Abordagem intuicionista difusa baseada em coeficiente de correlação e energia de Laplaciano sem sinal com aplicações

Escolhendo com sabedoria quando a informação é difusa

Decisões importantes — como investir em um carro elétrico, uma nova tecnologia ou um projeto público — raramente são tomadas com informação perfeita. Especialistas podem estar apenas parcialmente certos, podem discordar ou podem hesitar porque o futuro é incerto. Este artigo apresenta um conjunto matemático projetado para capturar essa hesitação e discordância de forma mais fiel, para que grupos possam tomar escolhas que sejam ao mesmo tempo transparentes e robustas quando os fatos são difusos.

Por que médias comuns não bastam

A maioria dos métodos de decisão assume que cada opção pode ser avaliada de forma limpa numa escala e depois média ou ponderada para produzir um ranking. Na realidade, especialistas frequentemente pensam em termos como “quase bom”, “provavelmente não” ou “não tenho certeza”. A lógica difusa tradicional permite que as pessoas indiquem o quanto algo pertence a uma categoria, mas não expressa claramente a não‑aceitação e a dúvida ao mesmo tempo. Os autores constroem sobre uma ideia mais rica chamada “grafo intuicionista difuso”, onde cada conexão traz três informações: quanto os especialistas a apoiam, quanto a opõem e quanta incerteza há. Isso fornece uma imagem mais realista dos julgamentos humanos desordenados.

Combinando estrutura e similaridade

Uma vez que as opiniões dos especialistas são codificadas nessa forma de grafo, a questão é como transformar essa estrutura em um ranking justo das opções. O artigo combina duas lentes complementares. A primeira lente observa a forma do próprio grafo usando uma grandeza chamada “energia do Laplaciano sem sinal”, que pode ser vista como uma pontuação estrutural: opções que se situam em padrões mais fortes e mais favoráveis na rede recebem mais peso. A segunda lente examina o quanto diferentes opções são semelhantes, usando uma medida do tipo correlação que nos diz quando alternativas são julgadas de maneiras parecidas. Ao unir essas duas visões — estrutura e similaridade — o quadro evita apoiar‑se demais em médias brutas ou em comparações puramente estatísticas.

Das opiniões dos especialistas aos rankings finais

Os autores descrevem um processo passo a passo para usar seu método na tomada de decisão em grupo. Os especialistas primeiro avaliam cada opção (como vários modelos de carros elétricos) em relação a fatores-chave como autonomia, segurança e preço, usando números intuicionistas difusos que codificam apoio, oposição e hesitação. Esses julgamentos formam uma rede para cada critério, a partir da qual pontuações de energia estrutural são calculadas. Os valores de energia são então transformados em pesos objetivos para os critérios, reduzindo a necessidade de avaliações de importância ad hoc e subjetivas. Separadamente, medidas de correlação capturam o quão similar cada par de opções é percebido. O método combina esses ingredientes em pontuações gerais por meio de dois procedimentos ligeiramente diferentes, ambos projetados para serem matematicamente consistentes, mas conceitualmente simples: um agrega valores em uma única pontuação difusa por opção, e o outro baseia‑se mais diretamente na similaridade com pontos de referência ideais e não ideais.

Aplicando o método a carros elétricos

Para mostrar como a estrutura se comporta na prática, os autores a aplicam a uma decisão de investimento estilizada entre quatro carros elétricos. Especialistas avaliam cada modelo em autonomia, recursos de segurança e preço, sob incerteza. O método então calcula energias estruturais para cada rede de critérios, obtém pesos dos critérios, mede o quanto os carros são semelhantes entre si e, finalmente, os classifica. Ambos os procedimentos chegam à mesma ordenação: um carro (rotulado A) sai consistentemente no topo, enquanto outro (D) fica em último. Importante: esse ranking permanece estável mesmo quando o equilíbrio entre informação estrutural e de correlação é ajustado dentro de limites razoáveis, sugerindo que o resultado não é excessivamente sensível aos parâmetros do modelo.

O que isso significa para escolhas do mundo real

Em termos práticos, o estudo oferece uma maneira de transformar opiniões de especialistas difusas e hesitantes em rankings claros e defensáveis de opções concorrentes. Ao modelar explicitamente apoio, oposição e incerteza, e ao combinar uma visão de como as opções estão conectadas com uma visão de quão semelhantes elas são, o método produz decisões menos arbitrárias e mais robustas. Embora o exemplo do artigo foque na escolha de um carro elétrico, as mesmas ideias podem orientar escolhas em áreas como projetos de energia sustentável, produtos financeiros ou infraestrutura pública — em qualquer lugar onde grupos precisem decidir sob incerteza e queiram que seu raciocínio seja ao mesmo tempo sistemático e transparente.

Citação: 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

Palavras-chave: tomada de decisão sob incerteza, grafos difusos, seleção de veículo elétrico, métodos de decisão em grupo, medidas de correlação e energia