[논문 리뷰] Relations on FP-Soft Sets Applied to Decision Making Problems

İrfan Deli̇, Naim Çağman|arXiv (Cornell University)|2014. 02. 13.

Fuzzy and Soft Set Theory참고 문헌 20인용 수 3

한 줄 요약

이 논문은 퍼지 매개변수 소프트 집합(FP-소프트 집합)에 대한 관계를 도입하고, 이러한 관계를 바탕으로 새로운 의사결정 방법을 제안한다. FP-소프트 관계에 대해 반사성, 대칭성, 추이성을 정의하고, 퍼지화 연산자를 적용함으로써 불확실한 데이터로부터 최적의 대안을 식별하는 방법은 실제 사례에서 멤버십도가 가장 높은 자동차를 성공적으로 선정한다.

ABSTRACT

In this work, we first define relations on the fuzzy parametrized soft sets and study their properties. We also give a decision making method based on these relations. In approximate reasoning, relations on the fuzzy parametrized soft sets have shown to be of a primordial importance. Finally, the method is successfully applied to a problems that contain uncertainties.

연구 동기 및 목표

• 퍼지 매개변수 소프트 집합(FP-소프트 집합)에 대한 관계를 정의하고 연구하여, 퍼지 매개변수를 가진 불확실성을 다룰 수 있도록 소프트 집합 이론을 확장한다.
• FP-소프트 관계에 대해 반사성, 대칭성, 추이성 성질을 도입하고 형식화하여 의사결정에서 논리적 추론을 지원한다.
• 모호하고 불확실한 정보를 다룰 수 있는 FP-소프트 관계 기반의 의사결정 방법을 개발한다.
• 실제 응용에서의 불확실성 문제를 해결하는 데 효과적임을 입증하기 위해 실생활 사례 연구를 수행한다.

제안 방법

• 멤버십도를 관계를 나타내는 데 사용하여, 매개변수 쌍에서 유니버스의 퍼지 부분집합으로의 사상으로서 FP-소프트 관계를 정의한다.
• 모든 매개변수 쌍을 통해 멤버십 값을 집계함으로써 FP-소프트 관계를 유니버스 위의 퍼지 집합으로 변환하는 퍼지화 연산자 $ s_{R_F} $ 를 도입한다.
• 최소 t-노름을 사용하여 퍼지화된 집합 내 각 객체의 멤버십을 계산함으로써 관계 증거의 보수적인 집계를 보장한다.
• 결과로 얻어진 퍼지 집합을 사용하여 멤버십 값에 따라 대안을 순위 매기고, 가장 높은 값을 가진 대안을 최적의 결정으로 선정한다.
• 다섯 단계로 의사결정 알고리즘을 구성한다: (1) 퍼지 매개변수 집합 정의, (2) FP-소프트 집합 구축, (3) 기준에 기반한 FP-소프트 관계 정의, (4) 퍼지화 연산자 적용, (5) 최고 멤버십 값을 가진 대안 선정.
• 고객이 안전성, 비용, 현대성, 크기 기준으로 자동차를 선택하는 사례 연구를 통해 방법을 검증한다.

실험 결과

연구 질문

• RQ1 논리적 추론을 지원하기 위해 퍼지 매개변수 소프트 집합(FP-소프트 집합)에 대한 관계를 어떻게 공식적으로 정의하고 특성화할 수 있는가?
• RQ2 FP-소프트 집합에 대한 관계가 반사성, 대칭성 또는 추이성을 가지기 위한 필수 및 충분 조건은 무엇인가?
• RQ3 FP-소프트 관계 기반의 의사결정 방법이 불확실성을 효과적으로 다루고 일관되고 해석 가능한 결과를 도출할 수 있는가?
• RQ4 퍼지화 연산자는 관계 데이터를 어떤 식으로 객체 선정에 적합한 퍼지 집합으로 변환하는가?
• RQ5 제안된 프레임워크에서 다른 t-노름(예: 최소)을 사용할 경우 최종 의사결정 결과에 어떤 영향을 미치는가?

주요 결과

• 제안된 의사결정 방법은 퍼지화된 관계를 계산함으로써 최적의 대안을 성공적으로 식별하였으며, 객체 $ u_3 $, $ u_7 $, $ u_8 $ 의 멤버십도가 최고 수준인 0.244를 기록하였다.
• 퍼지화 연산자 $ s_{R_F} $ 는 유니버스 위의 퍼지 집합을 생성하며, 이때 $ u_3 $, $ u_7 $, $ u_8 $ 가 최대 멤버십 값 0.244를 확보하여 최적 선택으로 선정됨을 나타낸다.
• 이 방법은 반사성, 대칭성, 추이성을 가진 FP-소프트 관계가 실생활의 불확실성 하에서 의사결정 문제를 모델링하고 해결하는 데 사용될 수 있음을 보여준다.
• 최소 t-노름의 사용은 관계 멤버십의 보수적인 집계를 보장하여 의사결정 과정의 논리적 일관성을 유지한다.
• 사례 연구는 이 방법이 효과적임을 확인한다: 모든 자동차 중에서 $ u_3 $, $ u_7 $, $ u_8 $ 는 퍼지화된 관계 내에서 높은 통합 멤버십도를 확보하여 최고의 선택으로 선정되었다.
• 이 프레임워크는 확장 가능하며, 다른 t-노름(예: 대수적, 아인슈타인)을 사용하여 다양한 의사결정 맥락에 적응할 수 있다.