fuzzy_inference_2variables

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


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[:]))
    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
X1 = [0, 2, 4, 6, 8]
X2 = [0, 20, 40, 60, 80]
Y = [10, 20, 30, 40, 50]

u_x1_medio = [0, 0.5, 1, 0.5, 0]     # funcao de pertinencia para variável linguística x1 com valor baixo
u_x2_medio = [0, 0.5, 1, 0.5, 0]     # funcao de pertinencia para variável linguística x1 com valor medio
u_yalto    = [0, 0, 0, 0.5, 1]      # funcao de pertinencia para variável linguística y com valor alto

u_x1_medio = np.array(u_x1_medio)
u_x2_medio = np.array(u_x2_medio)
u_yalto = np.array(u_yalto)

# Inferência Fuzzy

#Assuma que x1 = 6, x2 = 40
A_l = np.array([0, 0, 0, 0, 0])  # x1 = 6
B_l = np.array([0, 0, 1, 0, 0])  # x2 = 40

Y_l = inference_mamdani_2_premises_and(A_l,u_x1_medio,B_l,u_x2_medio,u_yalto)
print(Y_l)