近年来，随着社会经济的发展，资源分配问题广泛存在于社会各个领域，并成为管理决策的重要内容。决策是人们在政治、经济、科学技术和日常生活中普遍存在的一种选择方案行为，关于决策的重要性，诺贝尔奖金的获得者西蒙有一句名言：“管理就是决策”。这就是说管理的核心就是决策，决策是一种行为，最简单的选择是回答是与否，但现实生活中这种情况却是很少见的，往往随着各种不确定的、模糊的因素很难做出判断，特别是在描述各种备选方案相对于总决策的重要性方面，是很不容易用精确的数字来刻画的。 起源于二十世纪七十年代的基于模糊集理论的模糊优化方法为这类问题的解决提供了有效的方法和技术。当决策者认为某些概率分布是不正确的，或者没有清晰界线的信息，或者某些信息是与人类语言行为相关的，再或者某些信息是由于人类的知识和认识有限而无法清晰的定义和表达等等，当这些非确定性信息无法用精确的数学理论的优化方法和基于概率理论的随机优化方法准确的描述这类系统的行为和特性时，就可以采用模糊优化方法解决这类问题。目前，模糊优化方法得到了更广泛的应用，已经渗透到了自然科学和社会科学的各个领域，并且由各个领域的学者在应用和实践中对模糊优化理论作了更深入的研究和探讨，使模糊优化理论得到了完善和发展。 在决策问题中经常会遇到多目标多阶段的决策问题。所谓多阶段决策问题是指一类活动过程，它可以分为若干个互相联系的阶段，在每个阶段都需要做出决策。这个决策不仅决定这一阶段的效益，而且决定下一阶段的初始状态。每个阶段的决策确定以后，就得到一个决策序列。多阶段决策问题就是求一个策略，使各阶段效益的总和达到最优。若只有一个定量评价目标，则有限资源的分配问题就可以用经典的优化理论中的动态规划方法进行求解。但是，若有多个定量评价目标，或既有定量目标又有定性目标，则一般的动态规划方法就显得无能为力了。多目标决策的难度之一就是指标之间的不可公度性，即各指标之间没有统一的度量标准。 在解决这类问题时，本文尝试把模糊优化理论与动态规划最优化原理方法相结合。所以在求解之前，应先通过确定指标的相对优属度将定性或定量评价指标转换成可公度的无量纲的评价指标。对于大量复杂的定性因素，可以充分运用人的经验与知识，反复就关于模糊概念—重要性、优越性等进行二元对比与量化。并根据我国语言与思维习惯，以互补准则作为二元对比的判断准则。决策(或因素)之间二元对比分定性与定量两步。前一步进行决策(或因素)间的定性排序，求满足传递性(一致性)条件下决策(或因素)的定性排序；后一步确定决策(或因素)对优越性(或重要性)的相对隶属度。 根据资源分配的实际需要，往往要解决的问题不仅仅是一维的，而是多维的，因此本文在一维模糊动态规划理论的基础上进行了扩展，将其扩展成多维的情况并建立模型。目前对多维动态规划的求解方法也有了一些，多采用多维动态规划逐次渐近法(DPSA)求解，即将一个二维的动态规划问题分解成两个一维的动态规划问题。但多维动态规划逐次渐近法(DPSA)并不能保证在任何情况下都收敛到最优解。因此，本文采用了改进的基于实码的加速遗传算法对多维情况进行处理，并与模糊动态规划法相结合，来求解多维多目标模糊优选动态规划的模型。 其中，多目标的决策通常采用加权法进行处理，首先必须设定或确定各目标间的加权向量。关于加权向量的确定方法，目前主要有主、客观法两大类。主观赋权法是根据目标的主观重视程度进行赋权的一类方法，这种赋权法使决策或评价结果具有很大的主观随意性，应用中受到很多局限。客观赋权法则是各个目标根据一定的规律或规则进行自动赋权的一类方法，而客观赋权法确定指标权系数时有时与指标的实际重要程度相悖。基于以上特点，本文采用主客观综合评定的方法来确定权系数。这种方法综合了主观赋权法在排序方面具有较高的合理性，和客观赋权法具有的数据客观性的优点对权系数进行综合处理。在求指标权重系数时，应以主观赋权法为基础，通过分析主、客观赋权法得出的权系数排序之间的关系，确定各指标的权数。若两类方法得出的权系数排序一致，则以客观赋权法得出的权系数为综合评价中各指标的权系数；若两类方法得出的权系数排序不一致，应根据指标重要程度等级做不同处理。 在文章的最后，通过对资源分配的实例计算，验证了该模型的可行性以及所给算法的有效性，也为资源分配的应用提供了一条值得探索的新途径。