Un nuovo formalismo fuzzy fermateano complesso con funzione di punteggio migliorata e operatori di aggregazione

Perché scegliere il “miglior sistema” è così difficile

Le città moderne dipendono da un traffico digitale invisibile: onde radio emesse da telefoni, auto, sensori e telecamere. Quando le autorità vogliono aggiornare i loro sistemi di elaborazione dei segnali e comunicazione — per esempio, per mantenere il traffico scorrevole, sicuro ed efficiente — si trovano davanti a un labirinto di opzioni e criteri in conflitto. Molti dei numeri che sostengono queste scelte sono incerti o fuzzy piuttosto che netti. Questo articolo sviluppa un nuovo insieme di strumenti matematici per ragionare accuratamente con tale incertezza, aiutando pianificatori e ingegneri a scegliere sistemi migliori in contesti reali complessi.

Dal pensiero sì-o-no alle sfumature del forse

I metodi decisionali tradizionali assumono che qualcosa appartenga a una categoria o non appartenga: un sistema è “abbastanza buono” o “non abbastanza buono”. Decenni di lavoro nella logica fuzzy hanno allentato questa visione rigida consentendo appartenenze parziali: un progetto può essere giudicato “0,7 buono” invece del semplice sì o no. Raffinamenti successivi, come gli insiemi fuzzy intuizionistici, pitagorici e fermateani, hanno aggiunto modi più ricchi per descrivere non solo quanto qualcosa sia supportato, ma anche quanto sia respinto e quanto rimanga incerto. Anche questi modelli, tuttavia, di solito trattano l’informazione come unidimensionale, come una singola lettura di temperatura, mentre molti segnali ingegneristici sono naturalmente bidimensionali, con una grandezza (ampiezza) e una componente temporale o angolare (fase).

Perché la fuzziness a valori complessi conta

In campi come le comunicazioni wireless, il radar, l’imaging medico e i sistemi elettrici, gli ingegneri lavorano abitualmente con segnali a valori complessi che combinano ampiezza e fase. Per esempio, segnali radio in banda base, echi radar e dati MRI sono tutti memorizzati come campioni complessi. La prestazione reale spesso dipende da una coppia di aspetti: quanto è forte il segnale e quanto rimane stabile o coerente nel tempo. Gli autori si basano su una struttura relativamente nuova chiamata insieme fuzzy fermateano complesso, che può codificare insieme questi due aspetti mantenendo la capacità di catturare supporto, opposizione e esitazione. Questa descrizione più ricca è essenziale quando si confrontano schemi di comunicazione avanzati che devono contemporaneamente ottenere alta qualità, stabilità e robustezza in ambienti rumorosi e variabili.

Riparare un metro di misura inaffidabile

Per usare l’informazione fuzzy in pratica, i sistemi decisionali hanno bisogno di un modo per assegnare un punteggio complessivo a ciascuna opzione candidata. Lavori precedenti avevano proposto una “funzione di punteggio” per numeri fuzzy fermateani complessi, ma gli autori dimostrano che può fallire: due opzioni differenti possono ottenere esattamente lo stesso punteggio e la stessa accuratezza, rendendole indistinguibili anche quando una è chiaramente preferibile. Analizzano questa debolezza con un esempio numerico concreto e quindi introducono una formula di punteggio migliorata. La nuova funzione aggiunge un termine di interazione supplementare tra le parti della valutazione complessa, permettendo di rompere le parità che prima non potevano essere risolte e di ordinare le alternative in modo più affidabile.

Nuovi strumenti per combinare opinioni fuzzy

Le decisioni reali quasi mai dipendono da un singolo criterio. Un sistema di comunicazione per il traffico potrebbe essere giudicato sulla qualità del segnale, velocità di risposta, affidabilità e consumo energetico, ciascuno dei quali è a sua volta incerto. Il nucleo di questo articolo sono due nuovi modi per combinare tali valutazioni fuzzy complesse in una singola valutazione complessiva: l’operatore di media pesata ordinata fuzzy fermateana complessa (CFFOWA) e l’operatore geometrico pesato ordinato fuzzy fermateano complesso (CFFOWG). Entrambi i metodi prima ordinano i criteri per ogni opzione dal più al meno favorevole, quindi li fondono secondo pesi scelti che riflettono la loro importanza. La versione media enfatizza la performance tipica, mentre la versione geometrica è più sensibile agli aspetti molto deboli. Gli autori dimostrano che questi operatori si comportano in modo sensato: il risultato rimane sempre una descrizione fuzzy valida, resta entro limiti ragionevoli e varia monotonicamente al migliorare o peggiorare degli input.

Applicare il metodo al controllo intelligente del traffico

Per mostrare come funziona il quadro, gli autori modellano una scelta realistica tra quattro approcci di elaborazione dei segnali e comunicazione per il controllo del traffico: sistemi a più antenne, metodi basati su wavelet, modulazione a trasformata veloce di Fourier e codici di correzione di errore. Ogni approccio è valutato su quattro attributi — miglioramento segnale-rumore, reattività in tempo reale, affidabilità e consumo energetico — dove ogni attributo è a sua volta suddiviso in due sotto-caratteristiche complementari, come prestazione media e stabilità. Tutti questi giudizi sono codificati come numeri fuzzy fermateani complessi e poi aggregati usando i nuovi operatori. Sia la procedura media sia quella geometrica classificano indipendentemente il sistema a più antenne come la scelta migliore in assoluto. Confrontati con diverse tecniche decisionali fuzzy consolidate, i nuovi metodi concordano sull’opzione migliore offrendo al contempo una discriminazione più fine tra le rimanenti alternative.

Cosa significa per le scelte nel mondo reale

In termini semplici, l’articolo mette a disposizione dei decisori una calcolatrice più sfumata per pesare prove complesse e incerte. Raffinando il modo in cui i punteggi sono calcolati e introducendo due potenti regole di combinazione pensate per informazioni a valori complessi, gli autori rendono più facile confrontare sistemi tecnici sofisticati in modo equo. La loro dimostrazione nell’elaborazione dei segnali per semafori suggerisce che lo stesso approccio potrebbe guidare scelte in ambiti come sanità, pianificazione energetica, progettazione dei trasporti e investimenti, ovunque le prestazioni dipendano da molteplici fattori intrecciati che non possono essere catturati con un semplice pensiero sì-o-no.

Citazione: 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

Parole chiave: decisione fuzzy, elaborazione del segnale, sistemi di traffico intelligenti, modellazione dell’incertezza, analisi multicriterio