🔢 mathematics

Picture Fuzzy Multigroups

Este artigo investiga multiconjuntos difusos de imagem e introduz o conceito de multigrupos difusos de imagem, estabelecendo suas principais propriedades algébricas.

Autores originais: Taiwo O. Sangodapo

Publicado 2026-07-09

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Taiwo O. Sangodapo

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você esteja tentando descrever um grupo de pessoas, mas não quer apenas dizer "elas estão aqui" ou "elas não estão aqui". Você quer capturar a realidade desordenada e complexa da opinião e do pertencimento humano.

Este artigo de Taiwo O. Sangodapo é sobre a construção de uma nova ferramenta matemática super detalhada para lidar com essa complexidade. Chama-se Picture Fuzzy Multigroups (Multigrupos Fuzzy de Imagem).

Aqui está a decomposição do que o artigo faz, usando analogias simples.

1. A Evolução do Pensamento "Fuzzy"

Para entender este artigo, você precisa ver como a matemática se tornou mais complicada ao longo do tempo:

Conjuntos Crisp (A Forma Antiga): Imagine uma lista de convidados para uma festa. Ou você está na lista, ou não está. É preto no branco.
Conjuntos Fuzzy (O Primeiro Upgrade): Imagine uma lista de convidados onde você pode estar "mais ou menos" convidado. Talvez você tenha 70% de chance de aparecer. Este é o "Conjunto Fuzzy".
Conjuntos Fuzzy Intuicionistas (O Segundo Upgrade): Agora, imagine que você pode dizer "tenho 70% de chance de vir, mas 20% de chance de ficar em casa". Você tem um "Sim" e um "Não", mas eles não precisam somar 100%. O restante é "talvez".
Conjuntos Fuzzy de Imagem (O Terceiro Upgrade): É aqui que o artigo começa. Imagine uma votação com quatro opções: Sim, Neutro (eu não me importo), Não e Recusa (eu me recuso a votar). O conjunto "Picture" rastreia todas as três opiniões ativas (Sim, Neutro, Não) ao mesmo tempo.
Multiconjuntos (O Upgrade de "Contagem"): Geralmente, a matemática trata uma lista de itens como um conjunto (itens únicos). Mas na vida real, as coisas se repetem. Se você tem um saco de bolinhas de gude, pode ter três vermelhas. Um "Multiconjunto" permite contar quantas vezes um item aparece.

A Grande Ideia do Artigo: O autor combina a ideia de "Imagem" (Sim/Neutro/Não) com a ideia de "Multiconjunto" (contagem de repetições). Ele chama isso de Picture Fuzzy Multiset (Multiconjunto Fuzzy de Imagem).

2. O Conceito de "Grupo"

Na matemática, um Grupo é uma coleção de coisas (como números ou formas) que seguem regras específicas quando as misturamos (como somar ou multiplicar). Por exemplo, se misturarmos dois números em um grupo, obtemos outro número no mesmo grupo.

O artigo pergunta: O que acontece se o nosso "Grupo" for feito desses Multiconjuntos Fuzzy de Imagem complexos?

3. As Novas Regras (O "Multigrupo")

O autor introduz o Picture Fuzzy Multigroup (PFMG). Pense nisso como um clube onde a adesão não é apenas um simples "dentro" ou "fora". Em vez disso, cada membro tem um perfil complexo:

Contagem Positiva: O quão fortemente eles pertencem (Sim).
Contagem Neutra: O quão incertos eles são (Neutro).
Contagem Negativa: O quão fortemente eles não pertencem (Não).

O artigo estabelece as "leis da física" para este novo tipo de clube. Por exemplo:

A Regra de Mistura: Se você pegar dois membros e "misturá-los" (realizar a operação de grupo), o membro resultante deve ter uma pontuação de "Sim" pelo menos tão alta quanto a pontuação de "Sim" mais fraca dos dois originais.
A Regra do Espelho: Se você inverter um membro (pegar seu inverso), a pontuação de "Sim" dele não deve cair abaixo da sua pontuação original.

4. A Analogia do "Corte" (Simplificando o Complexo)

Uma das ferramentas mais úteis no artigo é o Conjunto de Corte (Cut Set).

Imagine que você tem um bolo muito complexo e de múltiplas camadas (um Picture Fuzzy Multigroup). É complicado demais para comer de uma só vez. O "Conjunto de Corte" é como fatiar esse bolo em uma altura específica.

Se você fatiar no alto, obterá apenas os membros "muito fortes".
Se você fatiar mais baixo, obterá um grupo maior que inclui membros "ok".

O artigo prova um fato crucial: Não importa como você fatie este bolo complexo, a peça que você obtém é sempre um grupo "crisp" padrão e simples. Isso significa que, embora a matemática seja sofisticada e complexa, se você olhar para ela através de um filtro específico, ela se comporta como um grupo normal e previsível.

5. O "Núcleo" do Grupo

O artigo também define um subconjunto especial chamado $D^*$ . Pense nisso como o "Lounge VIP" ou a "Equipe Central".

Estes são os membros que têm exatamente as mesmas pontuações de "Sim", "Neutro" e "Não" que o líder do grupo (o elemento identidade).
O artigo prova que este Lounge VIP também é um grupo padrão válido por si só.

Resumo

Em linguagem simples, este artigo é um projeto matemático para lidar com grupos onde a adesão é complicada, repetida e multifacetada.

Ele pega a ideia de um "grupo" (uma coleção estruturada) e a atualiza para lidar com:

Ambiguidade: (Sim, Neutro, Não).
Repetição: (Contar quantas vezes algo aparece).
Estrutura: (Garantir que, quando misturamos esses itens complexos, as regras ainda se mantenham).

O autor não apenas inventa isso; ele prova que esses novos "Picture Fuzzy Multigroups" se comportam logicamente. Ele mostra que, se você olhar para eles de perto (usando "cortes"), eles se transformam em grupos normais e confiáveis, dando aos matemáticos uma maneira de usar essa ferramenta complexa com confiança.

Resumo Técnico: Multigrupos Fuzzy de Imagem

Problema e Contexto
O artigo aborda a necessidade de estender as estruturas algébricas dentro do arcabouço da teoria dos conjuntos fuzzy para lidar com incertezas mais complexas. Os autores rastreiam a evolução da teoria dos conjuntos, desde os Conjuntos Fuzzy (CF) de Zadeh até os Conjuntos Fuzzy Intuicionistas (CFI) de Atanassov e, subsequentemente, aos Conjuntos Fuzzy de Imagem (CFI) de Cuong e Kreinovich, que incorporam graus de pertinência positivos, neutros e negativos. Paralelamente, o conceito de multiconjuntos (onde os elementos podem ocorrer múltiplas vezes) foi introduzido por Yager e estendido aos Multiconjuntos Fuzzy Intuicionistas. Embora Cao et al. tenham estabelecido anteriormente os Multiconjuntos Fuzzy de Imagem (MFI) como uma generalização tanto de Multiconjuntos Fuzzy quanto de Multiconjuntos Fuzzy Intuicionistas, e Shinoj e Sunil tenham definido Multigrupos Fuzzy Intuicionistas, faltava uma definição formal e uma análise algébrica dos Multigrupos Fuzzy de Imagem (MFI). Este artigo visa preencher essa lacuna ao introduzir o conceito de MFI e estabelecer suas propriedades algébricas fundamentais.

Metodologia
O estudo emprega uma abordagem matemática dedutiva fundamentada na álgebra abstrata e na lógica fuzzy. A metodologia procede da seguinte forma:

Definições Fundamentais: O artigo começa revisando os pré-requisitos necessários, incluindo definições de Conjuntos Fuzzy, Conjuntos Fuzzy Intuicionistas e Conjuntos Fuzzy de Imagem. Define especificamente os Multiconjuntos Fuzzy de Imagem (MFI) sobre um grupo nítido (crisp) $C$ , caracterizados por três funções de contagem: Contagem de Pertinência Positiva ( $PC_M$ ), Contagem de Pertinência Neutra ( $NeC_M$ ) e Contagem de Pertinência Negativa ( $NC_M$ ).
Operações Estruturais: Os autores definem operações em MFI, incluindo o inverso ( $D^{-1}$ ) e o composto ( $D \circ E$ ) de dois multiconjuntos fuzzy de imagem. Essas operações são definidas usando operações de reticulado (supremo $\vee$ e ínfimo $\wedge$ ) aplicadas às contagens de pertinência dos elementos e seus inversos dentro do grupo.
Definição de MFI: Um Multiconjunto Fuzzy de Imagem $D$ é definido como um Multigrupo Fuzzy de Imagem se suas contagens de pertinência satisfizerem desigualdades específicas em relação à operação de grupo e inversos. Especificamente, as contagens positivas e neutras devem ser não decrescentes sob a operação de grupo e inversos, enquanto a contagem negativa deve ser não crescente.
Provas Teóricas: O artigo utiliza essas definições para provar uma série de teoremas sobre as propriedades dos MFI, incluindo a clausura sob inversão, o comportamento sob composição e a relação entre um MFI e seus cortes de nível.

Principais Contribuições e Resultados
A principal contribuição do artigo é a introdução formal dos Multigrupos Fuzzy de Imagem e a subsequente derivação de suas propriedades algébricas. Os resultados específicos estabelecidos incluem:

Propriedades de Inverso e Composição: O artigo prova que o inverso de um MFI também é um MFI e estabelece a relação $(D \circ E)^{-1} = E^{-1} \circ D^{-1}$ . Ele também fornece formulações alternativas para a operação composta usando elementos únicos do grupo.
Desigualdades Fundamentais: O Teorema 3.3 demonstra que, para qualquer MFI $D$ , as contagens de pertinência no elemento identidade $e$ são máximas para as contagens positivas e neutras e mínimas para a contagem negativa (ou seja, $PC_M(e) \geq PC_M(g)$ , $NeC_M(e) \geq NeC_M(g)$ e $NC_M(e) \leq NC_M(g)$ ). Também prova que $D^{-1} \supseteq D$ .
Condições Equivalentes: O Teorema 3.4 fornece uma condição equivalente para um MFI ser um MFI, afirmando que $D$ é um MFI se, e somente se, as condições de pertinência valem para a expressão $g_1 g_2^{-1}$ .
Conjuntos de Corte e Subgrupos: O artigo introduz o conjunto de corte $(d, r, s, t)$ para um multiconjunto fuzzy de imagem. O Teorema 3.5 prova que, se $D$ é um MFI, seu conjunto de corte $(d, r, s, t)$ é um subgrupo nítido do grupo subjacente $C$ .
Subgrupos de Nível: O Teorema 3.6 define o conjunto $D^*$ consistindo de elementos onde as contagens de pertinência são iguais às do elemento identidade. O artigo prova que $D^*$ forma um subgrupo nítido de $C$ .

Significância e Alegações
O artigo alega modestamente que sua significância reside na extensão do trabalho existente sobre Multigrupos Fuzzy Intuicionistas (Shinoj e Sunil) para o contexto mais amplo dos Conjuntos Fuzzy de Imagem. Ao introduzir os MFI, os autores fornecem uma nova estrutura algébrica que pode modelar a incerteza com maior granularidade, contabilizando opiniões positivas, neutras e negativas simultaneamente dentro de um ambiente de multiconjunto. O estabelecimento de propriedades como a natureza de subgrupo dos conjuntos de corte e o comportamento de inversos e composições estabelece a base teórica necessária para aplicações futuras dessas estruturas em sistemas algébricos envolvendo incerteza multifacetada e complexa. O artigo não propõe aplicações específicas do mundo real ou validações experimentais, mas foca estritamente na consistência matemática e nas propriedades do conceito introduzido.