在日常生活中,人们往往通过使用偏好来表达自己的意向,以此辅助自己做出日常决策。而在电子商务中,卖方也需知道买方的偏好,才能为其推荐满意的商品。因此,对偏好语言表达能力的强弱会直接影响到最佳方案选择的有效性。近年来,有效刻画议题间依赖关系工具的研究是多议题协商问题研究中的一个热点和难点。在此背景下,研究者们已经提出许多刻画议题间依赖关系的工具。CP-nets就是一种定性的刻画议题间依赖关系的图形工具。此工具的表达能力很强,能够自然的,直观的表达出用户的偏好信息,但是,其只能单纯的刻画非对称依赖关系,并且无法描述连续型议题或是一些模糊的,不确定的偏好信息,这是CP-nets的缺陷。本文阐述了依赖关系的基本思想,并对当前刻画议题间依赖关系的各种工具的进行了详细的分析与介绍,针对已有工具的各种不足,基于CP-nets提出了一种新的刻画议题间依赖关系的图形工具,叫做SDCP-netS。该工具弥补了CP-nets的两点不足,其一,SDCP-nets不仅能够刻画非对称的依赖关系,类似于CP-nets的条件偏好关系,而且其利用效用矩阵刻画议题间的对称依赖关系；其二,该工具利用二元语义模型表示连续型议题和不确定的,模糊的偏好信息,丰富了SDCP-nets的表达能力。此外,本文形式化定义了SDCP-nets的结构、语义,并证明了SDCP-nets具有可满足性和一致性,能够更加准确,直观,自然的表达出用户的偏好信息。随后,给出了关于SDCP-nets的择优选择算法和最佳方案选择算法。在SDCP-nets中,条件偏好关系的刻画使得择优选择和最佳方案选择算法更加有效,而同时对称依赖关系的描述又进一步确保了算法结果的准确性。最后,对工具SDCP-nets的有效性,准确性以及方案偏好关系的导出等三个方面进行了实验验证。实验结果表明,利用SDCP-nets来刻画议题间的依赖关系,可以最佳方案选择算法更有效的达到pareto最优解,并且在描述用户的偏好语言上,具有较高的准确性,使算法所得结果更加满足用户的期望。