fuzzy_inference_multiple_rules

import os
import ipdb # ipdb.set_trace()
import numpy as np

def trimf(x, abc):
    a, b, c = abc
    y = np.zeros(len(x))
    left_side_eq = (1/(b-a))*(x-a)
    right_side_eq = (1/(c-b))*(-x+c)
    y = np.minimum(left_side_eq,right_side_eq)
    y = np.maximum(y,0)
    return y

def inference_mamdani_nm(P,ux,uy):
    """
    onde:
    - P é a premissa
    - ux é a função de pertinência do antencedente
    - uy é a função de pertinência do consequente
    - retornará Q
    """
    antecedente_max = np.max(np.minimum(P[:],ux[:]))
    #ipdb.set_trace()
    Q = np.minimum(antecedente_max,uy[:])
    return Q

def inference_mamdani_2_premises_and(P1,ux1,P2,ux2,uy):
    """
    onde:
    - P1 é o antecedente 1
    - P2 é o antecedente 2
    - ux1 é a função de pertinência do antencedente 1
    - ux2 é a função de pertinência do antencedente 2
    - uy é a função de pertinência do consequente
    - retornará Q
    """
    antecedente1_max = np.max(np.minimum(P1[:],ux1[:]))
    antecedente2_max = np.max(np.minimum(P2[:],ux2[:]))
    antecedente_max = min(antecedente1_max,antecedente2_max)
    Q = np.minimum(antecedente_max,uy[:])
    return Q


# conjunto Universo  das variáveis base
#X = [0, 10 ... 80]
X = np.arange(0,81,10)

#Y = [-10, -8, ..., 10]
Y = np.arange(-10, 10.1, 2)

# Funções de Pertinência
u_x_medio = trimf(X,[0,40,80])  # funcao de pertinencia para variável linguística x1 com valor medio
u_x_alto = trimf(X,[40,80,110])  # funcao de pertinencia para variável linguística x com valor baixo

u_y_medio  = trimf(Y,[-10,0,10])     # funcao de pertinencia para variável linguística y com valor medio
u_y_alto  = trimf(Y,[0,10,20])      # funcao de pertinencia para variável linguística y com valor alto

#ipdb.set_trace()
# Inferência Fuzzy

#Assuma que x = 50
A_l = np.zeros(X.shape[0])   # inicializa A_l
A_l[np.where(X==50)] = 1     # faz que no índice onde o conjunto universo = 50, este conjunto tenha valor 1


Y_l1 = inference_mamdani_nm(A_l,u_x_medio,u_y_alto)
Y_l2 = inference_mamdani_nm(A_l,u_x_alto,u_y_medio)

Y_l = np.maximum(Y_l1,Y_l2)

print(Y_l)