多属性决策在人类的实际生活中具有广泛的应用,解决了根据各方案属性的评价值选择最优方案的问题。生活中人们往往采用支持和反对两种态度对事物进行判断,而双犹豫模糊集由两部分可能值组成,即隶属度和非隶属度,对处理决策过程中的不确定信息及表示正反两方面信息是一种有力的工具。本文针对双犹豫模糊集信息值缺失的问题,提出基于不完全双犹豫模糊集的多属性决策方法,主要研究成果如下:首先提出不完全双犹豫模糊元素的补全方法。根据传统的双犹豫模糊集的相似度提出不完全双犹豫模糊元素的相似度,通过最大相似度的方法补全不完全双犹豫模糊信息值:找出相同属性下各方案的最大相似度,填补相同属性下具有最大相似度的方案属性缺失值,直到不完全的双犹豫模糊元素补全成完全的双犹豫模糊元素,既保证了各方案属性值间的最大相似度,又解决了信息值缺失的问题。通过网络商品评价的实例说明基于最大相似度的不完全双犹豫模糊信息值补全方法的有效性和实用性。然后基于粒计算提出权重未知的双犹豫模糊集多属性决策方法。在最大相似度的不完全双犹豫模糊集补全方法的基础上提出完全双犹豫模糊元素的大于可能度定义,并构造相应属性下的偏好矩阵。通过对模糊偏好矩阵对应的预序熵及预序粒结构相似度的计算确定各属性的权重,将该方法应用于校园超市挑选营业员的实例中,既有效地解决了权重未知的双犹豫模糊集的决策问题,又避免了人为赋权的主观性。最后提出一种基于最大偏差法的权重未知的不完全双犹豫模糊集决策方法。在第三章节已经给出的不完全双犹豫模糊元素相似度的基础上进一步提出双犹豫模糊元素的距离:不完全的双犹豫模糊元素的距离及完全的双犹豫模糊元素的距离。利用最大偏差法确定未知属性权重,解决了多属性决策问题中权重未知的问题。基于TOPSIS和双犹豫模糊元素距离,以离正负理想方案的远近为标准确定最优方案。通过校园歌唱比赛选拔实例说明该方法的有效性。