调解模糊逻辑：从类型-1基础到类型-2、类型-3和量子扩展

# 中介模糊逻辑：从类型1基础到类型2、类型3及量子扩展  
**来源:** https://arxiv.org/html/2605.22900  

###### 摘要  
中介模糊逻辑最初被设计为一种实用方案，用于协调模糊控制与决策中的犹豫或冲突评估。然而，其逻辑与语义基础，尤其是在操作型类型1设定之外，仍欠发展。本文对类型1核心、区间类型2、粒化类型3及量子扩展进行了统一阐述。我们将中介算子刻画为由犹豫度和矛盾度控制的凸聚合，将中介真值建模为连续双格结构中的独立真-假对，并引入一个命题系统，该系统在标准t-范数模糊逻辑基础上扩展了一个中介联结词。我们建立了该逻辑的可靠性、亚相容性，以及对不含中介的公式在底层模糊逻辑基础上的保守扩展性。我们还对区间类型2真值、粒索引局部评估、以及希尔伯特空间上的效应和密度算子制定了连贯的语义扩展。一个自主制动传感器融合示例说明了该框架如何支持在信息不完全、异构且轻度矛盾证据下的透明、保守且安全至上的决策。在适当假设下，更高层次的公式化会退化为类型1情形，从而阐明跨层次的连贯性，并为智能决策系统的未来工作提供可靠支持。  

###### 关键词: 模糊逻辑, 中介推理, 类型2模糊集, 类型3模糊集, 粒计算, 量子逻辑  

††期刊: Information Sciences  
\\affiliation 组织=Instituto Politécnico Nacional - CITEDI, 地址=AV. Instituto Politécnico Nacional 1310, 城市=Tijuana, 邮政编码=22435, 州=Baja California, 国家=墨西哥  

## 1 引言  

现实世界中的决策问题通常基于不仅不精确、而且不完整、在许多情况下还真实矛盾的信息。经典模糊逻辑能很好地适应分级真值[41 (https://arxiv.org/html/2605.22900#bib.bib3),42 (https://arxiv.org/html/2605.22900#bib.bib4),22 (https://arxiv.org/html/2605.22900#bib.bib5)]，其逻辑基础现已牢固确立[18 (https://arxiv.org/html/2605.22900#bib.bib2)]。然而，在标准设定中，假并非独立程度：它是通过对真值应用固定模糊否定 \(N\) 得到的，通常采用标准否定 \(N(\mu)=1-\mu\)。当不同专家、传感器或模型对同一命题提供相互矛盾的评估时，这一假设变得过于严格。为放松这一约束，直觉模糊集及相关框架将真度和假度分离，并引入额外的犹豫成分[3 (https://arxiv.org/html/2605.22900#bib.bib8),4 (https://arxiv.org/html/2605.22900#bib.bib9),6 (https://arxiv.org/html/2605.22900#bib.bib11)]。这类方法自然能处理不完备信息；然而，它们并非主要针对显式捕获并推理跨来源的持续矛盾而设计。持续性不一致更适合在亚相容逻辑和双格逻辑中处理[10 (https://arxiv.org/html/2605.22900#bib.bib16),16 (https://arxiv.org/html/2605.22900#bib.bib18),2 (https://arxiv.org/html/2605.22900#bib.bib20)]，这些逻辑支持在存在矛盾证据时进行受控推理。与此同时，直觉模糊集及其聚合算子作为组合来自多个来源的不确定且可能矛盾证据的原则性框架，被广泛应用于信息融合[5 (https://arxiv.org/html/2605.22900#bib.bib60),40 (https://arxiv.org/html/2605.22900#bib.bib61)]。  

中介模糊逻辑（MFL）最初以操作性形式引入，作为一种将一致通道和非一致通道组合成单一中介输出的方案[26 (https://arxiv.org/html/2605.22900#bib.bib35),27 (https://arxiv.org/html/2605.22900#bib.bib36)]。在该公式中，每个命题由隶属函数（一致）、非隶属函数（非一致）以及相关的犹豫度和矛盾度模糊集来描述。中介算子随后聚合两个子系统的输出，使得结果值共同反映直觉主义风格的犹豫度和由矛盾模糊集 \(C\) 导出的矛盾指数。在控制与诊断应用中，MFL已被证明能够以平滑且可解释的方式处理犹豫和矛盾，并在医学诊断和大流行建模中成功实现[19 (https://arxiv.org/html/2605.22900#bib.bib41),38 (https://arxiv.org/html/2605.22900#bib.bib43),37 (https://arxiv.org/html/2605.22900#bib.bib44)]。然而，最初的公式并未成为具有显式代数语义的完全公理化逻辑，现有大多数工作主要将MFL视为模糊推理方案而非证明论逻辑[11 (https://arxiv.org/html/2605.22900#bib.bib37),24 (https://arxiv.org/html/2605.22900#bib.bib39)]。  

在基础层面，我们的目标是为中介模糊逻辑提供超越原始操作控制设定的代数与逻辑基础。从具有清晰代数语义的类型1中介算子出发，我们定义一个命题逻辑 MFL-T1，并发展其基本元理论，采用标准 t-范数模糊逻辑（如 Hájek 的基础逻辑 BL[17 (https://arxiv.org/html/2605.22900#bib.bib40)] 或 Łukasiewicz 逻辑[18 (https://arxiv.org/html/2605.22900#bib.bib2)]）作为模糊基础。我们的指导性问题是：中介模糊语义能否在保持与标准模糊基础设施兼容的同时，调和亚相容性与安全优先聚合？基于此类型1核心，我们进一步探究中介推理在更高类型中的行为。类型2和类型3中介模糊逻辑（MFL-T2 和 MFL-T3）由 Castillo 和 Melin 在其关于中介模糊控制和类型3中介系统的提议中引入[11 (https://arxiv.org/html/2605.22900#bib.bib37),24 (https://arxiv.org/html/2605.22900#bib.bib39),23 (https://arxiv.org/html/2605.22900#bib.bib38)]。这些贡献概述了从类型1到类型3的中介架构，并报告了若干控制应用；然而，它们主要在系统设计层面进行公式化，并未提供粒化语义或逻辑演算来将更高类型的中介真值作为结构化对象处理。本文中，我们在 MFL-T2 框架内为区间类型2真值 \((\tilde{\mu}_p, \tilde{\nu}_p)\) 发展了一套系统性的中介语义。在该设定中，类型2的犹豫和矛盾被显式化，并通过类型2模糊决策模型中使用的标准类型降型机制[21 (https://arxiv.org/html/2605.22900#bib.bib53),8 (https://arxiv.org/html/2605.22900#bib.bib12),9 (https://arxiv.org/html/2605.22900#bib.bib13)] 获得中介评估 \(\tilde{M}_p\)。与先前将中介模糊逻辑与类型2模糊控制器和更高类型中介系统[11 (https://arxiv.org/html/2605.22900#bib.bib37),23 (https://arxiv.org/html/2605.22900#bib.bib38),24 (https://arxiv.org/html/2605.22900#bib.bib39)]，或与通用类型2模糊逻辑系统及其决策模型[20 (https://arxiv.org/html/2605.22900#bib.bib56),25 (https://arxiv.org/html/2605.22900#bib.bib55)] 的结合不同，我们的构造将 \((\tilde{\mu}_p, \tilde{\nu}_p)\) 视为本身具有中介真值的对象，并将其类型2不确定性足迹直接与亚相容中介算子相连接。这种语义视角也为类型3提供了粒化解释。对于 MFL-T3，我们将中介语义与粒计算和分层推理[7 (https://arxiv.org/html/2605.22900#bib.bib14),31 (https://arxiv.org/html/2605.22900#bib.bib15),30 (https://arxiv.org/html/2605.22900#bib.bib62)] 联系起来，并引入针对由粒（如专家、传感器或时间切片）索引的局部中介评估族进行显式聚合的算子。相应地，MFL-T2 捕获二阶不确定性，而 MFL-T3 则处理多源、多层次设定中的分层证据，两者在概念上与类型1核心保持一致。我们通过显式的逻辑处理来补充这些更高类型的语义，该处理保持类型1核心不变，同时阐明类型2不确定性和类型3异质性如何通过联结词传播。  

除更高类型模糊集外，我们还引入了量子中介模糊逻辑（QMFL），其语义以量子效应和密度算子给出。我们的构造将中介真度与 Foulis 和 Bennett[15 (https://arxiv.org/html/2605.22900#bib.bib21)] 意义上的效应代数联系起来，并与量子逻辑的模糊方法[32 (https://arxiv.org/html/2605.22900#bib.bib28),33 (https://arxiv.org/html/2605.22900#bib.bib29)] 相关联。逻辑视角受多值和模态量子逻辑[14 (https://arxiv.org/html/2605.22900#bib.bib30),1 (https://arxiv.org/html/2605.22900#bib.bib32)] 以及效应代数和 \(L\)-值量子结构的代数与格论研究[28 (https://arxiv.org/html/2605.22900#bib.bib33),29 (https://arxiv.org/html/2605.22900#bib.bib34),13 (https://arxiv.org/html/2605.22900#bib.bib24)] 启发。我们也基于近期关于效应代数逻辑公理化处理的工作[39 (https://arxiv.org/html/2605.22900#bib.bib26),12 (https://arxiv.org/html/2605.22900#bib.bib27)]。  

本文的贡献可总结如下。  

- • 我们将中介算子公理化为由犹豫度和矛盾度参数控制的凸聚合，并建立其基本性质，如有界性（介于两个输入度之间）以及退化为类型1和直觉模糊组合。  
- • 我们引入中介真值作为真度 \(\mu\) 和假度 \(\nu\) 的二元对 \((\mu,\nu) \in [0,1]^2\)，由此衍生出犹豫度 \(\pi\) 和矛盾度 \(\zeta\)，并为该空间赋予合适的合取、析取和否定运算，以及真值序和信息序，使 \([0,1]^2\) 承载一个连续的双格结构。  
- • 我们定义一个命题逻辑 MFL-T1，包含标准模糊联结词外加一个中介联结词，并提供 Hilbert 风格的公理系统，该系统扩展了选定的模糊基础逻辑，如 Hájek 的基础逻辑 BL 或 Łukasiewicz 逻辑。  
- • 我们证明 MFL-T1 对其中介语义是可靠的，在精确意义上是亚相容的，并且对于不含中介算子的公式而言，是底层模糊逻辑的保守扩展。  
- • 我们将中介语义扩展到类型2模糊集（MFL-T2），对真、假、犹豫和矛盾上的二阶不确定性进行建模，并讨论如何使用标准类型降型方法在二阶不确定性下解释中介度。  
- • 我们提出类型3粒化扩展（MFL-T3），将中介真值组织为多级粒结构，这些结构由任意粒（如专家、传感器或时间切片）索引，并统一在一个框架内。  
- • 我们引入量子中介模糊逻辑（QMFL），其语义以希尔伯特空间上的量子效应和态来表述，并展示类型1中介度到 QMFL 的简单嵌入。  
- • 我们通过一个关于自动驾驶中障碍物检测和制动决策的传感器融合详细案例研究，说明中介真值的安全优先解释。  
- • 我们阐明标准类型1模糊语义和直觉模糊语义如何通过在中介真值和参数上施加适当约束（在此约束下中介算子退化为通常的 t-范数组合）而作为 MFL-T1 的特例出现。  
- • 我们建立将框架不同层次连接起来的退化解：当粒变得均匀时，粒化 MFL-T3 退化为 MFL-T2 或 MFL-T1；当相关效应对易且量子态在公共基下对角化时，QMFL 退化为经典中介语义，从而确保跨层次的连贯性。  

现有关于中介模糊逻辑[11 (https://arxiv.org/html/2605.22900#bib.bib37)] 及其类型3扩展[24 (https://arxiv.org/html/2605.22900#bib.bib39)] 的工作，据我们所知，并未发展本文所用的粒化语义类型——即将中介真值视为由任意粒（如专家、传感器或时间切片）索引的局部评估族，并通过显式聚合算子进行组合。因此，第6节中的定义在语义层面提供了 MFL-T3 的首次粒化形式化。此外，本文提出的量子扩展使得与效应代数语义的联系显式化，使中介推理与量子粒计算中的效应基观点[36 (https://arxiv.org/html/2605.22900#bib.bib52)] 相一致。据我们所知，也未有先前工作将区间类型2对视为其自身的中介真值。  

本文组织如下。第2节 (https://arxiv.org/html/2605.22900#S2) 回顾直觉模糊和亚相容背景。第3节 (https://arxiv.org/html/2605.22900#S3) 介绍类型1中介算子及其代数语义。第4节 (https://arxiv.org/html/2605.22900#S4) 定义命题逻辑 MFL-T1 并建立其基本元理论性质。第5节 (https://arxiv.org/html/2605.22900#S5) 至第7节 (https://arxiv.org/html/2605.22900#S7) 分别发展 MFL-T2、MFL-T3 和 QMFL。第8节 (https://arxiv.org/html/2605.22900#S8) 呈现安全优先的传感器融合案例研究，第9节 (https://arxiv.org/html/2605.22900#S9) 总结。为方便起见，附录 A 收集了本文使用的主要符号和逻辑符号（表 A.1）。  

## 2 背景与动机  

本节中，我们回顾激发中介模糊逻辑的直觉模糊视角和亚相容视角。目的并非提供详尽综述，而是突出与后续各节发展的中介语义直接相关的方面。  

在经典模糊逻辑中，每个命题 \(p\) 被赋予一个真度 \(\mu_p \in [0,1]\)，假度由固定否定确定，通常为 \(1-\mu_p\)[42 (https://arxiv.org/html/2605.22900#bib.bib4)]。在此设定中，不确定性被压缩为单一维度：一旦 \(\mu_p\) 固定，就不存在独立的假度或不一致度。相比之下，直觉模糊集将每个元素或命题 \(p\) 与真度 \(\mu_p\) 和假度 \(\nu_p\) 的二元对 \((\mu_p,\nu_p)\) 相关联，并受约束 \(\mu_p + \nu_p \leq 1\)[3 (https://arxiv.org/html/2605.22900#bib.bib8),4 (https://arxiv.org/html/2605.22900#bib.bib9),6 (https://arxiv.org/html/2605.22900#bib.bib11)]。剩余量 \(\pi_p = 1 - \mu_p - \nu_p\) 被解释为犹豫度（或不确定性），并明确捕获不完备信息。  

另一方面，亚相容逻辑承认 \(p\) 和 \(\neg p\) 都可能以显著程度成立而不至于崩塌为平凡性的可能性[35 (https://arxiv.org/html/2605.22900#bib.