随着“互联网+”时代的兴起,协同创新已成为创新主体实现创新互惠、知识共享等的必经之路。对于企业来说,选择合适的高校进行协同创新不仅能够发挥自身能力优势,而且可以实现资源互补。面对日益复杂的决策环境和单个决策者知识水平及阅历的限制,决策者对备选方案属性的评估很难给出定量化描述,因此,就需要用模糊数进行表示,以期能更全面地描述评估信息。由于决策者思维的模糊性,对于方案属性的评估具有一定的不确定性,仅靠隶属度和非隶属度不能充分表示评估过程中的不一致和不确定性信息,据此,Smarandache提出中智集的概念。在现有的模糊集理论中,单值三角中智数用三角模糊数分别表示隶属度、不确定性度和非隶属度,其中不确定性度可以充分表示评估过程中的不一致和不确定性信息。单值三角中智集在使评估信息表达方式更加多样化的同时扩大了模糊集的适用范围。因此本文主要研究单值三角中智环境下企业选择合适高校进行协同创新的问题。本文主要研究以下内容:(1)基于单值三角中智集的标准Hamming距离,本文提出单值三角中智集的标准Euclidean距离,同时在这两个距离公式的基础上,提出单值三角中智集的两个熵测度,并证明其合理性。(2)信息集成算子可以有效地对多属性群决策信息进行集结,但是不同的算子具有不同的特性。例如幂算子可以通过评估值与其他评估值的支持度,来获得相应的调和权重,给过高的评估值分配过小的权重,给过低的评估值分配过大的权重,以此降低不合理数据对最终决策结果的影响;Bonferroni mean(BM)算子可以很好地捕获属性间的相关关系,是一种介于最小和最大算子之间的信息集成算子。因此,本文定义了单值三角中智集的幂算子、BM算子和幂BM算子,与此同时,证明这三类信息集成算子的相关性质。(3)EDAS(the evaluation based on distance from average solution,EDAS)方法在评估过程中不需要界定其正理想解和负理想解,只需要基于平均解,求解正距离(PDA)和负距离(NDA),对于求解正加权距离和负加权距离中的属性权重,本文采取熵测度确定属性的客观权重。在EDAS方法和熵测度的基础上,考虑到本文定义的三类信息集成算子提出其相应的多属性群决策模型,并用于企业选择合适高校进行协同创新。最后通过分析算子中参数变化对决策结果的影响,并将本文所构建多属性群决策模型与其他方法进行比较,验证本文模型的合理性和稳定性。