1965年 Zadeh[1]教授提出了模糊集的概念，使得采用数学定量方法处理模糊问题成为可能，从此，模糊集相关理论得到了迅速发展。2010年Torra[2]提出了犹豫模糊集的概念，克服了一般模糊集细节信息不丰富的瑕疵，使得单一评价值可以同时保存多个可能值，从源头上提高了原始数据的可靠性。基于此，2017年Zhang 等[3」为犹豫模糊集中每个评价值增加了概率信息，提出了概率犹豫模糊集的概念，克服了不同评价值权重全部相同的缺点，进一步提升了原始评价数据的细节程度。

决策问题是指在面对多个备选方案时，在有限时间内，专家需要基于相关知识和偏好做出最佳选择的过程[4]。相对于逐个方案评分法，两两比较法更容易获得科学合理的单个评价值[5]，所有备选方案的两两比较值构成了偏好关系方阵。虽然，概率犹豫模糊集相关理论的发展[6]，解决了专家在多个评价之间难以取得一致性的问题[7]，提高了决策结果的可信度，然而，偏好关系方阵中数据一致性是两两比较法无法回避的难题[8]本文的主要目标是通过分解模型研究偏好关系方阵中数据一致性的计算方法。

1理论分析与数据处理

良好的数据结构能够采集更多原始细节信息，是提升算法可信度的根本保证[9]

1.1概率犹豫模糊比较集

在备选方案 A_i ， eqj ）两两比较时，其比较值采用概率犹豫模糊集可以表示为： h_ij（p_ij） ，概率犹豫模糊比较集并非单值，其展开形式如下所示：

式（1）中，符号 #h_ij 表示概率犹豫模糊比较集 h_ij（p_ij） 中包含评价值的总数量，不同概率犹豫模糊比较集中包含评价值的总数量不一定相等；……