Un novedoso formalismo difuso fermateano complejo con función de puntuación mejorada y operadores de agregación

Por qué es tan difícil elegir el “mejor sistema”

Las ciudades modernas dependen de un tráfico digital invisible: ondas de radio procedentes de teléfonos, coches, sensores y cámaras. Cuando las autoridades quieren actualizar sus sistemas de procesamiento de señales y comunicación —por ejemplo, para mantener el flujo de tráfico de forma segura y eficiente— se enfrentan a un laberinto de opciones y criterios conflictivos. Muchos de los números que sustentan estas decisiones son inciertos o difusos más que rotundos. Este artículo desarrolla un nuevo conjunto de herramientas matemáticas para razonar con cuidado frente a esa incertidumbre, ayudando a planificadores e ingenieros a elegir mejores sistemas en entornos reales complejos.

Del pensamiento binario a matices de quizá

Los métodos tradicionales de decisión asumen que algo o pertenece a una categoría o no: un sistema es “suficientemente bueno” o “no lo es”. Décadas de trabajo en lógica difusa relajaron esta visión rígida permitiendo membresías parciales: un diseño podría juzgarse “0,7 bueno” en lugar de un simple sí o no. Refinamientos posteriores, como los conjuntos difusos intuicionistas, pitagóricos y fermateanos, introdujeron formas más ricas de describir no solo cuán fuertemente se apoya algo, sino también cuán fuertemente se rechaza y cuánto queda de incertidumbre. Incluso estos modelos, sin embargo, suelen tratar la información como unidimensional, como una única lectura de temperatura, mientras que muchas señales de ingeniería son naturalmente bidimensionales, con una magnitud (amplitud) y una componente temporal o angular (fase).

Por qué la difusidad con valores complejos importa

En campos como las comunicaciones inalámbricas, el radar, la imagen médica y los sistemas de energía, los ingenieros trabajan rutinariamente con señales de valor complejo que combinan magnitud y fase. Por ejemplo, las señales de banda base, los ecos de radar y los datos de resonancia magnética se almacenan como muestras complejas. El rendimiento real a menudo depende de un par de aspectos: cuán fuerte es la señal y cuán estable o coherente se mantiene en el tiempo. Los autores se apoyan en una estructura relativamente nueva llamada conjunto difuso fermateano complejo, que puede codificar estos dos aspectos juntos al tiempo que captura apoyo, oposición y vacilación. Esta descripción más rica es esencial al comparar esquemas de comunicación avanzados que deben lograr simultáneamente alta calidad, estabilidad y robustez en entornos ruidosos y cambiantes.

Corregir una regla de medida poco fiable

Para usar la información difusa en la práctica, los sistemas de decisión necesitan una forma de asignar una puntuación global a cada opción candidata. Trabajos anteriores propusieron una “función de puntuación” para números difusos fermateanos complejos, pero los autores muestran que puede fallar: dos opciones diferentes pueden terminar con exactamente la misma puntuación y precisión, haciéndolas indistinguibles incluso cuando una es claramente preferible. Analizan esta debilidad con un ejemplo numérico concreto y luego introducen una fórmula de puntuación mejorada. La nueva función añade un término de interacción extra entre partes de la evaluación compleja, lo que le permite desempatar casos que antes no podían resolverse y ordenar las alternativas de forma más fiable.

Nuevas herramientas para combinar opiniones difusas

Las decisiones reales casi nunca dependen de un solo criterio. Un sistema de comunicación para tráfico puede juzgarse por calidad de señal, velocidad de respuesta, fiabilidad y consumo de energía, cada uno de los cuales es a su vez incierto. El núcleo de este artículo son dos nuevas formas de combinar tales valoraciones difusas complejas en una evaluación global única: el operador de media ponderada ordenada difusa fermateana complejo (CFFOWA) y el operador geométrico ponderado ordenado difuso fermateano complejo (CFFOWG). Ambos métodos ordenan primero los criterios de cada opción de más a menos favorables y luego los combinan según pesos elegidos que reflejan su importancia. La versión de promedio enfatiza el rendimiento típico, mientras que la geométrica es más sensible a aspectos muy débiles. Los autores demuestran que estos operadores se comportan de forma sensata: el resultado siempre permanece como una descripción difusa válida, se mantiene dentro de límites razonables y varía de forma monótona conforme mejoran o empeoran las entradas.

Poner el método a trabajar en el control inteligente del tráfico

Para mostrar cómo opera el marco, los autores modelan una elección realista entre cuatro enfoques de procesamiento de señales y comunicación para el control del tráfico: sistemas de antenas múltiples, métodos basados en wavelets, modulación por transformada rápida de Fourier y códigos correctores de errores. Cada enfoque se evalúa en cuatro atributos—mejora relación señal-ruido, capacidad de respuesta en tiempo real, fiabilidad y consumo energético—donde cada atributo se divide a su vez en dos subcaracterísticas complementarias, como rendimiento medio y estabilidad. Todos estos juicios se codifican como números difusos fermateanos complejos y luego se agregan usando los nuevos operadores. Tanto el procedimiento de promedio como el geométrico sitúan de manera independiente al sistema de antenas múltiples como la mejor opción global. Al compararse con varias técnicas difusas establecidas, los nuevos métodos coinciden en la opción principal mientras ofrecen una discriminación más fina entre los demás contendientes.

Qué significa esto para las decisiones del mundo real

En términos sencillos, el artículo dota a los responsables de decisión de una calculadora más matizada para ponderar evidencias complicadas e inciertas. Al refinar la forma en que se calculan las puntuaciones y al introducir dos reglas potentes de combinación adaptadas a información de valor complejo, los autores facilitan comparar sistemas técnicos sofisticados de forma más justa. Su demostración en el procesamiento de señales para semáforos sugiere que el mismo enfoque podría guiar decisiones en campos como la sanidad, la planificación energética, el diseño del transporte y la inversión, siempre que el rendimiento dependa de múltiples factores entrelazados que no pueden capturarse con un pensamiento binario simple.

Cita: Razaq, A., Komal, L., Alhamzi, G. et al. A novel complex Fermatean fuzzy formalism with improved score function and aggregation operators. Sci Rep 16, 13559 (2026). https://doi.org/10.1038/s41598-026-40838-3

Palabras clave: toma de decisiones difusa, procesamiento de señales, sistemas de tráfico inteligentes, modelado de incertidumbre, análisis multicriterio