Nowa złożona formalizacja Fermateanowska z wartościami zespolonymi z ulepszoną funkcją oceny i operatorami agregacji

Dlaczego wybór „najlepszego systemu” jest tak trudny

Nowoczesne miasta zależą od niewidzialnego cyfrowego ruchu: fal radiowych z telefonów, samochodów, czujników i kamer. Gdy władze chcą usprawnić przetwarzanie sygnałów i systemy komunikacyjne — na przykład aby utrzymać ruch w sposób bezpieczny i wydajny — stają przed labiryntem opcji i sprzecznych kryteriów. Wiele liczb stojących za tymi wyborami jest niepewnych lub rozmytych, a nie jednoznacznych. Artykuł opracowuje nowe narzędzia matematyczne do rozumowania z taką niepewnością, pomagając planistom i inżynierom wybierać lepsze systemy w złożonych, rzeczywistych warunkach.

Od myślenia tak‑lub‑nie do odcieni może

Tradycyjne metody decyzyjne zakładają, że coś albo należy do kategorii, albo nie: system jest „wystarczająco dobry” albo „niewystarczający”. Dziesięciolecia badań nad logiką rozmytą złagodziły ten sztywny obraz, pozwalając na częściowe przynależności: projekt może być oceniony jako „0,7 dobry” zamiast po prostu tak albo nie. Późniejsze rozszerzenia, takie jak zbiory intuicjonistyczne, pitagorejskie czy Fermateanowskie, dodały bogatsze sposoby opisu nie tylko stopnia poparcia, lecz także stopnia odrzucenia i pozostającej niepewności. Nawet te modele zwykle traktują informację jako jednowymiarową, jak pojedynczy odczyt temperatury, podczas gdy wiele sygnałów inżynierskich jest naturalnie dwuwymiarowych, z wielkością (amplitudą) i składową czasową lub kątem (fazą).

Dlaczego ma znaczenie rozmytość z wartościami zespolonymi

W dziedzinach takich jak łączność bezprzewodowa, radar, obrazowanie medyczne czy systemy energetyczne inżynierowie rutynowo pracują z sygnałami o wartościach zespolonych, które łączą amplitudę i fazę. Na przykład sygnały bazowe radiowe, echa radarowe i dane MRI są zapisywane jako próbki zespolone. Rzeczywista wydajność często zależy od dwóch aspektów: jak silny jest sygnał i jak stabilny lub spójny pozostaje w czasie. Autorzy opierają się na stosunkowo nowej strukturze zwanej zespolonym zbiorem Fermateanowskim, która potrafi zakodować te dwa aspekty jednocześnie, zachowując jednocześnie informacje o wsparciu, oporze i wahaniach. Ten bogatszy opis jest niezbędny przy porównywaniu zaawansowanych schematów komunikacyjnych, które muszą jednocześnie osiągać wysoką jakość, stabilność i odporność w zakłóconych, zmiennych środowiskach.

Poprawa zawodnej miary

Aby stosować informacje rozmyte w praktyce, systemy decyzyjne potrzebują sposobu nadawania ogólnej oceny każdej opcji. Wcześniejsze prace proponowały „funkcję oceny” dla zespolonych liczb Fermateanowskich, ale autorzy wykazują, że może ona zawodzić: dwie różne opcje mogą otrzymać dokładnie tę samą ocenę i dokładność, stając się nierozróżnialne nawet wtedy, gdy jedna jest wyraźnie lepsza. Analizują tę słabość na konkretnym przykładzie numerycznym, a następnie wprowadzają ulepszony wzór oceny. Nowa funkcja dodaje dodatkowy składnik interakcji między częściami zespolonej oceny, co pozwala rozwiązywać remisy, których wcześniej nie dało się rozstrzygnąć, i porządkować alternatywy bardziej wiarygodnie.

Nowe narzędzia do łączenia rozmytych opinii

Rzeczywiste decyzje prawie nigdy nie zależą od pojedynczego kryterium. System komunikacji drogowej może być oceniany pod kątem jakości sygnału, szybkości reakcji, niezawodności i zużycia energii, z których każde jest samo w sobie niepewne. Sednem artykułu są dwa nowe sposoby łączenia takich zespolonych ocen rozmytych w jedną ogólną ocenę: zespolony Fermateanowski operator ważonego uśredniania uporządkowanego (CFFOWA) oraz zespolony Fermateanowski operator ważonego geometrycznego uporządkowanego (CFFOWG). Obie metody najpierw sortują kryteria dla każdej opcji od najbardziej do najmniej korzystnych, a następnie łączą je zgodnie z wybranymi wagami odzwierciedlającymi ich znaczenie. Wersja uśredniająca podkreśla typową wydajność, podczas gdy wersja geometryczna jest bardziej wrażliwa na bardzo słabe aspekty. Autorzy dowodzą, że te operatory zachowują się sensownie: wynik zawsze pozostaje ważnym opisem rozmytym, mieści się w rozsądnych granicach i zmienia się monotonicznie wraz ze zmianą wejść na lepsze lub gorsze.

Zastosowanie metody w inteligentnym sterowaniu ruchem

Aby pokazać działanie ram, autorzy modelują realistyczny wybór spośród czterech metod przetwarzania sygnałów i komunikacji dla sterowania ruchem: systemy z wieloma antenami, metody oparte na falkach, modulacja z szybką transformacją Fouriera oraz kody korekcyjne. Każde podejście oceniono według czterech atrybutów — poprawa stosunku sygnał‑szum, reakcja w czasie rzeczywistym, niezawodność i zużycie energii — gdzie każdy atrybut jest podzielony na dwa komplementarne pod‑cechy, takie jak wydajność średnia i stabilność. Wszystkie te oceny zakodowano jako zespolone liczby Fermateanowskie, a następnie zagregowano za pomocą nowych operatorów. Zarówno procedury uśredniające, jak i geometryczne niezależnie uznały system z wieloma antenami za najlepszy wybór. W porównaniu z kilkoma ustalonymi technikami podejmowania decyzji rozmytych nowe metody zgadzają się co do opcji numer jeden, oferując jednocześnie drobniejszą dyskryminację wśród pozostałych kandydatów.

Co to oznacza dla wyborów w świecie rzeczywistym

Mówiąc prościej, artykuł daje decydentom bardziej wyrafinowane narzędzie do ważenia skomplikowanych, niepewnych dowodów. Poprzez udoskonalenie sposobu obliczania ocen i wprowadzenie dwóch potężnych reguł łączenia dopasowanych do informacji zespolonych, autorzy ułatwiają uczciwe porównywanie zaawansowanych systemów technicznych. Ich demonstracja w przetwarzaniu sygnałów sterowania ruchem sugeruje, że to samo podejście mogłoby kierować wyborami w takich dziedzinach jak opieka zdrowotna, planowanie energetyczne, projektowanie transportu czy inwestycje — wszędzie tam, gdzie wydajność zależy od wielu powiązanych czynników, których nie da się uchwycić prostym myśleniem tak‑lub‑nie.

Cytowanie: 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

Słowa kluczowe: rozmyte podejmowanie decyzji, przetwarzanie sygnałów, inteligentne systemy ruchu, modelowanie niepewności, analiza wielokryterialna