Desarrollo e implementación de un motor de inferencias basado en lógica borrosa para el razonamiento inexacto incierto e impreciso en sistemas expertos basados en reglas

Abstract

Se trata en esta Tesis el desarrollo e implementación computacional de un motor de inferencias basado en un modelo de estricta lógica borrosa, con la única restricción de no incluir cuantificadores imprecisos, para el tratamiento conjunto de incertidumbre e imprecisión en sistemas expertos de consulta basados en reglas. El modelo de lógica se basa en una generalización de la lógica muítivaluada infinita de Lukasiewicz, está fundamentado principalmente en los trabajos de L. A. Zadeh y J. F. Baldwin, y extiende un trabajo previo del autor restringido al tratamiento de la incertidumbre. El motor de inferencias, por estar dedicado a Sistemas Expertos, fue desarrollado con el objetivo de lograr, fundamentalmente, la conjunción de la más amplia independencia del dominio de conocimientos y de una adecuada eficiencia computacional. El cumplimiento de este objetivo descansa, por un lado, en el uso de un mismo conjunto discreto de valores lingüísticos para todos los universos de discurso, junto con la posibilidad de incluir un diccionario en la base de conocimientos que traduzca los valores lingüísticos habituales del dominio, a los del conjunto discreto y, por otro lado, en la realización exclusiva en el espacio de veracidad, de las operaciones lógicas de negación, conjunción y "modus ponendo ponens". El tipo de solución adoptada para el motor de inferencias permite, en primer lugar, resolver en forma no ambigua el problema de la combinación de evidencias y, en segundo lugar, la existencia de dos versiones de implementación. En este último caso, la versión general hace uso de los algoritmos definidos por cada una de las operaciones involucradas. Una segunda versión, más eficiente, limitada a bases de conocimientos con cadenas de inferencias no demasiado grandes y con sólo una pequeña restricción en el uso de modificadores lingüísticos, reemplaza dichos algoritmos por tablas precomputadas. ABSTRACT This Thesis is about the development and computational implementation of an inference engine based on an strict fuzzy logic, with the only limitation of imprecise quantifiers, for the treatment of uncertainty and imprecision in Rule-based Expert Systems. The logical model is based on a generalization of the infinite multi-valued logic of Lukasiewicz, it is mainly founded on works of L. A. Zadeh and J. F. Baldwin, and it is an extension of an earlier work of the author, which was restricted to the treatment of uncertainty. The inference engine, since it is oriented to Expert Systems, was developed with the aim of reaching, fundamentaly, the largest independence of knowledge domains together with a suitable computational efficience. The fullfilment of this aim lies, on the one hand, in the use of the same discrete set of linguistic values in every universe of discourse, with the possibily of adding a dictionary in the knowledge base, which translates the normal linguistic values of the domain, to those ones of the discrete set and, on the other hand, in the realization in the truth space, of the logical operations of negation, conjunction and "modus ponendo ponens". The kind of the adopted solution allows, in the first place, to reach an inambiguos solution of the evidences combination problem and, in a second place, the alternative of two versions of implementation. The general version uses the algorithms of the involved operations. A more efficient version, which is limited to knowledge bases with not too long inference chains and with only a small restriction in the use of linguistic modifiers, replaces such algorithms by precomputed tables.