2 ESTADO DEL ARTE

Para una mayor comprensión de las alternativas de diseño disponibles y de las

soluciones existentes en la situación actual del problema a resolver, se ha revisado en
profundidad la literatura disponible de las ramas de inteligencia artificial consideradas
interesantes para su aplicación.

En este capítulo, se realiza una revisión de las técnicas y disciplinas en las que se basa el
trabajo elaborado, así como el estado del arte de las mismas. Primero, se explican las
bases de la lógica borrosa y los procedimientos propios de la misma que se utilizan en la
solución implementada, describiendo los sistemas de clasificación basados en reglas
borrosas, con los que se puede identificar el sistema propuesto. A continuación, se
exponen los aspectos principales de los algoritmos genéticos, englobados en la
computación evolutiva, así como los métodos aplicados en este trabajo. Asimismo, se
describen los mecanismos del algoritmo de inspiración biológica conocido como
optimización de enjambres de partículas. En estas secciones, se integra el estudio del
estado del arte actual de los campos de trabajo tratados, es decir, se especifican diversos
trabajos relacionados con la construcción automática de bases de conocimiento de
sistemas de clasificación basados en reglas borrosas mediante técnicas de computación
bio-inspirada desde perspectivas variadas.

2.1 Lógica borrosa

La lógica borrosa o difusa proporciona un lenguaje formal de representación del

conocimiento que permite llevar a cabo procesos de inferencia en sistemas basados en el
conocimiento (Pawar & Ganguli, 2011). La teoría de la lógica borrosa proporciona un
marco matemático que permite modelar la imprecisión de los procesos cognitivos
humanos en computación. Esta disciplina se propone como solución a la insuficiencia
de la lógica convencional para trabajar con reglas imprecisas, a la vez muy descriptivas
y fácilmente comprensibles por el ser humano y, por tanto, frecuentes en los procesos de
razonamiento. Un ejemplo de una regla borrosa sería: Si hace mucho calor, hay que
poner el aire acondicionado fuerte.

La lógica borrosa permite representar el conocimiento acerca de un dominio a través de

un lenguaje formal basado en conjuntos cuyas fronteras son vagas o mal definidas. En
consecuencia, la pertenencia de un elemento a un conjunto borroso es también vaga o

5
imprecisa en las fronteras con otros conjuntos borrosos. Por ejemplo, para representar
cómo de alta es una persona, no se ajustaría a la realidad establecer límites nítidos entre
los conjuntos bajo, normal y alto, sino definir conjuntos borrosos de forma que una
persona cuya altura se encuentre en la frontera entre dos conjuntos, no pertenezca de
manera absoluta o precisa a ninguno de los dos. Una posible representación de este
ejemplo mediante conjuntos borrosos se muestra en la Figura 1:

Figura 1: posible representación de la altura (A) de una persona mediante conjuntos borrosos.

En este ejemplo, se puede observar cómo una persona que mida entre 160 cm y 170 cm
se puede considerar baja y a la vez normal en cierto grado, mientras que cualquier
persona que mida más de 190 cm será considerada una persona alta. Es decir, en la
lógica borrosa se asume la presencia de imprecisión en el conocimiento, lo que permite
modelar dominios en los que se presentan categorías o conjuntos cuyas fronteras no
están claramente definidas, así como reproducir procesos de razonamiento aproximado.

2.1.1 Fundamentos de la lógica borrosa

El formalismo proporcionado por la lógica borrosa se aplica en el marco de los sistemas

basados en el conocimiento, que emplean un lenguaje formal para la representación
explícita del mismo y cuentan con dos módulos principales: una base de conocimiento y
un motor de inferencia. La función de estos sistemas es la obtención de una respuesta o
resultado para una pregunta que se formula en base a unos hechos de entrada sobre un
caso particular (Manrique & Suárez de Figueroa, 2017).

6
Con este fin, los sistemas basados en reglas borrosas incluyen una base de conocimiento
que consiste en la representación declarativa de los conceptos, propiedades, relaciones y
elementos individuales contemplados en un dominio específico. En el caso de la lógica
borrosa, el formalismo empleado en la base de conocimiento tiene la capacidad de
representar la imprecisión.

En particular, se definen los siguientes aspectos para cada variable recogida en la base
de conocimiento: su significado, sus unidades de medida, su dominio, tanto de valores
numéricos como de valores cualitativos o etiquetas lingüísticas (bajo, normal y alto en
el ejemplo de la Figura 1). Estos aspectos son fundamentales en los sistemas
inteligentes basados en lógica borrosa y los caracterizan frente al resto. Además, la base
de conocimiento de este tipo de sistemas incluye un conjunto de reglas, conocido como
base de reglas, del tipo SI-ENTONCES similares a:

SI parcela es Grande, ENTONCES precio es Caro

O, más concretamente, de la forma:

var1 = val1 OPR1 var2 = val2 OPR2 … OPRn-1 varn = valn, → varo = valo

siendo var1, …, varn el conjunto de variables de entrada y val1, …, valn el conjunto de

valores (cuantitativos o cualitativos) que puede tomar cada variable; varo, la variable de
salida y valo el valor que debe tomar; OPR1, …, OPRn-1, los operadores lógicos de
disyunción o conjunción, incluyendo la posibilidad de utilizar la negación de cualquier
variable de entrada ¬ (vari = vali); y → corresponde al operador de implicación entre las
variables de entrada y las de salida.

Por otro lado, es necesario un motor de inferencia específico para el formalismo elegido
para la representación del conocimiento, pero independiente del dominio de aplicación,
de manera que pueda llevar a cabo el proceso de inferencia a partir de cualquier base de
conocimiento que siga el formalismo utilizado.

2.1.2 Conjuntos borrosos

En lógica borrosa, cada variable de la base de conocimiento puede tomar tanto valores
cuantitativos o numéricos como cualitativos. En el caso de los valores cualitativos, éstos
se corresponden con etiquetas lingüísticas, o también conjuntos borrosos (Mendel,
1995). La relación entre los valores numéricos y los conjuntos borrosos del dominio de
una variable viene dada por una función de pertenencia, función de distribución de
posibilidad o simplemente función de posibilidad. Dado un conjunto borroso A, valor

7
cualitativo de una variable x, la función de pertenencia μA(x) asigna a cada valor
numérico x ϵ X, un valor de posibilidad de pertenencia al conjunto A, tomando valores
entre 0 y 1:

μA: X → [0,1]

x → μA(x)

De esta manera, continuando con el ejemplo representado en la Figura 1, la función de

pertenencia de la altura (A) al conjunto borroso alto, quedaría definida de la siguiente
forma, como se muestra en la Figura 2:

μalto: [155,195] → [0,1]

A → μalto(A)

Figura 2: función de pertenencia μalto(A) del conjunto borroso alto del dominio de la variable altura (A).

Aunque los tres conjuntos borrosos mostrados en el ejemplo de la altura son de tipo
trapezoidal, una función de pertenencia puede tener cualquier forma, dependiendo de las
características propias del dominio específico, siendo las más comunes las que se
muestran en la Figura 3:

8
 Figura 3: formas más comunes de las funciones de pertenencia

También, es posible definir conjuntos borrosos en más de dos dimensiones, es decir, en

función de más de una variable.

En este capítulo sólo se tratan los conjuntos borrosos estándar (Zadeh, 1965), pero en la
literatura existen ampliaciones de este enfoque que buscan representar mejor la
imprecisión propia de la lógica borrosa. Entre ellos destacan los conjuntos borrosos de
tipo-2 (Karnik, et al., 1999) (Tai, et al., 2016) y los conjuntos borrosos con valor de
intervalo (Interval-Valued Fuzzy Sets, IVFSs) (Sambuc, 1975), cobrando importancia
los estudios comparativos y revisiones (Castillo, et al., 2016) (Bustince, et al., 2016)
(Castillo, et al., 2015).

2.1.3 Operaciones con conjuntos borrosos

Para poder generalizar la representación del conocimiento y llevar a cabo los

mecanismos propios del proceso de inferencia, es necesario realizar ciertas operaciones
con los conjuntos borrosos (Manrique & Suárez de Figueroa, 2017). En lógica borrosa
se dispone de las operaciones de intersección (∩) y unión de conjuntos borrosos (‫)׫‬,
además del complementario de un conjunto borroso dado (-), que se calculan a partir de
las funciones de pertenencia asociadas.

A nivel de operadores lógicos, la intersección se corresponde con la conjunción (˄), la

unión con la disyunción (˅) y el complementario con la negación (¬): “x es p y q” se
expresa como μp᦬q(x), “x es p o q” como μp˅q(x) y “x es no p” como μ¬p(x). Además, se
incluye la implicación (→) como operador lógico para representar el conocimiento “si x
es p, entonces x es q” mediante la expresión μp→q(x). Tanto la conjunción, como la

9
disyunción, como la negación y la implicación, se pueden realizar con funciones de
pertenencia de n dimensiones.

En el caso de que los conjuntos con los que se va a operar estén representados en
función de variables distintas, circunstancia frecuente para no limitar demasiado la
capacidad de representación del conocimiento, es necesario realizar la extensión
cilíndrica de las funciones de pertenencia para poder componerlas, excluyendo como es
lógico el operador de negación que es unario. La operación de extensión cilíndrica
consiste en aumentar en una dimensión la función de pertenencia introduciendo una
variable nueva, la cual no afecta a los valores de posibilidad de pertenencia que
devuelve la función una vez extendida. Es decir, partiendo de la función μp (x1, x2, …,
xn), su extensión cilíndrica con una variable y, cumple la siguiente expresión:

μp (x1, x2, …, xn, y) / ‫ ׊‬y μp (x1, x2, …, xn, y) = μp (x1, x2, …, xn)

2.1.4 Funciones t-norma, t-conorma y negación

Con el fin de llevar a cabo las operaciones de conjunción, disyunción y negación, en

lógica borrosa, se emplean las funciones t-norma, t-conorma y negación,
respectivamente (Manrique & Suárez de Figueroa, 2017):

o La intersección o conjunción se calcula con la función t-norma, T:

T: [0, 1] ਀ [0, 1] → [0, 1]

(x, y) → T (x, y)

Generalizando a las funciones de posibilidad de pertenencia μp y μq, de los

conjuntos borrosos p y q respectivamente, definidas para cada uno de los valores
de la variable x ‫ࣲ א‬ǡsiendo ࣲ el dominio de los valores numéricos de x:

μp: ࣲ → [0, 1]; μq: ࣲ → [0, 1]

La conjunción de dichas funciones de pertenencia se expresa como:

μp‫ר‬q (x): ࣲ → [0, 1]

Y la función t-norma T aplicada a μp (x) y μq (x), por tanto, queda definida de la

siguiente manera, ‫ ׊‬μp (x), μq (x) ‫ א‬M y ‫ ׊‬x ‫ࣲ א‬ǡ siendo M el dominio de
valores de pertenencia posibles de μp (x) y μq (x):

T: M2 → M
μp (x), μq (x) → μp‫ר‬q (x)

10
 T (μp (x), μq (x)) = μp‫ר‬q(x)

o La unión o disyunción tiene asociada la función t-conorma, S:

S: [0, 1] ਀ [0, 1] → [0, 1]

(x, y) → S (x, y)

Si se generaliza para las funciones de pertenencia μp (x) y μq (x), ‫ ׊‬x ‫ࣲ א‬, la

disyunción se expresa como:
μp‫ש‬q (x): ࣲ → [0, 1]

La función t-conorma S aplicada a μp (x) y μq (x), queda así definida ‫ ׊‬μp (x), μq
(x) ‫ א‬M y ‫ ׊‬x ‫ࣲ א‬ǣ

S: M2 → M
μp (x), μq (x) → μp‫ש‬q (x)

S (μp (x), μq (x)) = μp‫ש‬q (x)

o El complementario o negación se obtiene con la función también llamada de

negación, N:

N: [0,1] → [0,1]
x → N (x)

Generalizando esta expresión para la función de pertenencia μp (x), ‫ ׊‬x ‫ࣲ א‬:

μp (x) ‫ ׊‬x ‫ࣲא‬

μ¬p (x): ࣲ → [0, 1]

La función de negación N aplicada μp (x), ‫ ׊‬Ɋ’ ሺšሻ ‫ࣲ א š ׊ ›  א‬, queda

expresada de la siguiente forma:

N: M → M
μp (x) → μ¬p (x)

Cada una de estas funciones debe cumplir las propiedades que se indican a
continuación, conservando la misma notación establecida:

ƒ En el caso de la t-norma, ‫ ׊‬μp (x), μq (x), μr (x), μt (x) ‫ א‬M, de los conjuntos p, q,
r y t definidos para la variable xy μ1 (x) = 1, ‫ ׊‬x ‫ࣲא‬:
 Propiedad conmutativa:

11
 T(μp (x), μq (x)) = T(μq (x), μp (x))

 Propiedad asociativa:
T[μp (x), T (μq (x), μr (x))] = T[T(μp(x), μq (x)), μr (x)]

 Elemento neutro:
T(μp (x), μ1 (x)) = μp (x)

 Monotonía:
Si μp(x) ≤ μr(x), μq(x) ≤ μt(x) → T(μp(x), μq(x)) ≤ T(μr(x), μt(x))

ƒ La función t-conorma, ‫ ׊‬μp (x), μq (x), μr (x), μt (x) ‫ א‬M, de los conjuntos p, q, r
y t definidos para la variable xy μ0 (x) = 0, ‫ ׊‬x ‫ࣲא‬:
 Propiedad conmutativa:
S(μp (x), μq (x)) = S(μq (x), μp (x))

 Propiedad asociativa:
S[μp (x), S (μq (x), μr (x))] = S[S(μp(x), μq (x)), μr (x)]

 Elemento neutro:
S(μp (x), μ0 (x)) = μp (x)

 Monotonía:
Si μp(x) ≤ μr(x), μq(x) ≤ μt(x) → S(μp(x), μq(x)) ≤ S(μr(x), μt(x))

ƒ En la función negación, ‫ ׊‬μp (x), μq (x) ‫ א‬M, μ0 (x) = 0 y μ1 (x) = 1, ‫ ׊‬x ‫ࣲ א‬:
 Condiciones frontera: N (μ0 (x)) = 1; N (μ1 (x)) = 0.
 Inversión de monotonía: Si μp(x) ≤ μq(x) → N (μp(x)) ≥ N (μq(x)).

Existen diversas alternativas para el cálculo de cada una de las funciones. Notando las
funciones de pertenencia μp (x), μq (x), μr (x), μt (x) ‫ א‬M como ẋ, ẏ, ż, ṫ
respectivamente, ‫ ׊‬x ‫ࣲא‬:

™ Ejemplos de funciones t-norma:

• t-norma del mínimo (o de Gödel): T(ẋ, ẏ)= mín (ẋ, ẏ)
• t-norma del producto, P: T(ẋ, ẏ) = P(ẋ, ẏ) = ẋ · ẏ
• t-norma de Łukasiewicz, W: T(ẋ, ẏ) = W(ẋ, ẏ) = máx (0, ẋ + ẏ - 1)
• t-norma drástica, Z:
ẋ, si ẏ = 1
T(ẋ, ẏ) = Z(ẋ, ẏ) = ẏ, si ẋ = 1
0, en otro caso

12
 ™ Ejemplos de funciones t-conorma:
• t-conorma del máximo (o de Gödel): S (ẋ, ẏ)= máx (ẋ, ẏ)
• t-conorma de la suma-producto, P’: S(ẋ, ẏ) = P’(ẋ, ẏ) = ẋ + ẏ - ẋ · ẏ
• t-conorma de Łukasiewicz, W’: S(ẋ, ẏ) = W’(ẋ, ẏ) = mín (1, ẋ + ẏ)
• t-conorma drástica, Z’:

ẋ, si ẏ = 0
S(ẋ, ẏ) = Z' (ẋ, μq (x)) = ẏ, si ẋ = 0
1, en otro caso

™ Ejemplos de funciones de negación:

 N (ẋ)= 1 - ẋ
 N (ẋ)= [1 - ẋ2]1/2

Simultaneas a las propiedades que debe cumplir cada función, existen unas condiciones
llamadas de dualidad, que deben satisfacerse para las tres funciones escogidas de t-
norma, t-conorma y negación. ‫ ׊‬ẋ, ẏ ‫ א‬M, la dualidad entre una t-norma T (ẋ, ẏ) y una
t-conorma S (ẋ, ẏ) respecto a una negación N (ẋ), existe si y solo si ‫ ׊‬x ‫ࣲ א‬:

N (T (ẋ, ẏ)) = S (N (ẋ), N (ẏ))

N (S (ẋ, ẏ)) = T (N (ẋ), N (ẏ))

De los ejemplos de t-normas y t-conormas anteriores, los siguientes son duales entre sí
con respecto a la negación N(ẋ) = 1 - ẋ, con 1 ≡ μ1 (x) = 1, ‫ ׊‬x ‫ࣲא‬: las dos de Gödel; el
producto y la suma-producto; las dos de Łukasiewicz; y las dos drásticas.

A partir de las funciones definidas en este apartado, es posible representar las

afirmaciones que constituyen los antecedentes de las reglas borrosas de la base de
conocimiento de un sistema basado en reglas borrosas.

2.1.5 Implicación

Para aplicar el operador de implicación las funciones de pertenencia también deben

estar expresadas en relación a las mismas variables, haciendo uso de la extensión
cilíndrica si fuera necesario.

Así, la función de implicación J, ‫ ׊‬μp (x), μq (x) ‫ א‬M, está definida como:

13
 J: M2 → M
μp (x), μq (x) → μp→q (x)

J (μp (x), μq (x)) = μp→q (x)

En lógica proposicional se tiene que A→B ≡ ¬A‫ש‬B. Notando las funciones de

pertenencia μp (x), μq (x), ‫ א‬M como ẋ, ẏ, respectivamente, la implicación J corresponde
a la siguiente expresión:
J (ẋ, ẏ) = S (N (ẋ), ẏ)

Tomando μ0 (x) = 0 y μ1 (x) = 1 como 0 y 1, respectivamente, y la función de negación

N (ẋ) = 1 - ẋ, ‫ ׊‬x ‫ࣲ א‬, se deducen las siguientes funciones de implicación J, según la
función t-conorma que se utilice:

• Para la t-conorma del máximo (o de Gödel): S (ẋ, ẏ)= máx (ẋ, ẏ)

J (ẋ, ẏ) = máx (1 - ẋ, ẏ)

• Para la t-conorma de la suma-producto, P’: S(ẋ, ẏ) = P’(ẋ, ẏ) = ẋ + ẏ - ẋ · ẏ

J (ẋ, ẏ) = 1 - ẋ + ẋ · ẏ

• Para la t-conorma de Łukasiewicz, W’: S(ẋ, ẏ) = W’(ẋ, ẏ) = mín (1, ẋ + ẏ)

J (ẋ, ẏ) = mín (1, 1 - ẋ + ẏ)

• Para la t-conorma drástica, Z’:

ẋ, si ẏ = 0
S(ẋ, ẏ) = Z' (ẋ, μq (x)) = ẏ, si ẋ = 0
1, en otro caso

ẏ, si ẋ = 1
J (ẋ, ẏ) = 1 - ẋ, si ẏ = 0
1, en otro caso

De la misma manera que la t-norma y t-conorma elegidas deben ser duales con respecto
a la negación escogida, la implicación utilizada debe corresponderse con la deducida a
partir de estas funciones.

Sin embargo, existe una excepción en el caso de los controladores borrosos, un tipo
concreto de sistemas basados en reglas borrosas, que emplean la función de implicación
de Mamdani (Mamdani, 1977), que se define a continuación, ‫ ׊‬x ‫ࣲ א‬:

J (μp (x), μq (x)) = mín (μp (x), μq (x))

J (ẋ, ẏ) = mín (ẋ, ẏ)

14
2.1.6 Base de reglas borrosas

Una vez establecido el lenguaje formal de representación del conocimiento del sistema
basado en reglas borrosas, es decir, las variables, sus dominios de valores numéricos y
las funciones de pertenencia correspondientes a sus etiquetas lingüísticas, hace falta
definir la base de reglas que complete la base de conocimiento del sistema basado en
reglas borrosas (Magdalena, 2015).

Cada regla borrosa está compuesta por un antecedente y un consecuente, que relacionan
las variables de la base de conocimiento mediante los operadores lógicos borrosos. El
antecedente se representa en la parte izquierda de una relación de implicación, y
contiene un conjunto de cláusulas que asignan un valor cuantitativo o cualitativo a una
variable de entrada, conectadas a través de la conjunción (˄) o la disyunción (˅), con la
posibilidad de tener aplicado el operador de negación (¬). Por su parte, en el
consecuente suele haber una única cláusula que otorga un valor, tanto cuantitativo como
cualitativo, a una variable de salida, y constituye la parte derecha de la implicación.
Además, dependiendo de cómo de cercano al lenguaje natural sea el formalismo
establecido, una regla puede presentar distintas formas, considerando op1, …, opn-1 los
operadores borrosos de conjunción o disyunción, [N] la posible negación de la cláusula
y → la implicación:

antecedente → consecuente

Si [N] x1 es A1 op1 [N] x2 es A2 op2 … opn-1 [N] xn es An, entonces y es B

[N] x1 = A1 op1 [N] x2 = A2 op2 … opn-1 [N] xn = An→y = B
[N] A1 (x1) op1 [N] A2 (x2) op2 … opn-1 [N] An (xn) → B (y)
[N] μA1 (x1) op1 [N] μA2 (x2) op2 … opn-1 [N] μAn (xn) → μB (y)

Dado que todas las cláusulas del antecedente pueden componerse en una única función
de pertenencia resultante, la sintaxis de una regla borrosa se puede generalizar mediante
la expresión:

μA (x) → μB (y)

2.1.7 Razonamiento en lógica borrosa

Una vez definida la base de reglas borrosas y, por tanto, establecida la base de
conocimiento del sistema, hay que conferir a éste la capacidad de razonamiento
mediante un motor de inferencia que lleve a cabo los procesos necesarios (Cordón, et

15
al., 1997). La capacidad de razonamiento en este contexto consiste en calcular la
función de pertenencia correspondiente a la variable de salida, de la que obtener su
valor cualitativo o numérico, partiendo de unos hechos conocidos o valores de las
variables de entrada y una base de conocimiento.

Tomando de nuevo un principio de la lógica proposicional, en este caso de inferencia

con una única regla, conocido como modus ponens, se generaliza a la lógica borrosa,
donde el antecedente y el hecho conocido pueden no ser iguales pero sí tener una
intersección no vacía (Manrique & Suárez de Figueroa, 2017). El resultado de la
inferencia puede cumplir parcialmente el consecuente de la regla, y se deduce la
fórmula de la Regla Composicional de Inferencia (RCI), ‫( ׊‬x,y):

Regla borrosa: μA (x) → μB (y)

Hecho: μA’ (x)
——————————————
Resultado: μB’ (y)

RCI: μB’(y) = Supx {T (μA’(x), μA→B(x,y))}

El cálculo de la RCI puede descomponerse en los siguientes pasos:

1. Cálculo de la implicación J(μA(x,y), μB(x,y)), incluyendo las extensiones

cilíndricas de μA (x) y μB (y) necesarias, para obtener la función μA→B(x,y).
2. Aplicación de la t-norma T (μA’(x), μA→B(x,y)), de nuevo realizando
previamente las extensiones cilíndricas obligatorias, en este caso de μA’(x).
3. Obtención del supremo ‫ ׊‬x de la distribución obtenida en el paso anterior Supx
{T (μA’(x), μA→B(x,y))}.

En el caso más común de que la inferencia deba llevarse a cabo con una base de más de
una regla, tras aplicar la RCI a cada una de las reglas, se deberá realizar la disyunción,
es decir, aplicar la t-conorma entre las funciones de pertenencia obtenidas, empleando la
propiedad asociativa:

μB’(y) = S (μB1’(y), S (μB2’(y), …, S (μBn’(y)))…) = ‫׊׫‬i=1..n μi (y)

En este trabajo, no se profundiza más en la Regla Composicional de Inferencia puesto

que el proceso de razonamiento en lógica borrosa para el caso de la clasificación,
objetivo de este trabajo, difiere en algunos aspectos. En conclusión, al diseño de la base

16
de conocimiento, se suma la definición del procedimiento de inferencia, que depende
del tipo de tarea a resolver, aunque ambas partes deben cumplir unos objetivos de
precisión e interpretabilidad del sistema (Gacto, et al., 2011).

2.1.8 Sistemas de clasificación basados en reglas borrosas

Los sistemas basados en reglas borrosas hacen uso de la teoría de la lógica borrosa para
elaborar un modelo, es decir, esquema teórico, preciso e interpretable de un problema,
un comportamiento, unos mecanismos u otro sistema, que permita simularlo, analizarlo,
controlarlo automáticamente y rediseñarlo (Magdalena, 2015). Según su objetivo, el
modelo puede ser lingüístico, si se prioriza que sea descriptivo, o preciso, si se prioriza
su capacidad de aproximación.

Los sistemas basados en reglas borrosas pueden utilizarse para modelar, entre otros,
problemas de clasificación. La característica principal de este tipo de problemas es la
predicción de una clase, es decir, una salida de naturaleza discreta.

De esta manera, existen tres variantes de la estructura de una regla borrosa, según la
estructura del consecuente, con C ‫{ א‬C1, ..., CM} como la clase a predecir y M el
número de posibles etiquetas para ésta:

• Con una etiqueta:

Si [N] x1 es A1 op1 [N] x2 es A2 op2 … opn-1 [N] xn es An, entonces y es C

• Con un grado de certeza r:

Si [N] x1 es A1 op1 [N] x2 es A2 op2 … opn-1 [N] xn es An, entonces y es C con r

• Con un grado de certeza ri por cada etiqueta Ci, ‫ ׊‬i ‫{ א‬1, 2,… M}:
Si [N] x1 es A1 op1 … opn-1 [N] xn es An, entonces y es {C1, ..., CM} con {r1, ..., rM}

En clasificación, suele emplearse una estructura de regla donde la variable de cada

cláusula del antecedente puede tomar como valor una disyunción de etiquetas
lingüísticas. Además, ya que las salidas obtenidas del proceso de inferencia no son
funciones de pertenencia sino directamente clases, se adapta la RCI. Los pasos
generales (Cordón, 2012) a seguir para obtener la clase asignada por una base de reglas
BR {R1, ..., RL} siendo L el número de reglas, que pueden asignar las clases {C1, …,
CM} en el consecuente, dado un ejemplo con n atributos e=(e1, ..., en) son:

17
 1. Cálculo del grado de compatibilidad, o intersección, hi, entre las n entradas o
atributos del ejemplo e y las n cláusulas, {μAi1, …, μAin}, de cada regla, Ri, con i
= 1, ..., L. Normalmente mediante el mínimo:
hi = T (μAi1 (e1), μAi2 (e2), ... μAin (en))

2. Cálculo del grado de asociación, bji, entre el ejemplo e y cada una de las clases
Cj con j=1, …, M para cada regla Ri, siendo rji el grado de certeza asignado por
la regla Ri a la clase Cj. Normalmente mediante el producto:
bji = o (hi,rji)

3. Ponderación Bji de los grados de asociación bji del ejemplo e con cada clase Cj
para cada regla Ri, mediante alguna función que potencie los grados altos y
penalice los bajos:
Bji = g (bji)

4. Obtención del grado de clasificación Yj para cada clase Cj, agregando sus grados
de asociación ponderados Bji, siendo (Bj1, ..., BjKj) los grados de asociación
mayores que 0 y Kj igual al número de reglas en cuyo consecuente está asignada
la clase Cj:
Yj = f (Bj1, ..., BjKj)

5. Determinación de la clase resultante Ce, para el ejemplo e, como aquella clase Cj

con el máximo grado de clasificación Yj:
Ce = Cj si Yj = max {Y1, ..., YM}

El paso 4, es decir, la agregación de los grados de asociación ponderados para obtener el

grado de clasificación, puede calcularse mediante distintos métodos, siendo los
siguientes los más comunes correspondientes a la función f:

ƒ El máximo, es decir, se tiene en cuenta una única regla, la de mayor grado de

asociación con el ejemplo:
Yj = max (Bj1, ..., BjKj)

ƒ Voto máximo o suma normalizada:

ౠ ౠ
σሺ୆భ ǡǤǤǤǡ୆ ౠ ሻ
ే
j
Y = ; Ymax = maxj (σሺଵ୨ ǡ Ǥ Ǥ Ǥ ǡ ୏୨ ౠ ሻ)
ଢ଼ౣ౗౮

18
 ƒ Media aritmética:
ౠ ౠ
σሺ୆భ ǡǤǤǤǡ୆ ౠ ሻ
j ే
Y =
୏ౠ

2.1.9 Diseño automático de la base de conocimiento

La base de conocimiento de un sistema basado en reglas borrosas puede diseñarse a

partir de información proporcionada por expertos en el dominio o a partir de técnicas
automáticas que toman como base la información numérica disponible. Hay una gran
variedad de mecanismos automáticos para el aprendizaje de la base de conocimiento
mediante conjuntos de datos, independientemente del tipo de sistema basado en reglas
borrosas, y los más comunes se describen a continuación.

Existen métodos de construcción automática de bases de conocimientos ad hoc, que

están basados en criterios para cubrir los ejemplos del conjunto de datos (Cordón,
2012). Estos métodos son fáciles de entender e implementar, la extracción de reglas es
rápida y son adecuados para su integración en otros métodos más complejos. Sin
embargo, en algunos casos pueden ser imprecisos, su grado de automatización es bajo y
necesitan la definición previa de los conjuntos borrosos. Estos algoritmos utilizan
distintas estrategias, entre las que están: asignar grados de importancia a cada regla
(Wang & Mendel, 1992) (Chi, et al., 1996), considerar particiones borrosas del espacio
de variables por separado (Ishibuchi & Yamamoto, 2004a) (Ishibuchi & Yamamoto,
2004b), utilizar medidas propias para valorar cómo las reglas cubren los ejemplos
(Cordón & Herrera, 2000), u optimización numérica con estrategias evolutivas (Cordón
& Herrera, 1999),

Otras técnicas que se han empleado en el diseño automático de la base de conocimiento

de un sistema basado en reglas borrosas, son las de computación bio-inspirada, que
abarcan, entre otras, algoritmos genéticos, optimización basada en enjambres de
partículas, y redes de neuronas. Los dos primeros tipos, se desarrollan en mayor
profundidad en los próximos epígrafes, puesto que son piezas fundamentales de este
trabajo.

Las redes de neuronas, son modelos computacionales que simulan el cerebro humano a
partir de nodos conectados mediante conexiones que contienen pesos cuya actualización
permite el aprendizaje, pero con una interpretabilidad prácticamente nula (Cordón,
2012). Cada uno de esos nodos o neuronas, está compuesto por un conjunto de entradas
desde otros nodos, un peso para cada entrada, una salida y una función de activación no

19
lineal por lo general. Las redes neuronales pueden ser hacia delante, es decir, sólo con
conexiones en sentido entradas-salida, o por el contrario retroalimentadas, que permiten
ciclos y no garantizan la estabilidad. Estos modelos se pueden utilizar tanto para
aprendizaje supervisado, donde los ejemplos contienen los valores de entrada y el valor
de salida correspondiente, como para aprendizaje no supervisado, donde los ejemplos
sólo constan de los valores de entrada. Una estructura común de las redes de neuronas
es el perceptrón multicapa, con varias capas de neuronas conectadas hacia delante
exclusivamente con la capa vecina, que propagan hacia atrás el error para ir
actualizando los pesos en el proceso de aprendizaje.

Los sistemas híbridos formados por la unión entre redes de neuronas y lógica borrosa se
conocen como sistemas neuro-difusos y combinan técnicas de ambas disciplinas,
asociando la capacidad de aprendizaje de las primeras con la tolerancia a fallos,
interpretabilidad y robustez de la segunda (Cordón, 2012). Además, permiten integrar el
conocimiento por otros métodos o expertos y la extracción del mismo en forma de
reglas borrosas. La arquitectura más común de estos sistemas se compone de cinco
capas, relacionadas con el proceso de inferencia de un sistema basado en reglas borrosas
general: entradas, “borrosificación”, reglas, consecuentes y “desborrosificación”. Las
principales limitaciones de un sistema neuro-difuso radican en: la necesidad de un
número reducido de entradas por su complejidad, la dificultad para aprender la
estructura de las reglas o tratar funciones no diferenciables, la caída en óptimos locales
y el sobreaprendizaje. Un ejemplo de un sistema neuro-difuso es ANFIS (Jang, 1993),
iniciales de Adaptive Network based Fuzzy Inference System, que se basa en dos fases:
primero fijar el consecuente y ajustar el antecedente mediante el gradiente descendiente,
y después, fijar el antecedente y ajustar el consecuente con optimización por mínimos
cuadrados. Otros sistemas neuro-difusos son: NEFCLASS (Nauck & Kruse, 1995),
FSOM (Vuorimaa, 1994), y NFH (Souza, 1999).

Otra categoría de métodos automáticos para el aprendizaje de la base de conocimiento

de un sistema basado en reglas borrosas es el clustering, o agrupamiento, que, adaptado
a la lógica borrosa, introduce grados en la pertenencia de los elementos a los clusters o
grupos, que se recogen en una matriz de pertenencia (Cordón, 2012). El mecanismo de
un algoritmo de agrupamiento borroso para el aprendizaje de reglas una vez obtenida la
base de datos (Abe & Thawonmas, 1997) (Chiu, 1994) (Setnes, 2000), consta de una
primera fase de generación de los grupos y sus centros a partir de la matriz de
pertenencia resultante, y una segunda fase de identificación de las reglas transformando
cada grupo en una regla borrosa por proyección en las n+1 dimensiones. Una técnica
para la primera etapa del proceso es el Fuzzy C-Means (Bezdek, et al., 1984) (Sugeno &
Yasukawa, 1993), que trata de minimizar iterativamente la distancia entre los objetos
dentro de cada grupo y maximizar la distancia entre los centros de los grupos. Para la
segunda etapa, una posibilidad es la construcción de las reglas borrosas mediante la

20
proyección de los grupos borrosos en conjuntos borrosos triangulares. El principal
inconveniente es tener que fijar el número óptimo de grupos, es decir, el tamaño de la
base de reglas.

2.2 Computación evolutiva: algoritmos genéticos

Una de las ideas más influyentes del siglo XIX, es la evolución de los seres vivos. Los
sucesivos trabajos relativos al tema, como el de Jean-Baptiste Lamarck, los escritos
sobre el evolucionismo de A. R. Wallace (Wallace, 1858) y Charles Darwin (Darwin,
1844) (Darwin, 1857), recopilados en 1858 (Darwin & Wallace, 1858), y, finalmente, el
libro del propio Darwin en 1859, On the origin of species, (Darwin, 1859) sobre la
selección natural, hicieron que las ciencias de la vida se centraran en la teoría de la
evolución.

Del trabajo de Darwin se derivan varios principios:

 El mundo no es constante, ni fue creado recientemente, ni está en perpetuo ciclo

sino en continuo cambio, así como los organismos se van transformando a lo
largo del tiempo, es decir, evolucionan.
 Igual que cada grupo de seres vivos desciende de un mismo ancestro, todos ellos
provienen de un origen común de la vida en la Tierra.
 Las especies se multiplican, bien reproduciéndose o bien mediante la evolución
en nuevas especies.
 Estos cambios evolutivos son graduales en poblaciones, no se producen nuevas
especies a partir de individuos de manera repentina.
 Según la selección natural, dentro de cada generación, sobreviven los individuos
con las variaciones genéticas mejor adaptadas, y las siguientes generaciones las
heredan.

A estos antecedentes hay que añadir la influencia de los avances conseguidos en el área
de la genética. Son fundamentales las leyes de Mendel sobre la herencia de caracteres
según el cruce de los mismos, elaboradas a partir de sus experimentos realizados entre
1857 y 1868 (Mendel, 1866), pero no aceptadas hasta más de 30 años después. A las
que, posteriormente, siguieron los diversos descubrimientos referentes al ADN y al
ARN. Como consecuencia, se introdujeron, entre otros, los siguientes conceptos:

ƒ Gen: se considera aquello que produzca una característica concreta.

21
 ƒ Genotipo: es la secuencia de bases enumeradas una detrás de otra, el código
genético.
ƒ Fenotipo: la característica concreta producida por un determinado gen.

En todas estas ideas, hay ciertos componentes que inspiran modelos potenciales de
cómputo, que ingenieros y científicos han interpretado y formalizado dando lugar a la
computación evolutiva.

Ya en los años sesenta y setenta, se empezaban a usar los términos “programación

evolutiva” con las máquinas de estados finitos de Fogel y sus diversos estudios (Fogel,
et al., 1966) (Fogel, et al., 1966), “estrategias evolutivas” con los trabajos de
Rechenberg y Schwefel (Rechenberg, 1973) (Schwefel, 1977) y “algoritmo genético”
con la población de cadenas de dígitos binarios de Holland (1975) (Holland, 1975), uno
de los pioneros más influyentes considerado padre de la disciplina.

Sin embargo, no es hasta la última década del siglo pasado cuando el campo de la
computación evolutiva florece: la aplicación de los algoritmos genéticos se extiende a
una gama muy variada de problemas y nacen estrategias nuevas, como la programación
genética con la población de árboles de datos de Koza (1992) (Koza, 1992).
Crecimiento que se vio favorecido por el nuevo concepto de inteligencia artificial
desarrollado entre los años ochenta y noventa por, entre otros, Marvin Minsky (Minsky,
1988), Hans Moravec (Moravec, 1988) (Moravec, 1998) y el investigador del MIT
(Massachusetts Institute of Technology) Rodney Brooks, en su artículo sobre la
Nouvelle AI, “Elephants don’t play chess” (Brooks, 1990). Esta vertiente de la
inteligencia artificial, llamada de forma más genérica inteligencia computacional, se
separa de la línea simbólica tradicional, y se orienta a la consecución de módulos de
comportamiento simples, tales como neuronas, partículas u organismos, de cuya
cooperación e interacción como colectivo puedan emerger comportamientos complejos.

Ya entrado el siglo XXI, denominado siglo de la biología, la computación evolutiva

pasa a ser una de las estrategias representativas en el área de la inteligencia
computacional, gracias en gran medida a la potencia de sus técnicas. Esta potencia
radica en que los algoritmos evolutivos pueden prescindir de analizar cada problema
concreto, encontrar una solución y programarla, pues únicamente deben definir una
representación de la solución y del problema para resolverlo en tiempo razonable con un
algoritmo general. Al igual que en otras técnicas englobadas en el campo de la
computación bio-inspirada, como las redes de neuronas o la optimización con enjambres
de partículas, no es necesario especificar “cómo hay que buscar” sino solamente “qué
hay que buscar”.

22
De esta manera, con la motivación de las limitaciones de las técnicas clásicas y la
necesidad de predicción y anticipación, los objetivos generales de la computación
evolutiva son los siguientes:

¾ Búsqueda y optimización: resolver problemas de optimización mediante la

simulación de la evolución para crear y elegir el mejor individuo o solución.
¾ Sistemas robustos: capacidad de resolver problemas aún si cambian en el
tiempo, realimentando el éxito o el fracaso del modelo y adaptarlo.
¾ Simular comportamiento inteligente: obtener algoritmos predictivos como
resultado de la evolución.

En concreto, los algoritmos genéticos (genetic algorithms, GA), se centran en la

resolución de problemas mediante la representación y manipulación de individuos de
una población a nivel de genotipo (Eiben & Smith, 2007). Dados un problema a
resolver, un espacio de soluciones, un conjunto de operadores genéticos y un criterio de
evaluación de las soluciones, el objetivo es encontrar el elemento del espacio de
soluciones que sea óptimo según el criterio de evaluación. Es un proceso genérico de
optimización, cuyas principales características distintivas son:

ƒ La representación de soluciones mediante cadenas binarias, discretas o reales

análogas a las cadenas de ADN.
ƒ El uso del cruce y la mutación para la obtención de variantes, de forma similar a
la reproducción y mutación presentes en la naturaleza.
ƒ La selección de posibles soluciones en proporción a sus resultados, inspirada en
la selección natural de individuos según su adaptación al medio.

Un algoritmo genético consta de cuatro elementos fundamentales para su

funcionamiento: cada individuo correspondiente al genotipo de una solución particular
al problema, la población conformada por un conjunto finito de individuos, los
operadores genéticos que transforman la población, y la función de evaluación, o de
fitness, que mide la aptitud o adaptación de las soluciones.

La convergencia es el proceso mediante el cual los individuos de la población tienden

hacia un punto común del espacio de búsqueda, que idealmente debe representar la
solución óptima y tener el mayor grado de adaptación. Puede presentar dos problemas
principalmente: la convergencia prematura, el algoritmo cae en un óptimo local, y la
convergencia lenta, el algoritmo no converge, tal vez por exceso de aleatoriedad. Para
equilibrar la convergencia con la diversidad de la población, primero se prioriza la
explotación hacia los distintos óptimos, y después, la exploración para no estancarse en
óptimos locales (Mitchell, 1999).

23
La codificación de los cromosomas afecta positiva o negativamente a la capacidad de
convergencia del algoritmo en función de la naturaleza del problema que se pretenda
resolver. La interpretación de una codificación real suele ser más directa, mientras una
binaria requiere un proceso de descodificación. La codificación real además permite
representar más precisión sin conocer a priori la requerida, y si el dominio de la función
objetivo es continuo, trabajar con binarios puede no representar todo el espacio de
soluciones. También, en una codificación dada puede darse el caso contrario, es decir,
que algunos cromosomas estén fuera del espacio de soluciones buscado.

La función de evaluación por su parte puede coincidir con la propia función a optimizar
o usar una aproximación o transformación. La elección de esta función presenta unos
desafíos, como reducir en la medida de lo posible los óptimos locales, evitar óptimos
absolutos aislados y buscar regularidades, de manera que se obtengan valores de
adaptación parecidos para individuos cercanos en el espacio de soluciones.

Dentro de los operadores genéticos, se incluye la selección, simulación computacional

de la Selección Natural de Darwin, cuyo objetivo es escoger los individuos mejor
adaptados de la población para que tengan descendencia. Existen distintos métodos de
selección (Font Fernández, et al., 2009):

o Funciones de selección jerárquica: proporcional a la función objetivo, sencilla

pero demasiado sensible a valores extremos y puede favorecer la convergencia
prematura, o proporcional al orden del individuo, más uniforme gracias a la
ordenación de los individuos.
o Muestreo universal estocástico o método de la ruleta (Baker, 1987), que
selecciona a los individuos con una probabilidad directamente proporcional a la
aptitud de los mismos.
o Selección por torneos, con un tamaño t asignado, por la que se escogen
aleatoriamente t individuos y el de mayor aptitud es seleccionado, proceso que
se repite tantas veces como individuos tenga la población y permite incluir
diversidad.

Otros operadores genéticos son el cruce y la mutación. El operador de cruce es el

principal responsable del proceso evolutivo y simula la reproducción sexual en los
organismos. Existen operadores de cruce distintos para codificaciones binarias y para
codificaciones reales (Font Fernández, et al., 2009).

En el primer caso, el cruce puede ser:

• Simple o en un punto (Goldberg, 1989) (Holland, 1975), que parte los dos
cromosomas padres por el mismo punto y combina las partes generando dos

24
 descendientes. Produce poca diversidad en la descendencia por lo que es
necesaria una población muy variada.
• En dos o más puntos (Eshelman, et al., 1989), funciona de manera similar
dividiendo los cromosomas padres en más puntos. Sigue dando lugar a poca
diversidad y no son más útiles más de dos cortes (De Jong & Spears, 1992).
• Uniforme (Syswerda, 1989), intercambia de acuerdo a una máscara aleatoria
todos los genes de los cromosomas padres. Es un operador rápido con bajo coste
computacional pero es estático y puede atascarse en óptimos locales.
• Basado en la función objetivo, que trata de favorecer a los padres con mejor
aptitud.
• Generalizado, cuando un cromosoma binario representa un número entero, se
acota un intervalo de cruce más amplio que el intervalo definido por los números
codificados por los cromosomas padres.

En cualquier caso, mediante el cruce con codificación binaria no se introducen nuevos

alelos, o valores de los genes, que no tuvieran los padres, perdiéndose variabilidad
genética. Por esta razón, si se aplicaran los operadores descritos con codificación real,
no se modificarían los valores numéricos. Por ello, se dispone de operadores de cruce
específicos para codificación real:

ƒ Plano, conocido como BLX (Eshelman & Schaffer, 1993), establece el intervalo
de cruce entre los dos genes de los padres y escoge un número aleatorio dentro
del mismo para cada descendiente.
ƒ Combinado o BLX-α (Eshelman & Schaffer, 1993), que amplía el intervalo de
cruce del BLX de acuerdo a un factor α, y para un hijo se elige un número real
aleatorio, y su simétrico con respecto al punto medio del intervalo para el otro
hijo.
ƒ Morfológico MMX (Barrios, et al., 2000), basado en el uso de la morfología
matemática, mide la diversidad con el gradiente morfológico para balancear
dinámicamente la capacidad de exploración y explotación del algoritmo, y
utiliza una estructura de vector. Para ello, se evalúa la diversidad genética, se
calculan los intervalos de cruce, más acotados cuanto mayor sea la diversidad, y
se obtiene la descendencia de manera similar al BLX- α, con un número
aleatorio y su simétrico en el intervalo.

Para evitar la pérdida de diversidad genética y la posible caída en óptimos locales, se

utiliza la mutación, que con una probabilidad determinada cambia un único gen de la
cadena, pudiendo introducir cualquier alelo. De esta manera, la mutación evita la
convergencia prematura, pero también aleatoriza la búsqueda, siendo más conveniente
cuando el proceso de convergencia está avanzado (Pawar & Ganguli, 2011).

25
Otro aspecto a tener en cuenta son las estrategias de reemplazo que se lleven a cabo
entre generaciones. Según el tamaño de la población generada, pueden dividirse en tres
grupos:

 Se genera una población de igual tamaño que la anterior en: el reemplazo

generacional, por el que se renueva toda la población; el reemplazo generacional
elitista, que conserva cierto número de los individuos más aptos y renueva el
resto; y el reemplazo elitista puro, por el que sólo se conserva el individuo más
apto y se renueva el resto.
 La población generada es de menor tamaño con los mecanismos de: estado
estacionario, que genera menos individuos; o estado estacionario puro, por el
que únicamente se genera un individuo.
 Por último, con una estrategia basada en la aptitud, cierto número de los
individuos más aptos se añaden a una población completamente renovada,
generándose una población mayor que la anterior.

Con respecto a los individuos considerados para el reemplazo, las estrategias pueden ser
globales o locales. En las estrategias de reemplazo globales se considera toda la
población, para escoger los individuos a reemplazar de manera aleatoria, de acuerdo a
su antigüedad, según su aptitud o por su parecido con los individuos a insertar. En las
estrategias de reemplazo locales, por el contrario, sólo se consideran los individuos que
progenitores, siendo completamente reemplazados por los individuos descendientes,
reemplazándose sólo el peor de los progenitores o los más parecidos a los generados.
Tres de los métodos más comunes son (Font Fernández, et al., 2009):

• SSGA (Steady-State Replacement Genetic Algorithms) (De Jong & Spears,

1992), que realiza un solapamiento controlado mediante la obtención de sólo
una proporción de hijos que reemplazan los miembros peor adaptados.
• En bloque (Grefenstette, 1986), que puede ser con reducción simple
reemplazando todos los miembros por los hijos, o de grado λ, que toma los λ
individuos mejor adaptados.
• Catastróficos, con evaluación temporal y generación aleatoria que nunca
destruyen a los mejores, entre los que se encuentran el operador de empaquetado
y el día del juicio final.

En general, para eludir el estancamiento en mínimos locales, es necesario un ajuste

adecuado de la presión selectiva, es decir, la tendencia del algoritmo a favorecer a los
individuos más aptos. Si la presión se reduce puede protegerse la diversidad genética,
pero a costa de la velocidad de convergencia de cada iteración del algoritmo.

En términos generales, el funcionamiento de los algoritmos genéticos es el siguiente

(Pawar & Ganguli, 2011):

26
 1. Inicialización, generalmente aleatoria, de los individuos de la población.
2. Evaluación de la población mediante la función de adaptación.
3. Selección de los individuos a reproducir.
4. Reproducción de los individuos seleccionados: cruce, mutación…
5. Inserción y reemplazo para obtener la nueva población.
6. Si se cumple el criterio de parada, parar. Si no, volver al paso 2.

Como indica el paso 6, un algoritmo genético no se ejecuta infinitamente, sino hasta que
se cumple un criterio de parada definido (Eiben & Smith, 2007). Dependiendo de si la
detención del algoritmo está predeterminada, el criterio es de parada estático o
dinámico, respectivamente:

• Criterio de parada estático: la detención del algoritmo está predeterminada y no

varía durante la ejecución. Por ejemplo, tras un tiempo o un número de
iteraciones o de evaluaciones.
• Criterio de parada dinámico: puede variar entre ejecuciones diferentes, como
por ejemplo, cuando no mejore, o la diversidad genética o la fenotípica caigan
por debajo de un umbral, o se haya alcanzado una solución aceptable.

2.2.1 Algoritmos genéticos en lógica borrosa

Desde la perspectiva de su aplicación a un sistema basado en reglas borrosas, los

algoritmos genéticos optimizan evolutivamente el diseño del sistema para resolver un
problema particular. Esta combinación comenzó a estudiarse a principio de los años
noventa con la idea de aprovechar las habilidades de los algoritmos evolutivos para
mejorar la precisión de los sistemas borrosos y se han vuelto muy populares en las áreas
de inteligencia computacional para resolver distintos problemas de minería de datos
(Hong, et al., 2016) e ingeniería (Bárdossy & Duckstein, 1995), debido a sus
propiedades para representar conocimiento con imprecisión y su capacidad de
adaptación al contexto en que trabajen. La Figura 4 representa el esquema general de un
sistema basado en reglas borrosas:

27
Figura 4: integración de un algoritmo genético en un sistema basado en reglas borrosas, adaptación extraída
de (Fernández, et al., 2015)

En función de los componentes a optimizar por el esquema de codificación del

algoritmo genético, los sistemas borrosos genéticos pueden agruparse en dos tipos de
optimización: procesos de aprendizaje y procesos de ajuste. Asimismo, los objetivos a
mejorar pueden variar y combinarse, siendo los más comunes la precisión, la
compactibilidad, la completitud y la consistencia. El amplio potencial de este tipo de
sistemas da lugar a numerosos tipos de enfoques y algoritmos distintos, algunos de los
cuales se abordan a continuación siguiendo la taxonomía propuesta en (Fernández, et
al., 2015).

El primer grupo de algoritmos se puede subdividir en cuatro categorías, de las que

dependen el tamaño del espacio de búsqueda y, por tanto, la complejidad del
aprendizaje, su eficiencia y que las soluciones sean óptimas o no:

o Selección evolutiva de reglas, partiendo de una base de reglas ya definida

(Ishibuchi, et al., 1995).
o Aprendizaje evolutivo simultáneo de los componentes de la base de
conocimiento, para generar un mejor diseño de los mismos (Homaifar &
McCormick, 1995), aunque implica un espacio de búsqueda más amplio. En este
caso, cada cromosoma presenta una parte independiente para cada elemento, con

28
 longitud fija o variable y, para aplicar los operadores genéticos puede mezclar
subestructuras, tener estructuras no relacionadas o mediante procesos
secuenciales si transformar una estructura afecta a la transformación de otra.
o Aprendizaje evolutivo de la base de reglas, en el que se centran la mayor parte
de los trabajos propuestos para aprender automáticamente la base de
conocimiento a partir de conjuntos de datos. Es necesario contar con unas
funciones de pertenencia predefinidas (Thrift, 1991).
o Aprendizaje evolutivo de las funciones de pertenencia y otros factores como las
funciones de escala y la granularidad de las particiones borrosas. Puede llevarse
a cabo a priori o integrado (Cordón, et al., 2001) y también necesita partir de una
base de reglas previamente establecida.

Otro elemento que puede optimizarse evolutivamente es el motor de inferencia, pero es

poco común, aunque existen modelos híbridos que realizan el aprendizaje de los
componentes de la base de conocimiento junto con la adaptación de los parámetros del
motor de inferencia de forma simultánea (Marquez, et al., 2008).

Respecto al segundo grupo de algoritmos, que atiende a procesos de ajuste, existen tres
alternativas:

• Ajuste evolutivo de los parámetros de la base de conocimiento, que trata de

adecuar las funciones de pertenencia a posteriori (Casillas, et al., 2005).
• Sistemas evolutivos de inferencia adaptable, que introduce expresiones con
parámetros en el sistema de inferencia para obtener una cooperación más alta
entre las regla borrosas sin perder la interpretabilidad de las reglas lingüísticas
(Alcala-Fdez, et al., 2007).
• Métodos evolutivos de “desborrosificación” adaptable, para adaptar las
funciones de “desborrosificación” basadas en parámetros (Kim, et al., 2002).

En cuanto a la codificación de las bases de reglas, existen dos alternativas básicas: el

enfoque Pittsburgh, que representa una base de reglas completa con cada cromosoma
siendo más adecuado para diseño off-line; y el enfoque Michigan, que representa una
única regla en cada cromosoma y la base de reglas es la población, que es apto para el
diseño on-line. Los operadores genéticos se adaptan a cada esquema de representación,
siendo más complejos si se escoge una codificación con cromosomas de longitud
variable.

Los objetivos de optimización que pueden perseguir este tipo de sistemas son variados,
pudiéndose combinar y tomar como medida de la aptitud del sistema múltiples aspectos
de entre los enumerados. Por este motivo, a mediados de los años noventa surgió la idea
básica del diseño multiobjetivo de sistemas borrosos con un problema de dos objetivos
para maximizar la precisión de clasificadores basados en reglas borrosas y minimizar el

29
número de reglas borrosas (Ishibuchi, et al., 1997), posteriormente extendido a tres
objetivos para minimizar a su vez el número de antecedentes por regla (Ishibuchi, et al.,
2001). La principal característica de estos sistemas es la obtención de varias soluciones
no dominadas, es decir, que ninguna otra solución es mejor en todos los objetivos
perseguidos. De esta manera, los individuos de la población no convergen hacia una
solución óptima sino hacia un frente de Pareto de soluciones no dominadas, de entre las
cuales decidirá un humano de acuerdo a su preferencia para el problema específico.
Algunos enfoques de diseño multiobjetivo de sistemas borrosos (Ishibuchi & Nojima,
2015) son: para el diseño de controladores borrosos sin contar con la complejidad como
objetivo (Stewart, et al., 2004), (Chen & Chiang, 2004), para el diseño de clasificadores
borrosos incluyendo la complejidad como objetivo (Ducange, et al., 2010) (Ishibuchi &
Nojima, 2007) (Setzkorn & Paton, 2005) (Tsang, et al., 2007), o para el ajuste de las
funciones de distribución de posibilidad junto con la generación de la base de reglas
incorporando medidas de interpretabilidad (Gacto, et al., 2010) (Zhang, et al., 2011).

En general, los sistemas genéticos borrosos han resultado bastante exitosos y robustos
en prácticamente todas las ramas de minería de datos, contando con un amplio
desarrollo en el marco de la clasificación y la regresión (Cordón, et al., 2004)
(Fazzolari, et al., 2013) (Herrera, 2008). En el caso de la clasificación en concreto,
existen multitud de enfoques, siendo interesante el problema particular de partir de un
conjunto de datos no balanceados, es decir, que el número de ejemplos de las distintas
clases está desproporcionado. Con esta tarea como fin, hay sistemas genéticos de
clasificación basados en reglas borrosas que: reequilibran el conjunto de entrenamiento
(Fernandez, et al., 2009) (Fernandez, et al., 2010) (Villar, et al., 2012), emplean
operaciones específicas para la clase minoritaria (Lopez, et al., 2013) (Alshomrani, et
al., 2015) o son sensibles al coste (Ducange, et al., 2010) (Palacios, et al., 2014). En el
marco del control borroso, también se pueden encontrar numerosos trabajos basados en
algoritmos genéticos (Chou, 2006) (Deb, 2008) (Eiben & Smith, 2007) (Juang, 2005)
(Michalewicz, 1994) (Kuo & Li, 1999).

Se pueden encontrar otros estudios más recientes de aplicaciones en control borroso y

en clasificación, que emplean otras técnicas distintas, y que resultan a su vez
interesantes para el caso de estudio de este trabajo. Dentro del primer caso, se han
desarrollado diversos enfoques que incorporan: “banco de genes” (gene pool), filtro de
reglas y dos niveles de codificación (Sitompul & Bukhori, 2014); simbiosis con
conjuntos borrosos de tipo-2 (Parasumanna Gokulan & Srinivasan, 2014); estructura
jerárquica, de cinco niveles (Mendes, et al., 2014) o para optimizar el sistema de
inferencia (Sánchez, et al., 2016); así como programación genética (Lapa, et al., 2016).

Para resolver problemas de clasificación, recientemente se han integrado en los sistemas

borrosos genéticos características como: descomposición “uno-contra-uno” (one-vs-one)

30
para problemas multi-clase, en los algoritmos CHC-GL-OVO (Villar, et al., 2015) y
GL-FARCHD-OVO (Villar, et al., 2016); uso de gramáticas, como el algoritmo
FuAGGE (Mazouni & Rahmoun, 2016); programación genética, como el sistema
GPFIS-CLASS (Koshiyama, et al., 2015); evaluación participativa basada en la
población (Liu & Gomide, 2015); ajuste lateral con representación de 2-tuplas de la
base de datos para Big Data (Fernández, et al., 2016); o extracción de reglas mediante el
“análisis formal de concepto” (formal concept analysis) del algoritmo FCA-BASED
(Cintra, et al., 2016).

2.3 Optimización basada en enjambres de partículas

Ligadas a la computación evolutiva, aparecen otras técnicas de inspiración biológica,

basadas en comportamientos presentes en la naturaleza, principalmente aquellas
estrategias con una analogía social, las empleadas por poblaciones de individuos que
interactúan para lograr un objetivo, no necesariamente común, lo que se conoce como
inteligencia colectiva. Es el caso de la optimización con enjambres de partículas o la
optimización con colonias de hormigas.

La optimización mediante colonias de hormigas (ant colony optimization, ACO),

encuentra su motivación en otro ejemplo de comunidad de la naturaleza: las colonias de
hormigas reales y su comportamiento. El primer sistema de este tipo, llamado Ant
System, fue desarrollado por Marco Dorigo en 1992 (Dorigo, 1992) (Dorigo, et al.,
1996), y desde 1995, se han propuesto varias ampliaciones del mismo, como el Ant
Colony System del propio Dorigo junto con Gambardella (Gambardella & Dorigo,
1995) (Dorigo & Gambardella, 1997), o el MAX-MIN Ant System de Stützle y Hoos
(Stützle & Hoos, 1997), aplicándose al problema del viajante con excelentes resultados.
Además, Dorigo, Gambardella y Stützle han propuesto nuevas versiones híbridas con
búsqueda local, y en 1999, Dorigo, Di Caro y Gambardella (Dorigo & Di Caro, 1999)
(Dorigo, et al., 1999) definieron la metaheurística de la optimización con colonias de
hormigas.

La optimización con enjambres de partículas, por otro lado, surge de la observación del
comportamiento social de las bandadas de pájaros o los bancos de peces, iniciada por R.
Eberhart y J. Kennedy en 1995 (Eberhart & Kennedy, 1995) (Kennedy & Eberhart,
1995). En su origen, el objetivo era simular gráficamente la coreografía de estas
especies, sin embargo, se descubrió como un modelo válido como optimizador. El
desarrollo de la optimización con enjambres de partículas continúa, y en los últimos
años, se han llevado a cabo numerosas investigaciones sobre la técnica y se ha aplicado

31
con éxito en diferentes áreas, demostrando ser capaz de obtener mejores resultados de
forma más rápida y con menor coste en comparación con otras estrategias (Biswas &
Biswas, 2015).

La optimización con enjambres de partículas (particle swarm optimization, PSO), es

una técnica computacional de inspiración biológica, donde los individuos de una
población tratan de moverse hacia la mejor posición conocida por ellos y por los demás
individuos de la población o de su mismo círculo social, siguiendo el objetivo de
maximizar o minimizar una función de evaluación. La idea se basa en las siguientes
analogías para adaptar una situación de la naturaleza a la computación (Engelbrecht,
2007):

El espacio físico ↔ El espacio de búsqueda

La localización de un pájaro ↔ Una solución potencial
La densidad de insectos en una localización ↔ La aptitud o fitness de una solución
La búsqueda de insectos por un pájaro ↔ Un intento de optimizar la solución
Un pájaro ↔ Una partícula

Este modelo asume el intercambio de información, a partir de interacciones sociales,

entre los individuos o agentes de búsqueda. El comportamiento de éstos se rige por tres
reglas principales: separación, alineamiento y cohesión. Es decir, cada agente trata de
mantenerse suficientemente separado de sus vecinos, a la par que dirigirse según su
orientación media y desplazarse hacia la posición media de los mismos.

La codificación de cada solución propuesta, es un vector con las coordenadas de cada

agente o partícula, que se va modificando con la velocidad de la partícula. Todas las
partículas llevan una velocidad distinta de cero, nunca dejan de “volar”, y la propia
velocidad también se actualiza. Además de su posición actual y su velocidad, cada
partícula memoriza y comparte la mejor solución encontrada por sí misma, y conoce la
mejor solución encontrada por toda la población o enjambre (Eberhart & Kennedy,
1995).

De aquí se extrae el principio fundamental de la dinámica de los enjambres de

partículas: el balance entre la influencia de la mejor solución global y la mejor solución
individual encontradas. El movimiento de cada partícula, es decir, cómo cambian sus
coordenadas, se determina con su vector de velocidad, según la siguiente fórmula,
donde x es el vector de posición y v el vector de velocidad:

x(t + 1) = x(t) + v(t)

Es en la actualización del vector de la velocidad donde se tienen en cuenta las

coordenadas de las mejores soluciones obtenidas, tanto la global como la individual:

32
 Inercia Memoria individual Memoria colectiva

v(t + 1) = φ1·v(t) + φ2·r(0, a1) · (xmejorI(t) – x(t)) + φ3·r(0, a2) · (xmejorG(t) – x(t))

Donde r(0, a) es un número aleatorio entre 0 y a; xmejorI es la posición de la mejor

solución individual de la partícula y xmejorG, de la global; y φ1, φ2, φ3 son los pesos para
ajustar las tres influencias. La combinación de todos estos parámetros determina las
propiedades de convergencia del algoritmo. Además, para mantener la concordancia con
la realidad del problema que se esté tratando de resolver, se define una velocidad
máxima vmax, y en aplicaciones prácticas, también se establecen los límites de la
posición de las partículas, de acuerdo a la naturaleza del espacio de búsqueda y sus
límites (Floreano & Mattiussi, 2008).

Hasta aquí se ha hablado de la memoria global de toda la población, pero se puede

introducir el concepto de vecindario de una partícula, formado por las partículas vecinas
que se pueden definir conforme a diferentes topologías. En caso de llevar a cabo el
algoritmo considerando el vecindario espacial o social de cada partícula, en vez de la
población en general, en el componente de la memoria colectiva se sustituye xmejorG por
xmejorL la mejor solución encontrada por el vecindario, pasando a ser la memoria social
local en el cálculo de la velocidad, que ralentiza la convergencia pero está menos
influida por mínimos locales (Engelbrecht, 2007).

Independientemente del uso o no de vecindario, el funcionamiento de la optimización

con enjambres de partículas es el mismo, y consta de los siguientes pasos:

1. Inicialización de la población de partículas distribuidas aleatoriamente.

2. Evaluación de cada partícula con la función objetivo.
3. Actualización de memoria individual y colectiva, si se han mejorado
respectivamente.
4. Modificación del vector de velocidad de cada partícula.
5. Desplazamiento de cada partícula según su velocidad.
6. Si se cumple algún criterio de parada, terminar. Si no, continuar desde el paso 2.

Por último, el criterio de parada de un algoritmo de PSO puede responder a varios

factores: después de un número determinado de iteraciones, cuando se ha encontrado
una solución aceptable o la mejora entre iteraciones no supera cierto umbral, o cuando
el radio del enjambre entero tiende a cero y, por tanto, no hay diversidad entre partículas
(Brownlee, 2011).

33
2.3.1 Optimización mediante enjambres de partículas en lógica borrosa

Desde hace varios años, la optimización mediante enjambres de partículas ha sido

aplicada con éxito en numerosas áreas de trabajo y aplicación, demostrando que obtiene
mejores resultados de una manera más rápida y barata en comparación con otros
métodos (Kennedy & Mendes, 2002) (Angeline, 1998) (Lin, et al., 2011) (Rana, et al.,
2012) (Wang, et al., 2011). Otro motivo por el que la PSO resulta interesante es que
implica la configuración de pocos parámetros, de manera que una misma
implementación con sutiles modificaciones puede funcionar bien para una amplia
variedad de problemas.

En el caso concreto de los sistemas basados en reglas borrosas, puede integrarse la PSO
de distintas maneras con el objetivo de diseñarlos o mejorarlos. En general, los enfoques
más intuitivos y comunes, en función de qué elementos constituyan las coordenadas de
posición de la partícula que se modificarán al desplazarse, son los siguientes:

ƒ Cada partícula representa una base de reglas: las cláusulas de los antecedentes,
los consecuentes y los conectores son las coordenadas.
ƒ Los parámetros de las funciones de pertenencia son las coordenadas de las
partículas.
ƒ Ambas bases de reglas y funciones de pertenencia componen la posición de cada
partícula.
ƒ Se consideran como coordenadas a los parámetros del proceso de inferencia, es
decir, las funciones y operadores aplicados, o en combinación con alguna de las
anteriores.

De esta manera, la optimización con enjambres de partículas se ha utilizado para tareas

de muy distintos campos de aplicación, incluidos: identificación no lineal (dos Santos
Coeho & Herrera, 2007), estabilizadores de sistemas de electricidad (Hussein, et al.,
2008), búsqueda colectiva con robots (Venayagamoorthy, et al., 2009), para obtener los
antecedentes, consecuentes y conectores de las la base de reglas (Prado, et al., 2010), así
como el diseño de controladores borrosos (Kennedy & Mendes, 2002) (Amador-Angulo
& Castillo, 2016) y de sistemas de clasificación basados en reglas borrosas (Chen,
2006) (García-Galán, et al., 2015).

Sin embargo, numerosos investigadores han sometido al algoritmo de PSO estándar a

estudios empíricos y teóricos (Valle, et al., 2008), concluyéndose también que con
frecuencia converge demasiado rápido en las primeras iteraciones, causando su
convergencia prematura por la falta de diversidad en el enjambre, pudiendo caer
fácilmente en óptimos locales si se aplica a problemas de clasificación muy complejos.
En consecuencia, en la actualidad, se tiende a combinar la PSO con otras técnicas,

34
especialmente las de computación evolutiva, como: en la optimización de la base de
reglas de un método k-means (Muhammad, et al., 2009), con algoritmos genéticos como
el algoritmo EPSO (Ganeshkumar, et al., 2013) y otros (Marinakis & Marinaki, 2010)
(Niu, et al., 2008) (Martínez-Soto, et al., 2015), con optimización con colonias de
hormigas (Castillo, 2015), o para el aprendizaje de redes de neuronas (Gaxiola, et al.,
2016).

Otras perspectivas desde la que se puede combinar PSO o algoritmos genéticos con
sistemas basados en reglas borrosas, que no se detallarán en este trabajo al alejarse del
objetivo del mismo, pueden ser: utilizando un sistema basado en reglas borrosas para
ajustar los parámetros de un algoritmo de PSO (Olivas, et al., 2016), o aplicando lógica
borrosa para integrar los resultados obtenidos por PSO y algoritmo genético (Valdez, et
al., 2011).

Además, de igual modo que sucede con los algoritmos genéticos, es posible la
adaptación multiobjetivo de la optimización con enjambres de partículas (Coello, et al.,
2004) (Wang & Yang, 2009) (Goh, et al., 2010), activándose, como respuesta, la
investigación de versiones multiobjetivo de PSO para el diseño, a su vez, de sistemas
multiobjetivo borrosos (Rao & Sivasubramanian, 2008) (Zhang, et al., 2011) (Park, et
al., 2012).

Existen referencias más recientes o relacionadas con la construcción automática de

sistemas borrosos mediante técnicas inspiradas en la inteligencia colectiva. A pesar de
ser la más extendida junto con la optimización con colonias de hormigas (Juang &
Hung, 2016), la optimización con enjambres de partículas no es la única técnica de
inspiración biológica que se ha tratado unida a la lógica borrosa, habiendo diversos
estudios comparativos que incluyen otras metaheurísticas tanto para clasificación
(Tormási & Kóczy, 2016) como para control borroso (Castillo, 2015). Algunas de estas
técnicas, y otras, de inspiración biológica que también están presentes junto con
sistemas borrosos en otros trabajos, son: el algoritmo del murciélago (bat algorithm
BA) (Perez, et al., 2017), o el algoritmo de colonias de abejas (Caraveo, et al., 2016)
(Amador-Angulo & Castillo, 2016), o el razonamiento de interacción competitiva
(Jamalabadi, et al., 2016).

2.4 Software relacionado

Asimismo, hay trabajos en la literatura que se centran en la revisión de software

existente para la utilización de sistemas borrosos (Alcalá-Fdez & Alonso, 2015). Existe

35
software genérico como código fuente, librerías, herramientas y paquetes, que está
desarrollados con dos finalidades (Fernández, et al., 2015): habilitar la comparación de
propuestas nuevas frente al estado del arte, y analizar y llevar a cabo una
experimentación completa para determinar la solución más adecuada para un problema
dado. Entre estos tipos de software disponibles, se encuentran KEEL y dos paquetes de
software que incluyen técnicas bio-inspiradas: KEEL y frbs.

El paquete de software KEEL (Alcalá Fernández, et al., 2005) (Alcalá-Fdez, et al.,

2009) está desarrollado en Java, es gratuito y permite al usuario evaluar el
comportamiento de algoritmos bio-inspirados y sistemas basados en reglas borrosas
para problemas variados de aprendizaje de datos, como regresión, clasificación,
agrupamiento y extracción de patrones. Asimismo, el paquete KEEL pone a disposición
un repositorio de conjuntos de datos para la realización de experimentos (Alcalá-Fdez,
et al., 2011).

El paquete de software frbs (Septem Riza, et al., 2014) (Septem Riza, et al., 2015), está
implementado en el lenguaje R, también es gratuito, y proporciona varios métodos de
aprendizaje para la construcción de sistemas basados en reglas borrosas en el marco de
problemas de regresión y clasificación. Permite al usuario trabajar con diversos tipos de
representaciones e incluye algunos algoritmos evolutivos de los que contiene el paquete
de software KEEL.

36