This study designs a novel decision support model to address group decision-making (GDM) problems with Pythagorean fuzzy linguistic information. To do so, a new concept of Pythagorean fuzzy linguistic preference relations (PFLPRs) is first introduced to describe fuzzy and uncertain information, where the Pythagorean fuzzy linguistic values (PFLVs) are represented by the linguistic membership degree and linguistic non-membership degree. Then, we also give the definitions of multiplicative consistency of PFLPRs, consistency index (CI), individual consensus degree (IGD) and group consensus degree (GCD). Subsequently, a consistency-adjustment approach is proposed to convert unacceptable multiplicative consistent PFLPRs into acceptable ones, as well as, derive the optimal normalized Pythagorean fuzzy priority weight vector (PFPWV) for alternatives. Furthermore, we design two algorithms in group decision support model. The first algorithm is used to check the multiplicative consistency of original PFLPRs and transform the unacceptable multiplicative consistent PFLPRs into the acceptable ones. The second algorithm is designed to aid the GCD to achieve the predefined level. The most innovative features of the proposed decision support model are following two points. One is that the GCD reaches the predefined level, while each PFLPR still keeps multiplicative consistency. The other is that it can preserve decision makers’ original preference information as much as possible. Finally, we give a numerical example to illustrate validity and practicality of this proposed approach.

本研究设计了一种新颖的决策支持模型，以利用毕达哥拉斯模糊语言信息解决群体决策（GDM）问题。为此，首先引入勾股模糊语言偏好关系（PFLPR）的新概念来描述模糊和不确定信息，其中勾股模糊语言值（PFLV）由语言隶属度和语言非隶属度表示。然后，我们还给出了PFLPR的乘性一致性，一致性指数（CI），个人共识度（IGD）和群体共识度（GCD）的定义。随后，提出了一种一致性调整方法，将不可接受的乘性一致PFLPRs转换为可接受的乘积PFLPR，并推导出最优的标准化毕达哥拉斯模糊优先权向量（PFPWV）作为替代方案。此外，我们在群体决策支持模型中设计了两种算法。第一种算法用于检查原始PFLPR的乘法一致性，并将不可接受的乘性一致PFLPR转换为可接受的乘法。第二种算法旨在帮助GCD达到预定义的级别。拟议的决策支持模型的最具创新性的特征有以下两点。一个是GCD达到了预定义的级别，而每个PFLPR仍保持乘法一致性。另一个是它可以最大程度地保留决策者的原始偏好信息。最后，我们给出一个数值例子来说明该方法的有效性和实用性。第一种算法用于检查原始PFLPR的乘法一致性，并将不可接受的乘性一致PFLPR转换为可接受的乘法。第二种算法旨在帮助GCD达到预定义的级别。拟议的决策支持模型的最具创新性的特征有以下两点。一个是GCD达到了预定义的级别，而每个PFLPR仍保持乘法一致性。另一个是它可以最大程度地保留决策者的原始偏好信息。最后，我们给出一个数值例子来说明该方法的有效性和实用性。第一种算法用于检查原始PFLPR的乘法一致性，并将不可接受的乘性一致PFLPR转换为可接受的乘法。第二种算法旨在帮助GCD达到预定义的级别。拟议的决策支持模型的最具创新性的特征有以下两点。一个是GCD达到了预定义的级别，而每个PFLPR仍保持乘法一致性。另一个是它可以最大程度地保留决策者的原始偏好信息。最后，我们给出一个数值例子来说明该方法的有效性和实用性。第二种算法旨在帮助GCD达到预定义的级别。拟议的决策支持模型的最具创新性的特征有以下两点。一个是GCD达到了预定义的级别，而每个PFLPR仍保持乘法一致性。另一个是它可以最大程度地保留决策者的原始偏好信息。最后，我们给出一个数值例子来说明该方法的有效性和实用性。第二种算法旨在帮助GCD达到预定义的级别。拟议的决策支持模型的最具创新性的特征有以下两点。一个是GCD达到了预定义的级别，而每个PFLPR仍保持乘法一致性。另一个是它可以最大程度地保留决策者的原始偏好信息。最后，我们给出一个数值例子来说明该方法的有效性和实用性。