随着社会与生产技术的高速发展,决策在人们日常生活中越来越重要。影响图是描述复杂决策问题的图模型,作为一种不确定性决策问题的描述、推理和决策工具已被广泛的应用于预测分析、决策支持等各个领域。影响图对决策问题进行表示和决策时,需要获取大量精确的概率值和效用值。然而,这些精确、量化的知识很难获得,并且在很多实际应用中,我们只需要定性的认识。为了克服影响图在一些实际应用中的不足,Wellman提出了定性影响图,定性影响图是影响图的定性抽象,针对同一决策问题构建的影响图与定性影响图,它们具有相同的网络结构,不同的是定性影响图用定性影响符号表示了影响图中各个结点间的影响关系。这样,影响图建模时不需要获取大量的点概率,只需要获取结点间的定性关系,大大简化了决策问题的建模。然而,这种简单的抽象不能反映出决策影响的强弱以及在决策时可能会出现不确定的结果。为了尽可能消除决策产生的不确定性结果和反映决策影响的强弱,本文对定性影响图进行了扩展,研究了带权重的定性影响图。论文首先介绍了贝叶斯网的相关知识与基本概念,定性贝叶斯网的基本概念、定性关系及推理、影响图与定性影响图的基本概念与决策。其次,从概率网络和效用网络两个部分,定义了带权定性影响图的带权定性影响关系。第三,阐述了带权定性影响的对称性、传递性与合成性以及给出了带权定性影响的乘运算和加运算规则的证明。第四,对定性影响图的决策方法进行了扩展,给出了带权重的定性影响图决策方法,通过实验验证了本文所提出的决策方法的正确性和有效性。最后对本文工作的进行了总结,同时对未来的工作做出了展望。