粗糙随机多准则决策问题是各方案在各准则下准则值为区间粗糙随机变量的方案的排序和优选问题。在实际决策过程中,由于一些决策问题同时存在粗糙性和随机不确定性,导致方案准则值表现为区间粗糙随机变量和准则权重信息不完全确定的粗糙随机多准则决策问题,大量存在于社会经济生活中。目前,有关这些问题的研究不多,因此,对这些问题进行研究具有重要的理论意义和实践意义。　　 本文在认真研究相关文献的基础上,将信赖性理论和随机多准则决策方法的相关研究成果推广到粗糙随机多准则决策问题中,提出相应的决策方法,并进行有效的应用。主要研究成果如下:　　 (1)定义了区间粗糙随机变量,并提出了区间粗糙加权算术平均(IR-WAA)算子,区间粗糙有序加权平均(IR-OWA)算子和加权的区间粗糙距离平均(WIRDAA)算子。对权重信息己知的情况,先利用IR-WAA算子求得方案综合评价值,然后根据相对优势度排序向量大小对方案进行排序;对权重信息未知的情况,通过模糊语义量化算子和IR-OWA算子得到方案综合评价值,然后依据各评价值的期望值对方案进行排序;对权重信息不完全的情况,先根据各方案与正理想点距离越小,方案越优的条件,建立优化模型求得各权重值,再利用WIRDAA算子得到各方案的综合评价值,从而得到方案的排序。　　 (2)给出了区间粗糙集的贴近度定义。对权重信息不完全确定的情况,利用离差最大化方法,建立优化模型求得权重值,然后采用基于联合状态的理想点法,得到各联合状态的贴近度以及各方案贴近度的期望值,最后根据期望值进行排序;对权重信息完全未知的情况,根据方案与理想方案的贴近度及粗糙度越小,方案越优的思想,建立优化模型求得权重值,进而根据贴近度和粗糙度对方案进行排序。　　 (3)将随机支配规则应用到粗糙随机多准则决策问题中。对权重信息完全确定的情况,通过确定方案间的赋值级别关系,得到各方案的排序指数,进而得到方案的排序;对权重信息不完全确定的情况,采用一般性准则对方案之间的随机支配度进行转换,构建出优势矩阵和劣势矩阵,利用优势流越大方案越优,劣势流越小方案越优的思想,分别得到方案的优势流和劣势流排序,从而得到方案的综合排序。