由于客观事物的不确定性以及决策环境的复杂性,许多实际决策问题难以通过精确的方式进行描述,且决策者所获得的信息大多以不精确和不确定形式呈现,很多时候需要在不确定信息环境下进行决策。不确定性是现实决策问题的一个重要特征,无论是信息的不精确还是感知的模糊都会产生一定程度的不确定性。不确定性的存在导致人们在面对实际决策问题时无法根据已有的信息直接作出决策。因此,有效处理不确定信息是解决复杂决策问题的关键。作为组合不确定、不精确信息的有效推理工具,Dempster-Shafer（D-S）证据理论在许多决策领域中备受关注。D-S证据理论为不确定信息建模和表示提供了一个强大而方便的框架,且能有效处理各种类型的不确定信息。本文将D-S证据理论引入到不确定多属性决策问题中,并利用证据推理的方法来处理决策问题中包含的不确定信息。然而,在实际决策问题中,D-S证据理论还存在一些不足。为此,本文以D-S证据理论为主要研究内容,分析讨论了D-S证据理论中三个方面重要问题,并提出了相应解决方法,同时应用D-S证据理论来解决不确定信息下的多属性决策问题。本文取得的研究成果概述如下:（1）针对两证据之间的冲突测量问题,提出了一种基于Tanimoto测度的证据相似性测量方法,用来描述两证据之间的不一致性。根据证据相似性测度,提出了一种新的证据冲突测量方法,用来描述两证据之间的冲突程度。最后,分析并证明了新的证据冲突测量方法满足证据冲突测度的有关性质。数值实例分析表明,在不同证据模型中,新的证据冲突测量方法都能获得准确的冲突测量结果,且有效解决了现有方法存在的缺陷。（2）为了有效解决冲突证据融合问题,提出了一种基于加权和的Dempster组合规则和模糊组合规则的新混合组合规则。新混合组合规则利用两证据之间的冲突大小来自适应调整两不同组合规则之间的权值,以适应不同冲突情形下的证据组合。两证据之间的冲突大小由两证据之间的不一致性和冲突系数来共同描述。将新的混合组合规则应用到目标识别实际问题中,实验结果表明,在低冲突和高冲突情形下,新的混合组合规则都能表现出比现有组合规则更优的性能,且具有更高的识别精度和较快的收敛速度。新的混合组合规则继承了Dempster组合规则的一些优点,同时解决了Dempster组合规则存在的问题。（3）在D-S证据理论框架中,多子集焦元的基本概率指派可以直接表达命题中包含的不确定信息。由于不确定信息的存在,通常情况下很难直接通过命题的基本概率指派进行决策。为此,本文提出了一种基于置信区间的决策概率转换方法,以实现从信度决策到概率决策的转变。新的决策概率转换方法从置信区间的角度考虑多子集焦元基本概率指派的转换,并利用连续区间参数有序加权平均算子来量化每个单焦元置信区间中包含的数据信息,在此基础上提出了一种基于量化区间数据信息的单焦元支持度计算方法。最后,根据单焦元的支持度合理分配多子集焦元的基本概率指派。数值实例分析表明,在不同证据模型中,新的决策概率转换方法都能获得准确的决策结果,且能提高决策系统的决策精度。（4）利用D-S证据理论来解决犹豫模糊多属性决策问题,并提出了一种基于D-S证据理论的犹豫模糊多属性决策方法。新的犹豫模糊多属性决策方法将每个决策属性作为一个证据,证据的识别框架由一组备选方案组成。通过计算各方案与正理想解和负理想解之间的距离来确定每个方案的效用值,并利用犹豫模糊熵测度来测量各方案评估信息的不确定性。然后,将各方案的效用值与不确定信息相结合得到各决策属性的基本概率指派。此外,本文还利用各方案评估信息的得分值来构建各决策属性之间的成对比较矩阵,并通过求解成对比较矩阵得到各决策属性的权值。根据各决策属性的权值对每个决策属性的基本概率指派进行修正,并使用新的混合组合规则融合修正后的证据得到各方案的最终信度值。最后,利用新的决策概率转换方法计算各方案的决策概率值,并在此基础上对所有方案进行排序得到最佳方案。通过数值实例和实际应用问题说明了新的犹豫模糊多属性决策方法的有效性和优势。（5）为了有效处理费马模糊信息,本文提出了一种新的费马模糊熵测量方法来描述费马模糊集的模糊程度。然后,将费马模糊熵测度和D-S证据理论方法相结合提出了一种基于D-S证据理论的费马模糊多属性决策方法。新的费马模糊多属性决策方法将每个费马模糊数建模为一个证据,并运用费马模糊熵测量方法来确定各决策属性的权值。根据各决策属性的权值将每个决策属性中包含的不确定信息转移到各证据的全集中。利用新的混合组合规则融合各方案中所有证据得到各方案的最终评估信息,并由此计算各方案的得分值。最后,根据各方案的得分值对所有方案进行排序并确定最优方案。通过两个实际应用问题验证了新的费马模糊多属性决策方法的可行性和有效性。