云模型的软件实现代码

点云仿真软件Blensor介绍 Blensor是⼀款开源的点云仿真软件，是国外的研究⼈员在三维动画软件Blender基础上进⾏开发的，整个安装包很⼩，只有80M左右，能够模拟Lidar（Velodyne 32/64线等）、TOF相机、Kinect等，⽽且可以根据⾃⼰的需求调整传感器参数，也可以加⼊噪声模拟实际点云，总之是⼀款很优秀的点云仿真软件，但是⽬前国内对这款软件的介绍寥寥⽆⼏，⼏乎找不到相关的学习资料，所以在初步学习这款软件后，决定写⼀下简单的教程，帮助需要的伙伴快速⼊⼿（⽬前本⼈也在学习中，对其中的部分功能都还不熟悉，因此下⾯的教程只适⽤于对Blender软件零基础、只需快速上⼿拿到仿真点云数据的伙伴，欢迎⼤家⼀起交流） ⼀、软件下载 安装好后打开是下⾯的界⾯ ⼆、跑通官⽅demo 安装好以后，我们先尝试跑通官⽅demo，对这个点云的数据采集过程有个直观感受。

（2）打开table_tutorial_color.blend⽂件，⾥⾯主要包含了两类：⼀台TOF相机和含有桌⼦杯⼦等的模型场景。

⾸先右键点击相机，保证相机处于使⽤状态中（相机实三⾓形为黄⾊，且出现坐标轴）然后再点击single scan按钮进⾏点云数据采集。

⾄此，数据采集过程完成。

上述只是简单的⾛了⼀遍流程，在实际应⽤过程中，需要⽤python编写脚本程序⾃动采集（不嫌⿇烦的也可以⼿动采集），下⾯就以我个⼈的使⽤需求进⾏详细介绍。

三、实际使⽤新建场景后，删除⾃带的模型和相机，导⼊⾃⼰的模型，Blensor⽀持包括.3ds、.ply、.obj、.stl等主流三维模型格式，导⼊后点击左下⾓的view/properties可以修改模型的尺⼨、位置、姿态等，如下图所⽰。

然后加⼊相机，如下图。

在右侧下⽅可以选择相机的类型，包括velodyne 32线、velodyne 64线、TOF、Kinect等，后⾯的参数也都可以直接进⾏调整以满⾜⾃⼰的需求。

《大模型辅助软件开发：方法与实战》读书笔记1. 大模型辅助软件开发概述随着人工智能技术的飞速发展，大模型辅助软件开发已成为当今软件产业的一大热点。

即大规模预训练模型，凭借其强大的语义理解、计算和编程能力，正逐步改变着软件开发的方式。

传统的软件开发过程中，开发者需要手动编写大量的代码来实现各种功能。

随着软件规模的不断扩大和复杂性的增加，这种手动编码的方式已经难以满足需求。

传统开发方法在处理大量数据和复杂逻辑时也存在效率低下的问题。

大模型辅助软件开发正是为了解决这些问题而诞生的，它利用大规模预训练模型在海量数据上进行训练，从而获得了强大的语义理解和计算能力。

这些能力可以应用于软件开发过程中的各个环节，如代码生成、代码补全、代码优化等。

代码自动生成：通过大模型的语义理解能力，可以自动识别出代码中的规律和逻辑，从而自动生成相应的代码片段。

这大大减少了开发者的工作量，提高了开发效率。

代码补全：大模型具备强大的代码补全功能，可以在开发者输入代码时提供智能提示，帮助开发者快速补全代码。

这不仅可以提高开发效率，还可以减少因拼写错误等原因导致的bug。

代码优化：大模型可以通过分析代码的性能指标，提供针对性的优化建议。

它可以发现代码中的冗余操作，提出改进算法等建议，从而提高代码的执行效率。

大模型辅助软件开发作为一种新兴的开发方式，正在逐渐改变着传统软件开发模式。

它通过利用大规模预训练模型的强大能力，为开发者提供了更加高效、便捷的开发工具和方法。

随着技术的不断进步和应用场景的拓展，大模型辅助软件开发将在软件开发领域发挥更加重要的作用。

1.1 大模型的概念与特点顾名思义，指的是规模庞大、参数众多的机器学习模型。

在软件开发领域，大模型通常指的是深度学习模型，它们通过大量的数据进行训练，从而具备对复杂数据的分析和预测能力。

这些模型可以对代码进行自动化分析、缺陷检测、智能推荐等功能，辅助软件开发者提升开发效率和代码质量。

数据驱动：大模型依赖大量的数据进行训练，数据的丰富度和质量直接影响模型的性能。

污水处理工艺模拟专家关于Dynamita▪迅模Sumo软件由DYNAMITA公司设计研发。

DYNAMITA公司成立于法国，拥有一支由欧洲乃至全球污水处理专家、IT专家组成的专业团队，具有多国语言优势和全球范围的商业经验。

公司在法国、奥地利、匈牙利、加拿大均设有办事处，在中国、日本和韩国拥有经销商。

Dynamita公司在污水模拟软件开发领域与许多世界知名高校、研发机构和水务公司皆有深入合作。

▪该公司的创始人Imre Takacs博士是世界顶尖污水工艺模拟专家，担任加州大学尔湾分校客座教书，曾任WEF资源回收委员会主任，并曾先后主导和参加多个工艺模拟软件的开发。

Imre拥有约40年的专业经验，曾发表超过百篇污水处理与模拟相关学术论文(影响因子H-Index为32)，并参与撰写国际水协会(IWA)的工艺模拟专业书籍《Guidelines forUsing Activated Sludge Models》。

rotalomuSTD21423新污水处理厂的设计污水处理厂的提标改造污水处理厂的运营管理和优化新型污水处理工艺和设备的设计、开发和模拟5科研模拟D T S u m o l a t o r31.pH 、水质、水量等2.3.4.通过对目标工艺进行建模并在不同运行环境下进行多场5.D T S u m o l a t o r4迅模用户操作页面模拟什么？▪污水处理工艺的模拟器为什么要模拟？▪设计、升级和优化污水处理厂▪研发目标用户？▪污水处理厂▪设计院▪水务建设公司▪水务运营公司▪科研院校D T S u m o l a t o r5迅模软件优势以工程师思路让使用者身临其境般进行建模操作。

✓（模型、物料守恒及所有方程在开源代码SumoSlang TM 中均以Excel 格式✓✓，可双向链接到Excel ，有弹出窗口，可设置备注以及撤消功能。

✓✓，通过数字孪生功能实现水厂实时模拟及优化D T S u m o l a t o r6生物动力学/化学模型••Bio-P••硫的氧化/还原/沉淀•/铝）•••甲醇投加•曝气•pH，碱度••控制器（DO、SRT PID）••模型库•ASM1•ASM2d（原始或TUD bio-P）•ASM3P）••ADM1其他模型•/••工艺单元/配置简单灵活的进水规格设置反应器•所有类型的活性污泥反应器（CSTR，PFR，氧化沟，SBR等）•发酵罐•厌氧消化器•侧流反应器•MBBR、IFAS、TF、移动载体填料•好氧颗粒污泥•MBR，MABR•BAF、UASB•泄湖固液分离器•初沉池、二沉池•污泥浓缩单元、离心机、旋流分离器、脱水单元、过滤器等其他单元•热水解单元•DO、MLSS、SRT、pH、正磷酸盐控制流量控制单元•泵、过流堰、渠、调节池等•分流器、合流器多种工艺组合可应对各种复杂工艺（已实现对世界最大的污水处理厂进行建模）•软件自带各种典型示例水厂工艺配置（MLE，UCT，SBR，活性污泥+污泥消化，带有侧流处理的全厂工艺等）•主流除氨•AB工艺软件优势•最容易上手的软件•GUI基于Windows 7、8.x，10（模型编译与所用平台无关）•可在Windows中或通过Parallels在Mac上运行•任务流设计，操作简便，可实现撤消、Excel报告输出•为用户提供培训与技术支持•为用户提供由迅模团队参与联合撰写的书籍（《WERF进水特性手册》，《建模实践指南》等参考书籍）•可为用户提供能通过开放的API连接到第三方应用程序Excel工具包•提供Dynamita进水工具•提供Dynamita High F / M工具（自养生长速率评估器）•可提供Dynamita氧摄取速率工具•提供Dynamita进水活性生物质工具•提供Dynamita DSRT污泥龄计算工具•提供Dynamita KLa工具•提供Dynamita泵和风机工具遍布全球的办事处•西欧（法国，奥地利）•北美（加拿大）•东欧（匈牙利）支持语言：英文、中文、韩文、日文、西班牙语软件特色DTSumolator7用户友好性操作便捷•拖拽连接管线功能•剪贴、复制、粘贴功能•撤销功能•设置备注功能•快速访问数据窗口•可以通过excel 模型文件修改或自定义模型分析报告完整•完整输出EXCEL 报告•多种类型图表分析基于任务流，易于上手D T S u m o l a t o r8代码开源全面的生物动力学/化学模型最简单，最容易操作的软件，可用户自定义所有方程在开源代码SumoSlang TM 中均以Excel 格式呈现异养生物好氧生长异养生物缺氧生长自养生物好氧生长异养生物腐化自养生物腐化可溶性有机氮氨化残留有机物水解残留有机氮水解氧气转移检查连续性及速率仅检查连续性D T S u m o l a t o r9Excel 表中的开源代码新的编码概念：SumoSlangExcel 模式D T S u m o l a t o r10强大的模型库•()–用于生物除磷、单步硝化反硝化和厌氧消化•–包含1•–基于2•–基于2•–基于2•–D T S u m o l a t o r11D T S u m o l a t o r12•可根据客户需求提供特殊处理单元•用于污水建模的污水管道、检修孔/反渗透装置/好氧消化器等生物反应器•完全混合式反应器•SBR •MBBR •消化池•MABR•好氧颗粒污泥…分离器•格栅•沉砂池•初沉池•沉淀池•污泥浓缩池•盘式过滤器•旋流器…流量元件•进水•出水•侧流分流器•T 型分流器•侧流组合器•T 型组合器•泵、旁通堰、通道•化学药剂添加器…丰富的工艺组合•MLE ，UCT ，SBR ，活性污泥+污泥消化，••AB •+•D T S u m o l a t o r13多种污泥龄（SRT ）计算、控制、模拟方式拖放连续搅拌反应器(CSTR)中的XTSS 质量(如有需要可添加更多)剩余XTSS 质量(如有需要可添加更多)检查以控制SRT 并设置所需的SRT操作简单▪拖拽计算单元进入公式功能强大▪设置公式计算SRT ▪设置SRT 为常数▪编辑多个SRT 计算公式▪控制多条线路SRT 值动态/稳态模拟D T S u m o l a t o r14曝气设置✓在曝气量、氧转移效率、负荷已知的情况下预测DO 。

hypermesh-hyperview应用技巧与高级实例目录1. 引言1.1 背景和意义1.2 结构概述1.3 目的2. HyperMesh基础应用技巧2.1 网格建模2.2 材料定义和属性设置2.3 边界条件设置3. HyperView结果后处理技巧3.1 数据导入与预处理3.2 结果展示与分析3.3 动画与报告生成4. HyperMesh高级实例讲解4.1 汇合区域的创建和优化4.2 拓扑优化与形状优化方法比较分析4.3 多物理场耦合仿真案例研究5 结论和总结1. 引言1.1 背景和意义在工程设计与分析领域中，有着众多的设计软件和仿真工具。

其中，Hypermesh与HyperView作为Altair HyperWorks软件套件中的两大核心模块，提供了强大而全面的功能，被广泛应用于结构、材料、流体等领域的建模、优化以及后处理等任务。

Hypermesh作为一款先进的有限元前处理软件，在结构建模方面具备丰富的功能和强大的求解能力。

通过其快速且高效的网格划分算法，用户可以轻松地将复杂几何图形转换成可用于数值计算的网格模型。

此外，在材料定义和属性设置、边界条件设置等方面，Hypermesh提供了灵活性强、易于操作的工具，使得用户能够更加精确地描述系统，并满足各种特定需求。

与此同时，HyperView则是一款专业级别的有限元后处理工具。

它不仅支持各类有限元结果数据文件的导入，并能够对结果进行处理、展示和分析，而且还提供了丰富多样的可视化功能。

用户可通过HyperView直观地查看、评估仿真结果，并生成动画和报告，以便更好地理解和传达仿真结果。

本文将重点介绍Hypermesh与HyperView的应用技巧与高级实例，帮助读者更好地掌握这两款工具的使用方法，提高工程设计与分析的效率和准确性。

1.2 结构概述本文共分为5个部分。

首先，在引言部分（第1节）中，我们将介绍本文的背景、意义和结构概述。

其次，第2节将详细讲解Hypermesh的基础应用技巧，包括网格建模、材料定义和属性设置、边界条件设置等方面。

1.绘制云图Ex=18En=2He=0.2hold onfor i=1:1000Enn=randn(1)*He+En;x(i)=randn(1)*Enn+Ex;y(i)=exp(-(x(i)-Ex)^2/(2*Enn^2)); plot(x(i),y(i),'*')endEx=48.7En=9.1He=0.39hold onfor i=1:1000Enn=randn(1)*He+En;x(i)=randn(1)*Enn+Ex;y(i)=exp(-(x(i)-Ex)^2/(2*Enn^2)); plot(x(i),y(i),'*')end2.求期望、熵及超熵X1=[51.93 52.51 54.70 43.14 43.85 44.48 44.61 52.08];Y1=[0.91169241573 0.921875 0.96032303371 0.75737359551 0.76983848315 0.7808988764 0.78318117978 0.9143258427];m=8;Ex=mean(X1)En1=zeros(1,m);for i=1:mEn1(1,i)=abs(X1(1,i)-Ex)/sqrt(-2*log(Y1(1,i)));endEn=mean(En1);He=0;for i=1:mHe=He+(En1(1,i)-En)^2;endEn=mean(En1)He=sqrt(He/(m-1))3.平顶山so2环境:X1=[0.013 0.04 0.054 0.065 0.07 0.067 0.058 0.055 0.045];Y1=[0.175675676 0.540540541 0.72972973 0.8783783780.945945946 0.905405405 0.783783784 0.743243243 0.608108108]; m=9;Ex=mean(X1)En1=zeros(1,m);for i=1:mEn1(1,i)=abs(X1(1,i)-Ex)/sqrt(-2*log(Y1(1,i)));endEn=mean(En1);He=0;for i=1:mHe=He+(En1(1,i)-En)^2;endEn=mean(En1)He=sqrt(He/(m-1))1.绘制正向云图Ex=18En=2He=0.2hold onfor i=1:1000Enn=randn(1)*He+En;x(i)=randn(1)*Enn+Ex;y(i)=exp(-(x(i)-Ex)^2/(2*Enn^2));plot(x(i),y(i),'*')endEx=48.7En=9.1He=0.39hold onfor i=1:1000Enn=randn(1)*He+En;x(i)=randn(1)*Enn+Ex;y(i)=exp(-(x(i)-Ex)^2/(2*Enn^2));plot(x(i),y(i),'*')end2.逆向云发生器中需要剔除隶属度大于0. 9999 的云滴，剩下个云滴。

基于SpringBoot微服务架构下前后端分离的MVVM模型一、概述随着信息技术的飞速发展和企业业务需求的不断变化，传统的单体应用架构已无法满足现代企业的需求。

微服务架构作为一种新型的分布式架构模式，通过将复杂的应用程序拆分成一组小的服务，每个服务运行在独立的进程中，并使用轻量级通信机制进行交互，从而提高了系统的可扩展性、可维护性和灵活性。

而SPringBoOt作为一个轻量级的JaVa框架，以其快速构建、易于部署和高度可配置的特点,成为了构建微服务架构的首选工具。

在微服务架构中，前后端分离是一种重要的设计原则。

通过将前端界面与后端业务逻辑分离，可以实现前后端的独立开发和部署，降低系统的耦合度，提高开发效率和用户体验。

前端负责处理用户界面和用户交互，后端则专注于提供数据和处理业务逻辑。

这种分离模式使得前后端可以分别采用最适合的技术栈和开发方法，从而充分发挥各自的优势。

MVVM(ModelViewViewModel)模型是一种前端架构设计模式，它在MVC(ModeiviewController)模式的基础上进行了改进，将视图(View)和控制器(Controller)的职责合并到ViewMOdeI中，实现了视图和模型之间的自动数据绑定。

在MVVM模型中，Model负责存储和管理数据，VieW负责展示用户界面，而VieWModel则作为MOdel和VieW之间的桥梁，负责将Model中的数据变化映射到VieW上，并处理用户的交互操作。

这种设计模式使得前端代码更加清晰、可维护,并且提高了用户体验。

本文将探讨在SpringBoot微服务架构下实现前后端分离的MVVM模型的方法和实践。

我们将介绍如何使用SpringBoot构建后端服务,并使用前端框架(如Vue.js)实现MVVM模型的前端界面。

通过具体的案例和实践经验，我们将展示如何在微服务架构下实现高效的前后端分离开发，提高系统的可扩展性、可维护性和用户体验。

Google云计算原理Google云计算原理1.介绍1.1 概述Google云计算是一项基于云计算技术的服务，用户可以通过互联网访问Google云上的各种计算资源和服务，包括计算、存储、数据库、机器学习等。

1.2 优势- 弹性扩展：Google云计算支持根据需求动态扩展计算资源，以适应不同的业务需求。

- 可靠性：Google拥有全球范围的数据中心，提供高可用性和持久性的计算资源。

- 安全性：Google云计算提供多重安全保护措施，包括数据加密、身份验证和访问控制等，确保用户数据的安全。

- 灵活性：Google云计算提供多种计算模型和编程接口，方便用户根据需求选择最适合的解决方案。

2.计算模型2.1 虚拟机实例- 虚拟机实例是最基本的计算资源，用户可以根据需求创建和管理虚拟机实例，自定义大小、操作系统和软件配置等。

- 虚拟机实例的计费方式有按需计费和预付费两种模式，用户可以根据实际需求选择适合的计费方式。

2.2 容器- 容器是一种轻量级的计算单元，可以在不同的环境中运行，比如虚拟机、物理机或者云平台。

- Google提供的容器服务（Google Kubernetes Engine）可以帮助用户管理和调度容器，实现高效的容器化部署。

2.3 服务器无状态函数- 服务器无状态函数是一种无需预留或管理服务器的计算模型，用户只需要编写函数代码并到云平台，即可在需要时触发函数执行。

- Google提供的服务器无状态函数服务（Google Cloud Functions）可以自动扩展和管理函数实例，提供快速、无缝的函数执行环境。

3.存储服务3.1 对象存储- 对象存储是一种提供可扩展、高可用性的存储服务，用户可以将文件以对象的形式存储在云上，通过HTTP或者HTTPS访问。

- Google提供的对象存储服务（Google Cloud Storage）可以用于存储和管理各种类型的数据，包括图片、视频、日志文件等。

一维云模型程序：clcclearEx=170;En=5;He=0.5;n=5000;for i=1:nEnn=randn(1)*He+En;x(i)=randn(1)*Enn+Ex;y(i)=exp(-(x(i)-Ex)^2/(2*Enn^2)); endplot(x,y,'.r')title('5000个男生身高的一维云图') ylabel('确定度');xlabel('身高值');axis([150,190,0,1])grid on一维：clear vars;clc;close all;Ex1=-8; En1=0.7; He1=0.2; n1=200; Ex2=2.2; En2=2; He2=0.5; n2=800; Ex3=18; En3=4; He3=0.7; n3=1500; En1_t = normrnd(En1,He1,n1,1);data1 = normrnd(Ex1,En1_t,n1,1);mu1 = exp(-0.5*((data1-Ex1)./En1_t).^2);En2_t = normrnd(En2,He2,n2,1);data2 = normrnd(Ex2,En2_t,n2,1);mu2 = exp(-0.5*((data2-Ex2)./En2_t).^2);En3_t = normrnd(En3,He3,n3,1);data3 = normrnd(Ex3,En3_t,n3,1);mu3 = exp(-0.5*((data3-Ex3)./En3_t).^2);figure(1);plot(data1,mu1,'.b',data2,mu2,'*r',data3,mu3,'+k'); axis equal;二维云模型程序：clcclearEx1=170;En1=5;He1=0.5;Ex2=65;En2=3;He2=0.2;n=5000;for i=1:nEnn1=randn(1)*He1+En1;x1(i)=randn(1)*Enn1+Ex1;Enn2=randn(1)*He2+En2;x2(i)=randn(1)*Enn2+Ex2;y(i)=exp(-(x1(i)-Ex1)^2/(2*Enn1^2)-(x2(i)-Ex2)^2/(2*Enn2^2)); endplot3(x1,x2,y,'.r')title('5000个男生身高体重的二维云图')axis([148,190,50,80,0,1])grid on结果：多个一维clear vars;clc;close all;Ex1=0; En1=0.103; He1=0.013; n1=5000;Ex2=0.309; En2=0.064; He2=0.008; n2=5000;Ex3=0.5; En3=0.039; He3=0.005; n3=5000;Ex4=0.691; En4=0.064; He4=0.008; n4=5000;Ex5=1; En5=0.103; He5=0.013; n5=5000;En1_t = normrnd(En1,He1,n1,1);data1 = normrnd(Ex1,En1_t,n1,1);mu1 = exp(-0.5*((data1-Ex1)./En1_t).^2);En2_t = normrnd(En2,He2,n2,1);data2 = normrnd(Ex2,En2_t,n2,1);mu2 = exp(-0.5*((data2-Ex2)./En2_t).^2);En3_t = normrnd(En3,He3,n3,1);data3 = normrnd(Ex3,En3_t,n3,1);mu3 = exp(-0.5*((data3-Ex3)./En3_t).^2);En4_t = normrnd(En4,He4,n4,1);data4 = normrnd(Ex4,En4_t,n4,1);mu4 = exp(-0.5*((data4-Ex4)./En4_t).^2);En5_t = normrnd(En5,He5,n5,1);data5 = normrnd(Ex5,En5_t,n5,1);mu5 = exp(-0.5*((data5-Ex5)./En5_t).^2);figure(1);plot(data1,mu1,'.r',data2,mu2,'.r',data3,mu3,'.r',data4,mu4,'.r',data5,mu5,'.r' );title('评价集')ylabel('隶属度');axis([-0.4,1.4,0,1])grid on一维Ex=1100;En=84.926;He=0.1;n=1000;X=zeros(1,n);Y=zeros(1,n);X(1:n)=normrnd(En,He,1,n);for i=1:nEn1=X(1,i);X(1,i)=normrnd(Ex,En1,1);Y(1,i)=exp((-(X(1,i)-Ex)^2)/(2*En1^2));plot(X,Y,'.','MarkerEdgeColor','k','markersize',4); title('强等级','fontsize',16);grid on;end逆发生器代码X1=X ;Y1=Y;i=1;while i<=(n-flag)If Y1(1,i)>0.9999Y1(:,i)=[ ] ;X1(:,i)=[ ] ;flag=flag+1;End;Ex=mean(X1) ;En1=zeros(1,m) ;for i=1:m ;En1(1,i)=abs(X1(1,i)-Ex)/sqrt(-2*log(Y1(1,i))) ; End ;En=mean(En1) ;He=0 ;for i=1:m ;He=He+(En1(1,i)-En)^2 ;He=sqrt(He/(m-1)) ;End ;X1 =X;Y1=Y;i=1;while i<=(n-flag)if Y1(1,i)>0.9999Y1(:,i)=[];X1(:,i)=[];flag=flag+1;elsei=i+1;m=m +1;endendEx=mean(X1)En1=zeros(1,m);for i= l:mEn1(1,i)=abs(X1(1,i)-Ex)/sqrt(-2 *log(Y1(1,i))); endEn=mean(En1);He=0;for i=l:mHe=He+(En1(1,i)-En)^2;endHe=sqrt(He/(m-1))clear vars;clc;close all;Ex1=0.457; En1=0.150; He1=0.050; n1=4000; Ex2=0.454; En2=0.156; He2=0.056; n2=4000;Ex3=0.435; En3=0.229; He3=0.067; n3=4000;Ex4=0.415; En4=0.177; He4=0.071; n4=4000;Ex5=0.414; En5=0.298; He5=0.099; n5=4000; Ex6=0.410; En6=0.242; He6=0.061; n6=4000;Ex7=0.410; En7=0.188; He7=0.061; n7=4000;Ex8=0.500; En8=0.039; He8=0.005; n8=5000;En1_t = normrnd(En1,He1,n1,1);data1 = normrnd(Ex1,En1_t,n1,1);mu1 = exp(-0.5*((data1-Ex1)./En1_t).^2);En2_t = normrnd(En2,He2,n2,1);data2 = normrnd(Ex2,En2_t,n2,1);mu2 = exp(-0.5*((data2-Ex2)./En2_t).^2);En3_t = normrnd(En3,He3,n3,1);data3 = normrnd(Ex3,En3_t,n3,1);mu3 = exp(-0.5*((data3-Ex3)./En3_t).^2);En4_t = normrnd(En4,He4,n4,1);data4 = normrnd(Ex4,En4_t,n4,1);mu4 = exp(-0.5*((data4-Ex4)./En4_t).^2);En5_t = normrnd(En5,He5,n5,1);data5 = normrnd(Ex5,En5_t,n5,1);mu5 = exp(-0.5*((data5-Ex5)./En5_t).^2);En6_t = normrnd(En6,He6,n6,1);data6 = normrnd(Ex6,En6_t,n6,1);mu6 = exp(-0.5*((data6-Ex6)./En6_t).^2);En7_t = normrnd(En7,He7,n7,1);data7 = normrnd(Ex7,En7_t,n7,1);mu7 = exp(-0.5*((data7-Ex7)./En7_t).^2);En8_t = normrnd(En8,He8,n8,1);data8 = normrnd(Ex8,En8_t,n8,1);mu8 = exp(-0.5*((data8-Ex8)./En8_t).^2);figure(1);plot(data1,mu1,'.r',data2,mu2,'.r',data3,mu3,'.r',data4,mu4,'.r',data5,mu5,'.r' ,data6,mu6,'.r',data7,mu7,'.r',data8,mu8,'.r');title('评价集')ylabel('隶属度');axis([-0.4,1.4,0,1])grid onclear vars;clc;close all;Ex1=0.716; En1=0.123; He1=0.045; n1=4000;Ex2=0.545; En2=0.140; He2=0.052; n2=4000;Ex3=0.534; En3=0.233; He3=0.085; n3=4000;Ex4=0.461; En4=0.202; He4=0.063; n4=4000;Ex5=0.691; En5=0.064; He5=0.008; n5=6000;En1_t = normrnd(En1,He1,n1,1);data1 = normrnd(Ex1,En1_t,n1,1);mu1 = exp(-0.5*((data1-Ex1)./En1_t).^2);En2_t = normrnd(En2,He2,n2,1);data2 = normrnd(Ex2,En2_t,n2,1);mu2 = exp(-0.5*((data2-Ex2)./En2_t).^2);En3_t = normrnd(En3,He3,n3,1);data3 = normrnd(Ex3,En3_t,n3,1);mu3 = exp(-0.5*((data3-Ex3)./En3_t).^2);En4_t = normrnd(En4,He4,n4,1);data4 = normrnd(Ex4,En4_t,n4,1);mu4 = exp(-0.5*((data4-Ex4)./En4_t).^2);En5_t = normrnd(En5,He5,n5,1);data5 = normrnd(Ex5,En5_t,n5,1);mu5 = exp(-0.5*((data5-Ex5)./En5_t).^2);figure(1);plot(data1,mu1,'.r',data2,mu2,'.r',data3,mu3,'.r',data4,mu4,'.r',data5,mu5,'.r' );title('评价集')ylabel('隶属度');axis([-0.4,1.4,0,1]) grid on。