DOI: https://doi.org/10.3934/math.2025444
تاريخ النشر: 2025-01-01
المؤلف: Rani Sumaira Kanwal وآخرون
الموضوع الرئيسي: نظرية المجموعات الضبابية والناعمة
نظرة عامة
يؤكد هذا القسم من ورقة البحث على أهمية العلاقات الثنائية في الرياضيات وعلوم المعلومات، وخاصة من خلال عدسة المجموعات الضبابية (FSs) والمجموعات الخشنة (RSs) والمجموعات اللينة (SSs) لإدارة البيانات الغامضة. يستكشف المؤلفون خصائص خشونة المجموعات الضبابية بالنسبة للمجموعات الأمامية (F-sets) والمجموعات الخلفية (A-sets) من خلال استخدام العلاقات الثنائية اللينة (SBRs). يستخلصون زوجين من المجموعات الضبابية اللينة (FSSs) من تقريب مجموعة ضبابية باستخدام SBRs ويحققون في أنظمتها البديهية. علاوة على ذلك، تفحص الورقة الطوبولوجيات الضبابية الناشئة عن العلاقات الانعكاسية اللينة (SRRs) وعلاقات التشابه المختلفة المرتبطة بـ SBRs. يتم تقديم مقياس جديد للدقة والخشونة للمجموعات الضبابية، إلى جانب خوارزميات اتخاذ القرار التي تستفيد من هذه المفاهيم، والتي تم التحقق منها من خلال مثال تطبيقي يوضح موثوقية الطريقة وتفوقها على الأساليب الحالية في اتخاذ القرار.
في الختام، تقدم الدراسة نموذجًا هجينًا يدمج نظريات FS وRS وSS لمعالجة عدم اليقين، مقدمةً نوعًا جديدًا من المجموعات الخشنة الضبابية باستخدام SBRs عبر كونين. يقوم المؤلفون بتحليل منهجي لخشونة FSs فيما يتعلق بـ A-sets وF-sets، وبناء طوبولوجيات ضبابية عبر SRRs، واقتراح خوارزميات اتخاذ القرار. بينما يظهر الإطار المقترح وعدًا، فإنه يواجه حاليًا قيودًا في معالجة الثنائية في البيانات غير المتسقة. ستسعى الأعمال المستقبلية إلى توسيع الإطار ليشمل هياكل رياضية أكثر تعقيدًا، والتحقيق في خشونة متعددة الحبيبات، وتعزيز البديهية للمنهجية. بالإضافة إلى ذلك، يُقترح دمج هذا الإطار مع منهجيات أخرى لتحسين دقة النتائج، مع التركيز على التطبيقات الواقعية التي تتضمن مجموعات بيانات كبيرة.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على قيود التفكير التقليدي والأدوات الحسابية في معالجة المشكلات الواقعية التي تتسم بالبيانات غير الدقيقة والغامضة. غالبًا ما تتطلب الأساليب الرياضية التقليدية، وخاصة نظرية الاحتمالات، أنظمة مستقرة عشوائيًا وتجارب تحقق واسعة، مما قد يكون غير عملي في البيئات السريعة. للتغلب على هذه التحديات، تؤكد الورقة على الحاجة إلى طرق مبتكرة لاستخراج رؤى من المعلومات غير المؤكدة، مع التركيز بشكل خاص على نظرية المجموعات الضبابية (FS) التي قدمها زاده. تسمح نظرية FS بتمثيل أكثر مرونة لعدم اليقين، مما يمكّن العناصر من الانتماء إلى مجموعات متعددة بدرجات متفاوتة من العضوية، مما يسهل نمذجة الأنظمة المعقدة وعمليات اتخاذ القرار البشرية.
تناقش الورقة أيضًا تطور نظرية FS إلى تعميمات مختلفة، مثل المجموعات الضبابية ذات القيم الفترية والمجموعات الضبابية الحدسية، بالإضافة إلى تقديم نظرية المجموعة اللينة (SS) من قبل مولودتسوف، التي توفر نهجًا بارامترًا لإدارة الغموض. يشير المؤلفون إلى أن نظرية SS قد تم تطبيقها بنجاح في مجالات متنوعة، بما في ذلك تحليل القرار والتنقيب عن البيانات. بالإضافة إلى ذلك، تقدم نظرية المجموعة الخشنة (RS) التي قدمها باولك منظورًا آخر للتعامل مع المعلومات غير المكتملة من خلال التقريبات السفلية والعلوية. توضح الورقة أهمية العلاقات الثنائية في إنشاء الهياكل الطوبولوجية وتستكشف الروابط بين SSs وRSs والعلاقات الضبابية، مما يمهد الطريق للمساهمات الرئيسية للدراسة، التي تهدف إلى تعزيز الفهم وتطبيق الخشونة في FSs من خلال عدسة العلاقات الثنائية المعلمة.
نقاش
في قسم النقاش من الورقة، يحدد المؤلفون فجوات بحثية هامة ودوافع لدراستهم، خاصة في سياق المجموعات الضبابية (FSs) والمجموعات الخشنة (RSs) والمجموعات اللينة (SSs) المدمجة مع العلاقات الثنائية اللينة (SBRs). يشيرون إلى أنه بينما تم استكشاف النماذج الهجينة بشكل موسع، لم يتم معالجة خشونة FSs باستخدام SBRs بشكل كافٍ، خاصة في سيناريوهات الكون الثنائي حيث توجد أعراض أو خصائص متعددة. تهدف هذه الدراسة إلى تقديم آلية خشونة جديدة لـ FSs ضمن إطار عمل SBRs، والتي تختلف جوهريًا عن المنهجيات السابقة من خلال تقريب FSs عبر SBRs عبر كونين فيما يتعلق بـ A-sets وF-sets.
تم توضيح تنظيم الورقة، مما يشير إلى أن الأقسام التالية ستتناول المفاهيم الأساسية المتعلقة بـ RSs وFSs وSSs وSBRs، تليها صياغة التقريبات الخشنة لـ FSs، واستكشاف الطوبولوجيات الضبابية، وتحليل علاقات التشابه اللينة. يؤكد المؤلفون على الحاجة إلى مزيد من البحث لتعزيز التطبيقات العملية لـ FSs الخشنة في سياقات اتخاذ القرار، مشددين على إمكانية إطارهم المقترح لسد الفجوات الحالية في التطور النظري لنظرية RS وتطبيقاتها.
DOI: https://doi.org/10.3934/math.2025444
Publication Date: 2025-01-01
Author(s): Rani Sumaira Kanwal et al.
Primary Topic: Fuzzy and Soft Set Theory
Overview
This research paper section emphasizes the significance of binary relations in mathematics and information sciences, particularly through the lens of fuzzy sets (FSs), rough sets (RSs), and soft sets (SSs) for managing ambiguous data. The authors explore the properties of fuzzy sets’ roughness in relation to foresets (F-sets) and aftersets (A-sets) by employing soft binary relations (SBRs). They derive two pairs of fuzzy soft sets (FSSs) from approximating a fuzzy subset using SBRs and investigate their axiomatic systems. Furthermore, the paper examines fuzzy topologies arising from soft reflexive relations (SRRs) and various similarity relations associated with SBRs. A novel accuracy and roughness measure for fuzzy subsets is introduced, alongside decision-making algorithms that leverage these concepts, validated through an applied example demonstrating the method’s reliability and superiority over existing decision-making approaches.
In conclusion, the study presents a hybrid model integrating FS, RS, and SS theories to address uncertainty, specifically introducing a fuzzy rough set variant using SBRs across two universes. The authors systematically analyze the roughness of FSs concerning A-sets and F-sets, construct fuzzy topologies via SRRs, and propose decision-making algorithms. While the proposed framework shows promise, it currently faces limitations in addressing bipolarity in inconsistent data. Future work will aim to extend the framework to encompass more complex mathematical structures, investigate multi-granulation roughness, and enhance the axiomatization of the methodology. Additionally, the integration of this framework with other methodologies is proposed to improve outcome accuracy, with a focus on real-world applications involving large-scale datasets.
Introduction
The introduction of this research paper highlights the limitations of conventional reasoning and computational tools in addressing real-world problems characterized by imprecise and ambiguous data. Traditional mathematical approaches, particularly probability theory, often require stochastically stable systems and extensive validation trials, which can be impractical in fast-paced environments. To overcome these challenges, the paper emphasizes the need for innovative methods to extract insights from uncertain information, with a particular focus on fuzzy set (FS) theory introduced by Zadeh. FS theory allows for a more flexible representation of uncertainty, enabling elements to belong to multiple sets with varying degrees of membership, thus facilitating the modeling of complex systems and human decision-making processes.
The paper also discusses the evolution of FS theory into various generalizations, such as interval-valued FSs and intuitionistic FSs, as well as the introduction of the soft set (SS) theory by Molodtsov, which provides a parametric approach to managing ambiguity. The authors note that SS theory has been successfully applied across diverse fields, including decision analysis and data mining. Additionally, the introduction of rough set (RS) theory by Pawlak offers another perspective on handling incomplete information through lower and upper approximations. The paper outlines the significance of binary relations in creating topological structures and explores the interconnections between SSs, RSs, and fuzzy relations, setting the stage for the main contributions of the study, which aim to enhance the understanding and application of roughness in FSs through the lens of parameterized binary relations.
Discussion
In the discussion section of the paper, the authors identify significant research gaps and motivations for their study, particularly in the context of fuzzy sets (FSs), rough sets (RSs), and soft sets (SSs) integrated with soft binary relations (SBRs). They note that while hybrid models have been extensively explored, the roughness of FSs using SBRs has not been adequately addressed, particularly in dual-universe scenarios where multiple symptoms or characteristics are present. This study aims to introduce a novel roughness mechanism for FSs within the framework of SBRs, which differs fundamentally from previous methodologies by approximating FSs through SBRs across two universes concerning A-sets and F-sets.
The organization of the paper is outlined, indicating that subsequent sections will cover foundational concepts related to RSs, FSs, SSs, and SBRs, followed by the formulation of rough approximations of FSs, the exploration of fuzzy topologies, and the analysis of soft similarity relations. The authors emphasize the need for further research to enhance the practical applications of rough FSs in decision-making contexts, highlighting the potential of their proposed framework to bridge existing gaps in the theoretical development of RS theory and its applications.