本论文对象为评分聚合算法,主要研究内容为基于评分聚合的多属性决策方法。本论文首先通过一份虚拟的综合评价成绩单分析了传统多属性决策方法中可能存在的问题,通过这样一个简单的例子说明了,在传统的多属性决策方法中,在特定的情况下,结果是可以被人为操纵的。随后,本论文研究了几种经典的排名聚合算法,包括波达计数法、类波达计数法、舒尔策法和马尔科夫法,在给出这些算法定义的同时,编程实现了这些算法,并将其应用到了前面提到的虚拟数据集中,得到了与传统多属性决策方法不同的结论。随后,本课题结合传统多属性决策算法的一些特点,提出了一种新的加权排名聚合算法,同样将其应用到了虚拟数据集中。然后,本课题通过模拟实验的方法,通过三个实验模拟了三种多属性决策情景:多个待评项,多条属性;多个待评项,较少属性和较少待评项,多个属性。分析对比了以上多个排名聚合算法的结果,并将其与本论文提出的加权排名聚合算法进行比较,实验表明,在一定情况下,加权排名聚合算法相比其他排名聚合算法略有优势,本课题认为基于排名聚合的多属性决策方法并不能替代传统的多属性决策方法,其意义主要在于可以从排名聚合的角度给决策者一个参考结果,有助于决策者发现数据中存在的问题,做出更合理的决策。最后,本课题将多个排名聚合算法应用到了真实数据集《软科2019中国最好大学排名》上,从排名聚合的角度给出了一个不一样的结论供读者参考。