Intuïtionistische fuzzy-aanpak gebaseerd op correlatiecoëfficiënt en signloos Laplaciaans energie met toepassingen

Wijs kiezen wanneer informatie vaag is

Grote beslissingen—zoals investeren in een elektrische auto, een nieuwe technologie of een openbaar project—worden zelden met perfecte informatie genomen. Deskundigen kunnen slechts deels zeker zijn, het oneens zijn of aarzelen omdat de toekomst onzeker is. Dit artikel presenteert een wiskundige gereedschapskist die dat aarzelen en die onenigheid getrouwer vastlegt, zodat groepen keuzes kunnen maken die zowel transparant als robuust zijn wanneer de feiten vaag zijn.

Waarom gewone gemiddelden tekortschieten

De meeste beslismethoden gaan ervan uit dat elke optie keurig op een schaal kan worden gescoord en vervolgens gemiddeld of gewogen om een rangorde te produceren. In werkelijkheid denken deskundigen vaak in termen als “bijna goed”, “waarschijnlijk niet” of “ik weet het niet zeker”. Traditionele fuzzyl ogica laat mensen toe om aan te geven hoe sterk iets tot een categorie behoort, maar drukt niet duidelijk niet‑acceptatie en twijfel tegelijk uit. De auteurs bouwen voort op een rijker idee, een „intuïtionistische fuzzy-graf”, waarin elke verbinding drie informatiepunten draagt: hoeveel steun deskundigen ervoor hebben, hoeveel tegenstand en hoeveel onzekerheid er is. Dat geeft een levendiger beeld van rommelige menselijke oordelen.

Structuur en gelijkenis mengen

Zodra deskundigenoordelen in deze grafvorm zijn gecodeerd, rijst de vraag hoe die structuur in een eerlijke rangorde van opties kan worden omgezet. Het artikel combineert twee aanvullende gezichtspunten. De eerste kijk richt zich op de vorm van de graf zelf met een grootheid die „signloos Laplaciaans energie” wordt genoemd; die kan worden opgevat als een structurele score: opties die in sterkere, meer ondersteunende patronen in het netwerk zitten, krijgen meer gewicht. De tweede kijk onderzoekt hoe gelijk verschillende opties zijn, met een correlatieachtige maat die aangeeft wanneer alternatieven op vergelijkbare wijze worden beoordeeld. Door deze twee invalshoeken—structuur en gelijkenis—te verenigen, voorkomt het kader dat er te zwaar op ruwe gemiddelden of louter statistische vergelijkingen wordt geleund.

Van deskundigenoordeel naar eindrangschikkingen

De auteurs beschrijven een stapsgewijs proces voor het toepassen van hun methode in groepsbesluitvorming. Deskundigen beoordelen eerst elke optie (zoals meerdere modellen elektrische auto’s) op sleutelcriteria zoals actieradius, veiligheid en prijs, met intuïtionistische fuzzy-getallen die steun, tegenstand en aarzeling coderen. Deze oordelen vormen voor elk criterium een netwerk, waaruit structurele energiewaarden worden berekend. De energieëen worden vervolgens omgezet in objectieve gewichten voor de criteria, waardoor de behoefte aan ad hoc, subjectieve belangstoekenningen afneemt. Apart daarvan leggen correlatiematen vast hoe gelijk elk paar opties wordt waargenomen. De methode mengt deze ingrediënten tot totaalscores via twee licht verschillende procedures, die beide wiskundig consistent maar conceptueel eenvoudig zijn: de ene aggregeert waarden tot een enkele fuzzy-score per optie, de andere leunt meer direct op gelijkenis met ideale en niet‑ideale referentiepunten.

De methode toepassen op elektrische auto’s

Om te laten zien hoe het kader in de praktijk werkt, passen de auteurs het toe op een gestileerde investeringskeuze tussen vier elektrische auto’s. Deskundigen evalueren elk model op actieradius, veiligheidsvoorzieningen en prijs, onder onzekerheid. De methode berekent vervolgens structurele energieën voor elk criterianetwerk, leidt criteriumgewichten af, meet hoe gelijk de auto’s aan elkaar zijn en rangschikt ze uiteindelijk. Beide procedures komen tot dezelfde volgorde: één auto (gelabeld A) blijkt consequent bovenaan te staan, terwijl een andere (D) onderaan eindigt. Belangrijk is dat deze rangorde stabiel blijft, zelfs wanneer de balans tussen structurele en correlatie-informatie binnen redelijke grenzen wordt verschoven, wat suggereert dat de uitkomst niet overmatig gevoelig is voor instelknoppen in het model.

Wat dit betekent voor keuzes in de echte wereld

In gewone woorden biedt de studie een manier om vage, aarzelende deskundigenoordelen om te zetten in duidelijke, verdedigbare ranglijsten van concurrerende opties. Door expliciet steun, tegenstand en onzekerheid te modelleren, en door een beeld te combineren van hoe opties met elkaar verbonden zijn met een beeld van hoe gelijk ze zijn, levert de methode beslissingen op die minder willekeurig en robuuster zijn. Hoewel het voorbeeld in het artikel zich richt op het kiezen van een elektrische auto, kunnen dezelfde ideeën keuzes sturen op gebieden als duurzame energieprojecten, financiële producten of openbare infrastructuur—overal waar groepen onder onzekerheid moeten beslissen en willen dat hun redenering systematisch en transparant is.

Bronvermelding: 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

Trefwoorden: besluitvorming onder onzekerheid, fuzzy grafen, selectie van elektrische voertuigen, groepsbesluitvormingsmethoden, correlatie- en energiematen