Resumo. Conjuntos nebulosos são usados para descrever conceitos vagos ou incertos. Sistemas de regras nebulosas (SRNs), por sua vez,é uma poderosa ferramenta matemática para modelar fenômenos usando uma linguagem natural. Métodos de inferência, como o método de Mamdani e a regra composicional de inferência (RCI) de Zadeh, são usados para avaliar um SRNs. Nesse artigo introduzimos os conceitos de espaço reticulado e operadores reticulados, que são análogos aos conceitos de espaço vetorial e operadores lineares. Sobretudo, mostramos que existe uma correspondência unívoca entre operadores reticulados e a RCI. Desse resultado concluímos que RCIs descrevem apenas um subconjunto dos métodos de inferência para SBNs.Palavras-chave. Teoria dos conjuntos nebulosos, sistemas de regras nebulosas, regra composicional de inferência, operadores lineares, reticulados.
IntroduçãoConjuntos nebulosos, também chamados conjuntos fuzzy, representam uma poderosa ferramenta para descrever conceitos vagos e/ou incertos como a noção de pessoa jovem, temperatura confortável e erro pequeno [7,12,23]. Além disso, a teoria dos conjuntos nebulosos e a lógica nebulosa oferecem uma metodologia eficiente e transparente para modelagem matemática -transparente no sentido de descrever fenômenos usando uma linguagem natural [18,25]. De fato, muitos problemas práticos podem ser descritos usando um conjunto de regras nebulosas, i.e., regras da forma "se-então" onde os antecedentes e/ou consequentes são conjuntos nebulosos [12,24]. Chamamos método de inferência a técnica usada para fazer conclusões usando um conjunto de regras nebulosas. Aplicações de conjuntos nebulosos inclue dinâmica populacional [1, 9, 10], diagnóstico [3], controle [4,13], otimização [5] e previsão de séries temporais [21,22]. E importante esclarecer, entretanto, que a teoria dos conjuntos nebulosos e a lógica nebulosa não são teorias nebulosas ou vagas [18,25]. Em outras palavras, embora usadas para descrever conceitos que não são claramente definidos, tanto