多属性决策是广泛存在于现实世界中的一类决策问题。随着现代社会生活和商业环境中决策场景的日益复杂,如何建立有效且具有灵活适应性的多属性决策方法,为决策者提供科学有效的决策结果,是一个具有重要现实意义的研究问题。在决策科学领域中,研究者们对多属性决策方法的探索从未停止,主要研究关注点集中于两个问题:一是决策者如何准确地描述评价信息,二是如何有效地聚合多个属性的评价信息。对于第一点,越来越多的学者将模糊信息引入到多属性决策过程中,以更加充分地描述人类的评价。对于第二点,则主要通过信息聚合算子或一些传统的信息评价方法对信息进行聚合。诸多研究将直觉模糊集引入决策环境中用于准确描述评价信息,并分别将各类信息聚合算子和传统信息评价方法推广到直觉模糊信息环境下,建立了一些多属性决策方法。这些方法随后被广泛应用于解决实际问题,但其在犹豫信息的考虑上仍然有所欠缺。图像模糊集是以直觉模糊集为基础建立的模糊理论,作为信息表达工具而言,其在保持简单易用性的同时具备更加出色的不确定信息表达能力,弥补了直觉模糊集在犹豫信息描述上的不足。为了利用图像模糊集在信息描述准确性上的优势来驱动更可靠的决策,本文借助图像模糊集作为多属性决策环境中表达评价信息的工具,从不同的信息聚合方式上出发建立两种图像模糊信息多属性决策算法,以灵活有效地解决复杂多属性决策问题。在基于信息聚合算子的方式上,提出图像模糊Dombi Heronian均值算子及其多属性决策算法;在基于传统信息评价方法的多属性决策上,探讨图像模糊层次分析法及其多属性决策算法。在方法研究的基础上,本研究最后将所提出的方法应用于ERP服务商选择的决策问题中,阐明上述方法的使用过程,并通过结果分析和方法对比分析验证方法的优越性。本研究提出的两种基于图像模糊信息的多属性决策方法能够更有效、灵活地解决多属性决策问题,并弥补现有研究中的不足。主要研究成果和创新贡献在于:(1)在图像模糊信息环境下,基于Dombi范式和Heronian均值算子建立一种新的多属性决策方法。通过利用具有灵活性的Dombi范式和强大信息聚合能力的Heronian均值算子,本方法可以在聚合多个属性的图像模糊信息时有效考虑其两两之间潜在的相关关系,并能通过参数灵活调节信息聚合程度和属性间相互关系的考虑程度。通过提出并利用新的图像模糊得分函数,本方法能够在多属性决策中更加有效、充分地利用图像模糊评价信息。相比其他基于图像模糊信息的多属性决策算法,本方法在处理实际多属性决策问题时表现出更好的有效性和灵活性。(2)在图像模糊信息环境下创新地建立基于图像模糊层次分析法的多属性决策算法。通过提出图像模糊偏好关系、图像模糊指数得分函数、图像模糊乘法偏好关系及其拟优一致性矩阵的概念和计算方法,本方法能够将基于最优传递矩阵的层次分析法应用于处理图像模糊信息,解决属性权重信息不确定情况下的多属性决策问题,在应用中允许专家自由使用图像模糊数表达偏好信息,并能自动修正偏好关系一致性,提供更加可靠的信息依据,提升后续决策算法和最终结果的有效性。通过灵活使用不同图像模糊得分函数来有侧重点地利用偏好信息,以及灵活使用不同聚合算子计算总优先级权重向量满足实际需要,本方法能够更加灵活地应用于实际的多属性决策问题。