多准则决策是现代决策科学的重要组成部分。由于客观事物本身的复杂性和人类认识能力的局限性,要获取准确的准则值是非常困难的,因此实际的多准则决策问题常常伴有随机性。为了进一步提高决策的准确性,避免个体判断的失误,通常都由群体进行决策。随机多准则群决策(也称为风险型多准则群决策问题)是决策科学中一个重要的研究内容。本文在分析国内外关于贝叶斯理论和随机多准则决策理论的基础上,对基于贝叶斯理论的随机多准则群决策问题进行了较深入的研究,主要内容如下：首先研究了基于MCMC模拟的随机多准则群决策问题,对正态分布、指数分布、χ2分布的随机信息,利用MCMC模拟集结个体随机偏好,得到群体偏好,然后再利用已有的随机多准则决策思想获得方案的排序。然后运用拓展的贝叶斯网络——Credal网络处理准则相关情况下的多准则群决策问题,通过Credal网络推理将复杂的决策问题转化为区间数随机多准则决策问题,之后结合随机优势和概率优势,运用SIR排序方法对方案进行排序。这些决策方法丰富和完善了随机多准则决策理论和方法,提高了决策的科学性和合理性,具有理论和实践两方面的意义。