[논문 리뷰] Advancing Uncertain Combinatorics through Graphization, Hyperization, and Uncertainization: Fuzzy, Neutrosophic, Soft, Rough, and Beyond

Takaaki Fujita, Smarandache, Florentin|ArXiv.org|2024. 11. 24.

Cognitive Science and Mapping인용 수 4

한 줄 요약

이 두 번째 판 책은 퍼지, 넉스포픽, 소프트, 그리고 거칠기 이론을 그래프 이론적 및 초구조적 프레임워크에 통합하여 불확실한 조합론을 발전시킨다. 넉스포픽 초집합, 하위집합, 오프셋, 그리고 비표준 실수 집합과 같은 새로운 개념을 도입한다. 이는 조합론, 그래프 이론, 그리고 초구조론 분야에서 불확실성 모델링을 통합하며, 인공지능, 이산수학, 기계학습 분야의 연구자들에게 수학적으로 일관되고 종합적인 참고 자료를 제공한다.

ABSTRACT

Combinatorics is a branch of mathematics focused on counting, arranging, and combining elements within a setunder specific rules and constraints. This field is particularly fascinating due to its ability to yield novel resultsthrough the integration of concepts from various mathematical domains. Its significance remains unchangedin areas that address uncertainty in the real world.Set theory, another foundational area of mathematics, explores ”sets,” which are collections of objects that canbe finite or i nfinite. Recent years have seen growing interest in ”non-standard set theory” and ”non-standardanalysis.” To better handle real-world uncertainty, concepts such as fuzzy sets, neutrosophic sets, rough sets,and soft sets have been introduced. For example, neutrosophic sets, which simultaneously represent truth,indeterminacy, and falsehood, have proven to be valuable tools for modeling uncertainty in complex systems.These set concepts are increasingly studied in graphized forms, and generalized graph concepts now encompasswell-known structures such as hypergraphs and superhypergraphs. Furthermore, hyperconcepts and superhyperconceptsare being actively researched in areas beyond graph theory.Combinatorics, uncertain sets (including fuzzy sets, neutrosophic sets, rough sets, soft sets, and plithogenicsets), uncertain graphs, and hyper and superhyper concepts are active areas of research with significant mathematicaland practical implications. Recognizing their importance, This Book explores new graph and setconcepts, as well as hyper and superhyper concepts, as detailed in the ”Results” section of ”The Structure ofthe Book.” Additionally, this work aims to consolidate recent findings, p roviding a s urvey-like r esource toinform and engage readers. For instance, we extend several graph concepts by introducing Neutrosophic Oversets,Neutrosophic Undersets, Neutrosophic Offsets, and the Nonstandard Real Set [ 1]. This Book defines avariety of concepts with the goal of inspiring new ideas and serving as a valuable resource for researchers intheir academic pursuits.Note that this book is Edition 2.0. In this edition, we add several recent concepts to the existing volume andalso revise typographical errors and re-examine mathematical correctness.

연구 동기 및 목표

• 고도로 발전된 집합론적 모델을 사용하여 불확실성 하에서의 조합론적 프레임워크를 통합하고 확장하기.
• 그래프화 및 초구조화를 통해 이산 구조에서의 불확실성을 형식화하며, 고차원 슈퍼초구조를 포함한다.
• Neutrosophic Oversets, Undersets, Offsets, 그리고 Nonstandard Real Set와 같은 새로운 수학적 구조를 도입하고 철저히 정의하기.
• 모든 판본에서 수학적 일관성과 문체 오류를 확보하여 학술적 사용에 대한 신뢰도를 높이기.
• 불확실한 조합론과 인공지능 분야의 향후 연구를 위한 통합적이고 신뢰할 수 있는 참고 자료이자 기반을 제공하기.

제안 방법

• 기존의 조합론에 퍼지, 넉스포픽, 소프트, 거칠기 집합을 그래프 및 초구조 모델에 통합하여 확장한다.
• 표준 집합의 경계를 초월하여 진리도, 불확정성도, 거짓도를 가진 원소를 모델링하기 위해 넉스포픽 초집합을 도입한다.
• 불완전하거나 일관되지 않은 데이터를 조합론적 구조에서 표현하기 위해 넉스포픽 하위집합과 오프셋을 적용한다.
• 무한소 및 무한대 값을 포함한 불확실한 조합 계수 및 최적화 문제를 다루기 위해 비표준 실수 집합을 활용한다.
• 고차원의 복잡한 다수준 상호의존성을 모델링할 수 있는 고차원 슈퍼초구조로 일반화된 고전적 그래프를 초구조화 및 슈퍼초구조화한다.
• 두 번째 판에서 이전의 모든 형식적 체계를 재검토하고 통합하여 일관성, 정확성, 개념적 명료성을 확보한다.

실험 결과

연구 질문

• RQ1 퍼지, 넉스포픽, 소프트, 거칠기 집합을 통해 고전적 조합론을 어떻게 확장하여 불확실성을 모델링할 수 있는가?
• RQ2 넉스포픽 집합을 초집합, 하위집합, 오프셋에 적용했을 때 어떤 새로운 그래프 이론적 구조가 도출되는가?
• RQ3 초그래프와 슈퍼초그래프는 어떻게 불확실하고 다중관계적인 조합론적 시스템을 더 잘 표현하는가?
• RQ4 비표준 실수와 불확정된 값을 포함한 불확실한 조합 모델에서 일관성을 확보하기 위해 어떤 수학적 기초가 필요한가?
• RQ5 다양한 불확실성 모델을 하나의 통합적이고 일관되며 재사용 가능한 형식론으로 통합할 수 있는 방법은 무엇인가?

주요 결과

• 논문은 넉스포픽 집합을 그래프 및 초구조 모델에 통합함으로써 고전적 조합론을 성공적으로 확장하여 불확실성의 더 rich한 표현이 가능해졌다.
• 넉스포픽 초집합, 하위집합, 오프셋은 철저히 정의되었으며, 불확실성 하에서 표준 집합 연산의 일반화를 보여주었다.
• 비표준 실수 집합은 무한소 및 무한대 값을 포함한 불확실한 계수 및 최적화 문제를 다루기 위한 기초 도구로 도입되었다.
• 두 번째 판은 문체 오류를 수정하고 수학적 일관성을 재검증하여 학술적 및 연구적 사용에 있어 신뢰도를 크게 향상시켰다.
• 퍼지, 넉스포픽, 소프트, 거칠기 집합이 그래프화 및 초구조화된 프레임워크에 통합되어 불확실한 조합론을 위한 통합적이고 확장 가능한 기초를 제공한다.
• 이 책은 인공지능, 이산수학, 기계학습 분야의 연구자들에게 포괄적이고 수학적으로 엄밀한 참고 자료를 확립하였으며, 불확실한 추론과 의사결정에의 적용이 가능하다.