不定型决策和多属性决策是决策科学的重要组成部分,在投资决策、工程设计、项目评估和经济效益综合评价等领域中有着广泛的应用。由于客观事物的复杂性、不确定性以及人类自然语言的模糊性,因此研究不定型决策和直觉模糊多属性决策理论与方法具有重要的现实意义。不定型决策和直觉模糊多属性决策已经取得了丰富研究成果,但是还存在很多需要深入研究的问题。Yager学者研究了基于D-S信任结构的不定型决策,D-S信任结构是基于概率用以描述不精确的概率分布,但是有些不定型决策问题中的不确定信息是基于可能性的,因此本文用极大型信任结构来表示各种基于可能性的不确定信息,研究基于极大型信任结构的不定型决策。直觉模糊多属性决策的大致过程是:对每个可供选择的方案的各个属性信息进行集结融合给出综合评价,依据方案的综合评价对可供选择的决策方案进行排序。直觉模糊多属性决策的关键之处在于方案的直觉模糊值属性信息进行有效地集结融合然后排序。用实数来表示方案的综合评价使得方案的排序转化成为实数间的排序,但是在直觉模糊信息转化为精确信息的过程中信息丢失是不可避免的。现有的一些直觉模糊多属性决策方法虽然给出了方案的综合评价大小排序方法,但是不能提供两个综合评价之间的大小程度,这种大小程度信息对于决策者而言却是十分有用。本文将有序加权平均(OWA)算子应用到不定型决策问题中,对OWA算子赋权方法进行了详细地研究。本文使用的OWA算子赋权方法是通过求解一个关于参数β的非线性规划问题得到一个OWA算子,其中8为决策者的乐观程度,利用OWA算子给出了基于极大型信任结构的不定型决策问题的决策方法。本文用直觉模糊值表示方案的综合评价,创新之处是将直觉模糊值属性信息集结聚合转为极大型信任结构的融合,使用基于D-S证据理论的区间比较方法对综合评价进行大小比较并且给出综合评价之间的大小程度。本文还对加权求和聚合、乘积聚合和Yager聚合模式进行了介绍,通过具体的例子展示了利用极大型信任结构进行信息聚合进行决策和采用加权求和聚合、乘积聚合和Yager聚合进行决策是一致的。