في عالم يتسم بالتعقيد وعدم اليقين، يواجه صانعي القرار تحديات جمة في معالجة المعلومات غير الدقيقة، التي غالبًا ما يتم تمثيلها باستخدام مجموعات ضبابية، وخاصة الأعداد الضبابية المثلثية (Triangular Fuzzy Numbers - TFNs). أحد الجوانب الأساسية في العديد من الطرق الضبابية هو قياس المسافة بين TFNs.

تظهر المشكلة بوضوح عندما نفترض أن جميع القيم تتواجد على نفس المقياس، مما يتطلب مرحلة تطبيع مسبقة عند تطبيق القياسات على سمات غير متجانسة تمتلك مقاييس أو وحدات مختلفة.

هنا تأتي الابتكارات التي قدمها الباحثون في أحدث ورقة علمية، حيث يقترحون مسافة إعادة تشكيل التباين الضبابي (d_{TR})، وهي ميتريك جديدة تهدف إلى معالجة هذه التحديات. تعمل هذه الميتريك على دمج إعادة التشكيل الخطي (Linear Rescaling - LRE) مباشرة في حساب المسافة، مما يضمن التطبيع أثناء مقارنة الأعداد الضبابية.

تم إثبات أن d_{TR} تلبي الخصائص الأساسية للميتريك، بما في ذلك عدم السلبية، الهوية، التماثل، ومبدأ مثلث التباين. علاوة على ذلك، تُظهر الدلائل أن d_{TR} محصورة، مقاومة للمقياس، وغير معتمدة على النقطة الأصلية.

مزيج هذه الخصائص، مضافًا إليه متجه الوزن لتحديد الأولويات بين الأبعاد، يجعل d_{TR} مناسبًا للاستخدامات المتعلقة بالبيانات الضبابية غير المتجانسة، مثل إنشاء مؤشرات تركيبية، خوارزميات التعلم الآلي المعتمدة على المسافة، أو المساعدة في اتخاذ القرارات متعددة المعايير.

يساهم هذا البحث في تمهيد الطريق لفهم أعمق وأسهل في معالجة المعلومات الضبابية مع دعم وتحسين عملية اتخاذ القرار في أنظمة معقدة. ما رأيكم في هذا التطور؟ شاركونا في التعليقات!