多属性群决策问题在日常工作与生活中时常发生,而在决策过程中,专家针对备选方案所采取的评估方式通常有两种,即两两对比评估形式与非两两对比评估形式。其中,模糊偏好关系（FPR）与乘性偏好关系（MPR）相关研究的近40年的不断发展证实了专家采用两两对比评估形式给出的评估信息在实际决策中发挥着重要作用。此外,随着实际决策事件的规模与复杂性日益增大,对于评估信息的模糊性的表述需求逐渐提升。近年来,结合直觉模糊集与犹豫模糊集的思想,直觉模糊偏好关系（IFPR）、直觉乘性偏好关系（IMPR）、犹豫模糊偏好关系（HFPR）以及犹豫乘性偏好关系（HMPR）被学者不断提出以改进传统偏好信息在不确定性表达上的不足。然而,上述以IMPR与HMPR为代表的广义乘性偏好信息在具有不同优先等级的信息融合过程、混合偏好信息下的优先权重确定方法、合理有效的一致性判断以及群体共识改进方法等方面的研究仍需进一步的深入。本文以FPR与MPR的决策理论为基础,为应对由于专家团队成员评估经验或习惯差异导致的各种决策情境,对广义乘性偏好信息在上述研究方向上提出了一定改进,构造了可融合优先等级各异的直觉乘性偏好信息的集结工具、IMPR与IFPR共存的优先权重确定方法以及IMPR与HMPR的一致性与共识水平优化流程,丰富了广义乘性偏好信息的理论研究体系,进而构建不同情况下的多属性群决策（MAGDM）流程。研究的具体内容如下:1.针对专家之间具有一定优先关系时的群体决策问题,提出一系列直觉乘性优先信息融合工具。首先,结合直觉乘性偏好信息距离函数与优先平均算子的构建思路,定义了可集结优先等级各异的直觉乘性偏好信息的集结算子,即直觉乘性优先加权平均算子与直觉乘性优先加权几何算子,并证明得到了上述信息融合工具的集结模型及其满足的相关性质。其次,探究了上述算子的广义形式,并讨论了广义算子关于控制系数的退化性。最终,结合所构造的直觉乘性优先集成算子构建了MAGDM流程,引用相关算例表明方法的有效性。2.考虑专家同时运用直觉乘性与直觉模糊偏好信息完成评估工作的情况,提出一种基于净流值方程的混合偏好信息优先权重确定方法。首先,分别将IFPR与IMPR拆分为两个区间FPR与两个区间MPR。其次,结合净流值方程分别得到个体IFPR与IMPR对应的优先权重确定模型。最后,为尽可能区分备选方案,结合信息论构建平均差异最大化模型客观求得专家权重信息,进而得到不同备选方案的群体优先权重值以确定排序结果。结合3个算例说明本文方法不仅在单一种类偏好关系存在下的决策问题中有效,也可解决混合偏好信息下的MAGDM问题。3.个体偏好信息的一致性与整体信息之间的契合水平决定了决策结果的合理性与准确性,考虑决策者参与评估过程的程度不同,构造了两种直觉乘性偏好信息的一致性与共识水平优化方法。当专家只完成原始评估工作时,定义了个体IMPR的一致性测度与群体共识测度,并以此分别提出一致性与共识水平的迭代改进算法并证明算法的收敛性,最终达成可接受条件。当专家全程参与评估工作时,构建了多个层面上的一致性、共识以及接近度测度,并通过与阈值的比较提出非一致与非共识偏好信息的识别方法和改进方向,进而依据专家的重新评估最终达到可接受一致与共识条件。最后,为了保证群体偏好信息的一致性,构建了诱导直觉乘性信息融合工具集结个体信息得到群体IMPR,确定对应的MAGDM流程。4.为完善HMPR下的MAGDM中的一致性与共识水平改进阶段,构造了一种可同时改善一致性与共识程度的优化方法。首先,依据HMPR的乘性一致性得到全新的一致性衡量标准。其次,结合改进的距离测度得到群体决策中专家个体偏好信息之间的共识水平测度。再次,为了尽可能保持原始偏好信息,以原始HMPR与改进HMPR之间距离最小化为目标,构建优化模型得到可接受一致与共识的HMPR。最后,引入标准犹豫乘性加权几何算子集结得到群体HMPR,保证群体信息的一致性,并得到包含一致性与共识优化过程的MAGDM流程。