现实生活中的多属性决策问题会因为环境等因素,逐渐演变成风险型多属性决策问题。而直觉模糊数作为一种不确定性数据的表现形式,适用于大多风险型多属性决策问题。其次,面对复杂多变的外部环境,决策者往往会受到自身心理行为的影响,使其从“完全理性人”转变为“有限理性人”,这种转变会对风险型多属性决策过程产生直接影响。而在心理行为领域中,前景理论和后悔理论最具代表性,可以分别描述决策者的损失规避和后悔规避心理。此外,风险型多属性问题的决策过程中常常会伴随着信息流失的问题,这也在一定程度上影响了决策结果。而证据推理方法在融合数据方面拥有绝对优势,能够保证整个决策过程数据的统一性。本文在考虑决策者的有限理性后,重点研究基于证据推理的直觉模糊风险型多属性决策方法,论文的主要工作如下:（1）针对带有决策者期望的风险型多属性决策问题,提出一种结合直觉模糊熵和直觉模糊相似度的属性权重优化方法,并应用前景理论和证据推理方法处理决策数据。首先,将不同类型的决策数据规范化后统一描述为直觉模糊数;其次,以期望向量为参考点,运用前景理论求得前景决策矩阵;再次,计算属性的直觉模糊熵和直觉模糊相似度,结合期望值对属性权重进行优化;进一步地,在运用概率函数计算出不同自然状态的概率后,先后运用两次证据推理方法融合前景决策信息,并利用记分函数对方案进行排序;最后,通过算例对比验证该方法的可行性和优越性。（2）针对带有决策者主观期望权重的风险型多属性决策问题,从尽量避免决策者产生后悔情绪的角度出发,对属性权重进行优化,提出一种基于后悔理论的证据推理方法。首先,计算原始决策数据的直觉模糊效用值,结合区间数与直觉模糊数的等价关系,运用衍生后的区间后悔-欣喜函数计算得到每个方案的综合感知效用值;然后,计算属性的直觉模糊熵和直觉模糊相似度,结合期望值对属性权重进行优化;再次,运用证据推理方法和Pignistic概率转换方法对不同属性的决策信息先后进行两次融合;进一步地,结合直觉模糊数的记分函数性质,对方案进行排序;最后,通过算例对比验证该方法的可行性和合理性。