%% Program: Ocena studentów metodą rozmytą z wykresem przerywanych linii (plot)

% 1. Przygotowanie środowiska
clearvars; close all; clc;

% 2. Definicje skal i korekty
x      = 2:0.01:5;       % skala ocen od 2.00 do 5.00
d      = 0.01 * 7;       % korekta ocen (np. zespół 7-os.)

% 3. Funkcje przynależności z Fuzzy Toolbox
mf_NS = @(v) trapmf(v, [4.31 4.81 5 5]);   % przedmioty ścisłe
mf_NJ = @(v) trapmf(v, [4.21 4.61 5 5]);   % przedmioty językowe
mf_OB = @(v) gaussmf(v, [20 100]);         % obecność: σ=20, μ=100

% 4. Rysowanie funkcji NS z przerywanymi liniami (plot)
figure;
plot(x,       mf_NS(x), 'k-',  'LineWidth',1.5); hold on;
plot([x(1) x(end)], [1 1],    '--k', 'LineWidth',1);  % pozioma y=1
plot([4.8 4.8],       [0 1],  '--k', 'LineWidth',1);  % pionowa x=4.8
plot([5.0 5.0],       [0 1],  '--k', 'LineWidth',1);  % pionowa x=5.0
hold off;
axis([4 5.2 0 1.1]);
xlabel('Ocena x');
ylabel('\mu_{NS}(x)');
title('Przynależność przedmiotów ścisłych (NS)');
text(4.5,0.6,'NS','FontSize',12);

% 5. Rysowanie funkcji NJ z przerywanymi liniami
figure;
plot(x,       mf_NJ(x), 'k-',  'LineWidth',1.5); hold on;
plot([x(1) x(end)], [1 1],    '--k', 'LineWidth',1);
plot([4.6 4.6],       [0 1],  '--k', 'LineWidth',1);
plot([5.0 5.0],       [0 1],  '--k', 'LineWidth',1);
hold off;
axis([4 5.2 0 1.1]);
xlabel('Ocena x');
ylabel('\mu_{NJ}(x)');
title('Przynależność przedmiotów językowych (NJ)');
text(4.35,0.6,'NJ','FontSize',12);

% 6. Rysowanie funkcji OB (obecność) z przerywaną linią poziomą
x_ob = 0:0.01:100;  % skala obecności w %
figure;
plot(x_ob, mf_OB(x_ob), 'k-', 'LineWidth',1.5); hold on;
plot([x_ob(1) x_ob(end)], [1 1], '--k', 'LineWidth',1);
hold off;
axis([0 100 0 1.1]);
xlabel('Obecność [%]');
ylabel('\mu_{OB}(x)');
title('Przynależność obecności (OB)');
text(70,0.6,'OB','FontSize',12);

% 7. Dane ocen sześciu studentów (kolumny: INF MAT FIZ ANG NIE MEC FRA ROB)
raw_scores = [ ...
    4.8, 5.0, 4.7, 4.4, 4.7, 4.4, 4.3, 4.5; 
    4.4, 4.7, 4.8, 4.5, 4.4, 4.9, 4.6, 4.7;
    4.9, 4.9, 4.6, 4.7, 4.4, 4.6, 3.8, 4.3;
    4.7, 4.8, 4.9, 4.8, 4.5, 4.8, 3.9, 4.0;
    5.0, 4.6, 4.7, 5.0, 5.0, 4.7, 4.8, 4.5;
    4.9, 4.4, 4.9, 4.3, 4.2, 4.5, 4.5, 4.6 ];
scores     = raw_scores - d;        % zastosuj korektę
attendance = [87; 84; 83; 85; 94; 80];  % obecność [%]

% 8. Indeksy przedmiotów dla NS i NJ
idx_NS = [1,2,3,6];  % INF, MAT, FIZ, MEC
idx_NJ = [4,5,7,8];  % ANG, NIE, FRA, ROB

% 9. Obliczenie decyzji rozmytej (MIN → MAX)
nS = size(scores,1);
dec_min = zeros(nS,1);

for i = 1:nS
    % stopnie przynależności do NS/NJ
    mu_vals = zeros(1,8);
    mu_vals(idx_NS) = mf_NS( scores(i,idx_NS) );
    mu_vals(idx_NJ) = mf_NJ( scores(i,idx_NJ) );
    % stopień przynależności obecności
    mu_att = mf_OB( attendance(i) );
    % decyzja MIN ze wszystkich kryteriów
    dec_min(i) = min([mu_vals, mu_att]);
end

% wybór najlepszego studenta: maximum z dec_min
[bestVal, bestIdx] = max(dec_min);

% 10. Wyświetlenie wyników
fprintf('Decyzje MIN dla studentów 1–6:\n');
disp(dec_min);

fprintf('Najlepszy student to nr %d z wartością %.2f\n', bestIdx, bestVal);