Le concept de la logique floue vient de la constatation que la variable booléenne, qui ne peut prendre que deux valeurs (vrai ou faux) est mal adaptée à la représentation de la plupart des phénomènes courants. Par exemple, on trouve dans un traité de médecine l'affirmation suivante : un patient atteint d'hépatite présente généralement les symptômes suivants :
![]() Le problème commence lorsqu'il s'agit de donner une valeur à T0. Doit-on prendre 39 ou 40 degrés ? La notion de fièvre est typiquement une notion floue difficilement modélisable avec l'algèbre booléenne classique, surtout si l'on considère les différences de métabolisme d'un individu à l'autre. La variable "a une forte fièvre" manipulée par la logique floue serait la suivante : ![]() La fonction représentée doit être considérée comme un degré d'appartenance (degree-of-membership) à l'état décrit ou comme une probabilité d'appartenir à l'ensemble considéré. Ainsi, un patient présentant une température de 38 n'a qu'un faible degré d'appartenance 20 % (0,2) à l'état "a une forte fièvre" alors que celui qui atteint 40 présente un fort degré d'appartenance (80 %) à ce même état. On voit qu'il est maintenant beaucoup plus aisé de fixer la température de basculement (progressif) d'état. A 39 , on n'appartient qu'à 50 % à l'état "a une forte fièvre". Si l'on reprend l'exemple du diagnostic médical, pour un patient dont la température aurait été juste inférieure à la température de transition (38,9 °C pour 39 °C), on aurait exclu l'hépatite alors qu'avec la logique floue, on l'aurait envisagée avec une probabilité moyenne, mais non nulle de 50 % !
On verra qu'il est souvent nécessaire de considérer plusieurs domaines d'évolution d'une entrée ou d'une sortie. Prenons l'exemple de la taille d'un homme : On peut, à coup sûr, classer les hommes suivant leur taille en petit, moyen et grand, mais comment déterminer les limites entre chaque catégorie autrement qu'avec le secours de la logique floue ? Essayons de définir la catégorie petit (en essayant de ne vexer personne !) : Seriez-vous d'accord avec les règles générales et le diagramme d'appartenance suivants ? ![]()
![]()
![]()
Si l'on superpose les 3 graphiques précédents,
![]() A titre d'exercice, essayez de vous classer dans les 3 catégories, à l'aide du diagramme précédent : Tout le monde regarde ses chaussures de peur d'être interrogeé ! Eh vous là-bas, oui vous le petit râblé qui se cache derrière, quelle taille faites-vous ? Allez, un peu de franchise ! - 1 m 67 ... personne n'est parfait ! Et bien que nous dit le diagramme : Ce n'est pas si catastrophique que cela : vous n'appartenez au groupe des petits qu'à concurrence de 25 % alors que vous êtes déjà moyen à hauteur de 75 %. Désolé, mais vous êtes exclu du groupe des grands avec un degré d'appartenance nul ! Et vous le grand dégingangé, du haut de vos 1 m 82, n'êtes vous pas trop seul dans le groupe exclusif des grands ? Voilà donc présentée la première étape dite de fuzzification des variables. Elle s'applique d'ailleurs aussi bien aux variables d'entrée que de sortie. La puissance à appliquer à un moteur, par exemple, pourra faire appel à des valeurs de puissance telles que "faible, moyenne ou forte". Les courbes d'appartenance prennent différentes formes en fonction de la nature de la grandeur à modéliser : ![]()
Retour à l'introduction ![]() ![]() |