決策時，判斷的一致性問題是衡量決策合理性和準確性的關(guān)鍵問題，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，研究內(nèi)容比較豐富，但沒有一個統(tǒng)一的標準。其中Buckley[14]是利用模糊傳遞公式來定義三角模糊互反判斷的一致性問題，而Dubois[15]認為這種一致性事實上是不存在的。Wang等[16]針對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；Xu[3]定義了基于直覺模糊集的乘型一致直覺模糊偏好關(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模糊偏好關(guān)系，同時給出了求解排序權(quán)重的目標優(yōu)化模型。自Pythagorean模糊集提出以來，對于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)系以及標準化的Pythago

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

區(qū)間判斷矩陣的一致性指標?如何修正不滿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)間互補判斷矩陣[3,5],本文集中于討論區(qū)間互補判斷矩陣.同判斷矩陣一樣,區(qū)間判斷矩陣的一致性指標可用來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)間互補判斷矩陣很難滿足給定的個體一致性水平[6].高度不一致的判斷矩陣可能產(chǎn)生誤導性的決策結(jié)果.但是,學術(shù)界對區(qū)間互補判斷矩陣的一致性指標定義還沒有達成共識.L

/n.連貫性；一致性2.recur/r?'kз?r/v.反復出現(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標準影響著最終的排序結(jié)果。美國運籌學家Saaty教授提出了用平均隨機一致性指標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中被普遍接受和應用。由于客觀事物的復雜性、決策者自身的局限性，一些學者把模糊數(shù)學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)造模糊互補判斷矩陣[3-5]。對于模糊互補判斷矩陣的一致性問題，目前尚無統(tǒng)一的檢驗方法，有文獻提出不同檢

.com)緩存一致性維護是影響高速緩存一致性非均勻存儲訪問(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)采用單級一致性域設計即可滿足系統(tǒng)性能需求.但隨著系統(tǒng)規(guī)模的擴展，單級一致性域系統(tǒng)的處理器互連結(jié)構(gòu)越來越復雜，消息全局性傳播引發(fā)的網(wǎng)絡阻塞延遲越來越大，緩存一致性維護開銷急劇增長，嚴重影響系統(tǒng)性能與擴展性.因此，

求極限的問題。一致性；無窮小性；互為倒數(shù)1 第一個重要極限（1）一致性所謂“一致性”是指分子是sin “什么”分母就是“什么”，如分子和分母不滿足“一致性”是不行的。(2)無窮小性所謂“無窮小性”是指分子和分母都是無窮小，分子和分母不是無窮小不行。第一重要極限必須同時滿足“一致性”和“無窮小性”才行，缺一不可。（有界函數(shù)與無窮小的乘積還是無窮?。? 第二個重要極限（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)不滿足

獲得編隊控制一致性，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度方法的研究較少，文獻[11]給出了三端點區(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，本文將認為其完全一致性的定義應該為一致性定義?；诖?，本文將定義三端點區(qū)間數(shù)互反判斷矩陣的完全一致性、一致性和滿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、一致性和滿意一致性的測度方法。最后給出具體的算例，驗證所提出方法的有效性和適用性。圖1 三端點區(qū)間數(shù)示意圖1 三端點區(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個重要的課題.一些學者依據(jù)權(quán)重可行域建立線性規(guī)劃模型,用模型的極點來表示區(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)有的滿意一致性定義大多是通過判斷在決策允許偏差下是否具有一