1、多屬性決策(MADM)是現(xiàn)代決策科學(xué)的一個重要組成部分，它的理論和方法在工程、經(jīng)濟、管理、教育等諸多領(lǐng)域中有著廣泛的應(yīng)用。多屬性決策的實質(zhì)是決策者利用已有的決策信息通過一定的方式對一組(有限個)備選方案進行排序和選優(yōu)。由于客觀事物的復(fù)雜性、不確定性以及人類思維的模糊性，決策者往往以語言形式給出決策信息。因此，研究具有語言評價信息的多屬性決策問題具有重要的理論意義和實際價值。 本文主要對語言信息的集結(jié)方法及語言多屬性(群)決策方法

2、作了一些探討。主要工作如下： 1.本文在新定義的加權(quán)價值函數(shù)的基礎(chǔ)上提出了加權(quán)TOPSIS方法，并把它擴展到模糊環(huán)境。在模糊環(huán)境下，提出固定型指標(biāo)模糊語言值的概念及相應(yīng)模糊數(shù)的規(guī)范化方法，提出一種模糊語言多屬性決策算法。 2.基于相對優(yōu)屬度矩陣和Vague集理論，本文定義了方案對目標(biāo)的支持(反對、中立)度，構(gòu)造決策者對方案滿意度的Vague值和理想Vague值，然后分別用加權(quán)TOPSIS法和記分函數(shù)對方案進行排序、選優(yōu)。

3、 3.定義二元語義矢量及其相關(guān)運算，提出基于二元語義信息處理的解決語言群決策問題的投影算法。該算法避免了語言矢量的直接比較和語言信息集結(jié)時的信息丟失等問題。 4.在二元語義加權(quán)平均(T-WA)算子和二元語義有序加權(quán)平均(T-OWA)算子的基礎(chǔ)上，給出二元語義混合加權(quán)(T-HWA)算子并分析了它的性質(zhì)，該算子既考慮了屬性值本身重要性，又考慮了屬性值的位置重要性。然后基于T-HWA算子，給出具有語言偏好信息的多屬性群決策算法