UD05 · Notebook 6 — Lógica difusa: ¿quién jugará?¶

%pip install scikit-fuzzy networkx

# scikit-fuzzy 0.4.2 ya no arranca en Python 3.12+ (importa `imp` y `distutils`, que
# se eliminaron del lenguaje), asi que instalamos la 0.5.0. En esa version todo
# funciona menos `ControlSystem.view()`: en su visualizador, la linea que guarda el
# sistema quedo dentro de un `if` y nunca se ejecuta. Se arregla en tres lineas:
from skfuzzy.control.visualization import ControlSystemVisualizer

_init_original = ControlSystemVisualizer.__init__

def _init_parcheado(self, control_system):
    _init_original(self, control_system)
    self.ctrl = control_system

ControlSystemVisualizer.__init__ = _init_parcheado

import numpy as np
import skfuzzy as fuzz
from skfuzzy import control as ctrl

# Variables de entrada
rendiment = ctrl.Antecedent(np.arange(0, 11, 1), 'rendiment')
recanvi = ctrl.Antecedent(np.arange(0, 11, 1), 'recanvi')
relacio = ctrl.Antecedent(np.arange(0, 11, 1), 'relacio')

# Variable de salida
jugara = ctrl.Consequent(np.arange(0, 91, 1), 'jugara')

# Funciones de pertenencia automática
rendiment.automf(3)
recanvi.automf(3)
relacio.automf(3)

# Funciones de pertenencia personalizadas
jugara['poc'] = fuzz.trimf(jugara.universe, [0, 0, 45])
jugara['prou'] = fuzz.trimf(jugara.universe, [0, 45, 90])
jugara['molt'] = fuzz.trimf(jugara.universe, [45, 90, 90])

# Reglas

# Si tienes un buen rendimiento en entrenamiento y la amistad es mediana o buena, jugará bastante (Busquets)
# Si tienes un mal rendimiento en el entrenamiento y la amistad es buena, jugará bastante (F.T.)
# Si tienes un mal rendimiento en entrenamiento y poca amistad, jugarás poco (Rakitic)
# Si tienes una buen rendimiento en el entrenamiento, la amistad es mala y ningún repuesto, jugará mucho (Messi con Setien)
# Si tienes una buen rendimiento en el entrenamiento, la amistad es mala y tiene repuesto, jugará poco (Etoo en Guardiola)
# Si tienes una muy buen rendimiento en el entrenamiento, la amistad es mala y tiene repuesto, jugarás mucho (Parejo en Setien)

rule1 = ctrl.Rule(rendiment['good'] & (relacio['average'] | relacio['good']), jugara['prou'])
rule2 = ctrl.Rule(rendiment['poor'] & relacio['good'], jugara['prou'])
rule3 = ctrl.Rule(rendiment['poor'] & relacio['poor'], jugara['poc'])
rule4 = ctrl.Rule(rendiment['good'] & relacio['poor'] & (recanvi['poor'] | recanvi['average']), jugara['molt'])
rule5 = ctrl.Rule(rendiment['good'] & relacio['poor'] & recanvi['good'], jugara['poc'])
rule6 = ctrl.Rule(rendiment['average'] & relacio['poor'] & recanvi['good'], jugara['molt'])

control = ctrl.ControlSystem([rule1, rule2, rule3, rule4, rule5, rule6])

# Simulación
simulacio = ctrl.ControlSystemSimulation(control)

# Entrada de datos

simulacio.input['rendiment'] = 8
simulacio.input['recanvi'] = 3
simulacio.input['relacio'] = 2