多属性群决策是指多个决策者基于已知的决策信息,运用一定的决策方法对具有多个决策属性的备选方案进行比选与择优的过程。多属性群决策问题已经普遍存在于经济、管理以及军事等诸多领域。然而,由于决策环境的动态性、决策问题的复杂性以及人类认知的局限性,决策者在决策中通常很难给出精确值形式的评价信息。为了更好地表示决策过程的模糊性和不确定性,本文采用区间直觉模糊数形式表示决策者的决策偏好,并针对不同决策情景提出了相应的决策方法。近年来,虽有学者已针对区间直觉模糊决策环境下的多属性群决策问题展开了研究,也取得了一些成果,但仍有一些问题值得进一步深入研究。本文主要针对现有相关研究存在的不足展开研究,具体内容为:(1)决策信息完全情景下的区间直觉模糊多属性群决策方法研究科学合理的集结算子是有效解决区间直觉模糊多属性群决策问题的关键因素之一。然而,现有的集结算子在对隶属度下限值为0,或者非隶属度上限值为1的区间直觉模糊信息进行集结时,容易引起信息丢失或失真现象,进而导致不合理的决策。针对现有集结算子存在的问题,本文基于证据推理理论提出了一种新的区间直觉模糊信息集结算子。该算子首先将不同区间直觉模糊信息的隶属度和非隶属度分别转换为属于不同评价等级的支持度,然后用证据推理理论对所得支持度进行集结,从而实现了对区间直觉模糊信息的集结。基于所提集结算子,提出了一种新的决策方法,该方法很好地弥补了已有方法存在的不足。(2)决策信息不完全情景下的区间直觉模糊多属性群决策方法研究在实际决策中,决策属性权重信息可能是完全已知、部分已知或者完全未知。然而,多数相关研究提出的决策方法仅仅考虑了决策属性权重信息完全已知的决策情景,因此无法解决决策属性权重信息部分已知或完全未知的决策问题。基于上述情况,本文针对决策属性权重信息部分已知和完全未知两种决策情景,分别建立了决策属性权重优化模型。该模型的目标是决策属性值偏差最大化,约束条件是决策属性权重的客观取值范围以及决策者对于决策属性的主观偏好。在此基础上,提出了解决信息不完全的区间直觉模糊多属性群决策问题的新方法。(3)决策信息异构情景下的区间直觉模糊多属性群决策方法研究在群决策过程中,由于决策者间存在异质性,因此他们偏好的决策属性集,擅长采用的决策信息表示模型都可能存在一定差异。如果忽视这种差异,就可能导致信息丢失或失真,进而导致决策失误。然而,多数相关研究仅考虑了决策信息同构的决策情景,即所有的决策者均采用相同的决策属性集和信息表示模型。针对这一不足,本文提出了一种新的决策方法。该方法将不同决策者给出的决策矩阵视为相互独立的模块并单独处理,有效地解决了决策属性集不一致的问题。此外,该方法将每个模块按其包含的决策属性划分为若干子模块并单独处理,有效地解决了决策信息类型不一致的问题。由于该方法允许决策者根据其对决策问题的认识构建适合的决策属性集,采用其最擅长的信息表示模型,因此能充分保留决策者的决策偏好,最大限度地发挥群决策的效用,进而有利于做出更为合理的决策。本文的研究成果丰富了模糊决策环境下的群决策理论和方法,所提出的决策方法可应用于应急物资配送中心选址、城市突发事件应急能力评价以及高校教师绩效评价等实际问题的决策。