Capitolo 1

Teoria dei fuzzy set e

fuzzy arithmetic

1.1 . Introduzione
Il processo di estrazione di conoscenza coinvolge due fasi: (1) il tentativo di scoprire
le caratteristiche del mondo e (2) il conseguente tentativo di carpire le caratteristi-
che della conoscenza stessa.
Tentare di estrarre conoscenza prendendo in considerazione lintero mondo (in casi
reali si parla di sistemi molto complessi) un compito estremamente arduo. Per que-
sto motivo necessario di volta in volta semplificare il sistema che si vuole analizza-
re. In generale una buona semplificazione dovrebbe minimizzare la perdita di infor-
mazioni rilevanti circa il problema in esame. I concetti di informazione e complessit
sono dunque estremamente collegati. Un metodo di semplificazione lintroduzione
di gradi di incertezza nella descrizione del sistema. La perdita di informazione neces-
saria alla riduzione della complessit del sistema espressa dallincertezza. Esistono
molti diversi tipi di incertezza ed ognuno di essi gioca un ruolo differente nel proble-
ma della semplificazione. Una formulazione matematica allinterno della quale questi
diversi tipi di incertezza possono essere caratterizzati ed investigati in maniera corret-
ta disponibile in termini di teoria dei fuzzy set.
I fuzzy set sono unestensione dei crisp set. In un crisp set gli elementi di un dato u-
niverso vengono suddivisi in due gruppi: membri (che certamente appartengono
allinsieme) e non membri (che sicuramente non vi appartengono) e tra di loro esiste
una netta distinzione. Tuttavia la maggior parte delle categorie con cui si ha a che fare
quotidianamente non presenta questi tipi di caratteristiche.
Per questo motivo i fuzzy set introducono imprecisione (allo scopo di ridurre la com-
plessit) eliminando il netto confine che separa elementi membri da elementi non
membri.
Gli studi sui fuzzy set sono numerosi. In questo capitolo, seguendo ed elaborando
limpostazione data in [1], viene fornita una panoramica sugli aspetti principali di
questa teoria.
Capitolo 1 Teoria dei fuzzy set e fuzzy arithmetic


2
1.2. Crisp set
Si definisce insieme una classe o collezione ben definita di oggetti, detti elementi. Gli
insiemi della teoria classica sono detti crisp e contengono oggetti che soddisfano pre-
cise propriet di appartenenza.
Un insieme si indica con una lettera maiuscola in corsivo mentre gli elementi vengo-
no rappresentati da lettere minuscole.
La lettera X denota luniverso del discorso, o insieme universo. Questo insieme con-
tiene tutti i possibili elementi attraverso i quali, in ogni particolare contesto o applica-
zione, tutti gli altri insiemi possono essere formati. Se non diversamente specificato,
si assume che X contenga un numero finito di elementi.
Per indicare che un singolo oggetto x membro o elemento di un insieme A, si scrive
A x .
Nel caso in cui x non sia, invece, un elemento dellinsieme A, si scrive
A x .
Un insieme pu essere descritto sia enumerando tutti i suoi membri che specificando
alcune propriet ben definite che gli elementi in esso contenuti devono soddisfare. Il
primo metodo, comunque, pu essere utilizzato solo per insiemi finiti.
Un insiemi i cui elementi sono a loro volta insiemi prende il nome di famiglia di in-
siemi. Esso pu essere definito nella forma
} | { I i A
i
,
dove i chiamato identificatore dellinsieme ed I insieme di identificazione. Poich
lindice i utilizzato per referenziare gli insiemi, la famiglia di insiemi anche chia-
mata insieme indicizzato.
Se ogni elemento dellinsieme A anche elemento dellinsieme B cio, se A x
implica B x allora A detto sottoinsieme di B, e si indica con
B A .
Ogni insieme sottoinsieme di se stesso e dellinsieme universo. Se B A e A B ,
allora A e B contengono gli stessi elementi. Essi sono chiamati insiemi uguali, ci si
indica con
B A = .
Per indicare il contrario, si scrive
B A .
Se si verificano contemporaneamente le condizioni B A e B A , allora B contiene
almeno un elemento che non membro di A.
Capitolo 1 Teoria dei fuzzy set e fuzzy arithmetic


3
In questo caso A chiamato sottoinsieme proprio di B, questo si indica con
B A .
Linsieme che non contiene elementi detto insieme vuoto e indicato con il simbolo
. Linsieme vuoto sottoinsieme di ogni insieme e sottoinsieme proprio di ogni in-
sieme eccetto se stesso.
Il metodo attraverso il quale si determina lappartenenza o la non appartenenza degli
elementi dellinsieme universo ad un particolare insieme pu essere definito attraver-
so una funzione caratteristica o di discriminazione. Per un dato insieme A, tale fun-
zione assegna un valore ) (x
A
ad ogni X x tale che

. se solo e se
, se solo e se
0
1
) (
A x
A x
x
A

=
Dunque, la funzione mette in corrispondenza gli elementi dellinsieme universo con
gli elementi contenuti nellinsieme {0, 1}. Questo pu essere indicato con
} 1 , 0 { : X
A
.
Il numero di elementi che appartiene allinsieme A chiamato cardinalit
dellinsieme e indicato con | A |. Un insieme definito dalle propriet che devono esse-
re soddisfatte dai suoi membri pu contenere un numero infinito di elementi.
La famiglia di insiemi che costituisce tutti i sottoinsiemi di un particolare insieme A
definito come linsieme delle parti di A ed indicato con P(A). sempre possibile
che
| P(A) |=
| |
2
A
.
Il complemento relativo dellinsieme A rispetto a B linsieme che contiene tutti i
membri di B che non sono anche membri di A. Esso pu essere scritto come B A.
Quindi,
} and | { A x B x x A B = .
Se linsieme B linsieme universo, il complemento assoluto e di solito si indica
con A. Loperazione di complemento sempre involutiva, questo significa che pren-
dendo il complemento di un insieme complemento si ottiene linsieme originale, cio
A A = .
Il complemento assoluto dellinsieme vuoto equivale allinsieme universale, e il com-
plemento assoluto dellinsieme universale equivale allinsieme vuoto. Cio,
X = ,
e
= X .
Capitolo 1 Teoria dei fuzzy set e fuzzy arithmetic


4
Lunione degli insiemi A e B linsieme che contiene gli elementi che provengono o
dal solo insieme A, o dal solo insieme B, o da entrambi gli insiemi A e B. Lunione si
indica con B A . Quindi,
} o | { B x A x x B A = .
Loperazione di unione pu essere generalizzata ad un numero qualsiasi di insiemi.
Per una famiglia di insiemi } | { I i A
i
definita come

U
I i
i i
I i A x x A

= } per | { .
Lunione di un qualsiasi insieme con linsieme universo restituisce linsieme univer-
so, mentre lunione di un qualsiasi insieme con linsieme vuoto restituisce linsieme
stesso. Questo si scrive come
X X A =
e
A A = .
Poich tutti gli elementi dellinsieme universo necessariamente provengono
dallinsieme A o dal suo complemento assoluto, A, lunione di A e A restituisce
linsieme universo. Quindi,
X A A = .
Questa propriet solitamente chiamata legge del terzo escluso.
Lintersezione degli insiemi A e B linsieme che contiene tutti gli elementi che pro-
vengono contemporaneamente da A e da B. Essa si indica con B A . Quindi,
} e | { B x A x x B A = .
La generalizzazione dellintersezione per una famiglia di insiemi } | { I i A
i
definita
come

I
I i
i
I i x x A

= } gli per tutti | { .

Lintersezione di qualunque insieme con linsieme universo restituisce linsieme stes-
so, mentre lintersezione di qualunque insieme con linsieme vuoto restituisce
linsieme vuoto. Ci pu essere indicato scrivendo
A X A =
e
= A .
Poich un insieme e il suo complemento assoluto per definizione non condividono
nessun elemento, la loro intersezione restituisce linsieme vuoto.
Capitolo 1 Teoria dei fuzzy set e fuzzy arithmetic


5
Quindi,
= A A .
Questa propriet solitamente chiamata legge di contraddizione.
Due insiemi qualunque A e B sono disgiunti se non hanno alcun elemento in comune,
cio se
= B A .
Segue direttamente dalla legge di contraddizione che un insieme ed il suo comple-
mento assoluto sono sempre disgiunti.
Una collezione di coppie di sottoinsiemi non vuoti disgiunti di un insieme A chia-
mata partizione su A se lunione di tali sottoinsiemi restituisce linsieme originale A.
Una partizione si denota col simbolo ) ( A . Formalmente,
} , | { ) ( A A I i A A
i i
= ,
dove
i
A , una partizione su A se e solo se
=
j i
A A ,
per ogni coppia j i , I j i , , e

U
I i
i
A A

= .
Quindi ogni elemento di A proviene da uno ed un solo sottoinsieme che forma la par-
tizione.
Le operazioni di unione, intersezione e complemento soddisfano molte importanti
propriet. Sia lunione che lintersezione sonno commutative, ovvero il loro risultato
non dipende dallordine dei loro operandi. Quindi,
A B B A = ,
A B B A = .
Unione e intersezione possono essere applicate a coppie in un ordine qualsiasi senza
alterare il loro risultato. Questa propriet chiamata associativit ed espressa dalle
equazioni
) ( ) ( C B A C B A C B A = = ,
) ( ) ( C B A C B A C B A = = ,
dove le operazioni tra parentesi sono effettuate per prime.
Poich lunione e lintersezione di un qualsiasi insieme con se stesso restituisce quel-
lo stesso insieme, si dice che queste due operazioni sono idempotenti.
Capitolo 1 Teoria dei fuzzy set e fuzzy arithmetic


6
Quindi,
A A A = ,
A A A = .
Lunione e lintersezione soddisfano anche la legge distributiva nei seguenti modi:
) ( ) ( ) ( C A B A C B A = ,
) ( ) ( ) ( C A B A C B A = .
Infine, le leggi di De Morgan per lintersezione e lunione stabiliscono che il com-
plemento dellintersezione di due insiemi qualunque uguale allunione dei loro
complementi. Alla stessa maniera, il complemento dellunione di due insiemi qualsia-
si uguale allintersezione dei loro complementi. Ci pu essere scritto come
B A B A = ,
B A B A = .
Queste e altre propriet sono riportate nella Tab. 1. Si noti che tutte le operazioni nel-
la tabella che coinvolgono intersezione e unione di insiemi sono organizzate in cop-
pie. La seconda equazione di ogni coppia pu essere ottenuta dalla prima sostituendo
e , con e , X , rispettivamente e viceversa. Si considerano quindi coppie di
equazioni duali. Esse esemplificano il principio generale di dualit: ad ogni equazio-
ne valida nella teoria degli insiemi che si basa sulle operazioni di unione e intersezio-
ne, corrisponde unequazione duale, comunque valida, ottenuta dalle sostituzioni
prima specificate.

Involuzione
A A =
Commutativit (i) A B B A = (ii) A B B A =
Associativit (i) ) ( ) ( C B A C B A C B A = =
(ii) ) ( ) ( C B A C B A C B A = =
Distributivit (i) ) ( ) ( ) ( C A B A C B A =
(ii) ) ( ) ( ) ( C A B A C B A =
Idempotenza (i) A A A = (ii) A A A =
Assorbimento (i) A B A A = ) ( (ii) A B A A = ) (
Assorbimento del complemento
(i) B A B A A = ) ( (ii) B A B A A = ) (
Assorbimento da X e (i) X X A = (ii) = A
Identit (i) = A (ii) A X A =
Legge di contraddizione
= A A
Legge del terzo escluso
X A A =
Leggi di De Morgan
(i) B A B A = (ii) B A B A =
Tab. 1 Propriet delle operazioni sui crisp set
Capitolo 1 Teoria dei fuzzy set e fuzzy arithmetic


7
1.3. Fuzzy set
Come definito nel paragrafo precedente, la funzione caratteristica di un insieme crisp
assegna i valori 0 o 1 ad ogni elemento dellinsieme universo, ogni elemento
dellinsieme universo quindi o appartiene o non appartiene allinsieme preso in con-
siderazione.
Tale funzione pu essere generalizzata cos che i valori assegnati agli elementi
dellinsieme universo cadano allinterno di uno specifico intervallo e indichino il gra-
do di appartenenza di questi elementi allinsieme in questione. I valori pi ampi indi-
cano gradi di appartenenza allinsieme maggiori.
Una funzione con queste caratteristiche chiamata funzione di appartenenza e
linsieme definito da essa fuzzy set.
Sia X linsieme universo. Una funzione di appartenenza
A
attraverso la quale so-
litamente definito un fuzzy set ha la forma
] 1 , 0 [ : X
A
,
dove [0, 1] rappresenta lintervallo dei numeri reali compresi tra 0 e 1 (inclusi).
Sebbene lintervallo di valori compresi tra 0 e 1 sia uno dei pi comunemente usati
per rappresentare i gradi di appartenenza, pu essere utilizzato un qualsiasi insieme
arbitrario con un ordinamento naturale completo o parziale. Non necessario che gli
elementi di questo insieme siano numeri, purch il loro ordinamento possa rappresen-
tare le varie intensit dei gradi di appartenenza.
Questa funzione di appartenenza generalizzata ha la forma
L X
A
:
dove L denota qualunque insieme che sia parzialmente ordinato. Poich L molto spes-
so una reticolo (lattice), i fuzzy set definiti da questa funzione di appartenenza gene-
ralizzata sono chiamati L-fuzzy set.
Gli L-fuzzy set sono particolarmente importanti in alcune applicazioni, quelle partico-
larmente rilevanti sono quelle nelle quali L= [0, 1]
n
. Sebbene linsieme [0, 1] sia to-
talmente ordinato, gli insiemi [0, 1]
n
con n 2 lo sono solo parzialmente. Per esem-
pio, prese due qualsiasi coppie
2
1 1
] 1 , 0 [ ) , ( b a e
2
2 2
] 1 , 0 [ ) , ( b a non sono confronta-
bili (ordinate) ogni volta che
2 1
a a < e
2 1
b b > .
importante specificare che i gradi di appartenenza non sono probabilit. Una diffe-
renza immediata sta nel fatto che la somma delle probabilit su un insieme universo
finito deve essere uguale a 1, mentre non esiste alcun vincolo per i gradi di apparte-
nenza.
Unaltra fondamentale distinzione deve essere fatta tra il concetto di fuzzy set e
unaltra rappresentazione di incertezza conosciuta come fuzzy misura. Dato un parti-
colare elemento dellinsieme universo la cui appartenenza ai sottoinsiemi crisp di tale
insieme universo non sia nota con certezza, una fuzzy misura g assegna un valore
Capitolo 1 Teoria dei fuzzy set e fuzzy arithmetic


8
graduato ad ognuno di questi sottoinsiemi crisp, il quale indica il grado di evidenza o
certezza soggettiva che lelemento provenga dal sottoinsieme. Quindi una fuzzy mi-
sura definita dalla funzione
] 1 , 0 [ :
~
) ( X g P ,
che soddisfa determinate propriet.
Una differente estensione del concetto di fuzzy set riguarda la creazione di sottoin-
siemi fuzzy dellinsieme universo i cui elementi sono fuzzy set. Questi fuzzy set sono
conosciuti come level-k fuzzy set, dove k indica la profondit dellannidamento.
Dato un insieme universale crisp X, siano ) ( X P
~
linsieme di tutti i sottoinsiemi
fuzzy di X e ) (
~
X
K
P definito ricorsivamente dall equazione
)) (
~
(
~ ~
1
) ( X X
K K
= P P P ,
per tutti gli interi 2 k . I fuzzy set di livello k sono formalmente definiti da una fun-
zione di appartenenza nella forma
] 1 , 0 [ ) (
~
1

X
K
A
P : .
Il requisito di una funzione di appartenenza precisa pu essere rilassato permettendo a
) ( X
A
di assumere come valori intervalli di numeri reali in [0, 1] piuttosto che nu-
meri singoli. Insiemi fuzzy di questo tipo sono chiamati insiemi fuzzy con valori di
intervallo e sono formalmente definiti da una funzione di appartenenza nella forma
] 1 , 0 [
~
P : X
A
.

1.3.1. Concetti base
In questa sezione si introducono concetti base della teoria degli insiemi fuzzy. Molti
sono estensione e generalizzazione dei concetti base degli insiemi crisp, ma altri sono
unici nellambito degli insiemi fuzzy.

Supporto
Il supporto di un insieme fuzzy A nellinsieme universo X linsieme crisp che con-
tiene tutti gli elementi di X che hanno un grado di appartenenza diverso da zero in A.
Il supporto di un insieme fuzzy ottenuto mediante la formula
) ( ) (
~
: supp X X P P ,
dove
} 0 ) ( | { : supp > = x X x A
A
.
Capitolo 1 Teoria dei fuzzy set e fuzzy arithmetic


9
Un insieme fuzzy vuoto ha un supporto vuoto, cio la funzione di appartenenza asse-
gna 0 a tutti gli elementi dellinsieme universo.
Gli insiemi fuzzy con un supporto finito vengono solitamente definiti dalla notazione

n n
x x x A / ... / /
2 2 1 1
+ + + = ,
dove x
i
un elemento del supporto dellinsieme fuzzy A,
i
il suo grado di apparte-
nenza in A, gli slash ( / ) indicano il legame tra lelemento e il suo grado di apparte-
nenza e il segno di addizione indica, non loperazione algebrica, ma lelenco delle
coppie di elementi e rispettivi gradi di appartenenza che formano linsieme A. Nel ca-
so in cui linsieme fuzzy A sia definito su un insieme universo X finito e numerabile,
si scrive

=
=
n
i
i i
x A
1
/ .
In maniera simile, se X un intervallo di numeri reali, un insieme fuzzy A si scrive
nella forma

=
X
A
x x A / ) ( .

Altezza
Laltezza di un insieme fuzzy il pi grande grado di appartenenza di un qualunque
elemento di quellinsieme.
Un insieme fuzzy si dice normalizzato quando almeno uno dei suoi elementi raggiun-
ge il massimo grado di appartenenza possibile.

Alfa-cut (-cut)
Un -cut di un insieme fuzzy A un insieme crisp A

che contiene tutti gli elementi
dellinsieme universo X che hanno un grado di appartenenza in A maggiore o uguale
al valore specificato da . Questa definizione pu essere scritta come
} ) ( | {

= x X x A
A
.
Il valore pu essere scelto arbitrariamente ma spesso assume i valori dei gradi di
appartenenza degli elementi dellinsieme fuzzy preso in considerazione.
Si osservi che linsieme di tutti gli -cut di un qualsiasi insieme fuzzy su X la fami-
glia dei sottoinsiemi crisp annidati di X.
Linsieme di tutti i livelli ] 1 , 0 [ che rappresenta tutti gli -cut di un insieme fuzzy
A chiamato insieme di livello di A. Formalmente
} per ) ( | { X x x
A A
= = ,
Capitolo 1 Teoria dei fuzzy set e fuzzy arithmetic


10
dove
A
indica linsieme di livello dellinsieme fuzzy di A definito su X.

Cardinalit scalare
La cardinalit scalare di un insieme fuzzy A definita su un insieme universo finito X
la somma dei gradi di appartenenza di tutti gli elementi di X in A.
Quindi,

=
X x
A
x A ) ( | | .

Cardinalit fuzzy
Per gli insiemi fuzzy sono state proposte altre forme di cardinalit. Una di queste,
chiamata cardinalit fuzzy, definita come un numero fuzzy piuttosto che con un
numero reale come nel caso della cardinalit scalare. Quando un insieme fuzzy A ha
un supporto finito, la sua cardinalit fuzzy |
~
| A un insieme fuzzy (numero fuzzy)
definito su N la cui funzione di appartenenza definita da:
= = |) (|
|
~
|
A
A
,
per tutti gli nellinsieme di livello di A ) (
A
.

Relazioni tra insiemi fuzzy
Se il grado di appartenenza di ogni elemento dellinsieme universo X in un insieme
fuzzy A minore o uguale al suo grado di appartenenza in un insieme fuzzy B, allora
A sottoinsieme di B. Quindi, se
) ( ) ( x x
B A
,
per ogni X x , allora
B A .
Gli insiemi fuzzy A e B sono detti uguali se ) ( ) ( x x
B A
= per ogni elemento X x ,
questo si indica con
B A = .
Chiaramente se B A = , allora B A e A B .
Se gli insiemi fuzzy non sono uguali ) ( ) ( x x
B A
almeno per un elemento X x
si scrive
B A .
Capitolo 1 Teoria dei fuzzy set e fuzzy arithmetic


11
Un insieme fuzzy A chiamato sottoinsieme proprio di un insieme fuzzy B quando A
sottoinsieme di B e i due insiemi non sono uguali; ovvero se, ) ( ) ( x x
B A
per
ogni X x e ) ( ) ( x x
B A
< per almeno un elemento X x . Questo si indica scri-
vendo
B A B A B A e se solo e se .

Principio di estensione
Un principio base che permette la generalizzazione dei concetti matematici
nellambito crisp allambito fuzzy conosciuto come principio di estensione. Dati
una funzione f definita sui punti dellinsieme X a valori nei punti dellinsieme Y e un
qualunque insieme fuzzy ) (
~
X A P , dove

n n
x x x A / ... / /
2 2 1 1
+ + + = ,
il principio di estensione afferma che

) ( / ... ) ( / ) ( /
) / ... / / ( ) (
2 2 1 1
2 2 1 1
n n
n n
x f x f x f
x x x f A f


+ + + =
+ + + =

Se pi di un elemento di X mappato da f sullo stesso elemento Y y , allora il mas-
simo dei gradi di appartenenza di questi elementi nellinsieme fuzzy A scelto come
grado di appartenenza per y in f(A). Se nessun elemento di X x mappato su y, al-
lora il grado di appartenenza di y in f(A) zero.

1.4. Logica classica: panoramica generale
La logica lo studio di metodi e principi di ragionamento in tutte le sue possibili
forme. La logica classica tratta delle proposizioni che possono assumere valore vero o
falso. Ogni proposizione ha un opposto chiamato negazione della proposizione. Una
proposizione e la sua negazione devono assumere valori opposti.
Unarea della logica, chiamata logica proposizionale, tratta di combinazioni di varia-
bili che formano proposizioni arbitrarie. Queste variabili sono solitamente chiamate
variabili logiche o proposizionali. Poich ogni variabile forma una proposizione ipo-
tetica, pu assumere entrambi i valori di verit, a seconda della proposizione con cui
viene sostituita.
Uno dei principali scopi della logica proposizionale lo studio di regole attraverso le
quali possono essere prodotte nuove variabili logiche come funzioni di altre (date).
Non ha a che fare, invece, con la struttura interna delle proposizioni rappresentate
dalle variabili logiche.
Siano v
1
, v
2
, , v
3
variabili logiche. possibile definire una nuova variabile logica
mediante una funzione che le assegni un particolare valore di verit per ogni valore
Capitolo 1 Teoria dei fuzzy set e fuzzy arithmetic


12
delle variabili date. Tale funzione solitamente chiamata funzione logica. Poich n
variabili logiche possono assumere 2
n
probabili valori, allora esistono 2
n
funzioni lo-
giche che definiscono tali variabili. Nella Tab. 2 sono riportate tutte le funzioni logi-
che di due variabili.

v
2

v
1

1
1
1
0
0
1
0
0
Nome di funzione adottato Simbolo adottato
w
1
0 0 0 0 Zero 0
w
2
0 0 0 1 NOR
2 1
v v
w
3
0 0 1 0 Inibizione
2 1
v v >
w
4
0 0 1 1 Negazione
2
v
w
5
0 1 0 0 Inibizione
2 1
v v <
w
6
0 1 0 1 Negazione
1
v
w
7
0 1 1 0 OR esclusivo
2 1
v v
w
8
0 1 1 1 NAND
2 1
| v v
w
9
1 0 0 0 Congiunzione
2 1
v v
w
10
1 0 0 1 Bicondizionale
2 1
v v
w
11
1 0 1 0 Asserzione
1
v
w
12
1 0 1 1 Implicazione
2 1
v v
w
13
1 1 0 0 Asserzione
2
v
w
14
1 1 0 1 Implicazione
2 1
v v
w
15
1 1 1 0 Disgiunzione
2 1
v v
w
16
1 1 1 1 Uno 1
Tab. 2 Funzioni logiche di due variabili

Obiettivo della logica proposizionale esprimere tutte le funzioni logiche di n varia-
bili (n N) attraverso un numero molto piccolo di semplici funzioni logiche. Tali
funzioni sono preferibilmente operazioni logiche di una o due variabili e sono chia-
mata primitive logiche. Si dice che un insieme di primitive completo se e solo se
qualunque funzione logica delle variabili v
1
, v
2
, , v
3
(per qualunque n finito) pu es-
sere composta con un numero finito di queste primitive.
Due dei principali insiemi completi di primitive sono: (1) negazione, congiunzione e
disgiunzione e (2) negazione e implicazione. Combinando, per esempio, gli elementi
del primo mediante appropriate espressioni algebriche, chiamate formule logiche, si
possono ottenere altre funzioni logiche.
Capitolo 1 Teoria dei fuzzy set e fuzzy arithmetic


13
Quando la variabile rappresentata da una formula logica sempre vera indipendente-
mente dai valori di verit assegnati alle variabili coinvolte nella formula, chiamata
tautologia; quando sempre falsa chiamata contraddizione.
Varie forme di tautologie possono essere utilizzate per formare inferenze deduttive.
Esse sono conosciute come regole di inferenza. Esempio di tautologie usate frequen-
temente sono:
b b a a )) ( ( modus ponens
a b a b )) ( ( modus tollens
) ( )) ( ) (( c a c b b a sillogismo ipotetico
Ogni tautologia rimane una tautologia quando una sua variabile qualunque sostituita
da una formula logica arbitraria. Questa propriet rappresenta un altro esempio della
potenza delle regole di inferenza, conosciuta come regola di sostituzione.
La logica proposizionale isomorfa alla teoria degli insiemi tenendo conto della cor-
rispondenza tra questi due insiemi matematici. Inoltre entrambi questi sistemi sono
isomorfi allalgebra booleana, un sistema matematico definito da entit astratte e pro-
priet assiomatiche.
Unalgebra booleana su un insieme B definita dalla quadrupla ) , , , ( + = B B dove
linsieme B ha almeno due elementi 0 e 1; + e sono operazioni binarie su B, e
unoperazione unaria su B per la quale valgono le operazioni della Tab. 3.

Idempotenza

a a a = +
a a a =
Commutativit

a b b a + = +
a b b a =
Associativit

) ( ) ( c b a c b a + + = + +
) ( ) ( c b a c b a =
Assorbimento

) ( c b a +
) ( c b a +
Distributivit

) ( ) ( ) ( c a b a c b a + = +
) ( ) ( ) ( c a b a c b a + + + = +
Elementi neutri

a a = + 0 , a a = +1
a a = 1 , 0 0 = a
Complementariet


1 = + a a
1 = a a
0 1 =
Involuzione
a a =
Dualizzazione

b a b a = +
b a b a + =
Tab. 3 Propriet dellalgebra booleana
Capitolo 1 Teoria dei fuzzy set e fuzzy arithmetic


14
Gli isomorfismi tra algebra booleana, teoria degli insiemi e logica proposizionale ga-
rantiscono che ogni teorema di una qualunque di queste teorie abbia la sua contropar-
te nelle altre due. Nella Tab. 4 sono riportate le corrispondenze tra le tre teorie.

Teoria degli insiemi Algebra booleana Logica proposizionale
) (X P B ) (V F
+
.

X 1 1
0 0

Tab. 4 Isomorfismi tra teoria degli insiemi, algebra booleana e logica proposizionale

La logica proposizionale riguarda solo quelle relazioni logiche che dipendono dal
modo in cui sono formate le proposizioni a partire da quelle date attraverso le opera-
zioni logiche. Queste ultime proposizioni sono trattate come insiemi non analizzati.
Questo risulta inadeguato per alcune istanze del ragionamento deduttivo, per le quali
la struttura interna delle proposizioni non pu essere ignorata.
Le proposizioni sono frasi espresse in alcuni linguaggi. Ogni frase che rappresenta
una proposizione pu essere divisa in soggetto e predicato. Una singola proposizione
quindi pu essere espressa in forma canonica come
x P,
dove x il simbolo di un soggetto e P indica un predicato, che caratterizza una pro-
priet.
Capitolo 1 Teoria dei fuzzy set e fuzzy arithmetic


15
1.5. Logica fuzzy
La logica classica si fonda sullassunzione che ogni proposizione possa assumere solo
i valori di verit vero o falso. Pensando per ad eventi futuri non possibile afferma-
re con certezza che essi siano veri o falsi, in quanto devono ancora verificarsi. Per
questo motivo il loro valore non determinato. Quello delle proposizioni legate ad
eventi futuri solo un esempio di incertezza, esistono molti altri casi in cui il valore
di una proposizione non noto a priori, o non comunque preciso.
Per risolvere queste situazioni necessario abbandonare la visione troppo restrittiva
della logica classica che accetta solo valori di verit e falsit, ma occorre abbracciare
un modello in cui compaiano valori di indeterminatezza.
La logica a due valori (vero e falso) pu essere dunque estesa in una logica che com-
prenda un terzo valore (indeterminato) in vari modi. comune in questi tipi di logica
indicare i valori vero, falso ed indeterminato tramite i simboli 1, 0 e . altres co-
mune definire la negazione di a come a a =1 . Altre primitive, come , , e
differiscono da logica a logica.
Cinque delle pi famose logiche a tre valori sono rappresentate nella seguente tabella

Lukasiewicz Bochvar Kleene Heyting Reichenbach
a b
0 0 0 0 1 1 0 0 1 1 0 0 1 1 0 0 1 1 0 0 1 1
0 0 1 0 1 0 1 0 0 1
0 1 0 1 1 0 0 1 1 0 0 1 1 0 0 1 1 0 0 1 1 0
0 0 0 0 0 0 0
1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1
1 0 0 1 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 1 0 0
1 1 1 1 1
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
Tab. 5 Primitive di alcune logiche a tre valori

Diciamo di una formula che in una logica a tre valori non assume il valore di verit 0
(falso) indipendentemente dai valori di verit assegnati alle sue variabili proposizio-
nali che una quasi-tautologia. In maniera simile, una formula logica che non assu-
me il falore di verit 1 detta quasi-contraddizione.
Sono stati sviluppati altri tipi di logica, precisamente sono state studiate logiche ad n-
valori, per un numero arbitrario di valori di verit ( 2 n ).
Capitolo 1 Teoria dei fuzzy set e fuzzy arithmetic


16
Per ogni n dato, il valore di verit in questi tipi di logica sono di solito presi dai nu-
meri razionali appartenenti allintervallo [0, 1]. Linsieme T
n
dei valori di verit per le
logiche ad n valori definito come

= = 1
1
1
,
1
2
, ,
1
2
,
1
1
,
1
0
0
n
n
n
n
n n n
T
n
K .
Questi valori possono essere interpretati come gradi di verit.
La prima logica ad n-valori venne proposta da Lukasiewicz con le seguenti primitive:
a a =1 ,
) , min( b a b a = ,
) , max( b a b a = , (1.1)
) 1 , 1 min( a b b a + = ,
| | 1 b a b a = .
Per ogni 2 n la logica ad n-valori di Lukasiewicz indicata in letteratura da L
n
. I
valori di verit di L
n
sono presi da T
n
e le sue primitive definite dalle equazioni (1.1).
La logica L
2
chiaramente la classica a due valori; allestremo opposto troviamo la
logica

L chiamata logica a valori infiniti i cui valori di verit sono presi

dallinsieme

T di tutti i numeri razionali nellintervallo [0, 1].

Un altro tipo di logica a valori infiniti si ottiene nel momento in cui i valori di verit
non vengono presi dallinsieme

T ma dai numeri reali nellintervallo [0, 1]. Il termi-

ne logica a valori infiniti di solito utilizzato in letteratura per indicare questi tipi di
logica, in cui i valori di verit sono rappresentati da tutti i numeri reali nellintervallo
[0, 1]. Spesso la logica con queste caratteristiche prende il nome di logica standard di
Lukasiewicz L
1
, dove il pedice 1 una abbreviazione di
1
(aleph 1) il simbolo co-
munemente utilizzato per indicare la cardinalit del continuo.
La logica standard L
1
solo una delle numerose logiche a valori infiniti, come ad e-
sempio la teoria standard sui fuzzy set solo una delle numerose teorie sui fuzzy set,
che differiscono tra di loro semplicemente per le operazioni sugli insiemi utilizzate.
Linsufficienza di qualsiasi singola logica a valori infiniti legata alla nozione di in-
sieme completo di primitive logiche. Non esistono insiemi completi di primitive logi-
che per qualsiasi logica a valori infiniti. A causa di ci, utilizzando un insieme finito
di primitive per definire una logica a valori infiniti, possibile ottenere solamente un
sottoinsieme di tutte le funzioni logiche delle variabili della logica primaria fornita.
Dato che alcune applicazioni hanno bisogno di funzioni al di fuori di questo sottoin-
sieme, necessario ricorrere a logiche alternative.
Le varie logiche a molti valori hanno la loro controparte nella teoria dei fuzzy set, e
formano il kernel della fuzzy logic, una logica basata sulla teoria dei fuzzy set. Il suo
Capitolo 1 Teoria dei fuzzy set e fuzzy arithmetic


17
scopo principale quello di fornire fondamenti per il ragionamento approssimato con
proposizioni imprecise utilizzando la teoria dei fuzzy set come strumento principale.
La fuzzy logic utilizza
predicati fuzzy (es. costoso, vecchio, raro, pericoloso, ),
quantificatori fuzzy (es. molti, pochi, di solito, come, ),
valori di verit fuzzy (quasi vero, verissimo, per la maggior parte falso, ),
modificatori fuzzy.
possibile operare su fuzzy set che rappresentano predicati con qualunque delle ope-
razioni fondamentali dei fuzzy set: complemento, unione, intersezione.
In generale i quantificatori fuzzy sono rappresentati nella logica fuzzy da fuzzy num-
ber (numeri fuzzy) che verranno spiegati nel seguito del capitolo.

1.6. Operazioni sui fuzzy set
La teoria dei fuzzy set venne sviluppata in termini di specifiche operazioni: comple-
mento, unione e intersezione:
) ( 1 ) ( x x
A
A
= , (1.2)
)) ( ), ( max( ) ( x x x
B A B A
=

, (1.3)
)) ( ), ( min( ) ( x x x
B A B A
=

. (1.4)
Si pu notare come, quando il range dei gradi di appartenenza che possono essere as-
sunti ristretto allinsieme {0, 1}, queste funzioni si riducono esattamente a quelle
studiate per i crisp set.
chiaro che queste funzioni non sono per le sole possibili generalizzazioni degli
operatori dei crisp set. Per ognuno dei tre operatori possono essere sviluppate diverse
classi di funzioni, dotate di propriet assiomatiche.

1.6.1. Complemento fuzzy
Il complemento (1.2) di un fuzzy set A specificato da una funzione
c: [0, 1] [0, 1]
che assegna un valore )) ( ( x c
A
ad ogni grado di appartenenza ) (x
A
. Questo valore
da intendersi come il grado di appartenenza dellelemento x nel fuzzy set rappresen-
tante la negazione del concetto indicato da A. Seguono assiomi.
(i) 1 ) 0 ( = c e 0 ) 1 ( = c condizioni al contorno
(ii) ) ( ) ( b c a c [ ] 1 , 0 , b a b a < monotonia non crescente
Capitolo 1 Teoria dei fuzzy set e fuzzy arithmetic


18
(iii) c una funzione continua continuit
(iv) a a c c = )) ( ( [ ] 1 , 0 a involuzione

1.6.2. Unione fuzzy
Lunione (1.3) di due fuzzy set A e B specificata da una funzione
u: [0, 1] [0, 1] [0, 1]
per ogni elemento x dellinsieme universo, la funzione prende come argomento la
coppia costituita dal grado di appartenenza dellelemento in A e B e restituisce il gra-
do di appartenenza dellelemento nellinsieme unione. Seguono assiomi.
(i) 0 ) 0 , 0 ( = u condizioni al contorno
1 ) 1 , 1 ( ) 0 , 1 ( ) 1 , 0 ( = = = u u u
(ii) ) , ( ) , ( a b u b a u = commutativit
(iii) ) ' , ' ( ) , ( b a u b a u monotonia
se ' a a ' b b
(iv) )) , ( , ( ) ), , ( ( c b u a u c b a u u = associativit
(v) u continua continuit
(vi) a a a u = ) , ( idempotenza

1.6.3. Intersezione fuzzy
Lintersezione (1.4) di due fuzzy set A e B specificata da una funzione
i: [0, 1] [0, 1] [0, 1].
Largomento della funzione una coppia costituita dai gradi di appartenenza di alcuni
elementi x nellinsieme A e da quelli degli stessi elementi nellinsieme B. La funzione
restituisce il grado di appartenenza dellelemento appartenente allinsieme B A .
Gli assiomi validi per questa funzione sono i seguenti
(i) 1 ) 1 , 1 ( = i condizioni al contorno
0 ) 0 , 0 ( ) 0 , 1 ( ) 1 , 0 ( = = = i i i
(ii) ) , ( ) , ( a b i b a i = commutativit
(iii) ) ' , ' ( ) , ( b a i b a i monotonia
se ' a a ' b b
(iv) )) , ( , ( ) ), , ( ( c b i a i c b a i i = associativit
Capitolo 1 Teoria dei fuzzy set e fuzzy arithmetic


19
(v) i continua continuit
(vi) a a a i = ) , ( idempotenza

1.6.4. Operazioni di aggregazione
Le operazioni di aggregazione sui fuzzy set permettono di combinare vari insiemi fi-
no a produrne uno solo. In generale qualsiasi operazione di aggregazione definita
da una funzione
h: [0, 1]
n
[0, 1]
per 2 n .
Quando h viene applicata a n fuzzy set A
1
, A
2
, , A
n
definiti su X, la funzione produ-
ce un fuzzy set aggregato A operando sui gradi di appartenenza di ogni X x negli
insiemi da aggregare. Vale a dire
)) ( , ), ( ), ( ( ) (
2 1
x x x h x
n
A A A A
K = X x
Per essere classificata come funzione di aggregazione, h deve rispettare almeno i se-
guenti assiomi:
(i) h(0, 0, , 0) = 0 condizioni al contorno
h(1, 1, , 1) = 1
(ii) ) | ( ) | (
n i n i
i b h i a h N N se
i i
b a monotonia non
) | ( ), | (
n i n i
i b i a N N ] 1 , 0 [ ,
i i
b a decrescente
due assiomi aggiuntivi sono di solito utilizzati per caratterizzare le funzioni di aggre-
gazione, sebbene non siano essenziali
(iii) h una funzione continua continuit
(iv) ) | ( ) | (
) ( n i p n i
i a h i a h N N = simmetria
per qualsiasi permutazione p su N
n
.

Capitolo 1 Teoria dei fuzzy set e fuzzy arithmetic


20
1.7. Fuzzy arithmetic e fuzzy number
Il concetto di fuzzy arithmetic (aritmetica fuzzy) deriva strettamente dallintroduzione
dei fuzzy number (numeri fuzzy), di cui nel paragrafo si dar definizione.
Il concetto di numero fuzzy contiene quello di intervallo come caso speciale, perci
laritmetica fuzzy pu essere considerata una estensione dellaritmetica a intervalli.
Tuttavia la cosa importante non semplicemente che laritmetica a intervalli rappre-
senta un caso speciale di aritmetica fuzzy. Piuttosto bisogna sottolineare che la fuzzy
arithmetic ha un potere espressivo di gran lunga maggiore rispetto allaritmetica a in-
tervalli in virt del grado di appartenenza ad un fuzzy set. In questo modo un numero
fuzzy pu essere espresso in termini linguistici, rendendo possibile il confronto tra
parole oltre che tra numeri. In aggiunta, la funzione di appartenenza di un numero
fuzzy pu essere valutata in termini di insiemi fuzzy. In questo modo un fuzzy num-
ber fornisce gradi di libert aggiuntivi per rappresentare diversi tipi di incertezza co-
me distribuzioni di possibilit non uniformi su R.

1.7.1. Fuzzy number
Un numero fuzzy pu essere visto come unestensione del concetto di intervallo di
confidenza. Tale estensione basata sullidea che, invece di considerare lintervallo
di confidenza ad un unico livello, possibile introdurre diversi livelli e pi in genera-
le, tutti i livelli da 0 a 1. Lintervallo di confidenza assume dunque la forma:
} , {
) (
2
) (
1

a a A = per ] 1 , 0 [ .
Il concetto di numero fuzzy pu essere definito in R o Z, R
+
o N, in ogni insieme di
riferimento che sia totalmente ordinato.
Come illustrato nei paragrafi precedenti, il concetto di fuzzy stato introdotto da Za-
deh
1
che ha esteso il concetto matematico di insieme a quello di insieme fuzzy o sot-
toinsieme fuzzy, tramite un grado di appartenenza di ogni elemento allinsieme di ri-
ferimento. In questo paragrafo un numero fuzzy viene presentato dal punto di vista
della teoria dei fuzzy set. Per questo motivo si ricordano di seguito due propriet che
permettono di definire il concetto di numero fuzzy da quello di sottoinsieme fuzzy.
Un sottoinsieme fuzzy A R convesso se e solo se ogni sottoinsieme ordinario
} ) ( | {

= x X x A
A

convesso.
Un sottoinsieme fuzzy A R normale se e solo se, R x :
1 ) ( =

x
A
X x
.
Ci significa che il valore pi alto di ) (x
A
uguale a 1.

1
L. A. Zadeh Fuzzy sets Inf. Control 8 (1965) 338 353.
Capitolo 1 Teoria dei fuzzy set e fuzzy arithmetic


21
Un numero fuzzy in R dunque un sottoinsieme di R che sia convesso e normale.
Dunque un numero fuzzy pu essere considerato una generalizzazione dellintervallo
di confidenza.

1.7.2. Operazioni sui fuzzy number
In questo paragrafo viene data una panoramica delle principali operazioni che pos-
sibile eseguire sui fuzzy number.

Addizione
Siano A e B due numeri fuzzy e

A e

B i loro intervalli di confidenza

2
. Siano A, B
R, R z y x , , :
)) ( ) ( ( ) (
|
) (
y x z
B A
y x z z
B A
=
+ =
+
. (1.5)

Sottrazione
La definizione di addizione pu essere estesa a quella di sottrazione. R z y x , , :
)) ( ) ( ( ) (
|
) (
y x z
B A
y x z z
B A
=
=

. (1.6)

Moltiplicazione
La moltiplicazione,
+
R z y x , , , pu essere calcolata tramite la formula:
)) ( ) ( ( ) (
|
) (
y x z
B A
y x z z
B A
=
=

. (1.7)

Divisione
La divisione di due numeri fuzzy definita in R
+
.
+
R z y x , , :
)) ( ) ( ( ) (
/ |
(:)
y x z
B A
y x z z
B A
=
=
. (1.8)


2
Calcolati tramite la tecnica degli -cut: } ) ( | {

= x X x A
A
, } ) ( | {

= x X x B
B
.
Capitolo 1 Teoria dei fuzzy set e fuzzy arithmetic


22
Minimo e massimo
I simboli () e () saranno utilizzati per indicare il minimo ed il massimo di due nu-
meri fuzzy A e B. R z y x , , :
)) ( ) ( ( ) (
|
) (
y x z
B A
y x z z
B A
=
=

, (1.9)
)) ( ) ( ( ) (
|
) (
y x z
B A
y x z z
B A
=
=

. (1.10)