在现实世界中,决策作为日常生活中一种普遍的行为,广泛存在于社会生活的各个方面。由于现实世界是复杂多变的,生活中的许多信息是不确定和模糊的,因此,许多决策问题存在不确定性和模糊性,影响着我们的决策判断。为了解决这些不确定性决策问题,出现了如概率论、区间数理论、模糊集理论和粗糙集理论等,但是,这些理论都存在各自的缺陷,主要是参数化工具不足的问题。针对这一缺点,俄罗斯学者Molodtsov从参数化的角度出发,提出了参数无约束性的软集理论。以软集理论为基础,Maji等人提出了从参数化和程度化两个方面来描述对象的模糊软集理论,丰富的信息描述使其在决策分析、数据挖掘和人工智能等领域得到了广泛的应用,尤其在多属性决策方面的应用广受关注,成为解决多属性决策问题的热点。本文主要对模糊软集的参数约简方法和基于动态区间值模糊软集、动态犹豫模糊软集的多属性决策方法进行了研究。具体的研究内容如下:1.针对模糊软集多属性决策中的参数约简效率低和参数约简结果不合理等问题,提出了一种基于参数近似度的模糊软集参数约简的新方法。该方法通过引入参数近似度的定义来反映参数在约简过程中的重要程度,并利用可分辨矩阵对模糊软集进行参数约简,从而解决约简计算量大的问题,提高了参数约简的效率和质量,降低了属性参数的维度。通过参数约简方法对比,验证了基于参数近似度的模糊软集参数约简的方法更合理,结果更准确。2.针对区间值模糊软集在决策过程中,属性权重往往被忽略或依靠主观经验来确定等问题,提出了一种基于优势关系的属性权重确定方法,并讨论了其相关性质及运算。并且针对在区间值模糊软集决策过程中,决策信息是随时间变化而变化的特点,定义基于时间的动态区间值模糊软集,并建立了指数增长模型的时间权重确定公式。最后通过与其他决策方法进行对比分析,验证了基于属性权重的动态区间值模糊软集决策方法更合理和有效。3.针对犹豫模糊软集在决策过程中,时间权重确定不灵活的缺点,提出一种递增递减模型来确定时间权重,结合D-S证据理论确定属性权重,提出一种动态犹豫模糊软集的决策方法。最后通过与其他决策方法进行对比分析,验证了考虑属性权重的动态犹豫模糊软集决策方法的可行性和正确性,现实了灵活动态决策的功能,使决策结果更合理。