随着科技快速发展、决策环境地不断演变,多样化和复杂化的决策难题急需新的解决手段。决策问题需采用合适的评价信息和准确的决策方法,而多属性决策(MADM)方法能有效的解决这类问题。作为直接模糊集的扩展形式,Pythagorean模糊集可以细腻地表示事物的模糊性质,而语言信息描述着人类对事物的习惯认知,Pythagorean模糊语言集统合两者的特性更适合应用在实际决策环境内。本文针对Pythagorean模糊集合的决策问题进行一系列研究,具体有以下几个方面:(1)通过直接模糊集,探索决策者在做出决策时仅提供的候选方案间偏好信息的问题,为了充分考虑到偏好信息的犹豫程度,我们提出新的基于乘性一致性的交互式最小偏差规划模型,用于基于乘性一致性的直接模糊偏好关系(IFPR)中推导候选方案的优先权重。(2)在信息集结方面,模糊熵测度本身在衡量评估信息中的不确定因素中有着极大的优势,以此为基准,提出了Pythagorean模糊语言熵测度,随后提出了区间Pythagorean模糊语言熵诱导有序加权平均(IVPFLEIOWA)算子。语言尺度函数考虑了人类对收益和风险偏好趋势,结合语言尺度函数提出一种语言尺度函数Minkowski距离(LSFMD),基于Choquet积分的Shaply指数能找到属性之间的内部联系,以此提出了Pythagorean模糊语言Shapley-Choquet积分平均Minkowski距离(PFLSCAMD)算子,这种距离算子相比单纯的距离测度更注重集结信息内部变化趋势,同时能在属性权重未知时合理地聚集评价信息。随后,提出了Quasi-Shapley Pythagorean模糊语言Choquet平均Minkowski距离(Q-PFLSCAMD)算子,并研究其距离算子的退化形式。(3)在决策方法方面,偏序关系综合了成对评价信息的优先关系和否决关系并构成评价信息的决策矩阵,本文中基于偏序关系提出能解决决策中冲突问题的妥协决策方法(outranking-VIKOR,O-VIKOR),以处理区间Pythagorean模糊语言环境中复杂程度高的多属性决策问题。最后,针对以上3个方面,本文均给出了实际的决策案例,以便证明的研究有效性和实用性。