选举问题作为社会选择学的一个重要课题,主要研究如何将个体的观点通过可操作性强、合理的选举规则和方法来得出一个公正的选举结果,更好地体现选民的意志。委员会选举问题是指通过应用选举规则从m位候选人中选出k名作为获胜者组成一个委员会。在对选举问题的研究中,其中最著名、最直接的一种投票形式就是支持投票（Approval Voting）。支持投票形式的一张选票由1和0两种元素构成,1代表该位选民对候选人持支持的态度,而0代表这位选民对候选人持反对态度。本文对选举问题的研究也是在支持投票的形式下,研究选民因具有不同的属性而属于不同组的这种情形下的委员会选举问题。这种选举情形在现实生活中是客观存在的,比如在总统选举或大学中的学生会选举中,选民可能属于不同的党派或者来自不同的学院。目前的委员会选举规则都是针对所有选民属于一个组这种情形提出的,这样就忽略了现实中选民具有不同属性的可能性。因此,本文为选民具有不同属性这种情形下的选举提出了三种模型,为度量各组对某个委员会的不满意度提供了三种不同的计算方法,其中使用汉明距离（Hamming distance）来衡量组Gi中选票vij对委员会W的不满意度,用HD（vij,W）表示。三种模型定义如下:1.Group Average Minimax Approval Voting（GAMAV）:这种模型基于一种平均的思想,每个组的不满意度用该组的平均汉明距离表示。2.Group Vote-Count Minimax Approval Voting（GVMAV）:此模型中引入一个非负整数t作为阈值来衡量每组的不满意度值,认为若某张选票与委员会的汉明距离是大于等于t的,则该选民对该委员会是非常不满意的,反之则是满意的。将每组对某个委员会非常不满意的人数作为衡量该组对委员会不满意度值。3.Group Candidate-Count Minimax Approval Voting（GCMAV）:该模型将属于一个组的所有选票看作一个矩阵,从列的角度看,该矩阵由m个长度为|Gi|的列向量组成。为每个组Gi设置一个长度为m的行向量Pi,该向量中位置j上的元素用Pi[j]表示。统计下组Gi中选票与委员会W态度不同的选票数目q,并判断与阈值t与q的大小关系,若q≥t,则Pi[j]=1;反之,则Pi[J]=0。该组的不满意度值即向量Pi中元素值为1的元素个数。根据模型提供的方法为每组计算出不满意度值之后,我们选择使不满意度最大值最小化的委员会作为获胜委员会。而且,本文研究了三种模型下各个参数的参数复杂性。我们发现:当以选票总数n进行参数化时,三个模型的参数复杂性结果均是固定参数可解（Fixed-parameter Tractable）的;而以委员会大小k或者不满意度值上界d参数化时,委员会选举问题是固定参数不可解（Fixed-parameter Intractable）的。