鉴于实际决策问题的不确定性、复杂性及决策专家认知思维的模糊性,决策专家很难用数值表达评估观点。为更精确的描绘决策专家提供的评估信息,模糊集理论、直觉模糊集理论相继被提出表征信息的模糊性并被广泛地应用决策分析。作为直觉模糊集的广义化形式,广义正交模糊集可以为决策专家提供更多地选择来表达合适的评估观点且可以通过参数灵活地调整决策过程。因而,广义正交模糊集是一种有效地解决复杂决策问题的信息表示模型。在决策分析中,集成算子、排序方法和距离测度是建立模糊多属性群决策方的重要基本理论。目前,关于广义正交模糊集基本理论和决策方法有待进一步完善。因此,本文首先提出改进的广义正交模糊集的得分函数和距离测度,同时提出广义正交模糊交互式Einstein集成算子和广义正交模糊还原性MSM（Maclaurin Symmetric Mean）算子,其次基于改进的广义正交模糊集成算子、排序方法和距离测度提出广义正交模糊COPRAS（Complex Proportional Assessment）方法、广义正交模糊ARAS（Additive Ratio Assessment）方法和广义正交模糊COCOSO（Combined Compromise Solution）方法,最后通过实际案例和比较分析验证所提方法的实用性和有效性。由此,本文建立三种新的广义正交模糊多属性群决策方法,为决策专家有效地解决实际决策问题提供合理地决策模型。本文的主要贡献包含以下三个方面:（1）提出新的广义正交模糊集得分函数、距离测度及广义正交模糊Einstein交互式集成算子和考虑属性多元相互关系的广义正交模糊还原性加权MSM算子并讨论其相关性质;（2）基于广义正交模糊还原性加权MSM算子和新的得分函数,提出扩展的广义正交模糊COPRAS多属性群决策方法;（3）基于新的广义正交模糊集得分函数、距离测度及广义正交模糊Einstein交互式集成算子,提出专家属性权重信息完全未知的广义正交模CRITIC-ARAS多属性群决策方法,同时提出属性权重信息完全未知的广义正交模糊COCOSO多属性群决策方法并通过案例验证所提方法的实用性及有效性。