[논문 리뷰] On Bipolar Soft Sets

Muhammad Shabir, Munazza Naz|arXiv (Cornell University)|2013. 03. 06.

Fuzzy and Soft Set Theory참고 문헌 12인용 수 19

한 줄 요약

이 논문은 부정적 정보를 동시에 모델링할 수 있도록 소프트 집합 이론을 확장한 이중성 소프트 집합(bipolar soft sets)을 제안한다. 이는 유리한 속성과 불리한 속성을 각각 나타내는 두 함수를 사용한다. 새로운 연산으로 확장된 및 제한된 합집합/교집합을 제안하고, 가중치를 부여한 알고리즘을 적용하여 이중성 평가 기반 최적의 선택지를 식별하는 의사결정 문제에 적용한다. 이는 표준 소프트 집합 대비 랭킹 정확도 향상으로 입증된다.

ABSTRACT

We have studied the concept of bipolarity of information in the soft sets. We have defined bipolar soft sets and basic operations of union, intersection and complementation for bipolar soft sets. Examples of bipolar soft sets and an application of bipolar soft sets in a decision making problem with general algorithms have also been presented at the end.

연구 동기 및 목표

• 표준 소프트 집합이 의사결정에서 매개변수의 긍정적 및 부정적 측면을 동시에 다루는 데에 한계가 있다는 문제를 해결하기 위해.
• 예를 들어 '좋은 수리 상태'와 '나쁜 수리 상태'처럼 상반된 속성을 명시적으로 모델링하는 새로운 수학적 구조인 이중성 소프트 집합을 체계화하기 위해.
• 이중성 소프트 집합을 위한 새로운 연산, 예를 들어 확장된 및 제한된 합집합 및 교집합을 정의하기 위해.
• 최적의 선택지를 위한 양의 및 음의 평가를 통합한 가중치 기반 의사결정 알고리즘을 개발하기 위해.
• 실제 의사결정 문제에서의 비교 사례 연구를 통해 이중성 접근법이 표준 소프트 집합 대비 뛰어난 성능을 보임을 입증하기 위해.

제안 방법

• 매개변수의 보완 집합 ¬A를 기반으로, 긍정적 속성에 대해 F:A→P(U) 및 부정적 속성에 대해 G:¬A→P(U)인 두 함수를 사용하여 이중성 소프트 집합을 정의한다.
• 두 이중성 소프트 집합을 합칠 때 각각의 긍정적 및 부정적 구성요소를 별도로 집계하는 확장된 합집합 및 교집합 연산을 도입한다.
• 겹치는 매개변수 집합을 다룰 수 있도록 하되, 이중성 일관성을 유지하는 제한된 합집합 및 교집합을 정의한다.
• 각 매개변수에 가중치를 할당하고, 의사결정 값은 가중치가 부여된 속성 평가의 합(d_i = Σb_ij)으로 계산되는 가중치 기반 의사결정 알고리즘을 제안한다.
• 음성, 중립, 긍정성 평가를 각각 b_ij ∈ {−1, 0, 1}로 나타내는 의사결정 표를 사용한다.
• 분류 능력을 유지하면서 중복된 매개변수를 제거하기 위해 핵심 매개변수 분석을 적용하여 최소화된 그러나 효과적인 의사결정 규칙을 확보한다.

실험 결과

연구 질문

• RQ1 소프트 집합 이론은 어떻게 통합된 프레임워크 내에서 긍정적 및 부정적 속성을 동시에 모델링할 수 있는가?
• RQ2 이중성 소프트 집합을 위한 적절한 대수적 연산(합집합, 교집합)은 무엇이며, 이들의 이중성 특성을 유지하는가?
• RQ3 이중성 평가 기반 가중치 기반 의사결정 알고리즘이 기존 소프트 집합 방법에 비해 선택 정확도를 향상시킬 수 있는가?
• RQ4 이중성 소프트 집합에서 핵심 매개변수를 어떻게 식별하여 중복을 줄이되 분류 능력을 손상시키지 않을 수 있는가?
• RQ5 실제 의사결정 문제에서 이중성 모델은 표준 소프트 집합에 비해 어느 정도 뛰어난 성능을 보이는가?

주요 결과

• 이중성 소프트 집합 모델은 '좋은 수리 상태'와 '나쁜 수리 상태'와 같이 서로 대립되는 개념으로서의 긍정적 및 부정적 속성을 성공적으로 포착한다.
• 제안된 이중성 소프트 집합을 위한 확장된 및 제한된 연산은 합집합 및 교집합에 대해 닫혀 있으며, 수학적 일관성을 보장한다.
• 가중치 기반 의사결정 알고리즘은 m₈를 최적의 선택지로 정확히 식별하였으며, 결정 값은 3.6이다. 이는 가중치 없이 적용한 방법에서 m₈가 낮은 순위에 있었던 것과 대비된다.
• 핵심 매개변수 집합이 C와 동일하게 발견되어, 집합 내 모든 매개변수가 필수적이며 분류 능력을 잃지 않도록 제거될 수 없다는 것이 확인되었다.
• 의사결정 표는 일관성이 있었으며, IND(C) = IND(D)로 나타나 이중성 소프트 집합 모델이 주어진 매개변수 집합 하에서 신뢰할 수 있는 분류를 유지함을 확인하였다.
• 개선된 알고리즘은 가중치 기반 점수에 따라 후보를 재정렬하여 m₅의 순위를 7위에서 4위로 상향시켰으며, 이는 매개변수 중요도에 대한 민감도 향상을 보여준다.