A general framework for level continuous fuzzy-valued functions

논문 개요

이 논문은 퍼지 분석 (Fuzzy Analysis) 분야에서 레벨 연속 (level continuous) 퍼지 값 함수를 다루기 위한 새로운 일반적 프레임워크를 제시합니다. 저자들은 기존의 퍼지 수 공간 $(E^1, d_\infty)$에 대한 연구가 주로 균등 수렴 (supremum metric) 에 기반하고 있었으나, 더 넓은 범위의 레벨 수렴 (level convergence, $\tau_\ell$) 위상을 가진 함수들을 체계적으로 분석할 수 있도록, 이를 2 변수 실수 함수 공간의 곱 (product) 으로 임베딩 (embedding) 하는 방법을 제안합니다.

1. 문제 제기 (Problem)

• 배경: 퍼지 수 (Fuzzy Numbers, $E^1$) 는 불확실성 모델링에 필수적이지만, 실수 기반의 고전적 분석과는 대수적 및 구조적 성질이 다릅니다.
• 기존 접근법의 한계:
  • 기존 연구는 주로 **균등 거리 ($d_\infty$)**를 사용하여 퍼지 수 공간 $(E^1, d_\infty)$를 Banach 공간의 원뿔 (cone) 에 임베딩하거나, 연속 퍼지 수 ($E^1_c$) 에 국한된 결과를 도출했습니다.
  • 레벨 수렴 ($\tau_\ell$) 위상은 $d_\infty$ 위상보다 약한 (weaker) 위상이며, 이에 대한 연속 함수 공간 $C(K, E^1_\ell)$은 $C(K, E^1_\infty)$를 포함합니다.
  • 그러나 레벨 연속 함수의 경우, Goetschel-Voxman 파라미터화 ($f_1, f_2$) 를 통해 얻은 2 변수 함수들이 첫 번째 변수 (레벨 $\lambda$) 에 대해 연속이지 않을 수 있습니다. 즉, 기존에 알려진 "연속 퍼지 수"의 경우와 달리, 일반적인 레벨 연속 함수는 2 변수 공간에서 단순히 연속 함수로 취급할 수 없습니다.
• 핵심 질문: 레벨 수렴 위상을 가진 일반적인 퍼지 값 연속 함수들을 어떻게 체계적으로 표현하고, 그 성질을 분석할 수 있는가?

2. 방법론 (Methodology)

저자들은 Goetschel-Voxman 의 퍼지 수 파라미터화 정리를 기반으로 다음과 같은 접근법을 취했습니다.

1. 함수 표현 (Representation):

   • 임의의 퍼지 값 함수 $f: K \to E^1$ (여기서 $K$는 콤팩트 공간) 에 대해, 두 개의 실수 값 함수 $f_1, f_2: [0, 1] \times K \to \mathbb{R}$을 정의합니다.
     • $f_1(\lambda, t) = [f(t)]^-(\lambda)$ (하한 끝점)
     • $f_2(\lambda, t) = [f(t)]^+(\lambda)$ (상한 끝점)
   • 여기서 $[f(t)]_\lambda = [f(t)^-(\lambda), f(t)^+(\lambda)]$는 $\lambda$-레벨 집합입니다.

2. 새로운 함수 공간의 정의:

   • 일반적인 연속 함수 공간이 아닌, 별도 좌측 연속 - 연속 (separately left continuous - continuous) 및 단조성 (monotonicity) 조건을 만족하는 함수들의 집합 $C([0, 1] \times K)$를 정의했습니다.
   • 정의 4.3: 함수 $f \in C([0, 1] \times K)$는 다음을 만족해야 합니다.
     • $(0, 1] \times K$에서 연결된 좌측 연속 - 연속 (jointly left continuous - continuous): $\lambda$에 대해 좌측 연속이고 $t$에 대해 연속이며, 이 두 성질이 결합된 형태.
     • $\{0\} \times K$에서 연결된 우측 연속 - 연속 (jointly right continuous - continuous).
     • 모든 $t \in K$에 대해, $f(\cdot, t)$는 단조 함수 (비감소 또는 비증가) 이어야 함.

3. 임베딩 (Embedding):

   • 레벨 연속 퍼지 값 함수 공간 $C(K, E^1_\ell)$을 위와 같이 정의된 함수 공간의 곱 $C([0, 1] \times K) \times C([0, 1] \times K)$로 **동형 (isomorphic) 이면서 등거리 (isometric)**하게 임베딩합니다.

3. 주요 기여 및 결과 (Key Contributions & Results)

A. 새로운 함수 공간 $C([0, 1] \times K)$의 성질 규명

• 유계성 (Boundedness): $K$가 콤팩트일 때, $C([0, 1] \times K)$에 속하는 모든 함수는 유계입니다 (Theorem 4.4). 이는 단조성과 좌/우측 연속성이 결합되었을 때 발생하는 결과입니다.
• 비선형성 (Non-linearity): 이 공간은 벡터 공간도, 원뿔 (cone) 도 아닙니다. 두 함수의 합이 특정 $t$에서 단조성을 잃을 수 있기 때문에 덧셈에 대해 닫혀 있지 않습니다. 이는 기존 Banach 공간 이론과 구별되는 중요한 특징입니다.
• 닫힌 집합성: 유계 함수 공간 $B([0, 1] \times K)$의 노름 ($\|\cdot\|_\infty$) 에 대해 닫힌 집합 (closed subset) 입니다.

B. 등거리 임베딩 정리 (Theorem 4.7)

• 공간 $(C(K, E^1_\ell), D)$는 $(C([0, 1] \times K) \times C([0, 1] \times K), D_\infty)$의 **닫힌 볼록 원뿔 (closed convex cone)**으로 등거리 임베딩됩니다.
• 이를 통해 퍼지 값 함수의 분석을 2 변수 실수 함수의 분석으로 환원할 수 있게 되었습니다.

C. $C(K, E^1_\ell)$와 $C(K, E^1_\infty)$의 차이점 규명 (Section 5)

• 우측 극한 (Right Limits) 의 행동 차이:
  • $f \in C(K, E^1_\infty)$ (균등 연속) 인 경우, 대응하는 함수 $f_1, f_2$는 균등 수렴 조건을 만족하여 우측 극한에 대해 "연결된 우측 극한 - 연속 (jointly right limit - continuous)" 성질을 가집니다.
  • 반면, $f \in C(K, E^1_\ell)$ (레벨 연속) 인 경우, 이 성질이 성립하지 않을 수 있습니다 (Example 5.8).
  • 이는 레벨 수렴 위상 하에서는 함수의 수렴이 $\lambda$에 대해 균등하지 않기 때문에 발생하는 현상입니다.

D. 반례 제시

• Example 3.1: 레벨 연속이지만 $d_\infty$-연속이 아닌 함수를 구성하여, 두 공간이 동일하지 않음을 보였습니다.
• Example 5.4 & 5.8: 균등 수렴 가정이 없으면 우측 극한의 교환이 불가능함을 보여주어, 기존 연속 퍼지 수 이론이 일반 퍼지 수로 확장될 때 주의해야 할 점을 강조했습니다.

4. 의의 및 결론 (Significance)

1. 이론적 확장: 기존의 연속 퍼지 수 ($E^1_c$) 에 국한되었던 연구 범위를, 불연속 퍼지 수를 포함하는 일반적인 레벨 연속 함수 ($E^1_\ell$) 로 확장했습니다.
2. 새로운 분석 도구: "좌측 연속 - 연속 (left continuous - continuous)" 함수 공간이라는 새로운 개념을 도입하여, 퍼지 값 함수의 복잡한 수렴 행동을 2 변수 실수 함수의 성질로 정밀하게 분석할 수 있는 도구를 제공했습니다.
3. 응용 가능성: 이 프레임워크는 퍼지 미분 방정식, 퍼지 최적화, 퍼지 의사결정 등 퍼지 분석의 다양한 분야에서 더 일반화된 수학적 모델을 구축하는 데 기여할 것으로 기대됩니다. 특히, 기존 Banach 공간 이론이 적용되지 않는 비선형적 (비벡터 공간) 구조를 가진 퍼지 함수들을 체계적으로 다룰 수 있는 토대를 마련했습니다.

요약하자면, 이 논문은 레벨 수렴 위상을 가진 퍼지 값 함수들을 2 변수 실수 함수 공간의 특수한 부분집합으로 임베딩함으로써, 퍼지 분석의 이론적 기반을 보다 일반적이고 엄밀한 수준으로 재정립했습니다.