Сопровождение исторических интеграций¶
Эти рецепты предназначены для существующих потребителей 1.x. Исторический фасад — fuzzyroutines.FuzzyRoutines; новые интеграции стоит начинать с неизменяемого современного API. Поддерживаются Python 3.13 и 3.14. Совместимость сохраняет проверенные вызовы и имена, а заметки о миграции объясняют математические исправления и удалённые импорты вспомогательных объектов. Каждый блок самостоятелен и тестируется на установленных дистрибутивах.
Разбор диапазонов и проверка исторических скаляров¶
from fuzzyroutines.FuzzyRoutines import DiapasonParser, IsCorrectFuzzyNumberValue, IsNumber
assert DiapasonParser("1-3,5,3") == [1, 2, 3, 5]
assert IsNumber(0.5) and not IsNumber(True)
assert IsCorrectFuzzyNumberValue(0.5) and not IsCorrectFuzzyNumberValue(1.5)
print(DiapasonParser("1-3,5,3"))
Исторические скалярные предикаты принимают встроенные int и float, исключая логические значения. IsNumber проверяет тип, но не гарантирует конечность. Для ошибочного текста парсер сохраняет историческое поведение: диагностическое сообщение и пустой список. Проверяйте результат, если пустой диапазон недопустим в проекте.
Объединение исторических степеней¶
from math import isclose
from fuzzyroutines.FuzzyRoutines import (
FuzzyAND, FuzzyNOT, FuzzyNOTParabolic, FuzzyOR,
SCoNorm, SCoNormCompose, TNorm, TNormCompose,
)
assert FuzzyAND(0.4, 0.7) == 0.4 and FuzzyOR(0.4, 0.7) == 0.7
assert isclose(FuzzyNOT(0.4), 0.6) and isclose(FuzzyNOTParabolic(0.4), 0.6)
expectedAnd = {"logic": 0.4, "algebraic": 0.28, "boundary": 0.1, "drastic": 0}
expectedOr = {"logic": 0.7, "algebraic": 0.82, "boundary": 1, "drastic": 1}
for family in expectedAnd:
assert isclose(TNorm(0.4, 0.7, normType=family), expectedAnd[family], abs_tol=1e-12)
assert isclose(SCoNorm(0.4, 0.7, normType=family), expectedOr[family], abs_tol=1e-12)
assert isclose(TNormCompose(0.4, 0.7, 0.9, normType="algebraic"), 0.252)
assert isclose(SCoNormCompose(0.4, 0.7, 0.9, normType="algebraic"), 0.982)
print(TNormCompose(0.4, 0.7, 0.9, normType="algebraic"))
Композиция сворачивается слева направо. Один допустимый операнд возвращается сам; отсутствие операндов вызывает ошибку. Все операнды и политика проверяются, включая унарный случай. FuzzyNOT — историческое параметрическое отрицание; при альфа 0.5 по умолчанию оно сводится к стандартному дополнению. Параболический адаптер сохраняет epsilon как проверяемый аргумент совместимости, но он не меняет точность результата.
Все исторические семейства и псевдонимы¶
from math import exp, isclose
from fuzzyroutines.FuzzyRoutines import MFunction
cases = (
("hyperbolic", {"a": 1, "b": 2, "c": 0}, 1),
("bell", {"a": -2, "b": -1, "c": 1}, 1),
("parabolic", {"a": -2, "b": 2}, 0.5),
("triangle", {"a": -2, "b": 2, "c": 0}, 1),
("trapezium", {"a": -2, "b": 2, "c": -1, "d": 1}, 1),
("exponential", {"a": 0, "b": 1}, 1),
("sigmoidal", {"a": 2, "b": 0}, 0.5),
("desirability", {}, exp(-1)),
)
for family, parameters, expected in cases:
model = MFunction(family, **parameters)
assert isclose(model.mju(0), expected)
assert model.name == model.mju.__name__ and model.parameters == parameters
for alias, canonical, parameters in (
("sShoulder", "parabolic", {"a": -2, "b": 2}),
("gaussian", "exponential", {"a": 0, "b": 1}),
("logistic", "sigmoidal", {"a": 2, "b": 0}),
("harringtonDesirability", "desirability", {}),
):
assert MFunction(alias, **parameters).mju(0) == MFunction(canonical, **parameters).mju(0)
triangle = MFunction("triangle", a=0, b=2, c=1)
triangle.parameters = {"a": 0, "b": 4, "c": 2}
assert triangle.mju(2) == 1
print(triangle.name, triangle.parameters)
mju связывается с выбранным публичным методом семейства: Hyperbolic, Bell, Parabolic, Triangle, Trapezium, Exponential, Sigmoidal или Desirability. Передавайте одну координату. Псевдонимы выбирают те же методы и не задают новую математику. Исторический порядок треугольника: a = левая опорная точка, b = правая опорная точка, c = вершина; современный Triangle использует left, peak, right. Историческая трапеция: a = левая опорная точка, b = правая опорная точка, c = начало плато, d = конец плато; современный Trapezoid использует геометрический порядок слева направо. Изменяемый сеттер параметров повторно проверяет весь словарь. После замены mju нельзя ожидать применимости стандартных аналитических сертификатов.
Пересчёт изменяемого множества после смены модели или окна¶
from math import isclose
from fuzzyroutines.FuzzyRoutines import FuzzySet, MFunction
model = MFunction("triangle", a=0, b=2, c=1)
fuzzySet = FuzzySet(model, supportSet=(0, 2), linguisticName="Preferred")
assert fuzzySet.name == "Preferred" and fuzzySet.mFunction is model
assert fuzzySet.supportSet == (0, 2)
assert isclose(fuzzySet.Defuz(), 1) and isclose(fuzzySet.defuzValue, 1)
replacement = MFunction("triangle", a=0, b=4, c=2)
fuzzySet.name = "Updated preference"
fuzzySet.mFunction = replacement
fuzzySet.supportSet = (0, 4)
assert fuzzySet.mFunction is replacement and fuzzySet.name == "Updated preference"
assert isclose(fuzzySet.Defuz(), 2) and isclose(fuzzySet.defuzValue, 2)
print(fuzzySet.name, fuzzySet.Defuz())
Несмотря на историческое имя, supportSet — конечное окно интегрирования, а не аналитическое множество поддержки. Defuz() заново вычисляет центроид с проверенной современной численной политикой. Чтение defuzValue также пересчитывает текущий результат; оба пути учитывают изменения модели и окна. MFunction.accuracy сохранён для совместимости и не настраивает современную квадратуру центроида.
Осознанное чтение и замена уровней шкалы¶
from fuzzyroutines.FuzzyRoutines import FuzzyScale, FuzzySet, MFunction, UniversalFuzzyScale
first = FuzzySet(MFunction("triangle", a=0, b=2, c=1), supportSet=(0, 2))
second = FuzzySet(MFunction("triangle", a=0, b=2, c=1), supportSet=(0, 2))
scale = FuzzyScale()
scale.name = "Two identical preferences"
scale.levels = [{"name": "First", "fSet": first}, {"name": "Second", "fSet": second}]
assert scale.name == "Two identical preferences" and len(scale.levels) == 2
assert scale.Fuzzy(1)["name"] == "Second"
assert scale.GetLevelByName("First")["fSet"] is first
assert scale.GetLevelByName("SECOND", exactMatching=False)["fSet"] is second
universal = UniversalFuzzyScale()
assert len(universal.levels) == len(universal.levelsNames) == len(universal.levelsNamesUpper)
assert universal.Fuzzy(0.5)["name"] in universal.levelsNames
assert {name.upper() for name in universal.levelsNames} == set(universal.levelsNamesUpper)
print(scale.Fuzzy(1)["name"], tuple(universal.levelsNames))
Историческое равенство разрешается в пользу более позднего уровня; современная политика по умолчанию выбирает первый терм, альтернативы задаются явно. Историческая шкала всегда возвращает победителя, даже при нулевом покрытии; современный результат допускает отказ. Универсальная предустановка сохраняет историческую геометрию и известные ограничения покрытия. Проверяйте новую рабочую шкалу, а не считайте название предустановки доказательством полноты покрытия.