Booléenne Historique et champ d’application 2 Concepts fondamentaux 3 Relations floues 4 General Conclusion and perspectives B. B. KOGUEP NJIONOU Fonctions floues Introduction Concepts fondamentaux Relations floues General Conclusion and perspectives Exemple introductif Logique floue et logique Booléenne Historique et champ d’application Plan 1 Introduction Exemple introductif Logique floue et logique Booléenne Historique et champ d’application 2 Concepts fondamentaux 3 Relations floues 4 General Conclusion and perspectives B. B. KOGUEP NJIONOU Fonctions floues Introduction Concepts fondamentaux Relations floues General Conclusion and perspectives Exemple introductif Logique floue et logique Booléenne Historique et champ d’application Pourquoi la logique "floue"? Divers classes d’objets physiques n’existent qu’au travers de représentations mentales, et correspondent à des termes vagues du langage naturel, tel que "homme jeune", "température élevée", "vitesse excessive", "distance petite" etc. La notion d’ensemble classique est mal adaptée pour représenter des classes de ce type. Prenons par exemple l’ensemble, A, des vitesses, v , supérieures ou égales à 90 km/h: A = {v /v ≥ 90 km/h} En logique classique, les vitesses de 10 ou 89, 9 km/h n’appartiennent pas à l’ensemble A et sont considérées de la même façon. La logique floue permettra de nuancer ce jugement abrupt et de prendre en compte que 89, 9 est très proche de 90, alors que 10 ne l’est pas. B. B. KOGUEP NJIONOU Fonctions floues Introduction Concepts fondamentaux Relations floues General Conclusion and perspectives Exemple introductif Logique floue et logique Booléenne Historique et champ d’application Pourquoi la logique "floue"? De façon plus formelle, on introduit une fonction, appelée fonction d’appartenance, qui donne le degré d’appartenance d’une variable à un ensemble. Dans l’exemple précédent, on note µA (v ) ∈ [0; 1] le degré d’appartenance d’une vitesse v à l’ensemble A. Considérons maintenant L’ensemble des vitesses "autour de 60 km/h" cet ensemble est un sous-ensemble flou de l’univers des vitesses, auquel on associe une fonction d’appartenance. B. B. KOGUEP NJIONOU Fonctions floues Introduction Concepts fondamentaux Relations floues General Conclusion and perspectives Exemple introductif Logique floue et logique Booléenne Historique et champ d’application Plan 1 Introduction Exemple introductif Logique floue et logique Booléenne Historique et champ d’application 2 Concepts fondamentaux 3 Relations floues 4 General Conclusion and perspectives B. B. KOGUEP NJIONOU Fonctions floues Introduction Concepts fondamentaux Relations floues General Conclusion and perspectives Exemple introductif Logique floue et logique Booléenne Historique et champ d’application Logique floue 6= logique Booléenne Alors que la logique classique n’envisage que deux états mutuellement exclusifs, vrai ou faux, la logique floue autorise, au contraire, tous les états intermédiaires entre vrai et faux. Une propriété pourra ainsi être presque vraie, ce qui s’exprimera, par exemple, par : La propriété est vraie à 80 % et fausse à 20 %. La logique floue, ou plus généralement le traitement des incertitudes, a pour objet d’étude la représentation des connaissances imprécises et le raisonnement approché. Elle englobe la logique classique. Tous les résultats obtenus en logique classique doivent être retrouvés par la logique floue. B. B. KOGUEP NJIONOU Fonctions floues Introduction Concepts fondamentaux Relations floues General Conclusion and perspectives Exemple introductif Logique floue et logique Booléenne Historique et champ d’application Logique floue 6= logique probabiliste Même si la logique floue permet de traiter des imprécisions, elle est pourtant différente de la logique probabiliste. Le problème de Jim Bezdeck montre bien la différence entre ces deux logiques : « On se trouve dans un désert, après des jours d’errance. . . Presque mort de soif, on trouve alors 2 bouteilles remplies d’un liquide. Sur la bouteille A, une étiquette annonce "potable avec un degré 0, 9", et sur la bouteille B, l’étiquette dit "potable avec une probabilité 0, 9". Laquelle de ces 2 bouteilles doit-on choisir ? » B. B. KOGUEP NJIONOU Fonctions floues Introduction Concepts fondamentaux Relations floues General Conclusion and perspectives Exemple introductif Logique floue et logique Booléenne Historique et champ d’application Plan 1 Introduction Exemple introductif Logique floue et logique Booléenne Historique et champ d’application 2 Concepts fondamentaux 3 Relations floues 4 General Conclusion and perspectives B. B. KOGUEP NJIONOU Fonctions floues Introduction Concepts fondamentaux Relations floues General Conclusion and perspectives Exemple introductif Logique floue et logique Booléenne Historique et champ d’application Bref historique: les débuts 1965: Concept introduit par Pr. Lotfi Zadeh (Berkeley): « Fuzzy set theory »: Définition des ensembles flous et opérateurs associés 1970: Premières applications: Systèmes experts, Aide à la décision en médecine,commerce. . . 1974: Première application industrielle. Régulation floue d’une chaudière à vapeur réalisée par E. H. Mamdani. : Longtemps universitaire. 1985: Les premiers, les japonais introduisent des produits grand public « Fuzzy Logic Inside » (M Sugeno). B. B. KOGUEP NJIONOU Fonctions floues Introduction Concepts fondamentaux Relations floues General Conclusion and perspectives Exemple introductif Logique floue et logique Booléenne Historique et champ d’application Bref historique: la maturité 1990: Généralisation de l’utilisation de cette technique dans l’industrie. Des exemples d’applications dans le domaine industriel - 1979 - 1987 - 1990 - 1992 - Cimenterie au Danemark Métro de Sendai (Hitachi) Conduite de hauts-fourneaux Dunkerque Usine de papier au Portugal Produits de consommation courante : Autocuiseurs de riz, aspirateurs, machines à laver, système de climatisation. . . Appareils photos : autofocus, autoexposition, autozoom (Canon, Minolta). Caméras : autofocus, autoexposition, stabilisateur d’image (Sanyo, Canon, Matsushita). Photocopieurs : qualité d’image, distribution d’encre (Sanyo, Canon, Ricoh). Industrie automobile : régulation du moteur, système de transmission, système de suspension, ABS, climatisation. Ascenseur : temps d’attente réduit, ascension et arrêt plus régulier (Hitachi). ... B. B. KOGUEP NJIONOU Fonctions floues Introduction Concepts fondamentaux Relations floues General Conclusion and perspectives Exemple introductif Logique floue et logique Booléenne Historique et champ d’application Domaines d’application Les domaines traités sont assez divers. En voici une liste non exhaustive : Les mathématiques floues; le traitement de l’incertitude; la représentation des connaissances; la modélisation et la commande; l’aide à la décision, etc. Dans ce qui suit, seul l’aspect mathématique sera abordé. B. B. KOGUEP NJIONOU Fonctions floues Introduction Concepts fondamentaux Relations floues General Conclusion and perspectives Ensemble flou Opérateurs logiques flous Plan 1 Introduction 2 Concepts fondamentaux Ensemble flou Opérateurs logiques flous 3 Relations floues 4 General Conclusion and perspectives B. B. KOGUEP NJIONOU Fonctions floues Introduction Concepts fondamentaux Relations floues General Conclusion and perspectives Ensemble flou Opérateurs logiques flous Plan 1 Introduction 2 Concepts fondamentaux Ensemble flou Opérateurs logiques flous 3 Relations floues 4 General Conclusion and perspectives B. B. KOGUEP NJIONOU Fonctions floues Introduction Concepts fondamentaux Relations floues General Conclusion and perspectives Ensemble flou Opérateurs logiques flous Définition Un ensemble flou A est défini sur un univers de discours U (ensemble d’éléments discrets ou continus) par sa fonction d’appartenance µA : U → [0; 1]. Une telle fonction µA caractérise en effet le degré d’appartenance d’un élément x au sous-ensemble flou A. On dit aussi que µA (x) représente le degré de validité de la proposition « x appartient à A ». Un sous-ensemble flou est entièrement caractérisé par sa fonction d’appartenance. Si on connaît A, alors on connaît µA et inversement, connaître µA permet de connaître A. L’ensemble flou vide est noté 0U est défini par : 0U (x) = 0, ∀x ∈ U. Le plus grand ensemble flou sur U est noté 1U ou IU , il est défini par : 1U (x) = 1, ∀x ∈ U. B. B. KOGUEP NJIONOU Fonctions floues Introduction Concepts fondamentaux Relations floues General Conclusion and perspectives Ensemble flou Opérateurs logiques flous Quelques concepts et propriétés Soit A un sous-ensemble flou de U. On peut alors définir plusieurs concepts: Le type de A : peut être triangulaire, gaussien, trapézoïdal, etc. La hauteur de A : HA = supµA (x). x∈U L’ensemble A est dit normalisé si HA = 1. Le noyau de A : NA = {x ∈ U, µA (x) = 1}. Le support de A : SA = {x ∈ U, µA (x) 6= 0}. L’α-coupe de A : α − coupe(A) = {x ∈ U, µA (x) > 0}. La figure ci-dessus résume ces différentes notions. B. B. KOGUEP NJIONOU Fonctions floues Introduction Concepts fondamentaux Relations floues General Conclusion and perspectives Ensemble flou Opérateurs logiques flous Plan 1 Introduction 2 Concepts fondamentaux Ensemble flou Opérateurs logiques flous 3 Relations floues 4 General Conclusion and perspectives B. B. KOGUEP NJIONOU Fonctions floues Introduction Concepts fondamentaux Relations floues General Conclusion and perspectives Ensemble flou Opérateurs logiques flous Opérateurs sur les ensembles flous Extension des opérations de la théorie des ensembles classiques : =, ∩, ∪, complément. Mais leur définition ne sont pas uniques Les définitions les plus souvent rencontrées sont : le max et le min (Mandani), le produit et la somme moins le produit (Sugeno) Égalité : A = B ssi ∀x ∈ U, µA (x) = µB (x). Inclusion : A ⊆ B ssi ∀x ∈ U, µA (x) ≤ µB (x). Mandani : µA∪B (x) = max(µA (x); µB (x)) et µA∩B (x) = min(µA (x); µB (x)). Sugeno : µA∪B (x) = µA (x) + µB (x) − µA (x) × µB (x) et µA∩B (x) = µA (x) × µB (x). Dans les deux cas : µA (x) = 1 − µA (x) Produit cartésien : µA×B (x; y ) = min(µA (x); µB (y )); c’est un sous-ensemble flou de U × U. B. B. KOGUEP NJIONOU Fonctions floues Exemple A est l’ensemble flou des personnes petites et B est l’ensemble flou des personnes moyennes. La réunion, l’intersection et le complément sont donnés par les graphiques ci-dessous : Partition floue de l'univers du discours 1 Ensemble flou:"Personne petite OU moyenne" Grand Moyen Petit 1 0.8 0.8 0.6 0.6 0.4 0.4 0.2 0.2 Taille(m) 0 Taille(m) 0 1.5 1.55 1.6 1.65 1.7 1.75 1.8 1.85 1.9 Ensemble flou: "Personne petite et moyenne" 1.5 1.55 1.6 1.65 1.7 1.75 1.8 1.85 1.9 Ensemble floue :"Personnes non petites" 1 1 0.8 0.8 0.6 0.6 0.4 0.4 0.2 0.2 Taille (m) 0 0 1.5 1.55 1.6 1.65 1.7 1.75 1.8 1.85 1.9 1.5 Taille (m) 1.55 1.6 1.65 1.7 1.75 1.8 1.85 1.9 Introduction Concepts fondamentaux Relations floues General Conclusion and perspectives Ensemble flou Opérateurs logiques flous Opérateurs flous alternatifs Les T-normes (intersection floue) Une application T : [0; 1] × [0; 1] → [0; 1] telle que ∀x, y , z, t ∈ [0; 1], – T (x, y ) = T (y , x) (commutativité) – T (x, T (y , z)) = T (T (x, y ), z) (associativité) – T (x, y ) ≤ T (z, t) si x ≤ z et y ≤ t (monotonie) – T (x, 1) = x (élément neutre) (Min satisfait ces propriétés) Les T-conormes (réunion floue) Une application S : [0; 1] × [0; 1] → [0; 1] telle que ∀x, y , z, t ∈ [0; 1], – S(x, y ) = S(y , x) (commutativité) – S(x, S(y , z)) = S(S(x, y ), z) (associativité) – S(x, y ) ≤ S(z, t) si x ≤ z et y ≤ t (monotonie) – S(x, 0) = x (élément neutre) (Max satisfait ces propriétés) B. B. KOGUEP NJIONOU Fonctions floues Introduction Concepts fondamentaux Relations floues General Conclusion and perspectives Ensemble flou Opérateurs logiques flous Propriétés des ensembles flous - Comme dans le cas des ensembles «classiques», les ensembles flous possèdent certaines propriétés. Commutativité : A ∪ B = B ∪ A, A ∩ B = B ∩ A. Associativité : (A ∪ B) ∪ C = A ∪ (B ∪ C), (A ∩ B) ∩ C = A ∩ (B ∩ C). Distributivité : A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C), A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C). Idempotence : A ∪ A = A, A ∩ A = A. Identité : A ∪ 1U = 1U , A ∩ 1U = A, A ∪ 0U = A, A ∩ 0U = A. – Les deux propriétés suivantes ne sont pas «classiques». Loi de contradiction A ∩ A 6= 0U . Loi du "tiers exclu" A ∪ A 6= 1U . B. B. KOGUEP NJIONOU Fonctions floues Introduction Concepts fondamentaux Relations floues General Conclusion and perspectives Définition Opérations Propriétés Fonction floue Plan 1 Introduction 2 Concepts fondamentaux 3 Relations floues Définition Opérations Propriétés Fonction floue 4 General Conclusion and perspectives B. B. KOGUEP NJIONOU Fonctions floues Introduction Concepts fondamentaux Relations floues General Conclusion and perspectives Définition Opérations Propriétés Fonction floue Plan 1 Introduction 2 Concepts fondamentaux 3 Relations floues Définition Opérations Propriétés Fonction floue 4 General Conclusion and perspectives B. B. KOGUEP NJIONOU Fonctions floues Introduction Concepts fondamentaux Relations floues General Conclusion and perspectives Définition Opérations Propriétés Fonction floue définition d’une relation floue Definition 3.1 Une relation floue entre deux univers U et V est un sous-ensemble flou R du produit cartésienne U × V . La relation floue est binaire si U = V . Exemple Soit l’univers U = {1, 2, 3}, la relation R : « est approximativement égal à » peut-être définie par : µR : {1, 2, 3} × {1, 2, 3} (x; y ) 1 – Notation matricielle : 2 3 −→ [0; 1] 7−→ µR (x; y ) = 1 1 0, 8 0, 3 2 0, 8 1 0, 8 B. B. KOGUEP NJIONOU 1 0, 8 0, 3 3 0, 3 0, 8 1 Fonctions floues si x = y si |x − y | = 1 si |x − y | = 2 Introduction Concepts fondamentaux Relations floues General Conclusion and perspectives Définition Opérations Propriétés Fonction floue Plan 1 Introduction 2 Concepts fondamentaux 3 Relations floues Définition Opérations Propriétés Fonction floue 4 General Conclusion and perspectives B. B. KOGUEP NJIONOU Fonctions floues Introduction Concepts fondamentaux Relations floues General Conclusion and perspectives Définition Opérations Propriétés Fonction floue Opérations sur les relations floues Projection Soit une R une relation floue entre U et V . La projection ΠU de R sur U et la projection ΠV de R sur V sont définies par : µΠ (x) = sup{µR (x; y )|y ∈ V } et µΠ (y ) = sup{µR (x; y )|x ∈ U}. U V composition (mandani) Soient R une relation floue entre U et V et S une relation floue entre V et W . La composition S ◦ R est la relation floue entre U et W définie par : µS◦R (x; z) = sup{min(µR (x; y ); µS (y ; z))}. y ∈V B. B. KOGUEP NJIONOU Fonctions floues Exemple(cas de mandani) Soient les ensembles U = {x1 ; x2 ; x3 } V = {y1 ; y2 ; y3 ; y4 } et W = {z1 ; z2 ; z3 }. Considérons les relations floues suivantes : R : « x est beaucoup plus grand que y », S : « y est très proche de z » définies respectivement sur U × V et V × W par : x 1 µR (x; y ) = x2 x 3 y1 0, 8 0 0, 9 z1 0, 4 0 0, 9 0, 6 y2 0, 1 0, 8 1 z2 0, 9 0, 4 0, 5 0, 7 y3 y4 0, 1 0, 7 0 0 0, 7 0, 8 z3 0, 3 0 0, 8 0, 5 y1 µS (y ; z) = y2 y 3 y4 Projection de R Sur U : ΠU = {(x1 ; 0, 8); (x2 ; 0, 8); (x3 ; 1)}. Sur V : ΠV = {(y1 ; 0, 9); (y2 ; 1); (y3 ; 0, 7); (y4 ; 0, 8)}. x 1 Composition de R suivie de S : µS◦R (x; z) = x2 x3 z1 0, 6 0 0, 7 z2 0, 8 0, 4 0, 9 z3 0, 5 0 0, 7 Introduction Concepts fondamentaux Relations floues General Conclusion and perspectives Définition Opérations Propriétés Fonction floue Plan 1 Introduction 2 Concepts fondamentaux 3 Relations floues Définition Opérations Propriétés Fonction floue 4 General Conclusion and perspectives B. B. KOGUEP NJIONOU Fonctions floues Introduction Concepts fondamentaux Relations floues General Conclusion and perspectives Définition Opérations Propriétés Fonction floue Propriétés des relations binaires floues Lorsque U = V , on définit diverses propriétés particulières comme on le fait habituellement pour les relations booléennes : Soit R une relation binaire floue sur U. R est : . Réflexivité : ∀x ∈ U, µR (x; x) = 1 (ε- réflexivité : ∀x ∈ U, µR (x; x) ≥ ε). . Antiréflexivité : ∀x ∈ U, µR (x; x) = 0 . Symétrie : ∀(x; y ) ∈ U, µR (x; y ) = µR (y ; x). . Transitivité : ∀x ∀y ∀z ∈ U, sup{µR (x; y ); µR (y ; z)} ≤ µR (x; z). y ∈V . Similitude : Une relation floue réflexive, symétrique et transitive est dite relation de similitude (ou d’équivalence). . Ressemblance Toute relation binaire floue reflexive et symétrique est dite relation de ressemblance. On dit alors que µR (x, y ) est le degré de ressemblance de x à y . B. B. KOGUEP NJIONOU Fonctions floues Introduction Concepts fondamentaux Relations floues General Conclusion and perspectives Définition Opérations Propriétés Fonction floue Plan 1 Introduction 2 Concepts fondamentaux 3 Relations floues Définition Opérations Propriétés Fonction floue 4 General Conclusion and perspectives B. B. KOGUEP NJIONOU Fonctions floues Introduction Concepts fondamentaux Relations floues General Conclusion and perspectives Définition Opérations Propriétés Fonction floue Conclusion 4 We have B. B. KOGUEP NJIONOU Fonctions floues Introduction Concepts fondamentaux Relations floues General Conclusion and perspectives Définition Opérations Propriétés Fonction floue Conclusion 4 We have define and characterize fuzzy ideals of hyperlattices. B. B. KOGUEP NJIONOU Fonctions floues Introduction Concepts fondamentaux Relations floues General Conclusion and perspectives Définition Opérations Propriétés Fonction floue Conclusion 4 We have define and characterize fuzzy ideals of hyperlattices. Fuzzy prime and prime fuzzy ideals of hyperlattices have been highlighted and the fuzzy prime ideal theorem of hyperlattices has been proved. B. B. KOGUEP NJIONOU Fonctions floues Introduction Concepts fondamentaux Relations floues General Conclusion and perspectives Définition Opérations Propriétés Fonction floue Conclusion 4 We have define and characterize fuzzy ideals of hyperlattices. Fuzzy prime and prime fuzzy ideals of hyperlattices have been highlighted and the fuzzy prime ideal theorem of hyperlattices has been proved. Fuzzy congruence relations have been studied and the link with fuzzy ideals of hyperlattices have been stated. Particularly, the sufficient and necessarily condition for the fuzzy 0-class of a fuzzy congruence relation of hyperlattice to be a fuzzy ideal of that hyperlattice. B. B. KOGUEP NJIONOU Fonctions floues Introduction Concepts fondamentaux Relations floues General Conclusion and perspectives Plan 1 Introduction 2 Concepts fondamentaux 3 Relations floues 4 General Conclusion and perspectives B. B. KOGUEP NJIONOU Fonctions floues Introduction Concepts fondamentaux Relations floues General Conclusion and perspectives General Conclusion We have studied B. B. KOGUEP NJIONOU Fonctions floues Introduction Concepts fondamentaux Relations floues General Conclusion and perspectives General Conclusion We have studied The notion of fuzzy prime ideals and established the fuzzy prime ideal theorem of lattice and hyperlattice. We have established that the concept of prime fuzzy ideal is different from the one of fuzzy prime ideals and we have investigated some properties of the two notions respectively in the case of lattices and hyperlattices. B. B. KOGUEP NJIONOU Fonctions floues Introduction Concepts fondamentaux Relations floues General Conclusion and perspectives General Conclusion We have studied The notion of fuzzy prime ideals and established the fuzzy prime ideal theorem of lattice and hyperlattice. We have established that the concept of prime fuzzy ideal is different from the one of fuzzy prime ideals and we have investigated some properties of the two notions respectively in the case of lattices and hyperlattices. The notion of maximal fuzzy ideal of bounded lattice and some properties have been given. B. B. KOGUEP NJIONOU Fonctions floues Introduction Concepts fondamentaux Relations floues General Conclusion and perspectives General Conclusion We have studied The notion of fuzzy prime ideals and established the fuzzy prime ideal theorem of lattice and hyperlattice. We have established that the concept of prime fuzzy ideal is different from the one of fuzzy prime ideals and we have investigated some properties of the two notions respectively in the case of lattices and hyperlattices. The notion of maximal fuzzy ideal of bounded lattice and some properties have been given. Thus, having the following diagram of relations between those subsets of the set of all Fuzzy Ideals of lattices. B. B. KOGUEP NJIONOU Fonctions floues Introduction Concepts fondamentaux Relations floues General Conclusion and perspectives References I Demirci M., Fuzzy functions and their fundamental properties, Fuzzy Sets and Systems, 106, 239–246, (1999). Zadeh L. A., Fuzzy sets, Information and Control, Vol. 8, no. 3, 338-353, (1965). Zadeh L. A., Similarity relations and fuzzy ordering, Information Science, 3, 177-200, (1971). B. B. KOGUEP NJIONOU Fonctions floues