Fuzzy - Biblioteca de Lógica Fuzzy - biblioteca para MetaTrader 5

Autor

Dmitry Kalyuzhny. Site do projeto FuzzyNet - http://sourceforge.net/projects/fuzzynet/

FuzzyNet é uma das bibliotecas matemáticas mais populares para a criação de modelos fuzzy

Biblioteca Lógica Fuzzy para Microsoft.Net (FuzzyNet) é um componente de uso fácil que implementa sistemas de inferência fuzzy Mamdani e Sugeno.

Usando a Biblioteca

1. Dependendo da sua tarefa, criar um sistema fuzzy vazio do tipo Mamdani ou Sugeno.
   
2. Criar variáveis ​​de entrada e saída fuzzy.
3. Termos apropriados são adicionados a cada variável fuzzy. Antes disso, um nome e uma função de pertinência são atribuídas a um termo.
4. As variáveis ​​são adicionadas ao sistema.
   
5. Um conjunto de regras é criado.
6. As regras são adicionadas ao sistema.
7. Dados de entrada são enviados ao sistema.
8. A função de cálculo dosistema é chamada.

Nota: O sistema de inferência tipo Mamdani pode ser configurado em qualquer estágio após a sua criação antes de ser chamada a função de cálculo do sistema. Se as configurações do sistema não foram alteradas após a sua criação, o sistema funciona com as configurações padrão:

• A implicação é realizada usando o operador Min (uma saída de configuração fuzzy é truncada).
• A agregação é realizada usando o operador Max (recebendo valores máximos nas saídas das funções de pertinência obtidos após implicação)
• Defuzificação é realizada utilizando o método centro de gravidade.
  

A conversão da biblioteca FuzzyNet (v. 1.2.0) é exibida a seguir.

Para trabalhar com a biblioteca, incluir os arquivos MamdaniFuzzySystem.mqh ou SugenoFuzzySystem.mqh, dependendo do sistema que você está criando.

Usando a biblioteca FuzzyNet para MQL5

Antes de escrever um sistema fuzzy, você deve ter uma visão clara dos seus elementos, incluindo:

1. Número de valores de entrada e saída a serem reorganizadas pelas variáveis ​​fuzzy.
   
2. Número de termos e suas funções de pertinência para cada variável fuzzy.
3. O tipo de um sistema fuzzy dependendo da sua tarefa.
4. Número e conteúdo de regras fuzzy correspondentes ao sistema selecionado.
5. Parâmetros e características específicos do sistema.

O desenvolvimento do sistema e cálculo:

1. Criar um sistema vazio.
   

   Para um sistema do tipo Mamdani:
   

   MamdaniFuzzySystem *fuzzy_system=new MamdaniFuzzySystem();

   Para um sistema do tipo Sugeno:
   

   SugenoFuzzySystem *fuzzy_system=new SugenoFuzzySystem();

2. Criar todas as variáveis ​​de entrada fuzzy separadamente a partir do sistema, atribuindo um nome e valores máximos/mínimos para todas as variáveis ​​como parâmetros:

   FuzzyVariable *fuzzy_variable=new FuzzyVariable(const string name,const double min,const double max);

3. Criar funções de termos fuzzy, cria os próprios termos fuzzy e transmite nomes apropriados e funções de pertinência a eles. Depois disso, adicionar os termos para as variáveis ​​correspondentes. Para reduzir o código do programa, o processo pode ser escrito da seguinte maneira:

   fuzzy_variable.Terms().Add(new FuzzyTerm(const string name,new IMembershipFunction());

4. Entrar com as variáveis ​​de entrada ao sistema:

   fuzzy_system.Input().Add(FuzzyVariable fuzzy_variable);

5. Criar variáveis ​​de entrada prestando atenção ao seu tipo de sistema. Para um sistema do tipo Mamdani, o desenvolvimento é semelhante às etapas 2 e 3. Para um modelo do tipo Sugeno, desenvolver variáveis ​​fuzzy especiais que aceitem apenas um nome de variável como parâmetros:

   SugenoVariable *sugeno_variable=new SugenoVariable(const string name);

   Funções lineares interpretam a combinação linear dos valores de entrada e são adicionadas a uma variável fuzzy do tipo Sugeno, ao invés de termos fuzzy. Um nome e um coeficiente array são usados ​​como parâmetros de função lineares. Uma equação linear é formada com base no array, por conseguinte é importante cumprir com a ordem dos elementos no array. Um coeficiente de comprimento do array deve ser igual à quantidade de valores de entrada ou exceder esse valor por um. Se os comprimentos são iguais, um termo absoluto de uma equação é igual a zero. Se o comprimento do array excede a quantidade por um, um termo absoluto é igual ao último valor do elemento. Todos os outros elementos do array, começando a partir do primeiro, são atribuídos a variáveis ​​de entrada fuzzy na ordem em que foram inseridos no sistema.

   sugeno_varriable.Functions().Add(fuzzy_sytem.CreateSugenoFunction(const string name, const double &coeffs[]));

6. Semelhante ao passo 4, variáveis ​​de saída também devem ser adicionadas ao sistema.

   Para um sistema do tipo Mamdani:

   fuzzy_system.Output().Add(FuzzyVariable fuzzy_variable);

   Para um sistema do tipo Sugeno:

   fuzzy_system.Output().Add(FuzzyVariable fuzzy_variable);

7. Organizar um conjunto de regras de acordo com o sistema. As regras são definidas como uma string comum e automaticamente analisados ​​com base em palavras-chave. As palavras-chave são: "if", "then", "is", "and", "or", "not", "(" , ")", "slightly", "somewhat", "very" e "extremely", bem como todos os nomes de variáveis, termos e funções disponíveis no seu sistema.
   

   Para um sistema do tipo Mamdani:

   MamdaniFuzzyRule *fuzzy_rule = fuzzy_system.ParseRule(const string rule_text);

   Para um sistema do tipo Sugeno:

   SugenoFuzzyRule *fuzzy_rule = fuzzy_system.ParseRule(const string rule_text);

8. Entre com todas as regras para o sistema.

   Para um sistema do tipo Mamdani:

   fuzzy_system.Rules().Add(MamdaniFuzzyRule fuzzy_rule);

   Para um sistema do tipo Sugeno:

   fuzzy_system.Rules().Add(SugenoFuzzyRule fuzzy_rule);

9. Transmitir os valores de entrada das variáveis ​​para o sistema de cálculo. Para isto, eles devem ser definidos. O sistema aceita a lista de valores na sua entrada, incluindo o objeto de classe Dictionary_Obj_Double. A classe é descrita no arquivo Dictionary.mqh.

   Dictionary_Obj_Double *p_od_in=new Dictionary_Obj_Double;

   A classe implementa o método SetAll(CObject *key, const double value), aceitando dois parâmetros - uma variável fuzzy e um valor numérico. Este elemento é uma variável de entrada do sistema.

   p_od_in.SetAll(FuzzyVariable fuzzy_variable,const double value);

   Todos os outros valores de entrada são preenchidos da mesma maneira. Criar a lista e adicionar todos os valores a ela:

   CList *in=new CList;
   in.Add(p_od_in);

10. Os valores de saída devem ser específicos, bem como:

    Dictionary_Obj_Double *p_od_out=new Dictionary_Obj_Double;   
    CList *out=new CList;

11. Chamar a função Calculate(CList *&list) ao nosso sistema, retornando à lista dos resultados dos cálculos do sistema:

    out=fuzzy_system.Calculate(in);

    Depois disso, a lista "out" armazena todos os valores de saída calculados na ordem que foram inseridos. Nós só precisamos recebê-los:

    p_od_out=out.GetNodeAtIndex(int index);
    double result=p_od_out.Value();

    Agora, a variável "result" armazena o resultado do cálculo do sistema para um valor de saída inserido no sistema sob um número específico no índice.

Modelos de Scripts

Tips Sample (Mamdani)

Tips_Sample_Mamdani.mq5 calcula a porcentagem da gorjeta que você precisa pagar, dependendo da qualidade de serviço e comida.

Entre com os parâmetros de entrada:

Os resultados dos cálculos:

Cruise Control Sample (Sugeno)

O modelo de script Cruise_Control_Sample_Sugeno.mq5 é um exemplo de regulador fuzzy. Ela representa um sistema de controle de velocidade de um carro, calcula a aceleração necessária utilizando os dados sobre o desvio atual e a taxa de desvio de mudança, com o objetivo do carro atingir a velocidade desejada.

Entre com os parâmetros de entrada:

Os resultados dos cálculos: