智能控制理论与应用(第四版)-第三章思考题与习题

2024-04-13 09:36

本文主要是介绍智能控制理论与应用(第四版)-第三章思考题与习题,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

目录

思考题与习题3

3-1

3-2

(1)(P◦Q)◦R

(2)(P∪Q)◦S

(3)%(P◦S)∪(Q◦S)

3-3

3-4


思考题与习题3

3-1

解:由题意得,语气算子“很”\lambda =2\mu _{w}(a)=(\mu _{Y}(a))^2

所以“很年轻W”模糊集的隶属函数为

V为“不老也不年轻”,则V=\bar{O}\bigcap\bar{Y}

所以“不老也不年轻V”模糊集的隶属函数为

MATLAB仿真代码如下:

clear all;
close all;
%年老
for k1 = 1:1:2001x1(k1) = (k1-1)*0.1;if x1(k1)>=50&x1(k1)<=70y1(k1)=( x1(k1) -50)/20;elseif x1(k1)>70y1(k1) = 1.0;elsey1(k1) = 0;end
end
%年轻
for k = 1:1:2001x(k) = (k-1)*0.1;if x(k)>=0&x(k)<=25;y(k) = 1.0;elseif x(k)>25&x(k)<=70y(k)=(70 - x(k))/45;elsey(k) = 0;end
end
%很年轻
for k2 = 1:1:2001x2(k2) = (k2-1)*0.1;if x(k2)>=0&x(k2)<=25;y2(k2) = 1.0;elseif x(k2)>25&x(k2)<=70y2(k2)=((70 - x(k2))/45)^2;elsey2(k2) = 0;end
end
%不老也不年轻
for k3 = 1:1:2001x3(k3) = (k3-1)*0.1;if x(k3)>=25&x(k3)<=56.1;y3(k3) = 1-(70 - x3(k3))/45;elseif x(k3)>56.1&x(k3)<=70y3(k3)=1- (x3(k3) -50)/20;elsey3(k3) = 0;end
end
figure(1);
plot(x,y,'k');
xlabel('x Years');ylabel('Degree of membership');title('年老O')
figure(2)
plot(x1,y1,'k');
xlabel('x Years');ylabel('Degree of membership');title('年轻Y')
figure(3)
plot(x2,y2,'k');
xlabel('x Years');ylabel('Degree of membership');title('很年轻W')
figure(4)
plot(x3,y3,'k');
xlabel('x Years');ylabel('Degree of membership');title('不老也不年轻V')

3-2

(1)(P◦Q)◦R

MATLAB仿真代码如下:

clear all;
close all;P=[0.6,0.9;0.2,0.7];
Q=[0.5,0.7;0.1,0.4];
R=[0.2,0.3;0.7,0.7];
S=[0.1,0.2;0.6,0.5];%3.2.1
%P◦Q
for i=1:2for j=1:2PQ1(i,j)=max(min(P(i,:),Q(:,j)'))end
end
%(P◦Q)◦R
for i=1:2for j=1:2PQR(i,j)=max(min(PQ1(i,:),R(:,j)'))end
end

(2)(P∪Q)◦S

MATLAB仿真代码如下:

%3.2.2
%P∪Q
PQ2=max(P,Q)
%(P∪Q)◦S
for i=1:2for j=1:2PQS(i,j)=max(min(PQ2(i,:),S(:,j)'))end
end

(3)%(P◦S)∪(Q◦S)

MATLAB仿真代码如下:

%3.3.3
%P◦S
for i=1:2for j=1:2PS(i,j)=max(min(P(i,:),S(:,j)'))end
end
%Q◦S
for i=1:2for j=1:2QS(i,j)=max(min(Q(i,:),S(:,j)'))end
end
%(P◦S)∪(Q◦S)
for i=1:2for j=1:2PSQS(i,j)=max(min(PS(i,:),QS(:,j)'))end
end

3-3

MATLAB仿真代码如下:

% 定义模糊关系矩阵R和右侧矩阵B  
R = [0.8, 0.5, 0.6; 0.4, 0.8, 0.5];  
B = [0.5; 0.6];  % 设置最大迭代次数和收敛阈值  
max_iter = 1000;  
tol = 1e-6;  % 调用函数求解模糊关系方程  
X = solve_fuzzy_relation_equation(R, B, max_iter, tol);  % 显示结果  
disp(X);function X = solve_fuzzy_relation_equation(R, B, max_iter, tol)  % R是模糊关系矩阵 (m x n)  % B是右侧矩阵 (m x p)  % max_iter是最大迭代次数  % tol是收敛阈值  % 获取矩阵的维度  [m, n] = size(R);  [~, p] = size(B);  % 初始化X矩阵,通常可以随机初始化或全部设为1  X = ones(n, p);  % 迭代求解  for iter = 1:max_iter  X_old = X; % 保存上一次迭代的X矩阵  % 执行模糊关系的合成运算  X_new = zeros(n, p);  for i = 1:n  for j = 1:p  max_val = -inf;  for k = 1:m  val = min(R(k, i), B(k, j));  if val > max_val  max_val = val;  end  end  X_new(i, j) = max_val;  end  end  % 检查收敛性  if norm(X_new - X_old, 'inf') < tol  X = X_new;  break;  end  X = X_new;  end  
end  

3-4

MATLAB仿真代码如下:

clear all;
close all;A=[1;0.5];
B=[0.1,0.5,1];
C=[0.2,1];% Compound of A and B
AB=min(A,B);%Transfer to Column
AB_column = reshape(AB',6,1);
%Get fuzzy R
for i=1:6for j=1:2R(i,j)=min(AB_column(i),C(j));end
endA1=[0.8;0.1];
B1=[0.5,0.2,0];
% Compound of A1 and B1
AB1=min(A1,B1);
%Transfer to Row
AB1_column = reshape(AB1',1,6);%Get output C1
for i=1:6for j=1:2D(i,j)=min(AB1_column(i),R(i,j));C1(j)=max(D(:,j));end
end
disp(C1)

如有错误,请各位在评论区批评指正! 

这篇关于智能控制理论与应用(第四版)-第三章思考题与习题的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/899778

相关文章

Spring Security 基于表达式的权限控制

前言 spring security 3.0已经可以使用spring el表达式来控制授权,允许在表达式中使用复杂的布尔逻辑来控制访问的权限。 常见的表达式 Spring Security可用表达式对象的基类是SecurityExpressionRoot。 表达式描述hasRole([role])用户拥有制定的角色时返回true (Spring security默认会带有ROLE_前缀),去

中文分词jieba库的使用与实景应用(一)

知识星球:https://articles.zsxq.com/id_fxvgc803qmr2.html 目录 一.定义: 精确模式(默认模式): 全模式: 搜索引擎模式: paddle 模式(基于深度学习的分词模式): 二 自定义词典 三.文本解析   调整词出现的频率 四. 关键词提取 A. 基于TF-IDF算法的关键词提取 B. 基于TextRank算法的关键词提取

水位雨量在线监测系统概述及应用介绍

在当今社会,随着科技的飞速发展,各种智能监测系统已成为保障公共安全、促进资源管理和环境保护的重要工具。其中,水位雨量在线监测系统作为自然灾害预警、水资源管理及水利工程运行的关键技术,其重要性不言而喻。 一、水位雨量在线监测系统的基本原理 水位雨量在线监测系统主要由数据采集单元、数据传输网络、数据处理中心及用户终端四大部分构成,形成了一个完整的闭环系统。 数据采集单元:这是系统的“眼睛”,

【C++ Primer Plus习题】13.4

大家好,这里是国中之林! ❥前些天发现了一个巨牛的人工智能学习网站,通俗易懂,风趣幽默,忍不住分享一下给大家。点击跳转到网站。有兴趣的可以点点进去看看← 问题: 解答: main.cpp #include <iostream>#include "port.h"int main() {Port p1;Port p2("Abc", "Bcc", 30);std::cout <<

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个

2024年流动式起重机司机证模拟考试题库及流动式起重机司机理论考试试题

题库来源:安全生产模拟考试一点通公众号小程序 2024年流动式起重机司机证模拟考试题库及流动式起重机司机理论考试试题是由安全生产模拟考试一点通提供,流动式起重机司机证模拟考试题库是根据流动式起重机司机最新版教材,流动式起重机司机大纲整理而成(含2024年流动式起重机司机证模拟考试题库及流动式起重机司机理论考试试题参考答案和部分工种参考解析),掌握本资料和学校方法,考试容易。流动式起重机司机考试技

hdu1394(线段树点更新的应用)

题意:求一个序列经过一定的操作得到的序列的最小逆序数 这题会用到逆序数的一个性质,在0到n-1这些数字组成的乱序排列,将第一个数字A移到最后一位,得到的逆序数为res-a+(n-a-1) 知道上面的知识点后,可以用暴力来解 代码如下: #include<iostream>#include<algorithm>#include<cstring>#include<stack>#in

嵌入式QT开发:构建高效智能的嵌入式系统

摘要: 本文深入探讨了嵌入式 QT 相关的各个方面。从 QT 框架的基础架构和核心概念出发,详细阐述了其在嵌入式环境中的优势与特点。文中分析了嵌入式 QT 的开发环境搭建过程,包括交叉编译工具链的配置等关键步骤。进一步探讨了嵌入式 QT 的界面设计与开发,涵盖了从基本控件的使用到复杂界面布局的构建。同时也深入研究了信号与槽机制在嵌入式系统中的应用,以及嵌入式 QT 与硬件设备的交互,包括输入输出设

zoj3820(树的直径的应用)

题意:在一颗树上找两个点,使得所有点到选择与其更近的一个点的距离的最大值最小。 思路:如果是选择一个点的话,那么点就是直径的中点。现在考虑两个点的情况,先求树的直径,再把直径最中间的边去掉,再求剩下的两个子树中直径的中点。 代码如下: #include <stdio.h>#include <string.h>#include <algorithm>#include <map>#

让树莓派智能语音助手实现定时提醒功能

最初的时候是想直接在rasa 的chatbot上实现,因为rasa本身是带有remindschedule模块的。不过经过一番折腾后,忽然发现,chatbot上实现的定时,语音助手不一定会有响应。因为,我目前语音助手的代码设置了长时间无应答会结束对话,这样一来,chatbot定时提醒的触发就不会被语音助手获悉。那怎么让语音助手也具有定时提醒功能呢? 我最后选择的方法是用threading.Time