模糊性是事物客观存在的一种属性。随着模糊集理论的发展,要求排序的领域也越来越广泛,专门讨论排序的文章也越来越多[43]。近些年来人们已提出了近40种有关模糊数的排序方法,这些方法大体上可以分为三类,第一类是将待排序的每个模糊量转化为实数,从而利用实数的自然序关系导出模糊量的序关系;第二类是先通过所有的模糊量构造一个参考集,然后将每个模糊量与该参考集进行比较,进而确定模糊量之间的序关系;第三类是构造模糊量上的模糊关系,通过该模糊关系实现模糊量间的两两比较[42]。这三类方法均是通过构造并处理排序指标来确定模糊量的序关系的,其实质是将模糊量转化为数来讨论的,但由于至今为止尚无一个大家所公认的好的排序方法,有人在拓广排序的应用领域,还有人将神经网络方法用于比较模糊数时准则的学习过程,从而选取符合决策者要求的个性化排序方法。本篇论文的前半部分给出了一种新的模糊数的排序方法。该方法属于第一类。我们将会看到它具有很多较好的性质。鉴于区间数和夹在两坐标轴之间的线段的特定的对应关系,通过原点到线段的距离,可以给出区间数上的一种测度,利用该测度可对区间数进行排序。借助模糊集的α-水平截集,可以将区间数上的测度推广到模糊数上,成为模糊数上的测度,基于该测度可对模糊数进行排序。之后,我们又分别讨论了有关区间数和模糊数的相关性质。所给出的性质和后面的实例分析说明该方法较符合人们对模糊数的直觉认识。在实例分析中我们将本文所给出的排序方法同其它一些排序方法进行了比较。基于多属性决策问题(MADM)是处理最佳选择的各种属性的,它在现代决策中占有重要的地位,它已被广泛地应用于社会、经济管理、环境、教学、复杂系统等的评价、决策中。由于决策问题中的数据结构在很多情况下是不精确的,所以模糊集理论已被广泛地应用到这类模型中[43]。所以在这篇论文中我们将利用本文所给的排序方法解决一些相关的博弈论中的问题。