Approccio fuzzy intuizionista basato sul coefficiente di correlazione e sull’energia laplaciana senza segno con applicazioni

Scegliere con giudizio quando l’informazione è sfocata

Decisioni importanti — come investire in un’auto elettrica, in una nuova tecnologia o in un progetto pubblico — raramente si prendono con informazioni perfette. Gli esperti possono essere soltanto parzialmente sicuri, possono dissentire o esitare perché il futuro è incerto. Questo articolo presenta una cassetta degli attrezzi matematica pensata per catturare quell’esitazione e quel disaccordo in modo più fedele, così che i gruppi possano prendere decisioni sia trasparenti sia robuste quando i fatti sono sfumati.

Perché le medie ordinarie non bastano

La maggior parte dei metodi decisionali presume che ogni opzione possa essere valutata chiaramente su una scala e poi mediata o pesata per produrre una classifica. Nella realtà, gli esperti spesso si esprimono con termini come “quasi buono”, “probabilmente no” o “non sono sicuro”. La logica fuzzy tradizionale permette di dire quanto qualcosa appartiene a una categoria, ma non esprime chiaramente non‑accettazione e dubbio contemporaneamente. Gli autori si basano su un’idea più ricca chiamata “grafo fuzzy intuizionista”, in cui ogni collegamento porta tre informazioni: quanto gli esperti lo supportano, quanto lo oppongono e quanto sono incerti. Questo fornisce un quadro più realistico dei giudizi umani disordinati.

Combinare struttura e similarità

Una volta codificate le opinioni degli esperti in questa forma grafica, la questione diventa come trasformare quella struttura in una classifica equa delle opzioni. L’articolo combina due lenti complementari. La prima lente osserva la forma stessa del grafo usando una quantità chiamata “energia laplaciana senza segno”, che può essere vista come un punteggio strutturale: le opzioni che si collocano in schemi più forti e più di supporto nella rete ricevono più peso. La seconda lente esamina quanto sono simili le diverse opzioni, impiegando una misura in stile correlazione che ci dice quando le alternative sono giudicate in modi simili. Unendo queste due prospettive — struttura e similarità — il quadro evita di appoggiarsi eccessivamente sia alle medie grezze sia a confronti puramente statistici.

Dalle opinioni degli esperti alle classifiche finali

Gli autori descrivono un processo passo dopo passo per usare il loro metodo nella decisione di gruppo. Gli esperti prima valutano ogni opzione (ad esempio diversi modelli di auto elettrica) rispetto a fattori chiave come autonomia, sicurezza e prezzo, usando numeri fuzzy intuizionisti che codificano supporto, opposizione ed esitazione. Questi giudizi formano una rete per ciascun criterio, dalla quale si calcolano i punteggi di energia strutturale. I valori di energia vengono poi trasformati in pesi oggettivi per i criteri, riducendo la necessità di valutazioni di importanza soggettive e ad‑hoc. Separatamente, le misure di correlazione catturano quanto ogni coppia di opzioni è percepita in modo simile. Il metodo fonde questi ingredienti in punteggi complessivi tramite due procedure leggermente differenti, entrambe progettate per essere matematicamente coerenti ma concettualmente semplici: una aggrega i valori in un singolo punteggio fuzzy per opzione, l’altra si basa più direttamente sulla similarità rispetto a punti di riferimento ideali e non ideali.

Applicare il metodo alle auto elettriche

Per mostrare come si comporta il quadro nella pratica, gli autori lo applicano a una decisione di investimento stilizzata tra quattro auto elettriche. Gli esperti valutano ogni modello su autonomia, dispositivi di sicurezza e prezzo, in situazione di incertezza. Il metodo calcola quindi le energie strutturali per ogni rete di criterio, ricava i pesi dei criteri, misura quanto le auto sono tra loro simili e infine le classifica. Entrambe le procedure giungono alla stessa ordinamento: un’auto (etichettata A) risulta costantemente al primo posto, mentre un’altra (D) si colloca ultima. È importante notare che questa classifica resta stabile anche quando l’equilibrio tra informazione strutturale e correlazione viene spostato entro limiti ragionevoli, suggerendo che il risultato non è eccessivamente sensibile alle manopole di taratura del modello.

Cosa significa per le scelte nel mondo reale

In termini semplici, lo studio offre un modo per trasformare opinioni di esperti sfumate e esitanti in classifiche chiare e difendibili delle opzioni in competizione. Modellando esplicitamente supporto, opposizione e incertezza, e combinando una visione di come le opzioni sono connesse con una visione di quanto sono simili, il metodo produce decisioni meno arbitrariamente e più robuste. Sebbene l’esempio del paper si concentri sulla scelta di un’auto elettrica, le stesse idee potrebbero guidare scelte in ambiti come progetti energetici sostenibili, prodotti finanziari o infrastrutture pubbliche — ovunque i gruppi debbano decidere sotto incertezza e vogliano che il loro ragionamento sia sia sistematico sia trasparente.

Citazione: Atheeque, A.M., Basha, S.S. Intuitionistic fuzzy approach based on correlation coefficient and signless Laplacian energy with applications. Sci Rep 16, 6315 (2026). https://doi.org/10.1038/s41598-026-36485-3

Parole chiave: decisione sotto incertezza, grafi fuzzy, selezione di veicoli elettrici, metodi di decisione di gruppo, misure di correlazione ed energia