DOI: https://doi.org/10.1007/s40815-024-01964-0
تاريخ النشر: 2025-02-19
المؤلف: José Carlos R. Alcantud وآخرون
الموضوع الرئيسي: نظرية المجموعات الضبابية والناعمة
نظرة عامة
تقدم هذه الورقة خاصية عددية جديدة تُسمى “الطاقة المُسجلة” لمجموعات الفuzzy الناعمة المترددة (HFSSs)، حيث تدمج درجات العناصر الفuzzy المترددة مع القيم الفردية للمصفوفات. يوضح هذا النهج أوجه التشابه مع الطاقة أو المعيار النووي للمصفوفات، وهو ذو قيمة في نظرية الرسوم البيانية وتطبيقات متنوعة، بما في ذلك الإحصاءات ومعالجة الإشارات. يُظهر المؤلفون التطبيق العملي للطاقة المُسجلة في التجميع واتخاذ القرار من خلال أمثلة، مما يثبت كفاءتها وموثوقيتها.
تعمل فكرة الطاقة المُسجلة كتمثيل عددي مرتبط بدرجات العناصر الفuzzy المترددة، مما يسمح باتخاذ قرارات دقيقة عبر السيناريوهات الحذرة أو المهددة أو المتوسطة. يمكن أن تعمل هذه الخاصية أيضًا كآلية لكسر التعادل في حالات عدم الحسم. بينما تُظهر الخوارزميات المقدمة وعودًا، يعترف المؤلفون بالقيود، مثل فقدان المعلومات المتعلقة بدرجات التردد أثناء تشكيل المصفوفات. تشمل اتجاهات البحث المستقبلية تحسين خوارزميات اتخاذ القرار، واستكشاف التمديدات لنماذج فuzzy أخرى، ومعالجة إعادة بناء HFSSs غير المكتملة بناءً على مستويات الطاقة المرغوبة. تدعم الدراسة مصادر تمويل متنوعة، مما يبرز أهميتها في تقدم مجال مجموعات الفuzzy الناعمة المترددة.
مقدمة
ت outlines مقدمة هذه الورقة البحثية تطور نظرية مجموعات الفuzzy، التي بدأت من العمل الأساسي لزاداه، والذي أدى إلى تقدم كبير في هذا المجال. تشمل المساهمات الرئيسية تقديم مجموعات الفuzzy الزمنية ومجموعات الفuzzy الحدسية من قبل سامبوك وأتاناسوف، على التوالي، مما يوسع مفهوم العضوية في مجموعات الفuzzy. نموذج مجموعة الفuzzy المترددة (HFS) الذي اقترحه تورا، يسمح بمجموعة من قيم العضوية، مما يعالج السيناريوهات التي تكون فيها تقييمات الخبراء غير مؤكدة. تسلط الورقة الضوء على تطوير خوارزميات وعوامل مختلفة لاتخاذ القرار في البيئات الفuzzy، إلى جانب ظهور نظرية المجموعات الناعمة التي قدمها مولودتسوف، والتي تقدم نهجًا مختلفًا لعدم اليقين من خلال استخدام الدوال المميزة للخصائص.
استنادًا إلى هذه المفاهيم، يقدم المؤلفون فكرة الطاقة المُسجلة لمجموعات الفuzzy الناعمة المترددة (HFSSs)، وهو نموذج هجين يجمع بين مجموعات الفuzzy المترددة والمجموعات الناعمة. يسعى هذا المفهوم الجديد إلى تعزيز منهجيات اتخاذ القرار وتجميع البيانات. تم هيكلة الورقة لمراجعة المفاهيم الأساسية لـ HFSs وHFSSs أولاً، تليها تقديم الطاقة المُسجلة، وخصائصها، وتطبيقاتها في التجميع واتخاذ القرار، مما يوفر في النهاية تحليلًا مقارنًا مع الأساليب الموجودة.
النتائج
في هذا القسم، يناقش المؤلفون القيود المرتبطة بخوارزمياتهم للتجميع (الخوارزمية 1) واتخاذ القرار (الخوارزمية 2). يتم تسليط الضوء على عيب رئيسي وهو التعقيد المرتبط بإجراء التحليلات باستخدام هذه الخوارزميات؛ ومع ذلك، يشيرون إلى أن البرمجيات الرياضية الحديثة يمكن أن تسهل العملية من خلال توفير حلول سلسة.
بالإضافة إلى ذلك، يشير المؤلفون إلى قيد نادر للخوارزمية 2، حيث إن تعيين الطاقة المُسجلة ليس حقنيًا. وهذا يعني أن مصادر الإشارة عالية التردد المختلفة (HFSS) يمكن أن تنتج طاقات متطابقة لاختيار درجة معين. لمعالجة الروابط المحتملة في هذا السيناريو، يقترح المؤلفون استخدام درجات بديلة من الأدبيات المعروفة لتمييز الحالات.
المناقشة
في هذا القسم، يناقش المؤلفون المفاهيم الأساسية لمجموعات الفuzzy المترددة (HFSs) ومجموعات الفuzzy الناعمة المترددة (HFSSs)، مع التأكيد على أهميتها في اتخاذ القرار وتحليل البيانات. تُعرف مجموعة الفuzzy المترددة كدالة تربط العناصر من كون محدود \( U \) إلى مجموعات فرعية غير فارغة ومحدودة من الفترة \([0, 1]\)، مما يلتقط درجات العضوية لكل عنصر. يقدم المؤلفون وظائف تسجيل مختلفة للعناصر الفuzzy المترددة (HFEs)، والتي تسهل مقارنة هذه المجموعات. من الجدير بالذكر أنهم يعرفون الطاقة المُسجلة لـ HFSS، والتي تُشتق من القيم الفردية لمصفوفة مسجلة مرتبطة بـ HFSS، مما يوفر خاصية عددية تعكس عدم اليقين والتعقيد الكامن في البيانات.
كما ي outlines القسم التطبيقات العملية لهذه المفاهيم، خاصة في التجميع واتخاذ القرار. يقترح المؤلفون خوارزميات تستفيد من الطاقة المُسجلة لـ HFSSs لتجميع البيانات بفعالية وترتيب البدائل في سيناريوهات اتخاذ القرار. يوضحون هذه التطبيقات من خلال أمثلة، مما يُظهر كيف يمكن أن تعمل الطاقة المُسجلة كمقياس موثوق لتقييم ملاءمة المرشحين أو الخيارات بناءً على تقييمات الخبراء. بشكل عام، تسلط المناقشة الضوء على تعددية وموثوقية مجموعات الفuzzy الناعمة المترددة في معالجة المشاكل المعقدة عبر مجالات متنوعة.
DOI: https://doi.org/10.1007/s40815-024-01964-0
Publication Date: 2025-02-19
Author(s): José Carlos R. Alcantud et al.
Primary Topic: Fuzzy and Soft Set Theory
Overview
This paper presents a novel numerical characteristic termed “scored-energy” for hesitant fuzzy soft sets (HFSSs), integrating scores of hesitant fuzzy elements with singular values of matrices. This approach draws parallels to the energy or nuclear norm of matrices, which is valuable in graph theory and various applications, including statistics and signal processing. The authors demonstrate the practical applicability of scored-energy in clustering and decision-making through examples, establishing its efficiency and reliability.
The concept of scored-energy serves as a numerical representation linked to the scores of hesitant fuzzy elements, allowing for nuanced decision-making across cautious, risky, or intermediate scenarios. This characteristic can also function as a tie-breaking mechanism in cases of indecisiveness. While the algorithms introduced show promise, the authors acknowledge limitations, such as the loss of information regarding degrees of hesitation during matrix formation. Future research directions include optimizing decision-making algorithms, exploring extensions to other fuzzy models, and addressing the reconstruction of incomplete HFSSs based on desired energy levels. The study is supported by various funding sources, highlighting its significance in advancing the field of hesitant fuzzy soft sets.
Introduction
The introduction of this research paper outlines the evolution of fuzzy set theory, initiated by Zadeh’s foundational work, which has led to significant advancements in the field. Key contributions include the introduction of interval fuzzy sets and intuitionistic fuzzy sets by Sambuc and Atanassov, respectively, which broaden the concept of membership in fuzzy sets. The hesitant fuzzy set (HFS) model, proposed by Torra, allows for a range of membership values, addressing scenarios where expert assessments are uncertain. The paper highlights the development of various algorithms and operators for decision-making in fuzzy environments, alongside the emergence of soft set theory introduced by Molodtsov, which offers a different approach to uncertainty by utilizing characteristic functions for attributes.
Building on these concepts, the authors introduce the notion of scored-energy of hesitant fuzzy soft sets (HFSSs), a hybrid model combining hesitant fuzzy sets and soft sets. This new concept draws parallels with graph theory, particularly the energy of graphs defined by Gutman, and aims to enhance decision-making and data clustering methodologies. The paper is structured to first review fundamental concepts of HFSs and HFSSs, followed by the introduction of scored-energies, their properties, and applications in clustering and decision-making, ultimately providing a comparative analysis with existing methods.
Results
In this section, the authors discuss the limitations associated with their algorithms for clustering (Algorithm 1) and decision-making (Algorithm 2). A primary drawback highlighted is the complexity involved in performing analyses with these algorithms; however, they note that modern mathematical software can facilitate the process by providing smooth solutions.
Additionally, the authors point out a rare limitation of Algorithm 2, where the assignment of scored-energies is not injective. This means that different high-frequency signal sources (HFSS) can yield identical energies for a given score selection. To address potential ties in this scenario, the authors suggest utilizing alternative scores from established literature to differentiate between the cases.
Discussion
In this section, the authors discuss the foundational concepts of hesitant fuzzy sets (HFSs) and hesitant fuzzy soft sets (HFSSs), emphasizing their significance in decision-making and data analysis. A hesitant fuzzy set is defined as a function mapping elements from a finite universe \( U \) to non-empty finite subsets of the interval \([0, 1]\), capturing the degrees of membership for each element. The authors introduce various scoring functions for hesitant fuzzy elements (HFEs), which facilitate the comparison of these sets. Notably, they define the scored-energy of an HFSS, which is derived from the singular values of a scored-matrix associated with the HFSS, providing a numerical characteristic that reflects the uncertainty and complexity inherent in the data.
The section also outlines the practical applications of these concepts, particularly in clustering and decision-making. The authors propose algorithms that leverage the scored-energy of HFSSs to cluster data effectively and rank alternatives in decision-making scenarios. They illustrate these applications with examples, demonstrating how the scored-energy can serve as a reliable metric for evaluating the suitability of candidates or options based on expert assessments. Overall, the discussion highlights the versatility and robustness of hesitant fuzzy soft sets in addressing complex problems across various domains.