sbrfuzzy

Instalação

Usando Pypi

pip install fuzzystk

versão = 0.0.2

Descrição

O fuzzystk é um módulo python desenvolvido para ser uma solução alternativa que possibilita a criação de aplicações que fazem uso da lógica fuzzy, com foco em sistemas baseados em regras fuzzy (SBRF).

Funções

• termolinguistico(nome,tipo,intervalo) - método construtor para a criação de um termo linguistico onde receberá seu nome, que será usado na base de regras para chama-lo, seu tipo será o número fuzzy usado nesse termo e será definido como triangular, trapezoidal ou gaussiana, seu intervalo receberá uma lista contendo seu domínio discretizado.

• termolinguistico.pertinencia(valor) - retornará o grau de pertinência do valor inserido com base no tipo definido na criação do termo linguistico através do seu construtor.

• variavellinguistica(nome,universo)- método construtor para a criação de um termolinguistico onde receberá seu nome e receberá seu universo que será o domínio discretizado onde está variavel se encontra.

• variavellinguistica.adicionar(nome,tipo,intervalo)- método usado para a adição de um termo linguistico para a variável em questão, seus parâmetros serão os mesmos da classe termolinguistico.

• variavellinguistica.mostrarTermos(none)- método usado para retornar uma lista com os nomes dos termos linguisticos adicionados.

• variavellinguistica.grafico(none)- método usado para plotar um gráfico com todos os seus termos linguísticos em seu domínio universo.

• controlador(regras,vetvariaveislinguisticas,valores)- método construtor para a definir como o controlador fuzzy irá se comportar, recebe em regras uma lista onde cada indice recebe uma regra da forma ( "baixo e alto então alto" ), recebe em vetvariaveislinguisticas uma lista com as variaveis linguisticas que serão usadas e recebe em valores os valores que serão calculados no controlador.

• controlador.mapeia(none)- método usado para retornar uma lista contendo o grau de pertinência de dos valores inseridos com base em cada regra inserida.

• controlador.mamdani(defuzzificacao)- método usado para retornar um valor real correspondente ao resultado calculado pelo controlador aplicando o método de inferência de Mamdani. Este método recebe como parâmetro o método de defuzzificação que será utilizado, podendo ser escolhido o método do centroide, média dos máximos e centro dos máximos. Por padrão, caso nada seja inserido, será usado o método do centroide.

• controlador.tsk(vet_regras)- método usado para retornar um valor real correspondente ao resultado calculado pelo controlador aplicando o método de inferência de Takagi-Sugeno-Kang. Este método recebe como parâmetro uma lista contendo as funções que serão agregadas aos consequentes da base de regras, ordenadamente.

Exemplos

Malthus.py

import fuzzystk as fz
import numpy as np 

entrada = open('dados.dat', 'w')
n = 300

v1 = fz.ling_var("População",np.linspace(0,300,n))
v1.add("baixa","trapezoidal",[0,0,25,45])
v1.add("media-baixa","triangular",[30,50,70])
v1.add("media","triangular",[55,75,110])
v1.add("media-alta","triangular",[110,165,185])
v1.add("alta","triangular",[160,190,210])
v1.add("muito-alta","trapezoidal",[200,210,300,300])


v2 = fz.ling_var("Variação",np.linspace(-2,10,n))
v2.add("baixa-negativa","triangular",[-2,0,0])
v2.add("baixa-positiva","triangular",[0,0,3])
v2.add("media","triangular",[2,5,8])
v2.add("alta","trapezoidal",[6,9,10,10])

base_regras = ["baixa então baixa-positiva",
                "media-baixa então media",
                "media então alta",
                "media-alta então media",
                "alta então baixa-positiva",
                "muito-alta então baixa-negativa"]

#v1.plot()
#v2.plot()

h = 0.5
x0 = 2
it = 0

while it < 250:
    f = fz.controller(base_regras, [v1,v2], [x0])
    entrada.write(str(it) + '\t' + str(x0) + '\n')
    x0 = x0 + h*f.mamdani()
    it += 1

entrada.close()

tsk.py

from sbrfuzzy import *
import numpy as np

def f1(vet): return 1.4329 * vet[0] - 0.0757 
def f2(vet): return 1.4357 * vet[0] - 0.0744
def f3(vet): return 1.0728 * vet[0] + 0.0724 
def f4(vet): return 0.9702 * vet[0] + 0.1341
def f5(vet): return 0.4968 * vet[0] + 0.5114

v1 = variavellinguistica("EAS",np.arange(0,1.001,0.001))
v1.adicionar("a1","trapezoidal",[0,0,0.1,0.3])
v1.adicionar("a2","triangular",[0.1,0.3,0.5])
v1.adicionar("a3","triangular",[0.3,0.5,0.7])
v1.adicionar("a4","triangular",[0.5,0.7,0.9])
v1.adicionar("a5","trapezoidal",[0.7,0.9,1.0,1.0])

bs = ["a1 então f1",
    "a2 então f2",
    "a3 então f3",
    "a4 então f4",
    "a5 então f5"]

vet = [f1,f2,f3,f4,f5]

arquivo = open("saida.txt","a")

entradas = np.arange(0,1,0.01)
for i in entradas:
    f = controlador(bs,[v1],[i])
    arquivo.write(str(i) + "\t" + str(f.tsk(vet)) + "\n")

arquivo.close()

Observações

1. No método tsk() é recomendado utilizar funções que recebem listas como parâmetro.