決策時(shí)，判斷的一致性問(wèn)題是衡量決策合理性和準(zhǔn)確性的關(guān)鍵問(wèn)題，因此關(guān)于判斷的一致性研究一直是模糊層次分析法中的重要課題。關(guān)于區(qū)間判斷的一致性研究[2-7]和三角模糊判斷的一致性的討論[8-18]已經(jīng)獲得很多成果，研究?jī)?nèi)容比較豐富，但沒(méi)有一個(gè)統(tǒng)一的標(biāo)準(zhǔn)。其中Buckley[14]是利用模糊傳遞公式來(lái)定義三角模糊互反判斷的一致性問(wèn)題，而Dubois[15]認(rèn)為這種一致性事實(shí)上是不存在的。Wang等[16]針對(duì)三角模糊互反判斷的一致性概念提出若干性質(zhì)用以完善模糊F

模糊偏好關(guān)系的一致性指標(biāo)；Xu[3]定義了基于直覺(jué)模糊集的乘型一致直覺(jué)模糊偏好關(guān)系，并提出了一種新的群決策方法；Gong等[4]定義了加型一致性直覺(jué)模糊偏好關(guān)系，同時(shí)給出了求解排序權(quán)重的目標(biāo)優(yōu)化模型。自Pythagorean模糊集提出以來(lái)，對(duì)于Pythagorean模糊偏好關(guān)系的研究尤為迫切?？紤]Pythagorean模糊集的適用性，楊藝等[5]定義了Pythagorean模糊偏好關(guān)系，Pythagorean模糊加型一致性偏好關(guān)系以及標(biāo)準(zhǔn)化的Pythago

了某種語(yǔ)義上的一致性約束。由于差分隱私通過(guò)向數(shù)據(jù)添加噪聲實(shí)現(xiàn)隱私保護(hù)，噪聲的隨機(jī)性會(huì)徹底破壞數(shù)據(jù)間一致性約束。為了獲得滿(mǎn)足一致性約束的發(fā)布效果，不少文獻(xiàn)針對(duì)各類(lèi)模型提出了有效的一致性發(fā)布算法[2-8]。然而，多數(shù)算法所適用的場(chǎng)景針對(duì)性較強(qiáng)，難以有效地應(yīng)用于更廣泛的差分隱私最優(yōu)一致性發(fā)布問(wèn)題。隨著差分隱私技術(shù)的日益普及，數(shù)據(jù)發(fā)布場(chǎng)景越來(lái)越復(fù)雜，同時(shí)數(shù)據(jù)間一致性約束問(wèn)題的解決難度也越來(lái)越高。不少問(wèn)題已超出了現(xiàn)有技術(shù)的關(guān)注范圍，雖然采用基于極大似然估計(jì)的通用解法

區(qū)間判斷矩陣的一致性指標(biāo)?如何修正不滿(mǎn)足一致性水平要求的區(qū)間判斷矩陣? 常用的區(qū)間判斷矩陣主要為區(qū)間互反判斷矩陣和區(qū)間互補(bǔ)判斷矩陣[3,5],本文集中于討論區(qū)間互補(bǔ)判斷矩陣.同判斷矩陣一樣,區(qū)間判斷矩陣的一致性指標(biāo)可用來(lái)判斷決策者給出的判斷是否是合理的和符合邏輯的.由于區(qū)間偏好具有不確定性,初始的區(qū)間互補(bǔ)判斷矩陣很難滿(mǎn)足給定的個(gè)體一致性水平[6].高度不一致的判斷矩陣可能產(chǎn)生誤導(dǎo)性的決策結(jié)果.但是,學(xué)術(shù)界對(duì)區(qū)間互補(bǔ)判斷矩陣的一致性指標(biāo)定義還沒(méi)有達(dá)成共識(shí).L

/n.連貫性；一致性2.recur/r?'kз?r/v.反復(fù)出現(xiàn)；再發(fā)生The New Year is itself new which brings new light on the face of people,birds,and plants.Everything looks new in the New Year,when people throughout the world spread happiness and love.They join

量。判斷矩陣的一致性及一致性檢驗(yàn)標(biāo)準(zhǔn)影響著最終的排序結(jié)果。美國(guó)運(yùn)籌學(xué)家Saaty教授提出了用平均隨機(jī)一致性指標(biāo)RI修正CI的方法，并給出1至13階矩陣的RI值。這一方法在AHP中被普遍接受和應(yīng)用。由于客觀事物的復(fù)雜性、決策者自身的局限性，一些學(xué)者把模糊數(shù)學(xué)的思想和方法引入到層次分析法中，提出模糊層次分析法（FAHP），將AHP中構(gòu)造的正互反判斷矩陣轉(zhuǎn)為構(gòu)造模糊互補(bǔ)判斷矩陣[3-5]。對(duì)于模糊互補(bǔ)判斷矩陣的一致性問(wèn)題，目前尚無(wú)統(tǒng)一的檢驗(yàn)方法，有文獻(xiàn)提出不同檢

.com)緩存一致性維護(hù)是影響高速緩存一致性非均勻存儲(chǔ)訪問(wèn)(cache coherence non-uniform memory access, CC-NUMA)系統(tǒng)性能的關(guān)鍵因素.早期的CC-NUMA系統(tǒng)中，處理器數(shù)量較少，各處理器間直接互連，系統(tǒng)采用單級(jí)一致性域設(shè)計(jì)即可滿(mǎn)足系統(tǒng)性能需求.但隨著系統(tǒng)規(guī)模的擴(kuò)展，單級(jí)一致性域系統(tǒng)的處理器互連結(jié)構(gòu)越來(lái)越復(fù)雜，消息全局性傳播引發(fā)的網(wǎng)絡(luò)阻塞延遲越來(lái)越大，緩存一致性維護(hù)開(kāi)銷(xiāo)急劇增長(zhǎng)，嚴(yán)重影響系統(tǒng)性能與擴(kuò)展性.因此，

求極限的問(wèn)題。一致性；無(wú)窮小性；互為倒數(shù)1 第一個(gè)重要極限（1）一致性所謂“一致性”是指分子是sin “什么”分母就是“什么”，如分子和分母不滿(mǎn)足“一致性”是不行的。(2)無(wú)窮小性所謂“無(wú)窮小性”是指分子和分母都是無(wú)窮小，分子和分母不是無(wú)窮小不行。第一重要極限必須同時(shí)滿(mǎn)足“一致性”和“無(wú)窮小性”才行，缺一不可。（有界函數(shù)與無(wú)窮小的乘積還是無(wú)窮?。?。2 第二個(gè)重要極限（1）一致性所謂“一致性”是指底數(shù)是1+“什么”，指數(shù)就是“什么”的倒數(shù)，如底數(shù)和指數(shù)不滿(mǎn)足

獲得編隊(duì)控制一致性，定理2得證.Our primary data source was Beijing University's China Center for Economic Research(CCER)database. Some data,including the components of the SSE Corporate Governance Sector,H-share issuance,number of a company's s

反判斷矩陣及其一致性測(cè)度方法的研究較少，文獻(xiàn)[11]給出了三端點(diǎn)區(qū)間數(shù)互反判斷矩陣完全一致性定義，但此定義給出的條件不是太強(qiáng)，本文將認(rèn)為其完全一致性的定義應(yīng)該為一致性定義?；诖?，本文將定義三端點(diǎn)區(qū)間數(shù)互反判斷矩陣的完全一致性、一致性和滿(mǎn)意一致性的概念并討論它們之間的關(guān)系；給出完全一致性、一致性和滿(mǎn)意一致性的測(cè)度方法。最后給出具體的算例，驗(yàn)證所提出方法的有效性和適用性。圖1 三端點(diǎn)區(qū)間數(shù)示意圖1 三端點(diǎn)區(qū)間數(shù)及其互反判斷矩陣的定義本文涉及的區(qū)間數(shù)、區(qū)間數(shù)互

間數(shù)判斷矩陣的一致性和排序方法是區(qū)間數(shù)層次分析法的2個(gè)重要的課題.一些學(xué)者依據(jù)權(quán)重可行域建立線(xiàn)性規(guī)劃模型,用模型的極點(diǎn)來(lái)表示區(qū)間數(shù)判斷矩陣的權(quán)重范圍,顯然此方法只適用于滿(mǎn)足一致性的區(qū)間數(shù)判斷矩陣[1-3].Saaty等[4]提出了Monte Carlo模擬方法確定區(qū)間數(shù)判斷矩陣的排序權(quán)值.Wang等[5]給出了對(duì)一致性和不一致性區(qū)間數(shù)判斷矩陣均適用的區(qū)間數(shù)判斷矩陣排序權(quán)值的方法.馮向前等[6]指出現(xiàn)有的滿(mǎn)意一致性定義大多是通過(guò)判斷在決策允許偏差下是否具有一