2023年7月，公司教师苏寒在校定B级期刊《ARTIFICIAL INTELLIGENCE REVIEW》发表题为“A consistency and consensus-driven approach for granulating linguistic information in GDM with distributed linguistic preference relations”的论文。该论文针对群体决策（GDM）中决策者（DM）的方案偏好及其相对重要性均以分布式语言偏好关系（DLPRs）表达的问题，提出了一种新型的两阶段语言信息粒化方法。该方法核心在于通过优化将语言术语转化为数值区间，从而解决语言信息本身不可直接运算的难题。具体而言，首先构建了一个一致性驱动模型来粒化处理DM权重的语言信息；进而，基于所得权重，建立了一个一致性与共识协同驱动的优化模型来处理方案偏好的语言信息，其目标函数是两者指标的乘性组合。研究采用粒子群优化（PSO）算法求解上述非线性模型，并形成了完整的决策框架。通过商用车辆选择的案例验证了方法的可行性，并在航空发动机风险评估问题中，通过与语言计算模型和个性化个体语义模型的对比，凸显了该方法在提升决策一致性与共识度方面的优势。本论文的主要贡献在于开发了上述两个粒化模型，并提出了解决此类GDM问题的完整框架，为处理复杂的语言决策问题提供了有效方案。希望广大教师继续潜心研究，不断创新，多出成果。（撰稿：苏寒；一审：艾科妮；二审：周健；三审：戴道明）