群决策支持系统(GDSS)是决策支持系统(DSS)的重要研究分支之一。GDSS利用通信技术、计算机技术，运用人工智能(AI)、管理科学理论与方法及其它数学工具，促进具有不同知识结构、不同经验、共同责任的群体对半结构化、非结构化决策问题进行求解。GDSS理论研究属于复杂科学的研究范畴，还缺乏必要的方法论指导，尚未形成一定的理论体系。由于GDSS在群体推理、定性定量结合及决策问题结构化等理论与方法的研究方面存在缺陷，目前的GDSS不能很好地解决定性的半结构化和非结构化问题；我国在开发应用GDSS特别是Internet环境下的GDSS方面还缺乏成功的经验。 本论文针对GDSS理论研究及应用中存在的若干问题，提出了基于群体推理及群体层次分析法(AHP)的GDSS结构，并给出了基于该结构的GDSS的决策程序；研究了GDSS环境下的基于粗糙集(Rough Set)理论及定性推理技术的群体推理方法，并举例说明了方法的有效性；研究了GDSS环境下群体AHP层次结构的建立、判断矩阵集结的理论与方法；研究了判断矩阵凸组合系数的优化原理；探讨了基于Rough Set的判断矩阵构造方法；开发了一个基于AHP的GDSS原型系统，旨在验证本文关于GDSS环境下群体AHP有关方法的有效性。论文主要内容如下： (1)综述了GDSS的研究现状及GDSS的发展趋势；分析了GDSS理论研究及实现中存在的问题。 (2)运用群体AHP的决策思想将GDSS的结构进行重组，提出一种新的基于群体推理及群体AHP的GDSS结构GDSSABGRGA；将基于Rough Set的群体推理及群决策环境下的定性推理这两种新的推理方法集成到GDSSABGRGA中，并将基于物理逻辑的定性推理方法与基于专家经验的群体推理方法相融合，以提高GDSS处理复杂定性问题的能力及决策的创造性；分析了该结构各主要构成部分的功能及相互关系，并说明了基于该结构的GDSS的决策程序。 (3)研究了用于定性知识获取的基于Rough Set的群体推理算法；并举例说明了基于Rough Set的群体推理算法的推理过程。分析了定性推理QSIM算法用于决策过程中所存在的问题；研究了用于定性问题群决策的GDSS环境下的QSIM算法。 (4)在总结AHP决策思想的基础上，提出了一种复杂问题群体结构化方法， 合肥工业大学博士论文 摘 要给出了群体AHP判断矩阵的两种集结算法，并详细证明了这两种集结方法的理论依据；研究了群体AHP判断矩阵的优化集结原理；合作提出了一个基于ROOghSet的判断矩阵构造方法。 ＊）设计、实现了一个Internet环境下基于群体AHP的GDSS原型系统，验证了本文提出的关于判断矩阵集结及优化集结方法的有效性，也证明了有效实现Internet环境下的GDSS是可行的。 论文中取得的主要创新性成果如下： ＊）根据GDSS理论及应用研究中存在的主要问题，提出了把群体推理理论与方法及群体AHP集成于GDSS的思想。 （）运用群体AHP的决策思想将GDSS的结构进行重组，提出一种新的基于群体推理及群体AHP的GDSS结构GDSSABGRGA。将基于Rough Set的群体推理及群决策环境下的定性推理这两种新的推理方法集成到GDSSABGRGA中，将基于物理逻辑的定性推理方法与基于专家经验的群体椎理方法相融合来构造 GDSS结构，以提高 GDSS的群体定性推理能力及决策的仓IJ造性。 o）将粗糙集理论应用于群体推理领域，提出了群决策条件下用于定性知识获取的基于 Rough Set的群体推理算法。 叨针对QSIM算法用于决策过程中所存在的问题，提出了用未确知有理数描述定性知识，用群决策方法对不确定性参数关系进行建模的思想；研究了将基于物理逻辑的定性推理方法与具有跳跃性思维特征的专家经验推理方法相融合的基于定性推理技术的群体推理算法，以提高GDSS处理复杂定性问题的能力及决策的创造性，并用群体定性椎理方法部分解决传统QSIM算法推理的不完备性，从而改进了传统QSIM算法。 ＊）给出了群决策条件下复杂问题结构化方法；提出了群决策条件下群体AHP判断矩阵集结的两种方法，证明了这两种集结方法保持或改善了判断矩阵的一致性；研究了群决策条件下判断矩阵优化集结原理，给出了判断矩阵两种凸组合系数优化计算方法；合作提出了一个基于 Rough Set的个体判断矩阵和综合判断矩阵构造方法。