IMAG0319 2

W *K'

Metody sztucznej inteligencji

Ćwiczenie I

1.    Definiowanie zbiorów rozmytych opisanych funkcjami przynależności o kształcie S. Z. trójkątnym oraz trapezoidalnym:

W wierszu poleceń Matlaba (Command Window) zdefiniuj zbiory rozmyte w dziedzinie X wykonując kolejno polecenia:

»x = 0:0.1:10;

» mf! — zinf(x, 11 3|);

» mf2 = trimf(x, |0 3 6|);

» mf3 = trapnif(x, |3 5 8 10|);

» mf4 = zmf(x, |7 9|);

» plot(x. mfi, x, mf2, x, m 13, x, mf4);grid

Sprawdź stopień przynależności wartości x = 5 dla zbiorów rozmytych mf2 (trójkątna funkcja przynależności) i mf3 (funkcja trapezoidalna):

» element = |x(51) mf2(51) mf3(51)|

2.    Wykonaj operacje na zbiorach rozmytych mf2 i nrO stosując T-nornn (ilocz\n)

a)    T(mf2.njf3) = min(m/2,m/3):

» y = min(mf2, mf3);

» płotu, mf2,x, mf3,x, y);grid

b)    T(m/2,m/3) = mf2• m/3:

» y ^m mf2 .* m!3;

» plot(x. ml2, x, mf3,x, y);grid ' Wykonaj operacje na zbiorach rozmytych ml2 i mO stosując S-normy (surm,)

a)    S(m/2.m/3) = max(w/*2.w/ 3)

» y - nta\( iii O. ni 13);

» plot(x, inl2, V, x, mf3,x, >);grid

b)    S( z/// 2, m/3) = m/2 -t- mf 3 - mf 2 • m/3)

» y = ni 12 + m 13 - nif2 .* nif3;

» plot(\* mf2, ’:\ X, ml3, x, y);grid

O S( m/2. m/3) = min(m/2 + mj 3,1)

» v = niio(m(2 + mf3,l);

I