决策是人们为了达到某一目的而进行的有意识、有选择的行动。在一定的人力、设备、材料、技术、资金和时间因素的制约下，人们为了实现特定目标，而从多种可供选择的策略中作出决断以求得最优或较好效果的过程就是决策的过程。现在人们愈来愈认识到，决策是人类社会的一项重大活动，它涉及到人类生活的各个领域，并对社会经济的发展起着重要的作用。 传统的决策依靠决策者个人的经验，凭直觉判断，但随着生产规模的扩大和自动化技术的应用，传统的决策方法已远远不能满足日益复杂的管理决策的需要了。于是，决策科学化、智能化被提上了日程。 本文介绍了常用的智能决策技术，主要包括基于知识的方法（例如人工神经网络、遗传算法、专家系统等），基于信息理论的方法（例如ID3算法、聚类分析、熵法等），基于概率的方法（例如经典概率推理、主观贝叶斯推理、D-S证据理论等），及不确定性决策方法和基于集合理论的方法（例如模糊集方法、粗糙集方法等）。 在对粗糙集理论中的属性约简方法（包括基本算法、基于可辨识矩阵的约简算法、基于属性重要性的约简算法）进行了深入研究的基础上，指出现有约简方法可能得不到正确结果，容易陷入局部最优。为此本文利用遗传算法的搜索优化技术，对可辨识矩阵进行改进，提出一种基于自适应遗传算法的粗糙集属性约简算法。对于具有较多属性的约简问题，该算法具有较高的搜索效率，而且运用遗传算法的特点能在一定程度上避免陷入局部最优。在算法结束时可获得相对较优的属性子集。对这些属性子集用约简定义进行检验，可得到不同约简，这为实际应用提供了多种选择。这种方法有效地解决了求解最小约简过程中的NP-hard问题。 在传统 DEA模型中，评价决策单元的相对有效性时，其输入输出值为确定值。但现实世界中存在大量模糊性因素，本文在C2R模型的基础上提出了一种模糊DEA的C2R模型（FC2R），并将其应用于决策排序，取得了较好效果。应用表明该方法不仅简单易行，而且拓展了传统DEA的应用范围。 最后本文设计并通过软件实现了基于智能决策技术的科研项目评审系统，然后结合评审实例，详细介绍了如何使用该软件。