See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/313824072

Théorie des ensembles flous Caractérisation, propriétés et opérations

Research · January 2016

DOI: 10.13140/RG.2.2.31700.81286

CITATION READS

1 5,869

1 author:

Gradi Kamingu
Laval University
6 PUBLICATIONS   2 CITATIONS   

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Cours d'Intelligence Artificielle View project

Cours de Métaheuristique View project

All content following this page was uploaded by Gradi Kamingu on 18 February 2017.

The user has requested enhancement of the downloaded file.

 Théorie des ensembles flous
Caractérisation, propriétés et opérations

Gradi Kamingu Lubwele1

LAREQ ONE PAGER 11-001 – FEVRIER 16, 2016

http://www.lareq.com

Résumé
Ce papier présente une introduction à la théorie des ensembles flous ; théorie qui sert de fondement de la
logique floue, qui peut trouver plusieurs applications en économie, notamment dans l’analyse de la pauvreté
multidimensionnelle et l’analyse des inégalités.

Mots-clés: Ensemble flou, fonction d’appartenance, degré d’appartenance.

Abstract
This paper focuses on the theory of fuzzy sets. This theory is the basis of fuzzy logic, which can find multiple
applications in economics, particularly in the analysis of multidimensional poverty and analysis of inequality.

Keywords: Fuzzy set, membership function, membership degree.

Introduction
Il est beaucoup plus facile de dire si une personne est un homme ou une femme, si une personne est en
classe terminale ou pas, mais il est difficile de dire si quelqu’un est beau (la notion de beauté est sujette
à plusieurs discussion). C’est là où intervient la théorie des ensembles flous.

En effet, la théorie des (sous-)ensembles flous est une théorie mathématique du domaine de l’algèbre
abstraite développée par Lotfi Zadeh 2 en 1965 afin de représenter mathématiquement l'imprécision
relative à certaines classes d'objets.

A titre illustratif, dans la théorie des choix, certains auteurs prônent le caractère flou dans la description
des préférences des agents économiques. Par ailleurs, dans l’analyse des inégalités, plusieurs chercheurs
dont Basu (1987), ont cherché à rendre flou le pré-ordre de Lorenz3 et certains indices d’inégalité. Tout

1
Aspirant-chercheur au Laboratoire d’Analyse-Recherche en Economie Quantitative (LAREQ). Université
Protestante au Congo. Adresse : Croisement Av. Libération et Blvd Triomphal, B.P 16.626 Kinshasa I, RDC. E-
mail : [email protected]
2
Lotfi Askar Zadeh, scientifique américain d’origine Azerbaïdjanaise, est considéré comme le fondateur de la
logique floue. Actuellement il est professeur émérite de la science informatique à l'Université de Californie.
3
Max Otto Lorenz (1976-1959), économiste américain, est l’inventeur du concept de courbe de Lorenz en
1905 pour décrire les inégalités de revenu.
 G. Kamingu. Théorie des ensembles flous
[2016, Lareq One Pager, Vol. 11, no. 1, 37-45]

comme la pauvreté peut aussi être étudiée en utilisant la théorie des ensembles flous, étant donné le
manque d’attributs précis permettant de ranger les individus ou les ménages dans la classe des pauvres
ou des non-pauvres (Ambapour, 2009).Le caractère flou est à privilégier car il sert à mieux modéliser
l'incertitude et l'imprécision, par exemple est presque, est un peu plus grand que, est à peu près, etc.

Le reste du papier s’organise comme suit. Nous procédons à la caractérisation du concept de sous-
ensemble flou dans la section première, puis présentons brièvement ses propriétés dans la section
deuxième. Enfin, nous discutons des différentes opérations valables pour les sous-ensembles flous avant
de conclure.

I. Caractérisation des sous-ensembles flous

Dans la théorie des ensembles de Georg Cantor4, on n’a que deux états :soit un élément appartient à un
ensemble, soit il n’y appartient pas. Mais dans la théorie des ensembles flous, un élément peut
appartenir fortement ou faiblement à un ensemble.

Figure 1 : Fonctions d'appartenance d'un sous-ensemble flou et de d'un ensemble classique

1,0



0,92
0,8

Appartenance [0, 1]

0,6
1
!" # =
1 + ' (),+,-

0,4 0 ssi # ≤ 50
!" # =
1 ssi # ≥ 50


0,2



0,0


0 20 40 60 80 100



Soit 𝑋un ensemble
de référence ou univers. Soit 𝑥un élément quelconque de 𝑋. on dit qu’une partie 𝐴 de
l’ensemble de référence 𝑋 est un ensemble flou lorsqu’elle est définie de la manière suivante :
𝐴= 𝑥, 𝜇( 𝑥 , 𝑥 ∈ 𝑋 , (1)

avec : 𝜇( : 𝑋 0,1 .Une partie A d'un ensemble 𝑋 est usuellement associée à sa fonction d’appartenance.
Celle-ci s'applique sur les éléments 𝑥 de 𝑋 . Elle prend la valeur 0 si 𝑥 n'appartient pas à 𝑋 et 1
si 𝑥appartient à 𝐴.

En attribuant les éléments 𝑥 de 𝑋 un degré d’appartenance, on remarque les trois cas suivants :
• 𝜇( 𝑥 = 0, lorsque 𝑥 n’appartient pas à 𝐴 de façon certaine ;
• 0 < 𝜇( 𝑥 < 1, lorsque 𝑥 appartient partiellement à 𝐴 ;
• 𝜇( 𝑥 = 1,lorsque 𝑥 appartient à 𝐴 de façon certaine.

4
Georg Cantor (1845-1978), mathématicien Allemand, est le premier à établir l'importance de la bijection entre
les ensembles, définit les ensembles infinis et les ensembles bien ordonnées. Il prouva également que les
nombres réels sont « plus nombreux » que les entiers naturels.

38
 G. Kamingu. Théorie des ensembles flous
[2016, Lareq One Pager, Vol. 11, no. 1, 37-45]

II. Propriétés

On définit complétement une partie floue (sous-ensemble flou) par sa fonction d’appartenance qu’on
note 𝜇( 𝑥 ; la valeur de cette fonction d'appartenance 𝜇( 𝑥 est appelée degré d'appartenance de
l'élément 𝑥 au sous-ensemble 𝐴.

Bouchon-Meunier et Marsala (2003) affirment que les notions suivantes sont couramment utilisées dans
la théorie des ensembles flous.

• Le noyau d'un ensemble flou 𝐴 de 𝑋, noté 𝑛 𝐴 𝑜𝑢 𝑛𝑜𝑦 𝐴 est l'ensemble de tous les éléments qui
appartiennent totalement ou de façon certaine à 𝐴, c'est-à-dire dont le degré d'appartenance
à 𝐴 vaut 1. On a :

n 𝐴 = 𝑥 ∈ 𝑋 𝜇( 𝑥 = 1 (2)

• Le point de croisement d'un ensemble flou 𝐴 de 𝑋 est le sous-ensemble des éléments de 𝑋 pour
lesquels la fonction d'appartenance prend une valeur égale à 0,5. C'est l'ensemble des éléments de
𝑋qui appartiennent autant à 𝐴qu'à son complémentaire :

C 𝐴 = 𝑥 ∈ 𝑋 𝜇( 𝑥 = 0,5 (3)

• Le support d'un ensemble flou 𝐴 de 𝑋, noté supp 𝐴 est l'ensemble des éléments appartenant, même
très peu, à 𝐴 c'est-à-dire dont le degré d'appartenance à 𝐴 est supérieur à 0.

supp 𝐴 = 𝑥 ∈ 𝑋 𝜇( 𝑥 > 0 (4)

• La hauteur d'un ensemble flou 𝐴 de 𝑋, notéh 𝐴 est le plus fort degré avec lequel un élément de 𝑋
appartient à 𝐴, on a :

h 𝐴 = sup 𝜇( 𝑥 𝑥 ∈ 𝑋 (5)

En particulier, si h 𝐴 = 1, on dit que le ensemble flou est normalisé, et un ensemble flou non vide et
fini peut toujours être normalisé en divisant sa fonction d’appartenance par sa hauteur.

• La cardinalité d’un ensemble flou 𝐴 de 𝑋, noté 𝐴 est le nombre d’éléments appartenant à 𝐴pondéré
par leur degré d’appartenance. On a :

𝜇( 𝑥 𝑑𝑥 𝑠𝑖 𝑋 𝑒𝑠𝑡 𝑐𝑜𝑛𝑡𝑖𝑛𝑢 (6)

B
| 𝐴| =
𝜇( 𝑥C 𝑠𝑖 𝑋 𝑒𝑠𝑡 𝑑𝑖𝑠𝑐𝑟𝑒𝑡
EF ∈B
où l’expression :
𝐴
𝐴 =
𝑋
est appelée cardinalité relative de 𝐴.On peut alors l’interpréter par la fraction d’éléments dans𝐴,
pondéré par leurs de degré d’appartenance en 𝐴.

• Une 𝛼 − 𝑐𝑜𝑢𝑝𝑒 d’un ensemble flou 𝐴 ou ensemble de niveau 𝛼 de 𝐴, noté 𝐴J est le sous-ensemble (au
sens de la théorie des ensembles classiques) des éléments ayant un degré d'appartenance supérieur
ou égal à 𝛼.

39
 G. Kamingu. Théorie des ensembles flous
[2016, Lareq One Pager, Vol. 11, no. 1, 37-45]

On a :

𝐴J = x ∈ 𝑋 𝜇( x ≥ 𝛼 (11)

D’autre part, on peut définir l’ensemble :

𝐴MJ = x ∈ 𝑋 𝜇( x > 𝛼 (12)

L’ensemble 𝐴MJ est appelé 𝛼 − 𝑐𝑜𝑢𝑝𝑒 fort ou 𝛼 − 𝑐𝑜𝑢𝑝𝑒 stricte ; et 𝐴J est un sous-ensemble ordinal dont
la fonction caractéristique est :

1 𝑠𝑖 𝜇( (x) ≥ 𝛼 (13)
𝜒𝐴J 𝑥 =
0 𝑠𝑖𝑛𝑜𝑛

Figure 2. Éléments caractéristiques d'un ensemble flou: noyau, support, hauteur et𝛼 − 𝑐𝑜𝑢𝑝𝑒

Distance entre ensembles flous. La notion de distance entre ensembles flous peut être utile pour
définir des relations de type « à peu près égal à » ou « très supérieur à ». Soit 𝐴, 𝐵 deux ensembles
flous de 𝑋, la distance entre ces deux ensembles 𝐴 et 𝐵 est définie par :

T/R
R
𝜇( 𝑥 − 𝜇S 𝑥 𝑑𝑥 𝑠𝑖 𝑋 𝑒𝑠𝑡 𝑐𝑜𝑛𝑡𝑖𝑛𝑢
B
𝑑R (𝐴, 𝐵) = T/R (7)
R
𝜇( 𝑥C − 𝜇S 𝑥C 𝑠𝑖 𝑋 𝑒𝑠𝑡 𝑑𝑖𝑠𝑐𝑟𝑒𝑡
EF ∈B

En particulier,

§ Si 𝑝 = 1, on parle de la distance de Hamming :

𝜇( 𝑥 − 𝜇S 𝑥 𝑑𝑥 𝑠𝑖 𝑋 𝑒𝑠𝑡 𝑐𝑜𝑛𝑡𝑖𝑛𝑢
𝑑T (𝐴, 𝐵) = B (8)
𝜇( 𝑥C − 𝜇S 𝑥C 𝑠𝑖 𝑋 𝑒𝑠𝑡 𝑑𝑖𝑠𝑐𝑟𝑒𝑡
EF ∈B

40
 G. Kamingu. Théorie des ensembles flous
[2016, Lareq One Pager, Vol. 11, no. 1, 37-45]

§ Si 𝑝 = 2 on parle de la distance Euclidienne :

T/W
W
𝜇( 𝑥 − 𝜇S 𝑥 𝑑𝑥 𝑠𝑖 𝑋 𝑒𝑠𝑡 𝑐𝑜𝑛𝑡𝑖𝑛𝑢
B
𝑑W (𝐴, 𝐵) = T/W (9)
W
𝜇( 𝑥C − 𝜇S 𝑥C 𝑠𝑖 𝑋 𝑒𝑠𝑡 𝑑𝑖𝑠𝑐𝑟𝑒𝑡
EF ∈B

§ Si 𝑝 → +∞, on parle de la distance de Tchebychev5

𝑑[ (𝐴, 𝐵) = max 𝜇( 𝑥C − 𝜇S 𝑥C (10)

EF ∈B

Théorème 1. (Théorème de décomposition). Si 𝐴 est un ensemble flou de 𝑋, de fonction

d’appartenance 𝜇( , alors on a :

∀𝑥 ∈ 𝑋, 𝜇( 𝑥 = sup 𝛼. 𝜒𝐴J 𝑥 .
J∈]`,T]

Preuve :
Partant dela fonction caractéristique (13) et en multipliant chaque membre par un nombre réel α, on
a ce qui suit :
𝛼 𝑠𝑖 𝜇( (x) ≥ 𝛼
𝛼. 𝜒𝐴J 𝑥 =
0 𝑠𝑖𝑛𝑜𝑛

En introduisant l’opérateur sup dans chaque membre, on a :

𝑠𝑢𝑝J∈]`,T] 𝛼. 𝜒𝐴J 𝑥 = 𝑠𝑢𝑝J∈]`,T] { 𝜇( (x) ≥ 𝛼} ⟹ 𝑠𝑢𝑝J∈]`,T] 𝛼. 𝜒𝐴J 𝑥 = 𝑠𝑢𝑝J∈]`,T] {𝛼 ≤ 𝜇( (x)}

Or (Caractérisation de la borne supérieure dans ℝ) : 𝑞 = sup 𝐴 si et seulement si ∀ 𝑞 ∈ 𝐴, 𝑥 ≤ 𝑞( 𝑞 est un

majorant de 𝐴).Ce qui permet d’établir que :
sup 𝛼. 𝜒𝐴J 𝑥 = 𝜇( (x) ∎
J∈]`,T]

• Une intervalle floue, noté 𝐴 = ℝ, 𝑐 est un ensemble flou dont l’ensemble 𝑥 ∈ 𝑋, 𝜇( 𝑥 = 1 est un
intervalle de ℝ.
• Un nombre flou 𝑀, est un ensemble flou convexe et normalisé de ℝ, noté 𝑀 = ℝ, 𝜇i .

III. Operations sur les ensembles flous

Comme dans la théorie des ensembles classique (de Cantor), en théorie des ensembles flous, il existe un
certain nombre d’opérations. On étend ces opérations aux fonctions d'appartenance des ensembles flous.

Égalité. On dit que deux ensembles flous 𝐴 et 𝐵 de 𝑋 sont égaux, si leurs fonctions d’appartenance
prennent la même valeur pour tous les éléments 𝑥de 𝑋. On a 𝐴 = 𝐵si et seulement si :

∀𝑥 ∈ 𝑋, 𝜇( 𝑥 = 𝜇S 𝑥

5
Du nom de mathématicien russe Pafnouti Tchebychev (1821 – 1894). Il est connu pour ses travaux dans les
domaines des probabilités, des statistiques, et de la théorie des nombres.

41
 G. Kamingu. Théorie des ensembles flous
[2016, Lareq One Pager, Vol. 11, no. 1, 37-45]

Inclusion. On dit que 𝐴est inclus dans 𝐵, qu’on note alors A ⊂ B, si tout élément 𝑥 de 𝑋 qui appartient à
𝐴 appartient aussi à 𝐵 avec un degré au moins aussi grand. On a A ⊂ Bsi et seulement si :

∀x ∈ X, µo x ≤ µp x

Complémentaire. Le complémentent d’un ensemble flou 𝐴 de 𝑋est le sous-ensemble flou constitué des
éléments 𝑥 lui appartenant d'autant plus qu'ils appartiennent peu à 𝐴. On a Aest donné par :

∀ x ∈ X, µo x = 1 − µo (x)

De cette définition, remarquons que pour la négation, support et noyau d'un ensemble flou sont des
notions duales. En effet, si 𝑋 est l’ensemble de référence :

supp 𝐴 = 𝑋 − 𝑛( 𝐴) (14)
et
𝑛 𝐴 = 𝑋 − supp 𝐴 (15)
Preuve :
Par définition, n 𝐴 = 𝑥 ∈ 𝑋 𝜇( 𝑥 = 1 etsupp 𝐴 = 𝑥 ∈ 𝑋 𝜇( 𝑥 > 0 . Or par la définition de la différence des
ensembles, on a pour rappel, si 𝐴 et 𝐵 sont des ensembles, alors:
𝐴 − 𝐵 = {𝑥 ∈ 𝐴|𝑥 ∉ 𝐵} (16)
Or 𝐴 = 𝑋 − 𝐴
D’autre part, d’après (3) et (5), on a :
supp 𝐴 = supp 𝑋 − 𝐴 = 𝑥 ∈ 𝑋 𝜇Br( 𝑥 > 0 = 𝑋 − 𝑛 𝐴
et
𝑛 𝐴 = 𝑛 𝑋 − 𝐴 = 𝑥 ∈ 𝑋 𝜇Br( 𝑥 = 1 = 𝑋 − supp 𝐴 ∎

Réunion. La réunion de deux ensembles flous 𝐴 et 𝐵de 𝑋est l’ensemble flou constitué des éléments de X
affectés du plus grand des degrés avec lesquels ils appartiennent à 𝐴 et 𝐵. On a 𝐴 ∪ 𝐵est donné par:
𝜇(∪S 𝑥 = max 𝜇( 𝑥 , 𝜇S 𝑥 (17)
Généralement, soient (𝐴C )C∈t une famille des ensembles flous d’un ensemble E indexées selon un
ensemble 𝐼, données par leur fonction d'appartenance 𝜇C . On définit la réunion 𝜇 de ces parties au moyen
de la fonction d'appartenance suivante :
𝜇 𝑥 = max 𝜇C 𝑥 , 𝑖 ∈ 𝐼 , (18)
qu’on peut aussi noter :

𝜇 = 𝜇C (19)
v ∈ w

Intersection. L’intersection de deux ensembles flous 𝐴 et 𝐵 de 𝑋 est l’ensemble flou constitué des
éléments de 𝑋affectés du plus petit des degrés avec lesquels ils appartiennent à 𝐴 et 𝐵. On a 𝐴 ∩ 𝐵est
donné par :
𝜇(∩ S 𝑥 = min 𝜇( 𝑥 , 𝜇S 𝑥 . (20)

Généralement, soient (𝐴C )C∈t une famille des ensembles flous d’un ensemble 𝐸 indexées selon un
ensemble 𝐼, données par leur fonction d'appartenance 𝜇C . On définit l’intersection 𝜇 de ces parties au
moyen de la fonction d'appartenance suivante :
𝜇 𝑥 = min 𝜇C 𝑥 , 𝑖 ∈ 𝐼 , (21)

42
 G. Kamingu. Théorie des ensembles flous
[2016, Lareq One Pager, Vol. 11, no. 1, 37-45]

qu’on peut aussi noter :

𝜇 = 𝜇C (22)
C∈t

Image réciproque. Soient 𝐸 et 𝐹 deux ensembles et 𝑓 une application de 𝐸 dans 𝐹. Considérons une
partie floue de 𝐹 donnée par sa fonction d'appartenance 𝜇. On appelle image réciproque de cette partie
floue par 𝑓 la partie floue de 𝐸 donnée par la fonction d'appartenance suivante, notée 𝑓 rT (𝜇):

∀𝑥 ∈ 𝐸, 𝑓 rT 𝜇 𝑥 = 𝜇(𝑓(𝑥)) (23)

Image directe. Soient 𝐸 et 𝐹 deux ensembles et 𝑓 une application de 𝐸 dans 𝐹. Considérons une partie
floue de 𝐸 donnée par sa fonction d'appartenance 𝜇 . On appelle image directe de cette partie floue
par 𝑓 la partie floue de 𝐹 donnée par la fonction d'appartenance suivante, notée 𝑓 𝜇 :

∀𝑦 ∈ 𝐹, 𝑓 𝜇 𝑦 = sup 𝜇 𝑥 , 𝑥 ∈ 𝑓 rT 𝑦 . (24)

Convexité d’un ensemble flou. Un ensemble flou 𝐴 est dit convexe si :

𝜇( 𝜆𝑥T + 1 − 𝜆 𝑥W ≥ min 𝜇( 𝑥T , 𝜇S 𝑥W ; 𝑥T , 𝑥W ∈ 𝑋, 𝜆 ∈ 0,1 . (25)

Les propriétés suivantes sont valables pour les sous-ensembles flous :

Tableau 1 : Tableau récapitulatif des propriétés

N° Propriété Union Intersection

1 Commutativité 𝐴∪𝐵 =𝐵∪𝐴 𝐴∩𝐵 =𝐵∩𝐴

2 Associativité 𝐴 ∪ (𝐵 ∪ 𝐶) = (𝐴 ∪ 𝐵) ∪ 𝐶 𝐴∩ 𝐵∩𝐶 = 𝐴∩𝐵 ∩𝐶

3 Idempotence 𝐴∪𝐴=𝐴 𝐴∩𝐴=𝐴

4 Distributivité 𝐴 ∪ (𝐵 ∩ 𝐶) = (𝐴 ∪ 𝐵) ∩ (𝐴 ∪ 𝐶) 𝐴∩ 𝐵∪𝐶 = 𝐴∩𝐵 ∪ 𝐴∩𝐶

5 Loi de DeMorgan 𝐴∪𝐵 =𝐴∩𝐵 𝐴∩𝐵 =𝐴∪𝐵

6 Loi d’absorption 𝐴∪ 𝐴∩𝐵 =𝐴 𝐴∩ 𝐵∪𝐵 =𝐴

7 L’élément absorbant 𝐴∪𝑋 =𝑋 𝐴∩∅=∅

8 L’élément neutre 𝐴∪∅=𝐴 𝐴∩𝑋 =𝑋

Formule d’équivalence
(union)/ Formule de
9 𝐴 ∪ 𝐵 ∩ 𝐴 ∪ 𝐵 = (𝐴 ∩ 𝐵) ∪ (𝐴 ∩ 𝐵) (𝐴 ∩ 𝐵) ∪ 𝐴 ∩ 𝐵 = (𝐴 ∪ 𝐵) ∩ (𝐴 ∪ 𝐵)
différence symétrique
(intersection)
10 Cardinalité 𝐴 + 𝐵 = 𝐴 ∩ 𝐵 + |𝐴 ∪ 𝐵|

Dans toutes les définitions des opérations dans les lignes précédentes, nous avons utilisé les
combinaisons des fonctions d’appartenances, en utilisant notamment les opérateurs de minimum,
maximum et de complément à 1. Les normes et conormes triangulaires constituent une généralisation
des opérateurs de type maximum ou minimum.

Avant de définir la norme et la conorme triangulaire, énonçons un principe important, principe nous
permettant de passer des opérations sur les ensembles ordinaires à des opérations sur les ensembles
flous, appelé extension de Zadeh. C’est sur base de ce principe même que Dubois et Prade ont construit
l’arithmétique floue.

43
 G. Kamingu. Théorie des ensembles flous
[2016, Lareq One Pager, Vol. 11, no. 1, 37-45]

Extension de Zadeh. Soient 𝜑: 𝑋T ×𝑋W × …×𝑋„ ⟶ 𝑌 où 𝑋T ×𝑋W × …×𝑋„ sont des sous-ensembles quelconques
de 𝑋 et 𝐴C 𝑖 = 1, … , 𝑛 des ensembles flous de 𝑋C 𝑖 = 1, … , 𝑛 respectivement. L’extension de Zadeh permet
d’induire au travers 𝜇 et 𝐴C 𝑖 = 1, … , 𝑛 l’ensemble flou 𝐵 de 𝑌 caractérisé par la fonction d’appartenance
suivante :

𝑠𝑢𝑝 min 𝜇(F 𝑋C , 𝑠𝑖 𝜑 rT 𝑌 ≠ ∅

𝜇S 𝑌 = C
rT
0, 𝑠𝑖 𝜑 𝑌 = ∅

Une norme triangulaire ou t-norme𝕋est une fonction définie sur 0, 1 × 0, 1 et prenant ses valeurs dans
l’intervalle 0, 1 qui satisfait aux conditions qui suivent :

• ∀ 𝑥, 𝑦 ∈ 0, 1 : 𝕋 𝑥, 𝑦 = 𝕋 𝑦, 𝑥 (Commutativité)

• ∀ 𝑥, 𝑦, 𝑧 ∈ 0, 1 :𝕋 𝑥, 𝕋 𝑦, 𝑧 = 𝕋 𝕋 𝑥, 𝑦 , 𝑧 (Associativité)

• ∀𝑥, 𝑦, 𝑧, 𝑡 ∈ 0, 1 :𝕋 𝑥, 𝑦 ≤ 𝕋 𝑧, 𝑡 si𝑥 ≤ 𝑧 et 𝑧 ≤ 𝑡 (Monotonie)

• ∀𝑥 ∈ 0, 1 : 𝕋 0,0 = 0 ;𝕋 𝑥, 1 = 𝕋 1, 𝑥 (Élément neutre 1)

Une conorme triangulaire ou t-conorme 𝒄𝕋 est une fonction définie sur 0, 1 × 0, 1 et prenant ses
valeurs dans l’intervalle [0, 1] qui satisfait aux conditions qui suivent :

• ∀ 𝑥, 𝑦 ∈ 0, 1 : 𝒄 𝕋 𝑥, 𝑦 = 𝒄 𝕋 𝑦, 𝑥 (Commutativité)

• ∀ 𝑥, 𝑦, 𝑧 ∈ 0, 1 : 𝒄 𝕋 𝑥, 𝒄 𝕋 𝑦, 𝑧 =
𝒄𝕋 𝒄𝕋 𝑥, 𝑦 , 𝑧 (Associativité)

• ∀𝑥, 𝑦, 𝑧, 𝑡 ∈ 0, 1 : 𝒄 𝕋 𝑥, 𝑦 ≤ 𝒄 𝕋 𝑧, 𝑡 si𝑥 ≤ 𝑧 et 𝑧 ≤ 𝑡 (Monotonie)

• ∀𝑥 ∈ 0, 1 : 𝒄 𝕋 1,1 = 1 ; 𝒄 𝕋 𝑥, 0 = 𝒄 𝕋 0, 𝑥 (Élément neutre 1)

Nota :
• On vérifie simplement que l’opérateur de minimum est une t-norme. Ce qui fait qu’on définit
l’opérateur d’intersection de deux ensembles flous par :
∀ 𝑥 ∈ 𝑋, 𝜇(∩S 𝑥 = 𝕋 𝜇( 𝑥 , 𝜇S 𝑥

• On vérifie simplement que l’opérateur de maximum est une t-conorme. Ce qui fait qu’on définit
l’opérateur d’union de deux ensembles flous par :
∀ 𝑥 ∈ 𝑋, 𝜇(∪S 𝑥 = 𝒄 𝕋 𝜇( 𝑥 , 𝜇S 𝑥

Tableau 2 : Tableau des t-normes et de t-conormes

t-norme t-conorme Nom

min 𝑥, 𝑦 max 𝑥, 𝑦 Zadeh

𝑥. 𝑦 x + y – x.y Probabliste

max 𝑥 + 𝑦 − 1,0 min 𝑥 + 𝑦, 1 LukasieWicz

𝑥. 𝑦 𝑥 + 𝑦 − 𝑥. 𝑦 − 1 − 𝛾 . 𝑥. 𝑦 Hamacher (𝛾 > 0)
𝑥 𝑠𝑖 𝑦 = 1 𝑥 𝑠𝑖 𝑦 = 0
𝑦 𝑠𝑖 𝑥 = 1 𝑦 𝑠𝑖 𝑥 = 0 Weber
0 𝑠𝑖𝑛𝑜𝑛 0 𝑠𝑖𝑛𝑜𝑛

In fine, le tableau 2 répertorie les t-normes et t-conormes les plus utilisées (Wu, 1998).

44
 G. Kamingu. Théorie des ensembles flous
[2016, Lareq One Pager, Vol. 11, no. 1, 37-45]

Conclusion

Ce papier avait l’ambition de présenter quelques notions basiques en lien avec la théorie des ensembles
flous, ces opérations des bases et les principales propriétés sur ces opérations. Il convient de noter que
l’approche ou la logique floue permet de caractériser divers problèmes, tant en mathématique qu’en
sciences sociales, qui revêtent un certain degré d’incertitude et d’imprécision. Puisque dans la réalité,
toute activité humaine comporte soit de l’incertitude soit de l’imprécision, il s’avère donc important pour
des recherches futures, de montrer comment la théorie des ensembles flous peut contribuer à mieux
modéliser différents comportements observés dans le monde réel.

Par ailleurs, la théorie des ensembles flous a également ouvert un vaste champ de recherche dans le
domaine purement scientifique. Ainsi, dans les publications ultérieures, nous tenterons également
d’explorer quelques notions plus avancées des mathématiques floues, telles que la topologie floue. Et
nous montrerons que ces notions plus approfondies sont utiles dans la formulation des plusieurs
problèmes, comme le problème de programmation mathématique floue, qui intéressent tant les
mathématiciens que les économistes.

Bibliographie

• AMBAPOUR Samuel, 2009, Théorie des ensembles flous : application à la mesure de la pauvreté
au Congo, Bureau d’Applications des Méthodes Statistiques et Informatiques, Brazzaville.

• BASU Kaushik, 1980, “Axioms for a fuzzy measure of inequality”, Mathematical Social Sciences,
Vol. 14, pp. 275 – 288.

• BOUCHON-MEUNIER Bernadette, Christophe MARSALA, 2003, Logique floue, principes, aide à la

décision, Hermes, Paris, 252p.

• WU Wei, 1998, Synthèse d'un contrôleur flou par Algorithme Génétique Application au réglage
dynamique des paramètres d'un système, Thèse de doctorat, spécialité Automatique et
Informatique Industrielle, U.F.R. d'Informatique, Electronique, Electrotechnique et Automatique,
Université de Lille 1 -Sciences et Technologies de Lille, 173p.

45

View publication stats