多属性群决策问题大量存在于人类的生产实践活动中,是决策分析领域的一个重要的研究内容.在当今复杂的社会与经济活动中,决策数据常包含着不确定的、模糊的、多视角的、多层次的信息,面对这些复杂的决策数据,决策者不再满足于传统具有严格模型假设及较多主观经验判断的函数及关系的模型与方法,而是希望让实际的决策数据“说话”,通过分析与评估实际决策数据,从中获取有效决策信息并为复杂决策提供决策支持,这种基于数据驱动的决策已成为现代决策分析理论和方法发展的新趋势.粒计算是一种模拟人类思考与解决问题的自然模式,是基于粒和粒间关系的数据分析及问题求解的新范式,并能够为复杂问题的满意求解提供多粒度、多视角、多层次的描述、推理与求解策略.本文将粒计算求解机理引入多属性群决策问题求解中,从决策因素的粒度分析、多粒度决策信息表达及多视角、多层次求解方法等方面展开深入的研究,获得的主要研究成果和创新概括如下：(1)对决策相关要素进行粒度分析与优势粒结构构建,为多属性群决策问题的多粒度求解提供必要的形式表达基础.根据决策结果的形态将排序、分级与选择任务进行粒度序层次解释与分析；从不确定性程度方面揭示决策信息粒度变化机理及其在决策求解过程中的转换关系；构建决策对象集在不同决策表达形式下的优势粒结构;分析经典集结算子由于反映数据关联多寡形成的粒度序.(2)针对多粒度语言的语义尺度不一和转换复杂问题,提出了一种基于先验标度数据的多粒度语言规范化标度方法.与其他多粒度语言标度方法相比,规范化标度方法在语义生成阶段获得具有相同尺度的语义,从而避免了多粒度语言计算中繁琐的转换过程,同时该方法也通过规范化标度函数搭建了多粒度语言语义交流与通讯的桥梁.(3)将专家直觉粗粒度分级判断引入决策求解过程,结合专家的多粒度语言偏好信息表达,提出了一种基于优势粒结构的多属性群排序决策方法.该方法由优势粒结构相似度刻画专家的一致性权重,同时结合决策数据、粗粒度分级判断与决策者的主观偏好确定属性权重.该模型将人类多粒度求解问题的思维与流程融入决策模型中,充分考虑专家的直觉粗粒度分级判断,客观地从决策数据中获取更具解释意义的决策指标并得到有效可靠的决策结果.(4)将专家的方案对优势偏好引入决策过程,提出一种基于模糊信息粒的混合多属性群决策方法.该方法进一步将优势粒结构相似度拓广至模糊环境下从而确定与数据类型无关的通用专家权重,同时结合异质决策数据、方案对优势偏好与决策者偏好确定有机结合主客观信息的属性权重,采用的模糊优势比较技术既方便了决策过程计算又获得了丰富的决策信息,更易于在实际中推广使用.(5)依据人类的参照决策思想,提出一种基于优势粒的混合型多属性群分级决策方法.该方法不需要设定复杂、不易理解的阈值参数,完全由决策数据所驱动,将对象与决策粒内、外部样例进行优势度比较并构造其分属级别的决策证据,多视角多层次地融合分级决策证据从而获得客观可信的群体分级决策结果.本文在多属性群决策的多粒度、多视角与多层次求解方法研究方面取得了一系列的研究成果,这些成果为多属性群决策问题提供全新的求解视角与解决途径,进一步丰富和发展多属性群决策理论与方法.