摘要: 无论是在校园、企业或者公司，都存在决策问题，而面对日渐复杂的社会环境，更加复杂的社会结构以及更纷繁复杂的备选方案，决策环境也变得更加地不确定。对于描述不确定环境下决策者选择的不确定性，科学家们引入了许多种描述方式，其中犹豫模糊集和... 展开 无论是在校园、企业或者公司，都存在决策问题，而面对日渐复杂的社会环境，更加复杂的社会结构以及更纷繁复杂的备选方案，决策环境也变得更加地不确定。对于描述不确定环境下决策者选择的不确定性，科学家们引入了许多种描述方式，其中犹豫模糊集和直觉模糊集应用尤为广泛。为了得到一致性的决策结果，就要确保决策过程的一致性，即在信息集成阶段要确保达到一致性。为了获得更为准确的、更符合实际情况的多属性群决策结果，犹豫模糊元素、直觉模糊值的序关系和决策过程中算法的一致性尤为重要。因此，本文在此背景下研究了如下内容: (1)在直觉模糊环境下，提出了二元组模糊偏好关系的概念，并定义了二元组模糊偏好关系的积型一致性和加型一致性;给出了二元组积型（加型）得分函数和二元组积型（加型）准确度函数的定义，并将其运用至直觉模糊值的排序中;针对二元组模糊偏好关系构造了二元组集成算子，用于对二元组模糊偏好关系进行信息集成。 (2)研究了直觉模糊环境下的多属性群决策问题，基于加型一致性模糊偏好关系、二元组积型一致性模糊偏好关系和二元组加型一致性模糊偏好关系构造了三种直觉模糊值的排序方法，由此得到了三种直觉模糊多属性群决策算法。 (3)本文研究了现有犹豫模糊集的序关系和现有犹豫模糊多属性群决策办法的一些缺陷，给出了新的犹豫模糊集的排序方法。利用距离测度和改进的TOPSIS方法，来对犹豫模糊集进行排序。最后，将所提出的排序方法应用于犹豫模糊多属性群决策中。 (4)本文研究了犹豫模糊多属性群决策问题，给出了两种决策方法。在属性权重信息已知的情况下，基于原始犹豫模糊决策信息，利用相似贴近度构造加型一致性模糊偏好关系，再利用集成算子对不同专家、不同属性信息进行集成，最后根据新的排序方法进行排序。在属性权重信息未知的情况下，首先利用本文提出的新的确定属性权重的方法进行权重提取，然后基于原始犹豫模糊决策信息，利用相似贴近度构造加型一致性模糊偏好关系，再结合集成算子对不同专家、不同属性信息进行整合，最后根据新的排序方法进行备选方案的排序。 在理论研究的基础上，本文针对每种决策方法给出了相关实例，论证所提决策方法的可行性;同时给出了与其他方法的对比分析，所得结果从数值上证实了本文提出的新方法的优势，能够确保决策过程的一致性，同时避免了原有决策信息的改变或丢失，更符合实际情况。 收起