Qu’est-ce que la logique floue ? ArchiDiagramme de structure et application
Evelyn Clarke
⚡ Résumé intelligent
La logique floue est une méthode de raisonnement à valeurs multiples dans laquelle la vérité prend n'importe quelle valeur réelle entre 0 et 1, permettant aux machines de traiter des informations vagues, partielles et incertaines de la même manière que le jugement humain.
Qu’est-ce que la logique floue ?
Logique floue La logique floue est une logique multivaluée où la valeur de vérité d'une variable peut être n'importe quel nombre réel entre 0 et 1. Elle prend en compte la notion de vérité partielle. Dans la vie courante, il arrive souvent qu'on ne puisse pas déterminer si une affirmation est totalement vraie ou totalement fausse. Dans ce cas, la logique floue offre une flexibilité précieuse pour le raisonnement.
Cette valeur est appelée la degré d'adhésion0 signifie aucune appartenance, 1 une appartenance totale et 0.7 une appartenance partielle. Un algorithme flou pondère toutes les données disponibles sur cette échelle, puis prend la meilleure décision possible pour l'entrée donnée. Cette méthode imite le processus de décision humain, qui considère toutes les possibilités entre les valeurs numériques Vrai et Faux.
Histoire des systèmes de logique floue
La logique multivaluée est antérieure à son nom : Jan Łukasiewicz a décrit une logique trivaluée dans les années 1920. L’étape décisive a eu lieu en 1965, lorsque Lotfi Zadeh, professeur à l’UC Berkeley en Californie, a publié l’article « Ensembles flous » in Information et contrôleIl a observé que la logique informatique conventionnelle ne pouvait pas manipuler des données représentant des idées humaines subjectives ou imprécises.
L'idée s'est concrétisée en 1974, lorsqu'Ebrahim Mamdani a construit le premier contrôleur flou fonctionnel pour une machine à vapeur ; des fabricants japonais l'ont commercialisé tout au long des années 1980. Les algorithmes flous couvrent désormais la théorie du contrôle. l'intelligence artificielle, en laissant un ordinateur établir des distinctions entre des données qui ne sont ni strictement vraies ni strictement fausses — « un peu sombre », « assez claire », etc.
Caractéristiques de la logique floue
Voici quelques caractéristiques importantes de la logique floue :
- Flexible et facile à mettre en œuvre machine learning technique
- Vous aide à imiter la logique de la pensée humaine
- La vérité ne se limite pas à deux valeurs ; tout degré entre 0 et 1 peut représenter une solution.
- Méthode très adaptée aux raisonnements incertains ou approximatifs
- La logique floue considère l'inférence comme un processus de propagation de contraintes élastiques
- La logique floue permet de construire des fonctions non linéaires d'une complexité arbitraire.
- La logique floue doit être construite avec les conseils complets d'experts
Quand ne pas utiliser la logique floue
La logique floue n'est jamais une solution miracle. Il est tout aussi important de comprendre dans quels cas il ne faut pas l'utiliser.
Voici quelques situations dans lesquelles il vaut mieux éviter la logique floue :
- Si vous ne pouvez pas facilement faire correspondre un espace d'entrée à un espace de sortie
- Il ne faut pas utiliser la logique floue quand le simple bon sens suffit à résoudre le problème.
- De nombreux contrôleurs conventionnels fonctionnent parfaitement sans aucune logique floue.
Logique floue Architecture
L'architecture de la logique floue comporte quatre parties principales, et le diagramme ci-dessous montre comment une entrée nette les traverse :
Base de règles
Il contient toutes les règles et les conditions SI-ALORS proposées par les experts pour piloter le système de décision. Les travaux récents en théorie des ensembles flous offrent diverses méthodes de conception et d'optimisation des contrôleurs flous, permettant de réduire considérablement le nombre de règles nécessaires à un ensemble flou.
Fuzzification
La fuzzification transforme les entrées : elle convertit les nombres nets en ensembles flous. Les entrées nettes sont mesurées par des capteurs (température ambiante, pression, etc.) et transmises au système de contrôle pour traitement ultérieur. La conversion est effectuée par un fonction d'adhésion, une courbe qui associe chaque valeur d'entrée possible à un degré d'appartenance compris entre 0 et 1.
Moteur d'inférence
Il détermine le degré de correspondance entre l'entrée floue et chaque règle. En fonction de ce pourcentage de correspondance, il détermine les règles à appliquer au champ d'entrée donné. Les règles appliquées sont ensuite combinées pour définir les actions de contrôle.
Défuzzification
Enfin, la défuzzification reconvertit les ensembles flous en une seule valeur nette. Plusieurs techniques existent. méthode du centroïde, de la bissectrice et méthode basée sur le maximum ce sont les choix habituels — choisissez donc celui qui vous convient le mieux système expert.
Logique floue vs probabilité
On confond souvent flou et probabilité, pourtant ils répondent à des questions différentes.
| Logique floue | Probabilité |
|---|---|
| Fuzzy : Le degré d'appartenance de Tom à l'ensemble des personnes âgées est de 0.90. | Probabilité : Il y a 90 % de chances que Tom soit vieux. |
| La logique floue prend comme base mathématique les degrés de vérité sur le modèle du phénomène d'imprécision. | La probabilité est un modèle mathématique de l'ignorance. |
Croustillant ou flou
| Croustillant | Flou |
|---|---|
| Il a une limite stricte T ou F | Frontière floue avec un degré d'appartenance |
| Certains réglages de temps précis peuvent être flous | Il ne peut pas être croustillant |
| Vrai/Faux {0,1} | Valeurs d'adhésion sur [0,1] |
| En logique pure, le principe du tiers exclu et le principe de non-contradiction peuvent être ou non respectés. | En logique floue, le principe du tiers exclu et le principe de non-contradiction s'appliquent. |
Théorie des ensembles classique vs. théorie des ensembles flous
| Ensemble classique | Théorie des ensembles flous |
|---|---|
| Classes d'objets avec des limites nettes. | Les classes d'objets n'ont pas de frontières nettes. |
| Un ensemble classique est défini par des limites nettes, c'est-à-dire que l'emplacement des limites de l'ensemble est clair. | Un ensemble flou a toujours des limites ambiguës, c'est-à-dire qu'il peut y avoir une incertitude quant à l'emplacement des limites de l'ensemble. |
| Largement utilisé dans la conception de systèmes numériques | Utilisé principalement dans les contrôleurs flous et les systèmes de raisonnement approximatif. |
Exemples de logique floue
Le diagramme ci-dessous illustre concrètement l'échelle d'appartenance. Dans un système flou, les valeurs sont représentées par un nombre compris entre 0 et 1, où 1.0 correspond à la vérité absolue et 0.0 à la fausseté absolue.
Domaines d'application de la logique floue
Le tableau ci-dessous présente des exemples d'application de la logique floue par des entreprises renommées dans leurs produits.
| Produit | Entreprise | Logique floue |
|---|---|---|
| Freins antiblocage | Nissan | Utiliser la logique floue pour contrôler les freins dans les situations dangereuses, en fonction de la vitesse du véhicule, de l'accélération, de la vitesse des roues et de l'accélération des roues. |
| Boîte de vitesses automatique | NOK/Nissan | La logique floue est utilisée pour contrôler l'injection de carburant et l'allumage en fonction du réglage du papillon, de la température de l'eau de refroidissement, du régime, etc. |
| Moteur automatique | honda, nissan | Utilisé pour sélectionner le rapport de vitesse en fonction de la charge du moteur, du style de conduite et des conditions routières. |
| Photocopieuse | Canon | Utilisé pour ajuster la tension du tambour en fonction de la densité de l'image, de l'humidité et de la température. |
| Régulateur de vitesse | Nissan, Isuzu, Mitsubishi | Utilisé pour régler l'accélérateur afin de définir la vitesse et l'accélération de la voiture. |
| Lave-vaisselle | Matsushita | Utilisé pour ajuster le cycle de nettoyage, les stratégies de rinçage et de lavage, en fonction du nombre d'assiettes et de la quantité de nourriture servie. |
| Contrôle d'ascenseur | Fujitec, Mitsubishi électrique, Toshiba | Utilisé pour réduire le temps d'attente en fonction du trafic passagers |
| Système de diagnostic de golf | Maruman Golf | Sélectionne le club de golf en fonction du swing et du physique du golfeur. |
| Gestion de la condition physique | Omron | Des règles floues étaient appliquées pour vérifier l'aptitude de leurs employés. |
| Contrôle du four | Nippon Steel | Mélange le ciment |
| Four micro-ondes | Mitsubishi Chemical | Définit la puissance et la stratégie de cuisson |
| Ordinateur de poche | Hitachi, Sharp, Sanyo, Toshiba | Reconnaît les caractères Kanji manuscrits |
| Gravure au plasma | Mitsubishi Electric | Définit le temps et la stratégie de gravure |
À noter: Bon nombre de ces produits datent de l'essor des appareils électroménagers à fourrure de la fin des années 1980 et des années 1990 ; Matsushita opère sous le nom de Panasonic depuis 2008.
Avantages du système de logique floue
Les ingénieurs se tournent de plus en plus vers les contrôleurs flous car ils offrent une tolérance aux entrées imprécises à moindre coût.
- La structure des systèmes de logique floue est simple et compréhensible.
- La logique floue est largement utilisée à des fins commerciales et pratiques
- La logique floue en IA vous aide à contrôler les machines et les produits de consommation.
- Elle n'offre peut-être pas un raisonnement exact, mais elle offre un raisonnement acceptable en pratique.
- Logique floue dans Data Mining vous aide à gérer l'incertitude en ingénierie
- Généralement robuste, car aucune donnée d'entrée précise n'est requise.
- Il peut être programmé pour continuer à fonctionner dans des situations où un capteur de retour d'information cesse de répondre.
- Il peut facilement être modifié pour améliorer ou modifier les performances du système
- L'utilisation de capteurs peu coûteux permet de limiter le coût et la complexité globaux du système.
- Elle offre une solution très efficace aux problèmes complexes
Inconvénients des systèmes de logique floue
- La logique floue n'est pas toujours précise ; ses résultats reposent sur des hypothèses et peuvent donc ne pas être largement acceptés.
- Les systèmes flous, par eux-mêmes, n'apprennent pas, contrairement à un Réseau neuronal avec sa capacité de reconnaissance de formes
- La validation et la vérification d'un système à base de connaissances floues nécessitent des tests approfondis avec du matériel.
- Définir des règles floues et des fonctions d'appartenance précises est une tâche difficile
- La logique floue est fréquemment confondue avec la théorie des probabilités, et les deux vocabulaires se mélangent.
