要编写隶属度函数的程序，你可以选择不同的编程语言和工具，具体取决于你的需求和偏好。以下是一些常见的方法和示例：
使用Python和Scikit-Fuzzy库
Scikit-Fuzzy是一个用于模糊逻辑的Python库，提供了多种隶属度函数的定义和操作方法。
```python
import numpy as np
import skfuzzy as fuzz
from skfuzzy import control
def main（）:
定义输入变量的模糊集
temperature = control.Antecedent（np.arange（0, 101, 1）, 'temperature'）
humidity = control.Antecedent（np.arange（0, 101, 1）, 'humidity'）
fan_speed = control.Consequent（np.arange（0, 101, 1）, 'fan_speed'）
定义隶属度函数
temperature['cold'] = fuzz.trimf（temperature.universe, [0, 0, 50]）
temperature['hot'] = fuzz.trimf（temperature.universe, [50, 100, 100]）
humidity['dry'] = fuzz.trimf（humidity.universe, [0, 0, 30]）
humidity['wet'] = fuzz.trimf（humidity.universe, [30, 100, 100]）
fan_speed['low'] = fuzz.trimf（fan_speed.universe, [0, 0, 20]）
fan_speed['high'] = fuzz.trimf（fan_speed.universe, [20, 100, 100]）
进行模糊推理
fan_speed_output = control.ControlSystem（[temperature, humidity], fan_speed）
fan_speed_sim = control.ControlSystemSimulation（fan_speed_output）
模拟输入
fan_speed_sim.input['temperature'] = 30
fan_speed_sim.input['humidity'] = 60
获取输出
fan_speed_sim.compute（）
print（fan_speed_sim.output['fan_speed']）
if __name__ == "__main__":
main（）
```
使用MATLAB
MATLAB提供了丰富的工具箱和函数来创建和可视化隶属度函数。
```matlab
% 定义输入变量的取值范围
x = linspace（0, 10, 100）；
% 定义梯形隶属度函数的参数
a = 0； b = 2； c = 7； d = 8；
abcd = [a, b, c, d]；
% 计算隶属度函数的值
membership = trapmf（x, abcd）；
% 绘制隶属度函数
plot（x, membership）；
title（'Trapezoidal Membership Function'）；
xlabel（'x'）；
ylabel（'Membership'）；
grid on；
```
使用Excel
虽然Excel不是专门用于编程的工具，但你可以使用其内置的函数来创建简单的隶属度函数。
1. 在Excel中，选择一列数据作为输入变量的取值范围。
2. 使用`FUZZY.FUNCTION`函数来创建隶属度函数。例如，要创建一个三角形隶属度函数，可以使用以下公式：
```
=FUZZY.FUNCTION（"triangle", A1:A10, B1:B10, C1:C10）
```
其中，A1:A10、B1:B10和C1:C10是定义三角形三个顶点的单元格范围。
4. 绘制隶属度函数。
选择适合你的编程环境和需求的工具，可以更高效地编写隶属度函数的程序。Python和Scikit-Fuzzy库适合需要灵活性和扩展性的项目，而MATLAB适合需要快速原型设计和可视化的项目。Excel则适合简单的隶属度函数和初步的模糊逻辑应用。