在当今复杂的决策环境中，群体决策（Group Decision-Making, GDM）因其能够整合多方智慧而备受青睐。然而，传统的共识达成过程（Consensus Reaching Process, CRP）面临两大挑战：一是参与者往往因个人利益和动机而拒绝接受修改建议，二是现有模型容易受到群体内部偏见（如从众心理和同伴压力）的影响。特别是在模糊群决策场景中，这些问题更为突出，因为决策信息本身具有不确定性和模糊性。
以往基于粒计算（Granular Computing）的共识模型虽然在一定程度上解决了信息损失和一致性问题，但未能充分考虑个体的接受意愿和信任建立机制。大多数模型假设参与者会完全接受修改建议，这在实际应用中往往不成立。此外，基于意见相似性的信任建立方法不仅计算复杂，还可能导致决策过程中的偏见放大。
为解决这些难题，来自西班牙格拉纳达大学的研究团队在《Information Fusion》上发表了一项创新研究，提出了一种基于区块链技术的粒计算共识模型。该研究通过将区块链的匿名性和智能合约的自动执行能力引入决策过程，构建了一个既能保护隐私又能建立信任的新型决策框架。
研究人员采用了几个关键技术方法：首先利用模糊偏好关系（Fuzzy Preference Relations）建模参与者意见，通过粒子群优化（Particle Swarm Optimization, PSO）算法优化共识和一致性程度；其次设计了基于区块链的通信结构，确保参与者身份和意见的保密性；最后创新性地提出了不依赖信任传播的信任建立机制，通过智能合约执行决策规则。
研究结果显示，该模型在多个实验场景中均表现出色。在共识衡量方面，通过软一致性概念计算的共识度（AG(t)）显著提升，同时个体一致性程度（CDh(t)）也得到明显改善。特别值得关注的是，基于区块链的信任建立机制使参与者的平均信任水平从45.78%提升至83.31%，增幅达19%。在效率方面，新模型达成共识所需的协商轮数平均为30.52轮，远低于传统模型的79.87轮。
在技术实现细节上，研究团队定义了信息粒度分配机制，通过区间值偏好关系（Interval-valued Preference Relations）将精确数值转换为粒度实现。每个参与者被分配特定的信息粒度水平εh，通过优化模型最大化共识一致性程度（CCD(t)）。智能合约的执行阈值ν设置为50%，只有当足够多的参与者接受修改建议时，合约才会自动执行。
实验分析部分通过敏感性分析验证了模型参数τ1和τ2（信任调整参数）的优化配置。研究发现，当τ1远大于|τ2|时，信任建立效果最佳。此外，模型在不同规模群体（20-100人）中均表现出良好的可扩展性，证明其适用于大规模群决策场景。
与现有粒计算模型的对比分析显示，新模型在共识达成效率上具有明显优势。相较于基于均匀粒度分配的模型和非均匀粒度分配模型，新模型所需的协商轮数显著减少，特别是在大规模决策群体中表现更为突出。
研究的讨论部分强调了该模型的三大创新点：首先是摒弃了传统基于意见相似性的信任建立方法，有效减少了决策偏见；其次是通过区块链技术确保了决策过程的透明性和安全性；最后是提出了一种计算效率更高的信任建立机制，避免了复杂的信任传播过程。
该研究的实际意义在于为组织决策、多利益相关方谈判等场景提供了切实可用的解决方案。特别是在需要公平信息共享和偏见最小化的决策环境中，如分布式团队协作、敏感的组织决策等，该模型都能发挥重要作用。
尽管该研究在理论和方法上取得了重要突破，作者也指出了几个值得进一步探索的方向：首先是信任建立机制中参数设置的优化空间，其次是模型在真实世界决策场景中的验证需求，最后是区块链技术实际部署时可能面临的计算和通信成本问题。
这项研究为模糊群决策领域带来了新的思路和方法，通过巧妙结合粒计算和区块链技术，为解决长期困扰决策理论界的信任和偏见问题提供了创新性解决方案。随着数字决策环境的不断发展，这种融合先进技术的决策模型有望在更多复杂场景中找到用武之地。
