En ny komplex Fermateansk fuzzy-formalism med förbättrad poängfunktion och aggregeringsoperatorer

Varför det är så svårt att välja det ”bästa systemet”

Moderna städer är beroende av osynlig digital trafik: radiovågor från telefoner, bilar, sensorer och kameror. När myndigheter vill uppgradera sina signalbehandlings- och kommunikationssystem – till exempel för att hålla trafiken säker och effektiv – möts de av en labyrint av alternativ och motstridiga kriterier. Många av de siffror som ligger bakom dessa val är osäkra eller grumliga snarare än tydliga. Denna artikel utvecklar en ny matematisk verktygslåda för att resonera noggrant med sådan osäkerhet och hjälper planerare och ingenjörer att välja bättre system i komplexa verkliga miljöer.

Från ja-eller-nej-tänkande till nyanser av kanske

Traditionella beslutsmetoder antar att något antingen tillhör en kategori eller inte: ett system är ”tillräckligt bra” eller ”inte tillräckligt bra”. Decennier av arbete inom fuzzylogik mjukade upp denna stela syn genom att tillåta partiellt medlemskap: en konstruktion kan bedömas som ”0,7 bra” istället för bara ja eller nej. Senare förfiningar, som intuitionistiska, pythagoriska och fermateanska fuzzy-mängder, lade till rikare sätt att beskriva inte bara hur starkt något stöds utan också hur starkt det förnekas och hur mycket som förblir osäkert. Även dessa modeller behandlar dock ofta information som envägsdata, likt en enda temperaturavläsning, medan många ingenjörssignaler naturligt är tvådimensionella med både storlek (amplitud) och tidpunkt eller vinkel (fas).

Varför komplexvärd fuzzy är viktigt

Inom områden som trådlös kommunikation, radar, medicinsk avbildning och kraftsystem arbetar ingenjörer rutinmässigt med komplexvärdiga signaler som kombinerar magnitud och fas. Exempelvis lagras basbandssignaler, radareko och MRI-data som komplexa prov. Verklig prestanda beror ofta på ett par aspekter: hur stark signalen är och hur stabil eller koherent den förblir över tid. Författarna bygger vidare på en relativt ny struktur kallad komplex fermateansk fuzzy-mängd, som kan koda dessa två aspekter tillsammans samtidigt som den fångar stöd, motstånd och tvekan. Denna rikare beskrivning är avgörande när man jämför avancerade kommunikationsscheman som måste uppnå hög kvalitet, stabilitet och robusthet i brusiga, föränderliga miljöer.

Att åtgärda ett opålitligt måttband

För att använda fuzzy-information i praktiken behöver beslutsystem ett sätt att tilldela en totalpoäng till varje kandidatalternativ. Tidigare arbete föreslog en ”poängfunktion” för komplexa fermateanska fuzzy-tal, men författarna visar att den kan misslyckas: två olika alternativ kan få exakt samma poäng och samma noggrannhet, vilket gör dem omöjliga att skilja åt även när det är klart att det ena är att föredra. De analyserar denna svaghet med ett konkret numeriskt exempel och introducerar sedan en förbättrad poängformel. Den nya funktionen lägger till en extra interaktionsterm mellan delar av den komplexa utvärderingen, vilket gör det möjligt att lösa oavgjorda situationer som tidigare inte gick att särskilja och att rangordna alternativen mer pålitligt.

Nya verktyg för att kombinera fuzzy-åsikter

Verkliga beslut bygger nästan aldrig på ett enda kriterium. Ett trafikkommunikationssystem kan bedömas efter signal kvalitet, responstid, tillförlitlighet och energianvändning, där varje kriterium i sig är osäkert. Kärnan i denna artikel är två nya sätt att kombinera sådana komplexa fuzzy-bedömningar till en enda övergripande utvärdering: den komplexa fermateanska fuzzy ordnade vägda medeloperatorn (CFFOWA) och den komplexa fermateanska fuzzy ordnade vägda geometriska operatorn (CFFOWG). Båda metoderna sorterar först kriterierna för varje alternativ från mest till minst fördelaktigt och blandar dem sedan enligt valda vikter som speglar deras betydelse. Medelvärdesvarianten betonar typisk prestanda, medan den geometriska varianten är mer känslig för mycket svaga aspekter. Författarna bevisar att dessa operatorer beter sig rimligt: resultatet förblir alltid en giltig fuzzy-beskrivning, ligger inom rimliga gränser och ändras monotoniskt när indata förbättras eller försämras.

Tillämpning av metoden i smart trafikstyrning

För att visa hur ramverket fungerar modellerar författarna ett realistiskt val mellan fyra signalbehandlings- och kommunikationsmetoder för trafikstyrning: system med flera antenner, wavelet-baserade metoder, snabb Fourier-transformmodulering och felkorrigerande koder. Varje metod utvärderas på fyra attribut—signal-till-brus-förbättring, realtidsresponstid, tillförlitlighet och energiförbrukning—där varje attribut i sin tur delas upp i två kompletterande underfunktioner, såsom genomsnittlig prestanda och stabilitet. Alla dessa bedömningar kodas som komplexa fermateanska fuzzy-tal och aggregeras sedan med hjälp av de nya operatorerna. Både medel- och geometriska procedurerna rankar självständigt systemet med flera antenner som det bästa övergripande valet. Jämfört med flera etablerade fuzzy-beslutsmetoder är de nya metoderna överens om toppalternativet samtidigt som de erbjuder finare differentiering bland de övriga alternativen.

Vad detta innebär för verkliga val

Kort sagt ger artikeln beslutsfattare en mer nyanserad kalkylator för att väga komplicerade, osäkra bevis. Genom att förfina hur poäng beräknas och genom att introducera två kraftfulla kombinationsregler anpassade till komplexvärdig information gör författarna det lättare att jämföra sofistikerade tekniska system på ett rättvist sätt. Deras demonstration inom trafiksignalbehandling tyder på att samma angreppssätt kan vägleda val inom områden som vård, energiplanering, transportdesign och investeringar, där prestanda beror på flera sammanflätade faktorer som inte fångas av enkelt ja-eller-nej-tänkande.

Citering: 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

Nyckelord: fuzzy beslutsfattande, signalbehandling, smarta trafiksystem, osäkerhetsmodellering, flerkriterieanalys