La logique floue est une méthode de traitement de variables qui permet à plusieurs valeurs de vérité possibles d'être traitées par la même variable. La logique floue tente de résoudre des problèmes en utilisant un spectre ouvert et imprécis de données et d’heuristiques pour arriver à une gamme de conclusions précises.

La logique floue vise à résoudre les problèmes en prenant en compte toutes les informations disponibles et en prenant la meilleure décision en fonction des données saisies.

Histoire de la logique floue

La logique floue a été proposée pour la première fois par Lotfi Zadeh dans un article publié dans la revue Information and Control en 1965..Dans son article intitulé « Ensembles flous », Zadeh a tenté de refléter les types de données utilisées dans le traitement de l’information et de dériver les règles logiques de base pour ces ensembles.

« Le plus souvent, les catégories d’objets rencontrées dans le monde physique réel n’ont pas de critères d’appartenance précisément définis », explique Zadeh. « Il n’en demeure pas moins que ces « catégories » définies de manière imprécise jouent un rôle important dans la pensée humaine, en particulier dans les domaines de la reconnaissance de formes, du transfert d’informations et de l’abstraction. »

Depuis lors, la logique floue a été appliquée avec succès aux systèmes de contrôle des machines, au traitement d’images, à l’intelligence artificielle et à d’autres domaines qui reposent sur des signaux aux interprétations floues.

Logique floue et arbres de décision

Dans son sens le plus élémentaire, la logique floue est développée à travers une analyse de type arbre de décision. Par conséquent, dans un contexte plus large, il constitue la base des systèmes d’intelligence artificielle basés sur le raisonnement basé sur des règles.

D'une manière générale, le terme « flou » fait référence au grand nombre de scénarios qui peuvent être exploités dans un système d'arbre de décision. Le développement de protocoles de logique floue peut nécessiter l’intégration d’une programmation basée sur des règles. Ces règles de programmation peuvent être appelées ensembles flous car elles sont auto-développées sur la base du modèle complet.

Les ensembles flous peuvent également être plus complexes. Dans une analogie de programmation plus complexe, un programmeur pourrait avoir la capacité d’étendre les règles utilisées pour déterminer l’inclusion et l’exclusion des variables. Cela peut conduire à un éventail plus large d’options avec un raisonnement basé sur des règles moins précis.

Sémantique floue en intelligence artificielle

Les concepts de logique floue et de sémantique floue sont des éléments essentiels de la programmation de solutions d’intelligence artificielle. Alors que les capacités de programmation de la logique floue continuent de s’étendre, les solutions et outils d’IA continuent de se développer dans tous les secteurs de l’économie.

L’un des systèmes d’IA les plus connus est Watson d’IBM, qui utilise des variantes de logique floue et de sémantique floue. En particulier dans le secteur des services financiers, la logique floue est utilisée dans l’apprentissage automatique et les systèmes technologiques pour soutenir les résultats des renseignements sur les investissements.

Dans certains modèles de trading avancés, l’intégration des mathématiques de la logique floue peut également être utilisée pour aider les analystes à créer des signaux d’achat et de vente automatisés. Ces systèmes aident les investisseurs à réagir à diverses variables changeantes du marché qui affectent leurs investissements.

Avantages et inconvénients de la logique floue

avantage

• La logique floue reflète mieux les problèmes du monde réel que la logique classique.
• Les algorithmes de logique floue ont des exigences matérielles inférieures à celles de la logique booléenne classique.
• Les algorithmes flous peuvent produire des résultats précis avec des données imprécises ou inexactes.

défaut

• Les algorithmes flous nécessitent une vérification et une validation approfondies.
• Les systèmes de contrôle flou s’appuient sur l’expertise et les connaissances humaines.

Références

【1】https://www.investopedia.com/terms/f/fuzzy-logic.asp