多属性群决策在现代决策科学中扮演着重要的角色,并被广泛的应用至科技、文化、政治等诸多领域。考虑到现实生活中客观事物的复杂性和人类思维的局限性,决策者在作出评价时更倾向于给出定性的评价信息,而语言变量作为一种定性的评价信息,能够便捷,直观的表达出模糊评价信息,所以语言评价问题更加贴切实际,而且得到了广泛的关注,并取得了丰富的成果。在决策者给出其语言评价信息时,还存在着这样一类情况,那就是决策者不仅需要对评估对象给出自己的评价结果,还可能以类似“自信程度”这样的形式给出自己对评判结果的可靠判断,即决策者使用了二维语言变量来进行评价判断。其中,第一维语言评价信息是用来描述决策者对需要进行评价的事物给出的评价结果,第二维语言评价信息是决策者用来表达对于自己给出的评价结果自信程度的主观评价,二维语言变量也提高了决策者对决策对象评价的准确性。本文针对多属性群决策问题中评价信息为二维语言变量及其相关评价信息的问题进行了探讨和研究,主要完成的工作和结果如下:第一章着重叙述说明了该论文的研究意义,同时分析了目前国内外对于语言决策的研究现状,并提出了本文所要研究和探讨的问题。第二章,介绍了多属性群决策、语言变量和二维语言变量一些基本的概念,为后文做了一些铺垫工作。第三章,针对梯形模糊信息环境下,考虑一类风险型多属性群决策问题,其中专家权重和属性权重均未知,提出了梯形模糊相似性测度,在此基础之上,以相似测度最大化为准则,通过构建的优化模型来获得最优专家以及属性权重,然后提出了基于梯形模糊相似测度的多属性群决策方法,最后通过风险投资实证分析说明该方法的可行性和有效性。第四章,针对评价信息为二维语言变量的多属性决策问题,提出了基于二维语言变量的TOPSIS和TODIM多属性决策方法。该方法首先将二维语言变量中第二维语言评价信息定量化,同时用决策者的主观风险态度刻画了二维语言变量存在的不确定性,进而提出了基于二维语言变量的语言信度结构。为合理的分配信度权重,建立了语言信度分配模型,并定义了二维语言变量基于语言信度结构的距离测度,在此基础上提出了基于TOPSIS和TODIM方法的模糊多属性决策方法。最后通过算例说明该方法的可行性和有效性。第五章,针对评价信息为梯形二维语言变量的多属性群决策问题,提出了一种新的梯形二维语言变量的相似性测度。基于相似性测度最大化准则构建了两个优化模型分别求解多属性群决策问题中的专家权重和属性权重,进而提出了一种新的基于梯形二维语言变量相似性测度的多属性群决策方法,最后通过实例验证了新方法的合理性和有效性。最后,对全文的工作进行了总结,并对未来的研究工作进行展望。