[论文解读] Basic Neutrosophic Algebraic Structures and their Application to Fuzzy and Neutrosophic Models

W. B. Vasantha Kandasamy, Florentín Smarandache|ArXiv.org|Dec 21, 2004

Cognitive Science and Mapping参考文献 45被引用 67

一句话总结

本文引入了基础的中性模糊代数结构，并将其应用于模糊和中性模糊模型，特别是通过中性模糊图。它通过引入中性模糊逻辑来体现不确定性，扩展了经典模糊理论，提出了基于图的新模型，用于认知和关系系统，适用于不确定性建模。

ABSTRACT

The involvement of uncertainty of varying degrees when the total of the membership degree exceeds one or less than one, then the newer mathematical paradigm shift, Fuzzy Theory proves appropriate. For the past two or more decades, Fuzzy Theory has become the potent tool to study and analyze uncertainty involved in all problems. But, many real-world problems also abound with the concept of indeterminacy. In this book, the new, powerful tool of neutrosophy that deals with indeterminacy is utilized. Innovative neutrosophic models are described. The theory of neutrosophic graphs is introduced and applied to fuzzy and neutrosophic models. This book is organized into four chapters. In Chapter One we introduce some of the basic neutrosophic algebraic structures essential for the further development of the other chapters. Chapter Two recalls basic graph theory definitions and results which has interested us and for which we give the neutrosophic analogues. In this chapter we give the application of graphs in fuzzy models. An entire section is devoted for this purpose. Chapter Three introduces many new neutrosophic concepts in graphs and applies it to the case of neutrosophic cognitive maps and neutrosophic relational maps. The last section of this chapter clearly illustrates how the neutrosophic graphs are utilized in the neutrosophic models. The final chapter gives some problems about neutrosophic graphs which will make one understand this new subject.

研究动机与目标

• 为建模不确定和不一致信息，建立基本的中性模糊代数结构作为基础。
• 通过引入考虑真值、假值和不确定性三者的中性模糊类比，扩展模糊图理论。
• 将中性模糊图应用于涉及不确定性和不完整数据的实际问题。
• 提出中性模糊认知图和关系图作为建模具有不确定性的复杂系统的工具。
• 通过开放问题和理论基础，为中性模糊图理论的未来研究提供框架。

提出的方法

• 引入中性模糊代数结构，如中性模糊群、中性模糊环和中性模糊域，以形式化不确定元素。
• 通过在经典图论中引入三种隶属度——真值、不确定性与假值——来定义中性模糊图。
• 通过在关系中引入不确定性和不一致性，将中性模糊图应用于模糊系统的建模。
• 开发中性模糊认知图（NCMs）和中性模糊关系图（NRMs），作为在不确定性条件下进行决策建模的动态模型。
• 使用图形表示和130幅图示来说明中性模糊结构及其应用。
• 提出一个系统性框架，利用代数和图论工具分析和解决中性模糊模型中的问题。

实验结果

研究问题

• RQ1 如何形式化定义中性模糊代数结构，以处理数学模型中的不确定性？
• RQ2 经典图论概念的中性模糊类比是什么？它们与模糊图有何不同？
• RQ3 中性模糊图在建模不确定和不一致系统方面，相较于传统模糊模型有何增强能力？
• RQ4 如何构建并应用中性模糊认知图和关系图来解决实际决策问题？
• RQ5 在通过中性模糊结构将模糊模型扩展以包含不确定性时，面临哪些关键的理论与实践挑战？

主要发现

• 本文成功建立了中性模糊代数结构的理论基础，包括中性模糊群、中性模糊环和中性模糊域。
• 中性模糊图通过三值隶属函数被正式定义，能够表示真值、不确定性与假值。
• 中性模糊图在模糊模型中的应用表明，其在处理不一致和不确定数据方面具有更强的能力。
• 中性模糊认知图和关系图被引入为建模具有不确定关系的复杂系统的有效工具。
• 该框架为未来研究提供了基础，最终一章提出了20个开放问题，以指导中性模糊图理论的进一步研究。
• 将中性模糊逻辑整合到代数和图论模型中，相较于仅使用经典模糊逻辑，提供了一种更全面的不确定性处理方法。