ISSN 1984-8218 Uma Ordem Total para Números Fuzzy Triangulares Simétricos∗ Tiago C. Asmus Graçaliz P. Dimuro Programa de Pós-Graduação em Modelagem Computacional, Programa de Pós-Graduação em Computação Centro de Ciências Computacionais, Universidade Federal do Rio Grande, 96201-900, Rio Grande, RS E-mail: tiagoasmus@gmail, [email protected] RESUMO A teoria dos conjuntos fuzzy tem sido utilizada para o tratamento de incertezas, principalmente aquelas associadas à variáveis linguísticas, quando fica difícil determinar a pertinência ou não de um elemento a um conjunto. Assim, dado um subconjunto F de um universo U , essa condição de pertinência vaga, difusa, incerta, de um elemento x do universo U ao subconjunto F é traduzida através de uma função de pertinência ϕF : U → [0, 1], onde o grau de pertinência de x a F é um número ϕF (x) entre 0 e 1. Um subconjunto fuzzy F de U pode ser representado por um conjunto de pares ordenados da forma (x, ϕF (x)), com x ∈ U , atribuindo assim um grau de pertinência em F para cada elemento do domínio de U . Chama-se de suporte de F o conjunto suppF = {x ∈ U |ϕF (x) > 0}. Denominam-se alfa-níveis de F os subconjuntos clássicos de U definidos por F [α] = {x ∈ U |ϕF (x) ≥ α}, para 0 < α ≤ 1, e, para α = 0, o alfa-nível de F é definido como o fecho do suporte, isto é, F [0] = supp \F . Um subconjunto de números reais F̄ é chamado de número fuzzy se todos todos alfa-níveis de F̄ forem intervalos fechados, não vazios, e seu o suporte for limitado. [3] Números fuzzy podem modelar variáveis linguísticas nos mais variados tipos de problemas. Em particular, podem-se utilizar números fuzzy no processo de tomada de decisão estratégica, à luz da teoria dos jogos. Muitas situações de interação estratégica envolvem recompensas (ou possíveis prejuízos), onde qualquer diferença de valores é relevante. Quando há incerteza nesse tipo de problema, utilizam-se números fuzzy para representar expressões como “em torno de”, ou “aproximadamente”, para dar mais segurança ao processo de tomada de decisão. [1] Uma etapa inerente de qualquer tomada de decisão estratégica é a comparação de recompensas, para determinar qual a maior delas para se maximizar os ganhos. Existem muitos métodos de ordenação de números fuzzy, no entanto, poucos são definidos por ordens totais, pela infinidade de formas que esses números podem assumir [5]. Assim, neste trabalho, consideram-se apenas números fuzzy triangulares simétricos, que representam a expressão “em torno de”. Justifica-se esta escolha tendo em vista a sua aplicação para o cálculo de probabilidades fuzzy, na proposta de Buckley [4], utilizada em nosso trabalho sobre jogos bayesianos fuzzy [2]. O objetivo deste trabalho é introduzir uma relação de ordem total para números fuzzy triangulares simétricos. Além da grandeza numérica do número fuzzy, o método também analisa a imprecisão contida nesse número. Dados os números fuzzy triangulares simétricos F¯1 = (a1 /c1 /b1 ), F¯2 = (a2 /c2 /b2 ), seus respectivos alfa-cortes podem ser representados por F¯1 [α] = [(c1 − a1 )α + a1 , (c1 − b1 )α + b1 ] e F¯2 [α] = [(c2 − a2 )α + a2 , (c2 − b2 )α + b2 ], a relação de igualdade entre esses números é dada por: F¯1 = F¯2 ⇔ a1 = a2 ∧ b1 = b2 ∧ c1 = c2 . (1) Para definir a relação <, são estipuladas 4 condições que abrangem todas as possibilidades de posicionamento entre 2 números fuzzy triangulares simétricos distintos, levando em consideração ainda um grau de imprecisão 0 ≤ ρ ≤ determinado de acordo com o problema modelado. Então, define-se: ∗ Apoio financeiro do CNPq (Proc. 483257/09-5, 560118/10-4, 476234/2011-5), FAPERGS (Proc. 11/0872-3) e CAPES. 175 ISSN 1984-8218 F¯1 < F¯2 ⇔ (a1 < a2 ∧ b1 ≤ b2 ∧ c1 < c2 ) (2) ∨ (a1 < a2 ∧ b2 < b1 ∧ c1 ≤ c2 ) ∨ [a1 ≤ a2 ∧ b2 < b1 ∧ c2 < c1 ∧ ∀ 0 ≤ α ≤ ρ : (c1 − a1 )α + a1 ≤ (c2 − a2 )α + a2 ] ∨ [a2 ≤ a1 ∧ b1 < b2 ∧ c1 < c2 ∧ ∃ 0 ≤ α ≤ ρ : (c1 − a1 )α + a1 ≤ (c2 − a2 )α + a2 ]. A relação ≤, definida pelas equações (1) e (2) para quaisquer F¯1 e F¯2 , é uma relação de ordem total, pois possui as propriedades de reflexão, anti-simetria, transitividade e, principalmente, totalidade. Para exemplificar, considera-se F¯1 = (0/5/10) e F¯2 = (3/4/5), representados através de seus alfaníveis como F¯1 [α] = [5α, 10 − 5α] e F¯2 [α] = [α + 3, 5 − α]. Para que a ordenação seja possível, deve-se escolher um 0 ≤ ρ ≤ 1, que vai determinar o quanto a precisão da informação contida no número fuzzy vai ser relevante para a ordenação. Assumindo ρ = 0.8, tem-se que F¯2 < F¯1 , pois 0 ≤ 3, 5 < 10, 4 < 5 e ∃0 ≤ α ≤ 0.8 : α + 3 ≤ 5α. No entanto, ao tomar ρ = 0.6 a situação se inverte, pois 0 ≤ 3, 5 < 10, 4 < 5 e ∀ 0 ≤ α ≤ 0.6 : α + 3 ≤ 5α, logo, F¯1 < F¯2 . Veja a representação gráfica desses exemplos na Figura 1. Figura 1: Representação gráfica dos números F¯1 = (1/5/9) e F¯2 = (6/7/8). O método de ordenação aqui apresentado se mostra bastante prático e de simples aplicação, pois não carece de funções auxiliares e se limita a comparar os valores chaves dos números fuzzy envolvidos, levando em consideração um grau de imprecisão. Finalmente, por representar uma relação de ordem total, o método é ideal para utilização em problemas em que a total ordenação é importante, tais como a determinação de solução de equilíbrio na teoria dos jogos ou a ordenação de prioridades em bases de conhecimento, evitando possíveis incertezas em um processo de tomada de decisão. Palavras-chave: Conjuntos Fuzzy, Números Fuzzy, Ordenação de Números Fuzzy Referências [1] W. Amaral and F. Gomide, A coevolutionary approach to solve fuzzy games, In “Granular Computing: At the Junction of Rough Sets and Fuzzy Sets” (R. Bello, R. Falcón, W. Pedrycz, and J. Kacprzyk, eds) pp. 121 – 130, Springer, Berlin, 2008. [2] T.C. Asmus and G.P. Dimuro, On fuzzy probabilities in bayesian games, In “Proceedings of 2011 Workshop-School on Theoretical Computer Science” (S.A. Costa, L.Foss, M.S. Aguiar, G.P. Dimuro, and A.C.R. Cosa, eds.) pp. 25 –31, IEEE, Los Alamitos, 2011. [3] L.C. Barros and R.C. Bassanezi, “Tópicos de Lógica Fuzzy e Biomatemática”, UNICAMP/IMECC, Campinas, 2010. [4] J.J. Buckley, “Fuzzy Probabilities: New Approach and Applications”, Springer, Berlin, 2005. [5] A.M. Nejad and M. Mashinchi, Ranking fuzzy numbers based on the areas on the left and the right sides of fuzzy number, Computers & Mathematics with Applications 61(2) (2011) 431 – 442. 176