Sharp Bounds and Extremal Fuzzy Graphs for the Fuzzy Sombor Index

Résumé technique : Bornes précises et graphes flous extrémaux pour l'indice Sombor flou

Énoncé du problème
L'article traite de l'absence de caractérisation systématique concernant le comportement extrémal de l'indice Sombor flou ($SO_\mu$) dans le cadre de la théorie des graphes flous. Alors que l'indice Sombor classique a été étudié de manière approfondie sur les graphes nets — où les chemins minimisent généralement et les étoiles maximisent l'indice parmi les arbres —, l'extension aux graphes flous introduit de nouvelles complexités. Dans les graphes flous, les degrés des sommets et les forces des arêtes sont des valeurs continues dans $(0, 1]$, et l'indice dépend à la fois des valeurs d'appartenance des arêtes $\mu(u, v)$ et des degrés flous des sommets $\mu_u$. L'étude vise à déterminer quelles structures de graphes flous minimisent ou maximisent $SO_\mu$ (et sa généralisation $SO_\mu^\alpha$ pour $\alpha > 1$) sous des contraintes d'ordre fixe ($n$) et de taille floue fixe ($m_\mu$). De plus, l'article vise à établir des inégalités précises reliant $SO_\mu$ à d'autres indices topologiques flous établis, à savoir les indices flous de Zagreb, de Randić et de Nirmala.

Méthodologie
La recherche emploie des méthodes analytiques ancrées dans la théorie des graphes et les principes d'optimisation. Les auteurs définissent l'indice Sombor flou comme suit :
$$SO_\mu(\Gamma) = \sum_{uv \in E(\Gamma)} \mu(u, v) \sqrt{\mu_u^2 + \mu_v^2}$$
où $\mu_u = \sum_{v \in V} \mu(u, v)$ est le degré flou du sommet $u$. La méthodologie comprend :

1. Analyse extrémale : L'investigation de familles spécifiques de graphes flous (chemins, étoiles, cycles, graphes complets et graphes unicycliques) pour identifier les configurations structurelles qui produisent des valeurs d'indice minimales ou maximales.
2. Arguments de convexité et d'inégalités : L'utilisation de la convexité de la fonction $f(\eta) = \eta \sqrt{x^2 + y^2}$ et des propriétés des transformations convexes (pour $\alpha > 1$) pour prouver que la concentration des appartenances d'arêtes sur des topologies spécifiques (comme les étoiles) maximise l'indice, tandis que leur dispersion (comme dans les chemins) le minimise.
3. Analyse comparative : La dérivation de bornes algébriques reliant $SO_\mu$ à l'indice de Zagreb flou d'ordre 1 ($M_1$), à l'indice de Randić flou ($R$) et à l'indice de Nirmala flou ($N$), en particulier pour les graphes flous réguliers et irréguliers.
4. Vérification numérique : La fourniture de données tabulées pour des valeurs spécifiques de $n$ et $m_\mu$ afin d'illustrer le comportement de l'indice à travers différentes familles de graphes.

Contributions et résultats clés
L'article établit plusieurs résultats définitifs concernant les bornes et les graphes extrémaux pour l'indice Sombor flou :

• Bornes générales :

  • Minimum : Pour les graphes flous connexes d'ordre fixe $n$ et de taille floue fixe $m_\mu$, l'indice est minimisé par le chemin flou ($P_n^f$) où les appartenances d'arêtes sont distribuées aussi uniformément que possible pour équilibrer les degrés flous. Le minimum absolu (zéro) est atteint par le graphe flou vide.
  • Maximum : L'indice est maximisé par le graphe complet flou uniforme ($K_n^f$) où toutes les appartenances d'arêtes sont égales. Pour une $m_\mu$ fixe, le maximum est atteint lorsque les appartenances sont concentrées sur les arêtes d'un graphe complet.

• Arbres et graphes unicycliques extrémaux :

  • Parmi les arbres flous d'ordre $n$ et de taille $m_\mu$ fixes, le chemin flou ($P_n^f$) minimise l'indice, et l'étoile floue ($S_n^f$) le maximise. L'étoile maximise l'indice en concentrant la taille floue totale sur un unique sommet central, créant ainsi un hub de haut degré.
  • Parmi les graphes flous unicycliques, l'indice est minimisé par le cycle flou ($C_n^f$) avec des appartenances d'arêtes uniformes et maximisé par une structure où le graphe sous-jacent est un cycle avec une étoile attachée (concentration des degrés).

• Indice généralisé ($SO_\mu^\alpha$) :

  • Pour $\alpha > 1$, les graphes extrémaux restent les mêmes que pour $\alpha = 1$. Le graphe complet flou maximise de manière unique l'indice généralisé, et le chemin flou le minimise, en raison de la nature strictement croissante et convexe de la fonction puissance.

• Inégalités avec d'autres indices :

  • L'article dérive des inégalités précises reliant $SO_\mu$ à l'indice de Randić flou ($R$), montrant que $SO_\mu(\Gamma) \geq \sqrt{2} R(\Gamma) \cdot \delta_\mu$ (où $\delta_\mu$ est le degré flou minimum).
  • Des bornes sont établies reliant $SO_\mu$ à l'indice de Zagreb flou ($M_1$) et à l'indice de Nirmala flou ($N$), démontrant que $SO_\mu$ occupe une position intermédiaire entre les mesures linéaires et quadratiques des degrés des sommets.

Signification
L'article affirme que ces résultats font progresser la théorie des indices de graphes flous en étendant les résultats extrémaux classiques au domaine flou. Les auteurs soulignent que, bien que les structures topologiques sous-jacentes (chemins, étoiles, cycles) qui extrémalisent l'indice dans les graphes nets restent valables dans le contexte flou, la nature continue des appartenances d'arêtes permet une optimisation plus fine. Plus précisément, les résultats suggèrent que l'indice Sombor flou est un descripteur sensible pour détecter la centralisation structurelle et la vulnérabilité dans les réseaux flous. La capacité à modéliser l'« intensité structurelle » et la variance des degrés fait de cet indice un outil précieux pour l'analyse de réseaux où l'incertitude et des forces de connexion variables sont présentes. L'étude fournit un cadre fondamental pour les recherches futures sur les indices topologiques flous, offrant des bornes précises qui peuvent être utilisées pour l'évaluation et la comparaison des performances des réseaux.