DOI: https://doi.org/10.1007/s40314-026-03885-0
تاريخ النشر: 2026-08-13
المؤلف: Juan Martínez‐Moreno وآخرون
الموضوع الرئيسي: نظرية المجموعات الضبابية والناعمة
نظرة عامة
تقدم هذه الورقة إطارًا هندسيًا موحدًا لفهم الهياكل التفضيلية المختلفة المتعلقة بالشك، مثل المجموعات الضبابية ذات القيم الفترية والمجموعات الضبابية الحدسية، من خلال ربطها بالهندسة البسيطية للمجموعات الضبابية ذات الأبعاد n. يقوم المؤلفون بإجراء مراجعة شاملة لكل من الهياكل التفضيلية الكلاسيكية والحديثة، مما يكشف أن هذه يمكن اعتبارها تفسيرات دلالية متميزة لنفس الكائنات الطوبولوجية داخل الشبكة \( L^n \). يوضحون تكافؤ المجموعات الضبابية ذات الأبعاد 2 مع العديد من الهياكل المعروفة، بما في ذلك حبيبات المعلومات غير المؤكدة الأساسية (BUI) والمجموعات الضبابية الخشنة، ويمتد هذا التحليل إلى المجموعات الضبابية ذات الأبعاد 3، ويربطها بحبيبات معلومات الفترات المعرفية (CII) ومجموعات الصور الضبابية.
مساهمة كبيرة في هذا العمل هي تقديم هيكل تفضيلي جديد قابل للتفسير يسمى معلومات غير مؤكدة معرفية ذات أبعاد (نوع) فترية، والذي يستخدم دوال العضوية من نوع Deck-of-Cards لتمثيل درجات العضوية المعقدة. يستفيد المؤلفون من الخصائص الهندسية للبوليتوب النظامي \( L^n \) لقياس مكاسب المعلومات من خلال قيود الترتيب. بالإضافة إلى ذلك، يؤسسون هيكلًا بسيطًا لمجموعة المجموعات الضبابية متعددة الأبعاد \( L^\infty \) ويقدمون آليات رسمية لضبط دقة المعلومات. يسهل هذا الإطار التحول بين مستويات مختلفة من الشك، مما يوفر أساسًا قويًا لاتخاذ القرارات الجماعية في السياقات التي تتميز بخبرات متباينة.
مقدمة
تناقش مقدمة هذه الورقة البحثية تطور النمذجة الرياضية للمعلومات غير المؤكدة، مع تسليط الضوء على الانتقال من المجموعات الضبابية الكلاسيكية إلى الهياكل الأكثر تقدمًا التي تلتقط الفروق المعرفية المعقدة. من التقدم الرئيسي هو تقديم المجموعات الضبابية ذات الأبعاد n، التي تمثل قيم العضوية كأزواج مرتبة من الأعداد الحقيقية ضمن الفترة [0، 1]، مما يشكل شبكة تُعرف باسم $L_n$. ترتبط هذه الشبكة هندسيًا بالبوليتوب النظامي $O(P_n)$ لسلسلة خطية. على الرغم من قوة المجموعات الضبابية ذات الأبعاد n، شهدت الأدبيات انتشارًا لمختلف الهياكل التفضيلية، مثل المجموعات الضبابية ذات القيم الفترية ومجموعات أتاناسوف الضبابية الحدسية، التي تعالج جوانب مختلفة من الشك ولكن غالبًا ما يتم دراستها بشكل منفصل.
يهدف المؤلفون إلى سد هذه الفجوة من خلال اقتراح إطار هندسي وطوبولوجي موحد يربط بين هذه الهياكل المتنوعة. تشمل مساهماتهم مراجعة شاملة للهياكل التفضيلية الكلاسيكية والمعاصرة، مما يوضح تكافؤها مع أبعاد معينة من $L_n$؛ تقديم هيكل تفضيلي جديد قابل للتفسير يعتمد على دوال العضوية من نوع Deck-of-Cards؛ وتأسيس هيكل بسيط لمجموعة المجموعات الضبابية متعددة الأبعاد $L_\infty$. يستخدم هذا الإطار مجموعات بسيطة ومعقدات لتوحيد النماذج الموجودة من خلال خرائط الوجه والانحلال، مما يوفر فهمًا متماسكًا لمستويات مختلفة من المعلومات. توضح الأقسام اللاحقة من الورقة المفاهيم الأساسية، وتفصل التكافؤات بين الهياكل التفضيلية والمجموعات الضبابية ذات الأبعاد n، وتقدم الاقتراح الجديد، وتصف الهيكل البسيط لـ $L_\infty$.
نقاش
في هذا القسم، يستكشف المؤلفون المفاهيم الأساسية للمجموعات الضبابية متعددة الأبعاد وتفسيراتها الهندسية، مع التركيز بشكل خاص على هيكل المجموعات الضبابية ذات الأبعاد n، المعروف باسم \(L_n\). تمد هذه المجموعات المجموعات الضبابية التقليدية لاستيعاب مستويات متعددة من الشك، الممثلة كأزواج مرتبة من الأعداد الحقيقية ضمن الفترة الوحدة \([0، 1]\). يثبت المؤلفون أن \(L_n\) يشكل شبكة كاملة، حيث تكون عناصرها فترات ذات أبعاد n تتبع ترتيبًا جزئيًا طبيعيًا. يسمح هذا الإطار الهندسي بفهم أعمق لمختلف الهياكل التفضيلية في الأدبيات، والتي يمكن تفسيرها كمجموعات ضبابية ذات أبعاد n، مما يكشف عن أوجه التشابه الأساسية بينها.
يحدد النقاش أيضًا تكافؤات محددة بين المجموعات الضبابية الكلاسيكية والهياكل الأكثر تعقيدًا، مثل المجموعات الضبابية ذات القيم الفترية والمجموعات الضبابية الحدسية، مما يوضح أن العديد من نماذج التفضيل الموجودة يمكن رؤيتها من خلال عدسة المجموعات الضبابية ذات الأبعاد n. يقدم المؤلفون أيضًا مفهوم المجموعات البسيطة، التي توفر إطارًا أغنى لتحليل العلاقات المعقدة داخل مجموعات البيانات، مما يتناقض مع النماذج الرسومية التقليدية. من خلال إقامة تساوي بين الهياكل الضبابية المختلفة والأبعاد البسيطة، يوحد المؤلفون هذه المفاهيم تحت إطار رياضي مشترك، مما يعزز فهم الشك المعرفي وعمليات اتخاذ القرار.
DOI: https://doi.org/10.1007/s40314-026-03885-0
Publication Date: 2026-08-13
Author(s): Juan Martínez‐Moreno et al.
Primary Topic: Fuzzy and Soft Set Theory
Overview
This paper presents a unifying geometric framework for understanding various preference structures related to uncertainty, such as interval-valued fuzzy sets and intuitionistic fuzzy sets, by linking them to the simplicial geometry of n-dimensional fuzzy sets. The authors conduct a comprehensive review of both classical and modern preference structures, revealing that these can be viewed as distinct semantic interpretations of the same topological objects within the lattice \( L^n \). They demonstrate the equivalence of 2-dimensional fuzzy sets with several established structures, including Basic Uncertain Information (BUI) granules and fuzzy rough sets, and extend this analysis to 3-dimensional fuzzy sets, connecting them with Cognitive Interval Information (CII) granules and Picture Fuzzy Sets.
A significant contribution of this work is the introduction of a new interpretable preference structure termed n-dimensional Interval (type) cognitive uncertain information, which utilizes Deck-of-Cards membership functions to represent complex membership degrees. The authors leverage the geometric properties of the order polytope \( L^n \) to quantify information gain through monotonicity constraints. Additionally, they establish a simplicial structure for the set of multidimensional fuzzy sets \( L^\infty \) and introduce formal mechanisms for adjusting the granularity of information. This framework facilitates the transformation between different levels of uncertainty, thereby providing a solid foundation for group decision-making in contexts characterized by heterogeneous expertise.
Introduction
The introduction of this research paper discusses the evolution of mathematical modeling for uncertain information, highlighting the transition from classical fuzzy sets to more advanced structures that capture complex cognitive nuances. A key advancement is the introduction of n-dimensional fuzzy sets, which represent membership values as ordered n-tuples of real numbers within the interval [0, 1], forming a lattice denoted as $L_n$. This lattice is geometrically associated with the order polytope $O(P_n)$ of a linear chain. Despite the robustness of n-dimensional fuzzy sets, the literature has seen a proliferation of various preference structures, such as interval-valued fuzzy sets and Atanassov intuitionistic fuzzy sets, which address different aspects of uncertainty but are often studied in isolation.
The authors aim to bridge this gap by proposing a unified geometric and topological framework that connects these diverse structures. Their contributions include a comprehensive review of classical and contemporary preference structures, demonstrating their equivalence to specific $L_n$ dimensions; the introduction of a new interpretable preference structure based on Deck-of-Cards membership functions; and the establishment of a simplicial structure for the set of multidimensional fuzzy sets $L_\infty$. This framework utilizes simplicial sets and complexes to unify existing models through face and degeneracy maps, thereby providing a cohesive understanding of various granularities of information. The subsequent sections of the paper outline the foundational concepts, detail the equivalences between preference structures and n-dimensional fuzzy sets, present the new proposal, and describe the simplicial structure of $L_\infty$.
Discussion
In this section, the authors explore the foundational concepts of multidimensional fuzzy sets and their geometric interpretations, particularly focusing on the structure of n-dimensional fuzzy sets, denoted as \(L_n\). These sets extend traditional fuzzy sets to accommodate multiple levels of uncertainty, represented as n-tuples of real numbers within the unit interval \([0, 1]\). The authors establish that \(L_n\) forms a complete lattice, with its elements being n-dimensional intervals that adhere to a natural partial order. This geometric framework allows for a deeper understanding of various preference structures in the literature, which can be interpreted as n-dimensional fuzzy sets, thus revealing their underlying similarities.
The discussion further identifies specific equivalences between classical fuzzy sets and more complex structures, such as interval-valued fuzzy sets and intuitionistic fuzzy sets, demonstrating that many existing preference models can be viewed through the lens of n-dimensional fuzzy sets. The authors also introduce the concept of simplicial sets, which provide a richer framework for analyzing complex relationships within datasets, contrasting with traditional graph models. By establishing isomorphisms between various fuzzy structures and n-dimensional simplices, the authors unify these concepts under a common mathematical framework, thereby enhancing the understanding of cognitive uncertainty and decision-making processes.