Un formalisme nouveau de flou fermatien complexe avec une fonction de score et des opérateurs d’agrégation améliorés

Pourquoi il est si difficile de choisir le « meilleur système »

Les villes modernes dépendent d’un trafic numérique invisible : ondes radio des téléphones, des véhicules, des capteurs et des caméras. Lorsque les autorités souhaitent moderniser leurs systèmes de traitement du signal et de communication — par exemple pour maintenir la circulation de manière sûre et efficace — elles se heurtent à un labyrinthe d’options et de critères conflictuels. Beaucoup des valeurs qui sous-tendent ces choix sont incertaines ou floues plutôt que nettes. Cet article développe une nouvelle boîte à outils mathématique pour raisonner rigoureusement avec ce type d’incertitude, aidant les planificateurs et les ingénieurs à choisir de meilleurs systèmes dans des contextes réels complexes.

Du raisonnement oui/non aux nuances du peut‑être

Les méthodes de décision traditionnelles supposent qu’une chose appartient soit à une catégorie soit pas : un système est « assez bon » ou « pas assez bon ». Des décennies de travaux en logique floue ont assoupli cette vision rigide en autorisant l’appartenance partielle : une conception peut être jugée « 0,7 bonne » plutôt que simplement oui ou non. Des raffinements ultérieurs, tels que les ensembles intuitionnistes, pythagoriciens et fermatiens, ont ajouté des façons plus riches de décrire non seulement la force du soutien, mais aussi la force du rejet et la part d’hésitation. Même ces modèles traitent toutefois généralement l’information comme unidimensionnelle, comme une seule mesure de température, alors que de nombreux signaux d’ingénierie sont naturellement bidimensionnels, avec une amplitude et une composante de temps ou d’angle (phase).

Pourquoi la fuzziness à valeurs complexes compte

Dans des domaines tels que la communication sans fil, le radar, l’imagerie médicale et les systèmes électriques, les ingénieurs travaillent couramment avec des signaux à valeurs complexes qui combinent amplitude et phase. Par exemple, les signaux radio en bande de base, les échos radar et les données IRM sont tous stockés sous forme d’échantillons complexes. La performance réelle dépend souvent d’un double aspect : la puissance du signal et la stabilité ou la cohérence au fil du temps. Les auteurs s’appuient sur une structure relativement nouvelle appelée ensemble flou fermatien complexe, capable d’encoder ces deux dimensions tout en capturant soutien, opposition et hésitation. Cette description plus riche est essentielle pour comparer des schémas de communication avancés qui doivent simultanément atteindre qualité, stabilité et robustesse dans des environnements bruyants et changeants.

Réparer une règle de mesure peu fiable

Pour utiliser l’information floue en pratique, les systèmes de décision ont besoin d’un moyen d’attribuer un score global à chaque option candidate. Des travaux antérieurs avaient proposé une « fonction de score » pour les nombres flous fermatiens complexes, mais les auteurs montrent qu’elle peut échouer : deux options différentes peuvent obtenir exactement le même score et la même précision, les rendant indiscernables alors que l’une est clairement préférable. Ils analysent cette faiblesse à l’aide d’un exemple numérique concret puis introduisent une formule de score améliorée. La nouvelle fonction ajoute un terme d’interaction supplémentaire entre les parties de l’évaluation complexe, lui permettant de départager des ex æquo qui auparavant restaient non résolus et d’ordonner les alternatives de façon plus fiable.

Nouveaux outils pour combiner des avis flous

Les décisions réelles ne reposent presque jamais sur un seul critère. Un système de communication pour la circulation peut être évalué sur la qualité du signal, la rapidité de réponse, la fiabilité et la consommation d’énergie, chacune de ces dimensions étant elle‑même incertaine. Le cœur de cet article présente deux nouvelles façons de combiner de telles évaluations floues complexes en une évaluation globale : l’opérateur d’agrégation ordonnée moyen pondéré flou fermatien complexe (CFFOWA) et l’opérateur d’agrégation ordonnée géométrique pondérée flou fermatien complexe (CFFOWG). Les deux méthodes trient d’abord les critères de chaque option du plus favorable au moins favorable, puis les fusionnent selon des poids choisis reflétant leur importance. La version moyenne met l’accent sur la performance typique, tandis que la version géométrique est plus sensible aux aspects très faibles. Les auteurs démontrent que ces opérateurs se comportent de manière cohérente : le résultat reste toujours une description floue valide, demeure dans des bornes raisonnables et évolue de façon monotone lorsque les entrées s’améliorent ou se détériorent.

Application à la gestion intelligente du trafic

Pour illustrer le fonctionnement du cadre, les auteurs modélisent un choix réaliste entre quatre approches de traitement du signal et de communication pour le contrôle du trafic : systèmes multi‑antennes, méthodes à base d’ondelettes, modulation par transformée de Fourier rapide et codes correcteurs d’erreurs. Chaque approche est évaluée sur quatre attributs — amélioration signal/bruit, réactivité en temps réel, fiabilité et consommation d’énergie — chaque attribut étant lui‑même scindé en deux sous‑caractéristiques complémentaires, telles que performance moyenne et stabilité. Tous ces jugements sont encodés en nombres flous fermatiens complexes puis agrégés à l’aide des nouveaux opérateurs. Les procédures moyenne et géométrique classent indépendamment le système multi‑antenne comme le meilleur choix global. Comparées à plusieurs techniques floues établies, les nouvelles méthodes s’accordent sur l’option de tête tout en offrant une discrimination plus fine entre les autres candidats.

Ce que cela change pour les choix réels

En termes simples, l’article dote les décideurs d’un calculateur plus nuancé pour peser des preuves compliquées et incertaines. En affinant la façon dont les scores sont calculés et en introduisant deux règles puissantes de combinaison adaptées à l’information à valeurs complexes, les auteurs facilitent la comparaison équitable de systèmes techniques sophistiqués. Leur démonstration dans le traitement des signaux de feux de circulation suggère que la même approche pourrait guider des choix dans des domaines tels que la santé, la planification énergétique, la conception des transports et l’investissement, partout où la performance dépend de multiples facteurs imbriqués qui ne se laissent pas capturer par un raisonnement binaire.»

Citation: 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

Mots-clés: décision floue, traitement du signal, systèmes de trafic intelligents, modélisation de l’incertitude, analyse multicritère