🔢 mathematics

Picture Fuzzy Multigroups

Questo articolo investiga i multisiemi fuzzy a immagini e introduce il concetto di multigruppi fuzzy a immagini, stabilendo le loro principali proprietà algebriche.

Autori originali: Taiwo O. Sangodapo

Pubblicato 2026-07-09

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Taiwo O. Sangodapo

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immagina di cercare di descrivere un gruppo di persone, ma non vuoi limitarti a dire "sono qui" o "non sono qui". Vuoi catturare la realtà disordinata e complessa dell'opinione e dell'appartenenza umana.

Questo articolo di Taiwo O. Sangodapo riguarda la costruzione di un nuovo strumento matematico super dettagliato per gestire questa complessità. Si chiama Picture Fuzzy Multigroups (Multigruppi Fuzzy a Immagine).

Ecco la scomposizione di ciò che fa l'articolo, utilizzando analogie semplici.

1. L'evoluzione del pensiero "Fuzzy"

Per capire questo articolo, devi vedere come la matematica è diventata più complicata nel tempo:

Insiemi Crisp (Il vecchio modo): Immagina una lista di invitati per una festa. O sei in lista o non lo sei. È bianco o nero.
Insiemi Fuzzy (Il primo aggiornamento): Immagina una lista di invitati dove puoi essere "più o meno" invitato. Magari hai il 70% di probabilità di presentarti. Questo è l' "Insieme Fuzzy".
Insiemi Intuizionistici Fuzzy (Il secondo aggiornamento): Ora, immagina di poter dire "ho il 70% di probabilità di venire, ma il 20% di probabilità di restare a casa". Hai un "Sì" e un "No", ma non devono necessariamente sommare al 100%. Il resto è un "forse".
Insiemi Fuzzy a Immagine (Il terzo aggiornamento): Qui inizia l'articolo. Immagina un voto con quattro opzioni: Sì, Neutro (non mi importa), No e Rifiuto (mi rifiuto di votare). L'insieme "a immagine" traccia tutte e tre le opinioni attive (Sì, Neutro, No) contemporaneamente.
Multi었다 (L'aggiornamento del "Conteggio"): Di solito, la matematica tratta una lista di elementi come un insieme (elementi unici). Ma nella vita reale, le cose si ripetono. Se hai un sacchetto di biglie, potresti avere tre biglie rosse. Un "Multiset" ti permette di contare quante volte un elemento appare.

La grande idea dell'articolo: L'autore combina l'idea "a immagine" (Sì/Neutro/No) con l'idea del "Multiset" (contare le ripetizioni). Lo chiama un Picture Fuzzy Multiset.

2. Il concetto di "Gruppo"

In matematica, un Gruppo è una collezione di cose (come numeri o forme) che seguono regole specifiche quando le mescoli insieme (come sommare o moltiplicare). Per esempio, se mescolo due numeri in un gruppo, ottengo un altro numero appartenente allo stesso gruppo.

L'articolo si chiede: Cosa succede se il nostro "Gruppo" è composto da questi complessi Picture Fuzzy Multisets?

3. Le Nuove Regole (Il "Multigruppo")

L'autore introduce il Picture Fuzzy Multigroup (PFMG). Immagina un club in cui l'appartenenza non è solo un semplice "dentro" o "fuori". Invece, ogni membro ha un profilo complesso:

Conteggio Positivo: Quanto fortemente appartiene (Sì).
Conteggio Neutro: Quanto è incerto (Neutro).
Conteggio Negativo: Quanto fortemente non appartiene (No).

L'articolo stabilisce le "leggi della fisica" per questo nuovo tipo di club. Ad esempio:

La Regola della Miscelazione: Se prendi due membri e li "mescoli" (esegui l'operazione di gruppo), il risultato del membro sarà un membro il cui punteggio "Sì" deve essere almeno alto quanto il punteggio "Sì" più debole dei due membri originali.
La Regola dello Specchio: Se ribalti un membro (prendi il suo inverso), il suo punteggio "Sì" non dovrebbe scendere al di sotto del suo punteggio originale.

4. L'analogia del "Taglio" (Semplificare il Complesso)

Uno degli strumenti più utili nell'articolo è l' Insieme di Taglio (Cut Set).

Immagina di avere una torta molto complessa e multistrato (un Picture Fuzzy Multigroup). È troppo complicata da mangiare tutta in una volta. Il "Cut Set" è come affettare la torta a un'altezza specifica.

Se tagli molto in alto, otterrai solo i membri "molto forti".
Se tagli più in basso, otterrai un gruppo più grande che include anche i membri "mediocri".

L'articolo dimostra un fatto cruciale: Non importa come tagli questa torta complessa, il pezzo che ottieni è sempre un gruppo "crisp" standard e semplice. Ciò significa che, anche se la matematica è sofisticata e complessa, se la osservi attraverso un filtro specifico, si comporta come un gruppo normale e prevedibile.

5. Il "Nucleo" del Gruppo

L'articolo definisce anche un sottoinsieme speciale chiamato $D^*$ . Consideralo come la "Lounge VIP" o il "Team Nucleo".

Questi sono i membri che hanno esattamente gli stessi punteggi di "Sì", "Neutro" e "No" del leader del gruppo (l'elemento identità).
L'articolo dimostra che questa Lounge VIP è anche un gruppo standard valido a sé stante.

Riassunto

In parole semplici, questo articolo è un progetto matematico per gestire gruppi in cui l'appartenenza è complicata, ripetuta e sfaccettata.

Prende l'idea di un "gruppo" (una collezione strutturata) e la aggiorna per gestire:

Ambiguità: (Sì, Neutro, No).
Ripetizione: (Contare quante volte qualcosa appare).
Struttura: (Assicurarsi che quando si mescolano questi elementi complessi, le regole siano ancora rispettate).

L'autore non si limita a inventare questo; egli dimostra che questi nuovi "Picture Fuzzy Multigroups" si comportano logicamente. Dimostra che, se li osserviamo abbastanza da vicino (usando i "tagli"), si trasformano in gruppi normali e affidabili, offrendo ai matematici un modo per utilizzare questo strumento complesso con fiducia.

Sintesi Tecnica: Multigruppi Fuzzy a Immagine (Picture Fuzzy Multigroups)

Problematica e Contesto
Il documento affronta la necessità di estendere le strutture algebriche all'interno del quadro della teoria degli insiemi fuzzy per gestire l'incertezza più complessa. Gli autori tracciano l'evoluzione della teoria degli insiemi dai Fuzzy Set (FS) di Zadeh agli Insiemi Fuzzy Intuizionistici (IFS) di Atanassov e, successivamente, ai Picture Fuzzy Sets (PFS) di Cuong e Kreinovich, che incorporano gradi di appartenenza positivi, neutri e negativi. Parallelamente, il concetto di multiset (dove gli elementi possono occorrere più volte) è stato introdotto da Yager ed esteso ai Multiset Fuzzy Intuizionistici. Sebbene Cao et al. avessero precedentemente stabilito i Picture Fuzzy Multisets (PFMS) come una generalizzazione sia dei Fuzzy Multisets che degli Intuitionistic Fuzzy Multisets, e Shinoj e Sunil avessero definito gli Intuitionistic Fuzzy Multigroups, mancava una definizione formale e un'analisi algebrica dei Picture Fuzzy Multigroups (PFMG). Questo articolo mira a colmare tale lacuna introducendo il concetto di PFMG e stabilendo le sue proprietà algebriche fondamentali.

Metodologia
Lo studio impiega un approccio matematico deduttivo basato sull'algebra astratta e sulla logica fuzzy. La metodologia procede come segue:

Definizioni Fondamentali: Il documento inizia con la revisione dei preliminari necessari, incluse le definizioni di Fuzzy Sets, Intuitionistic Fuzzy Sets e Picture Fuzzy Sets. Definisce specificamente i Picture Fuzzy Multisets (PFMS) su un gruppo nitido (crisp) $C$ , caratterizzati da tre funzioni di conteggio: Conteggio di Appartenenza Positivo ( $PC_M$ ), Conteggio di Appartenenza Neutro ( $NeC_M$ ) e Conteggio di Appartenenza Negativo ( $NC_M$ ).
Operazioni Strutturali: Gli autori definiscono le operazioni su PFMS, inclusi l'inverso ( $D^{-1}$ ) e il composito ( $D \circ E$ ) di due picture fuzzy multisets. Queste operazioni sono definite utilizzando operazioni di reticolo (supremo $\vee$ e infimo $\wedge$ ) applicate ai conteggi di appartenenza degli elementi e dei loro inversi all'interno del gruppo.
Definizione di PFMG: Un Picture Fuzzy Multiset $D$ è definito come un Picture Fuzzy Multigroup se i suoi conteggi di appartenenza soddisfano specifiche disuguaglianze riguardanti l'operazione di gruppo e gli inversi. Nello specifico, i conteggi positivi e neutri devono essere non decrescenti sotto l'operazione di gruppo e gli inversi, mentre il conteggio negativo deve essere non crescente.
Dimostrazioni Teoriche: Il documento utilizza queste definizioni per dimostrare una serie di teoremi riguardanti le proprietà dei PFMG, inclusa la chiusura sotto inversione, il comportamento sotto composizione e la relazione tra un PFMG e i suoi tagli di livello (level cuts).

Contributi Chiave e Risultati
Il contributo primario del documento è l'introduzione formale dei Picture Fuzzy Multigroups e la successiva derivazione delle loro proprietà algebriche. I risultati specifici stabiliti includono:

Proprietà di Inverso e Composizione: Il documento dimostra che l'inverso di un PFMG è anche un PFMG e stabilisce la relazione $(D \circ E)^{-1} = E^{-1} \circ D^{-1}$ . Fornisce inoltre formulazioni alternative per l'operazione composita utilizzando elementi di gruppo unici.
Disuguaglianze Fondamentali: Il Teorema 3.3 dimostra che per ogni PFMG $D$ , i conteggi di appartenenza all'elemento identità $e$ sono massimi per i conteggi positivi e neutri e minimi per il conteggio negativo (ovvero $PC_M(e) \geq PC_M(g)$ , $NeC_M(e) \geq NeC_M(g)$ , e $NC_M(e) \leq NC_M(g)$ ). Dimostra inoltre che $D^{-1} \supseteq D$ .
Condizioni Equivalenti: Il Teorema 3.4 fornisce una condizione equivalente affinché un PFMS sia un PFMG, affermando che $D$ è un PFMG se e solo se le condizioni di appartenenza valgono per l'espressione $g_1 g_2^{-1}$ .
Insiemi di Taglio e Sottogruppi: Il documento introduce il set di taglio $(d, r, s, t)$ per un picture fuzzy multiset. Il Teorema 3.5 dimostra che se $D$ è un PFMG, il suo set di taglio $(d, r, s, t)$ è un sottogruppo nitido (crisp subgroup) del gruppo sottostante $C$ .
Sottogruppi di Livello: Il Teorema 3.6 definisce l'insieme $D^*$ costituito dagli elementi in cui i conteggi di appartenenza sono uguali a quelli dell'identità. Il documento dimostra che $D^*$ forma un sottogruppo nitido di $C$ .

Significatività e Rivendicazioni
Il documento rivendica modestamente che la sua significatività risiede nell'estensione del lavoro esistente sugli Intuitionistic Fuzzy Multigroups (Shinoj e Sunil) al contesto più ampio dei Picture Fuzzy Sets. Introducendo i PFMG, gli autori forniscono una nuova struttura algebrica che può modellare l'incertezza con maggiore granularità, tenendo conto simultaneamente di opinioni positive, neutre e negative all'interno di un ambiente multiset. L'instaurazione di proprietà quali la natura di sottogruppo dei set di taglio e il comportamento di inversi e composizioni pone le basi teoriche necessarie per future applicazioni di queste strutture in sistemi algebrici che coinvolgono l'incertezza complessa e multifaccettata. Il documento non propone applicazioni specifiche nel mondo reale o validazioni sperimentali, ma si concentra strettamente sulla coerenza matematica e sulle proprietà del concetto introdotto.