多属性决策（multiple attribute decision making，MADM）是现代社会中常见的活动，其问题的形式千变万化，具体表现为：从有限的备选方案中选择出最优的方案。然而随着社会不断进步，决策者会遇到难以准确描述决策属性评价标准情况，导致其根据自身情况所给出的客观偏好具有一定的不确定性，对于这类界限模糊的多属性决策问题，如果过分追求数字上的精准，可能导致决策的结果发生偏离。相对的，不确定信息能更准确的描述属性值所表现出来的不确定性，更贴切的表达决策者对属性重要程度的评价，使决策结果更接近决策者的心理期望。因此，研究模糊信息多属性决策问题具有较高的实用价值。本文主要介绍了直觉模糊信息，区间直觉模糊信息，以及相关常用不确定信息集结算子，在此基础上给出一种解决权重未知的模糊多属性决策问题的方法。首先，分别介绍直觉模糊集，区间直觉模糊集的定义，运算法则，得分函数等理论基础知识，以及具有代表性的直觉模糊信息集结算子和区间直觉模糊信息集结算子。其次在对算子弊端的分析后，根据信息熵原理对算子进行改进，得到一系列新的信息集结算子。进一步对新算子的集结形式，所具有的性质进行讨论。经讨论，改进后的新算子集结形式与原属性信息保持一致，并都具有原算子所具有的性质。再次，对集结方法进行描述，给出解决权重未知的直觉模糊多属性决策问题和区间直觉模糊信息多属性决策问题的新方法，通过实际算例证明新方法的有效性。最后对全文进行归纳总结，并对未来的研究方向进行展望。