📈 economics

Localizing Preference Aggregation Conflicts: A Graph-Theoretic Approach Using Sheaves

यह शोध पत्र एक बाधा लोकस (Obstruction Locus) और असंगति सूचकांक (Incompatibility Index) के माध्यम से उन विशिष्ट मतदाता युग्मों की पहचान करके प्राथमिकता एकत्रीकरण में विसंगतियों का निदान और स्थानीयकरण करने के लिए डिस्क्रीट शीव्स (discrete sheaves) का उपयोग करने वाला एक ग्राफ-सैद्धांतिक ढांचा प्रस्तुत करता है, जो HodgeRank जैसी रैखिकीकरण विधियों के विकल्प के रूप में एक विशुद्ध रूप से क्रमसूचक (ordinal) विकल्प प्रदान करता है।

मूल लेखक: Karen Sargsyan

प्रकाशित 2026-07-16

📖 8 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Karen Sargsyan

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक विशाल, जिग्सॉ पहेली (jigsaw puzzle) को सुलझाने की कोशिश कर रहे हैं, लेकिन इसमें एक डिब्बा नहीं, बल्कि सौ अलग-अलग लोग हैं, जिनमें से प्रत्येक के पास चित्र का एक छोटा, ओवरलैपिंग हिस्सा है। कुछ लोग केवल आकाश देखते हैं, कुछ केवल घास, और कुछ वहां देखते हैं जहां आकाश और घास मिलते हैं। लक्ष्य इन सभी टुकड़ों को एक साथ जोड़कर पूरी तस्वीर देखना है। यह वरीयता एकत्रीकरण (preference aggregation) का सार है, जो सामाजिक विज्ञान का एक क्षेत्र है जो पूछता है: "हम कई अलग-अलग मतों को एक एकल, निष्पक्ष निर्णय में कैसे मिला सकते हैं?"

लंबे समय तक, वैज्ञानिकों को पता था कि यह पेचीदा है। यदि व्यक्ति A सेब को केले से अधिक पसंद करता है, और व्यक्ति B केले को चेरी से अधिक पसंद करता है, तो आप सोच सकते हैं कि व्यक्ति A सेब को चेरी से अधिक पसंद करेगा। लेकिन कभी-कभी, तर्क टूट जाता है, और आपको एक लूप (loop) मिलता है जहाँ हर कोई अगले आइटम को प्राथमिकता देता है, जिससे एक "सर्वश्रेष्ठ" विकल्प चुनना असंभव हो जाता है। इसे विरोधाभास (paradox) के रूप में जाना जाता है। आमतौर पर, गणितज्ञ विचारों को संख्याओं में बदलकर (जैसे सेब को 9 और केले को 7 का स्कोर देना) और उन्हें जोड़कर इसे ठीक करने की कोशिश करते हैं। लेकिन यह शोध पत्र तर्क देता है कि विचारों को संख्याओं में बदलना वास्तविक समस्या को छिपा सकता है। इसके बजाय, लेखक सुझाव देते हैं कि लोगों के बीच के संबंधों को एक मानचित्र के रूप में देखें, पूरे परिदृश्य को वादों के एक उलझे हुए जाल की तरह मानें जिन्हें निभाया जाना आवश्यक है।

बेमेल वादों का मानचित्र

इस शोध पत्र में, करेन सार्गस्यानन (Karen Sargsyan) एक नए तरीके से इन उलझी हुई मतदान स्थितियों को देखने का परिचय देती हैं, जिसमें एक गणितीय उपकरण जिसे शीफ (sheaf) कहा जाता है, का उपयोग किया गया है। शीफ को एक जटिल समीकरण के रूप में नहीं, बल्कि एक "वादा ट्रैकर" के रूप में सोचें। कल्पना करें कि दोस्तों का एक समूह यात्रा की योजना बना रहा है। प्रत्येक मित्र के पास उन स्थानों की एक सूची है जहाँ वे जाना चाहते हैं (उनकी प्राथमिकताएं)। जब दो मित्र एक गंतव्य साझा करते हैं, तो वे इस बात पर सहमत होने का वादा करते हैं कि कौन सा बेहतर है।

यह शोध पत्र एक मानचित्र बनाता है जहाँ प्रत्येक मित्र एक बिंदु (शीर्ष/vertex) है और उन मित्रों का प्रत्येक जोड़ा जो एक गंतव्य साझा करता है, उन्हें जोड़ने वाली एक रेखा (किनारा/edge) है। "शीफ" वह प्रणाली है जो यह जाँचती है कि क्या इन रेखाओं पर किए गए वादे वास्तव में मेल खाते हैं।

द "ऑब्स्ट्रक्शन लोकस": गांठों को खोजना

लेखकों की मुख्य खोज यह पहचानने का एक तरीका है कि समूह कहाँ असहमत हो रहा है। वे इसे ऑब्स्ट्रक्शन लोकस (Obstruction Locus) कहते हैं।

कल्पना कीजिए कि आप बालों की तीन लटों को गूंथने की कोशिश कर रहे हैं। यदि बीच की लट गलत तरीके से क्रॉस हो जाती है, तो पूरी चोटी बिखर जाती है। शोध पत्र की भाषा में, "ऑब्स्ट्रक्शन लोकस" वह विशिष्ट स्थान है जहाँ बाल क्रॉस हुए थे। केवल यह कहने के बजाय कि, "अरे, यह चोटी उलझी हुई है," यह विधि उंगली उठाकर कहती है, "गांठ ठीक यहाँ है, मित्र A और मित्र B के बीच।"

वे इस उलझन को इनकम्पैटिबिलिटी इंडेक्स (Incompatibility Index) नामक चीज़ से मापते हैं। यह सरल रूप से उन मित्रों के जोड़ों की संख्या है जो उन चीजों के बारे में बहस कर रहे हैं जिन्हें वे दोनों देखते हैं। यदि इंडेक्स शून्य है, तो सभी अपने साझा मदों पर सहमत हैं। यदि यह अधिक है, तो बहुत अधिक बहसें हैं।

केवल स्कोर क्यों नहीं जोड़ें?

यह शोध पत्र हॉज रैंक (HodgeRank) नामक एक लोकप्रिय पद्धति के विरुद्ध तर्क देता है, जो प्राथमिकताओं को संख्याओं में बदल देता है और उन्हें पाइपों के माध्यम से पानी की तरह प्रवाहित करता है। जबकि वह विधि यह खोजने में अच्छी है कि एक समस्या है, यह एक मौसम रिपोर्ट की तरह है जो कहती है "कहीं बारिश हो रही है" बिना यह बताए कि आपको अपना छाता कहाँ रखना है।

नया तरीका पूरी तरह से "ऑर्डिनल" (क्रमवाचक) रहता है, जिसका अर्थ है कि इसे केवल क्रम (A, B से बेहतर है) की परवाह है, न कि तीव्रता (A, B से बहुत बेहतर है) की। यह डेटा को ईमानदार रखता है। लेखक दिखाते हैं कि केवल सरल रैंकिंग की दुनिया में रहकर, वे तर्क के टूटने के सटीक किनारों को देख सकते हैं, बजाय इसके कि केवल विसंगति के धुंधले बादल को देखें।

विलय का जादू: जब मित्र एक हो जाते हैं

सबसे दिलचस्प हिस्सा तब होता है जब समूह विलय करने का निर्णय लेता है। कल्पना करें कि दो मित्र, एलिस और बॉब, एक एकल इकाई के रूप में मतदान करने का निर्णय लेते हैं। पुराने सोचने के तरीके में, आप उनके वोटों का औसत निकाल सकते हैं। लेकिन लेखक एक "पुशफ़ॉरवर्ड" (pushforward) ऑपरेशन का उपयोग यह देखने के लिए करते हैं कि जब एलिस और बॉब एक व्यक्ति बन जाते हैं तो वादों का क्या होता है।

यहाँ मोड़ है: कभी-कभी, एलिस और बॉब किसी और के साथ बहस नहीं कर रहे होते हैं, लेकिन जब वे विलय करते हैं, तो उनके संयुक्त नियम एक तार्किक लूप बनाते हैं जो एक एकल रैंकिंग बनाना असंभव बना देता है।

शोध पत्र इसे एक कन्स्ट्रेंट डाइग्राफ (constraint digraph) ( "पहले आना चाहिए" के नियमों का एक मानचित्र) का उपयोग करके एक चतुर ट्रिक के साथ प्रदर्शित करता है।

एलिस कहती है: "सेब को केले से पहले आना चाहिए।"
बॉब कहता है: "केले को चेरी से पहले आना चाहिए।"
लेकिन रुकिए, यदि उनके पास एक छिपा हुआ नियम भी है कि "चेरी को सेब से पहले आना चाहिए," तो जिस क्षण आप उन्हें मिलाते हैं, आपको एक चक्र मिल जाता है: सेब > केले > चेरी > सेब।

शोध पत्र दिखाता है कि यह चक्र एक खाली स्टोक (empty stalk) बनाता है। सरल शब्दों में, वह "स्थान" जहाँ विलय किए गए व्यक्ति की राय होनी चाहिए, खाली हो जाता है क्योंकि कोई भी एकल राय सभी नियमों को संतुष्ट नहीं कर सकती। संघर्ष गायब नहीं हुआ; यह बस दो लोगों के बीच की रेखा से व्यक्ति के स्वयं में स्थानांतरित हो गया।

प्रयोगों ने क्या दिखाया

लेखकों ने केवल सिद्धांत नहीं दिया; उन्होंने यह देखने के लिए हजारों कंप्यूटर सिमुलेशन चलाए कि यह वास्तविक दुनिया में कैसे काम करता है।

यादृच्छिक अराजकता (Random Chaos): जब उन्होंने 200,000 लोगों के यादृच्छिक प्राथमिकताओं वाले समूहों का सिमुलेशन किया, तो उन्होंने पाया कि बहसों की संख्या (इनकम्पैटिबिलिटी इंडेक्स) कनेक्शनों की संख्या के साथ अनुमानित रूप से बढ़ती है। अधिक कनेक्शन का अर्थ है बहस करने के अधिक अवसर।
सुचारू संक्रमण (The Smooth Transition): उन्होंने एक मॉडल का उपयोग किया जिसे मैलोस मॉडल (Mallows model) कहा जाता है, जो धीरे-धीरे एक समूह को पूर्ण अराजकता से पूर्ण सहमति की ओर ले जाता है। उन्होंने पाया कि जैसे-जैसे समूह सहमत होने के करीब पहुँचता है, बहसों की संख्या केवल अचानक गिरती नहीं है; यह सुचारू रूप से बदलती है, जिससे आम सहमति कैसे बनती है इसका एक स्पष्ट चित्र मिलता है।
गति: उन्होंने सिद्ध किया कि उनकी नई विधि अविश्वसनीय रूप से तेज़ है। जहाँ पुराने तरीकों को यह जाँचने में मिनट या घंटे लग सकते थे कि 12 लोगों का समूह सहमत हो सकता है या नहीं, उनके "कन्स्ट्रेंट डाइग्राफ" पद्धति ने इसे एक मिलीसेकंड से भी कम समय में कर दिया।

निचोड़

यह शोध पत्र यह दावा नहीं करता है कि उसने मतदान की समस्या को हमेशा के लिए हल कर दिया है। इसके बजाय, यह हमें एक बेहतर टॉर्च देता है। यह हमें दिखाता है कि जब एक समूह सहमत नहीं हो पाता, तो समस्या हमेशा एक बड़ी, वैश्विक गड़बड़ी नहीं होती है। कभी-कभी, समस्या दो लोगों के बीच एक छोटा, विशिष्ट गांठ होती है, या एक छिपा हुआ लूप होता है जो केवल तभी दिखाई देता है जब हम समूहों को मिलाने की कोशिश करते हैं।

इन संघर्षों को ठीक वहीं मैप करके जहाँ वे होते हैं, लेखक यह निदान करने के लिए एक उपकरण प्रदान करते हैं कि निर्णय क्यों विफल होता है। चाहे वह एक समिति हो जो किसी प्रोजेक्ट को चुनने की कोशिश कर रही हो, एक सर्च इंजन जो परिणामों को मिला रहा हो, या दोस्त तय कर रहे हों कि कहाँ खाना है, यह विधि हमें यह खोजने में मदद करती है कि तर्क कहाँ टूट रहा है, ताकि हम इसे पूरे प्लान के विफल होने से पहले ठीक कर सकें।

तकनीकी सारांश: डिस्क्रीट शीफ्स के माध्यम से प्राथमिकता एकत्रीकरण संघर्षों का स्थानीयकरण (Localization)

समस्या विवरण
यह शोधपत्र उन कई स्रोतों से प्राप्त क्रमिक प्राथमिकता डेटा (ordinal preference data) को एकत्रित करने की चुनौती को संबोधित करता है जिनके पास विकल्पों की केवल आंशिक दृश्यता (partial visibility) है। पारंपरिक सामाजिक चयन (social choice) समस्याओं के विपरीत, जहाँ लक्ष्य मतदाताओं के बीच वैध मतभेदों को सुलझाना होता है, यह कार्य डेटा फ्यूजन (data fusion) पर केंद्रित है: यह निर्धारित करना कि क्या ओवरलैपिंग स्रोतों से प्राप्त आंशिक रैंकिंगों को एक एकल, सुसंगत वैश्विक रैंकिंग में संयोजित किया जा सकता है। एक संघर्ष केवल अलग-अलग विचारों से उत्पन्न नहीं होता, बल्कि असंगतियों (inconsistencies) से उत्पन्न होता है जहाँ स्रोत उन विकल्पों पर असहमत होते हैं जो उनके बीच साझा हैं। केंद्रीय समस्या यह निदान करना है कि ये विसंगतियाँ अंतःक्रिया संरचना (interaction structure) के भीतर कहाँ होती हैं और क्या एक वैश्विक समाधान मौजूद है, विशेष रूप से तब जब युग्व (pairwise) समझौते गहरे संरचनात्मक असंभवताओं को छिपा सकते हैं।

कार्यप्रणाली
लेखक एक डिस्क्रीट शीफ-सैद्धांतिक ढांचे (discrete sheaf-theoretic framework) का प्रस्ताव करते हैं जो लीनियरलाइज़ेशन (HodgeRank के विपरीत) के बिना सीधे क्रमिक डेटा पर कार्य करता है।

डिस्क्रीट ऑर्डर शीफ (Discrete Order Sheaf):
- प्रणाली को एक ग्राफ $G=(V, E)$ के रूप में मॉडल किया गया है जहाँ शीर्ष (vertices) मतदाताओं (स्रोतों) का प्रतिनिधित्व करते हैं और किनारे (edges) ओवरलैप (साझा विकल्पों) का प्रतिनिधित्व करते हैं।
- एक डिस्क्रीट ऑर्डर प्रीशीफ (Discrete Order Presheaf) को निम्नानुसार परिभाषित किया गया है:
  - शीर्ष स्टॉक्स ( $F_v$ ): मतदाता $v$ के लिए दृश्य विकल्पों पर सभी कुल क्रमों (total orders) का सेट।
  - किनारे के स्टॉक्स ( $F_e$ ): दोनों छोरों वाले छोरों के बीच साझा विकल्पों पर सभी कुल क्रमों का सेट।
  - प्रतिबंध मानचित्र (Restriction maps): एक स्थानीय कुल क्रम को पड़ोसी के साथ साझा किए गए विकल्पों के उपसमुच्चय पर प्रतिबंधित करने वाले मानचित्र।
- एक प्राथमिकता प्रोफ़ाइल को एक 0-कोचेन (0-cochain) के रूप में माना जाता है (प्रत्येक शीर्ष को एक विशिष्ट स्थानीय क्रम का असाइनमेंट)।
ऑब्स्ट्रक्शन लोकस ( $\Omega_1$ ) और असंगतता सूचकांक (Incompatibility Index):
- ऑब्स्ट्रक्शन लोकस $\Omega_1(\sigma)$ को उन किनारों के सेट के रूप में परिभाषित किया गया है जहाँ आसन्न मतदाताओं के प्रतिबंधित स्थानीय क्रम असहमत हैं ( $\sigma_u|_{A_{uv}} \neq \sigma_v|_{A_{uv}}$ )।
- असंगतता सूचकांक $|\Omega_1|$ इस सेट की कार्डिनैलिटी (cardinality) है।
- महत्वपूर्ण रूप से, यह मीट्रिक स्थानीयकरण (localization) प्रदान करता है: यह उन विशिष्ट मतदाता युग्मों की पहचान करता है जो सुसंगत होने में विफल रहते हैं, न कि केवल एक एकल वैश्विक स्केलर असंगति प्रदान करता है।
पुशफॉरवर्ड (Pushforward) और वैश्विक समाधान क्षमता:
- वैश्विक रैंकिंग मौजूद है या नहीं, इसे संबोधित करने के लिए, लेखक एक ग्राफ कोटिएंट मैप (जैसे, मतदाताओं का विलय) के तहत पुशफॉरवर्ड ऑपरेशन ( $\pi_*$ ) का उपयोग करते हैं।
- पुशफॉरवर्ड शीफ $\pi_*F$ (एक विलयित शीर्ष $v'$ पर) उन सभी कुल क्रमों के सेट को समाहित करता है जो मूल प्रीइमेज के सभी मूल मतदाताओं के साथ संगत हैं।
- रिक्त स्टॉक्स (Empty Stalks): यदि विलयित मतदाताओं से प्राप्त बाधाएं विरोधाभासी हैं, तो विलयित शीर्ष पर स्टॉक खाली ( $\emptyset$ ) हो जाता है। यह एक स्थानीय असंभवता को दर्शाता है, भले ही मूल ग्राफ में कोई युग्व किनारा बाधित न हुआ हो।
- एल्गोरिद्मिक कार्यान्वयन: पुशफॉरवर्ड को एक कन्स्ट्रेंट डिग्राफ (constraint digraph) का उपयोग करके कुशलतापूर्वक संगणित किया जाता है। स्थानीय क्रमों से प्राप्त बाधाओं को एक निर्देशित ग्राफ में एकत्रित किया जाता है। यदि इस ग्राफ में एक निर्देशित चक्र (directed cycle) है, तो बाधाएं विरोधाभासी हैं, और स्टॉक खाली है। यह चक्र पहचान प्रक्रिया बहुपद समय (polynomial time) में चलती है ( $O(|A|^2 \cdot |P|)$ ), जो क्रमपरिवर्तन (permutations) की फैक्टोरियल जटिलता से बचती है।

प्रमुख योगदान

डिस्क्रीट ऑर्डर शीफ का औपचारिकीकरण: एक प्राथमिकता प्रोफ़ाइल ढांचा जो सेलुलर शीफ के रूप में क्रमिक डेटा को मानता है, जिससे लीनियरलाइज़ेशन विधियों में निहित कॉम्बिनेटरियल संरचना का नुकसान नहीं होता।
ऑब्स्ट्रक्शन लोकस की परिभाषा: युग्व संघर्षों को मापने के लिए $\Omega_1$ और असंगतता सूचकांक का परिचय। लेखक स्पष्ट करते हैं कि जबकि $|\Omega_1|$ एक कोहोमोलॉजिकल इनवेरिएंट नहीं है, यह एक सटीक "लोकालाइज़र" के रूप में कार्य करता है, जो HodgeRank के हार्मोनिक स्पेस के आयाम जैसे वैश्विक टोपोलॉजिकल इनवेरिएंट्स से भिन्न है।
विलय के लिए पुशफॉरवर्ड तंत्र: एक शीफ-सैद्धांतिक पुशफॉरवर्ड का विकास जो मतदाता विलय को मॉडल करता है। यह प्रकट करता है कि कैसे संघर्ष, सिस्टम के मोटा होने (coarsening) पर, किनारा-आधारित असहमति से रिक्त स्टॉक्स (स्थानीय असंभवताओं) में बदल सकते हैं, जो एक ऐसी घटना है जिसे सरल युग्व जाँचों द्वारा नहीं पकड़ा जा सकता है।
बहुपद-समय एल्गोरिदम: वैश्विक समाधान क्षमता का पता लगाने के लिए कन्स्ट्रेंट डिग्राफ दृष्टिकोण का कार्यान्वयन, जो नैव एन्यूमरेशन (naive enumeration) की तुलना में नाटकीय गति प्रदान करता है।

प्रयोगात्मक परिणाम
लेखक कम्प्यूटेशनल प्रयोगों के माध्यम से ढांचे को मान्य करते हैं:

बुनियादी उदाहरण: ढांचा ज्ञात विरोधाभासों (जैसे, कोंडोर्सेट चक्र) को सही ढंग से पहचानता है और विभिन्न ग्राफ टोपोलॉजी (जैसे, $K_4$ , $C_3$ ) के लिए $|\Omega_1|$ की गणना करता है।
स्टोकेस्टिक इंटरपोलेशन (मैलोस मॉडल - Mallows Model): विभिन्न सहमति स्तरों के साथ प्राथमिकता प्रोफाइल उत्पन्न करने के लिए मैलोस मॉडल का उपयोग करते हुए, अध्ययन दिखाता है कि औसत असंगतता सूचकांक $|\Omega_1|$ , फैलाव पैरामीटर (dispersion parameter) में बदलाव के प्रति सुचारू रूप से और अनुमानित रूप से प्रतिक्रिया करता है।
निरंतरता दरें (Consistency Rates): रैंडम प्रोफाइल पर प्रयोगों से पता चलता है कि वैश्विक निरंतरता (एक वैश्विक सेक्शन का अस्तित्व) कनेक्टेड कंपोनेंट में मतदाताओं की संख्या द्वारा शासित होती है (विशेष रूप से पूर्ण दृश्यता के लिए $(1/|A|!)^{|V|-1}$ ), जबकि औसत असंगतता सूचकांक किनारों की संख्या के साथ स्केल करता है।
स्केलिंग: कन्स्ट्रेंट डिग्राफ एल्गोरिदम कुशलतापूर्वक स्केल करता है। 12 विकल्पों के लिए, डिग्राफ दृष्टिकोण नैव एन्यूमरेशन की तुलना में लगभग 149,000 गुना तेज़ है।
"अदृश्य" बाधा (The "Invisible" Obstruction): एक विशिष्ट उदाहरण (परिशिष्ट D) प्रदर्शित करता है जहाँ $|\Omega_1| = 0$ है (सभी युग्व ओवरलैप सुसंगत हैं) फिर भी सभी स्रोतों को मिलाने पर एक खाली स्टॉक प्राप्त होता है। यह पुष्टि करता है कि वैश्विक फ्यूजन असंभवताओं का पता लगाने के लिए युग्व जाँच पर्याप्त नहीं है।

महत्ता और दावे
लेखक दावा करते हैं कि शीफ-सैद्धांतिक दृष्टिकोण HodgeRank जैसी मौजूदा विधियों की तुलना में दो विशिष्ट लाभ प्रदान करता है:

स्थानीयकरण (Localization): यह पहचानता है कि कौन से विशिष्ट इंटरैक्शन (किनारे) विसंगतियों के लिए जिम्मेदार हैं, न कि केवल एक वैश्विक बाधा की उपस्थिति की रिपोर्ट करता है।
फंक्टोरियलिटी (Functoriality): पुशफॉरवर्ड ऑपरेशन सिस्टम के मोटा होने (जैसे, मतदाताओं के विलय) के दौरान संघर्षों को सुसंगत रूप से ट्रैक करने की अनुमति देता है। यह वितरित किनारा संघर्षों से स्थानीय असंभवताओं (खाली स्टॉक्स) में परिवर्तन को पकड़ता है, जो एक वैश्विक समाधान के लिए प्रमाण प्रदान करता है जिसे युग्व जाँच प्रदान नहीं कर सकती।

लेखक स्पष्ट रूप से कहते हैं कि यह ढांचा कोहोमोलॉजिकल इनवेरिएंट्स का प्रतिस्थापन नहीं है, बल्कि प्राथमिकता एकत्रीकरण में विशिष्ट संरचनात्मक विफलताओं को स्थानीयकृत करने और निदान करने का एक उपकरण है। वे इस बात पर जोर देते हैं कि जबकि उच्च-क्रम की बाधाएं ( $\Omega_k$ जहाँ $k \ge 2$ ) चेच निर्माण (Čech construction) के कारण ग्राफ पर स्वतः ही लुप्त हो जाती हैं, पुशफॉरवर्ड तंत्र उन गैर-तुच्छ वैश्विक बाधाओं को पकड़ता है जो युग्व निरंतरता के एक वैश्विक क्रम में जुड़ने में विफल होने से उत्पन्न होती हैं। यह कार्य प्राथमिकता एकत्रीकरण के विश्लेषण के लिए एक आधारभूत कदम के रूप में प्रस्तुत किया गया है जहाँ संघर्ष का स्थान उतना ही महत्वपूर्ण है जितना कि उसका अस्तित्व।