由于现实问题的复杂性和决策者认知水平的局限性,人们在考虑问题的时候普遍存在不确定性与犹豫程度。概率语言术语集是一种能够准确建模评价信息的语言计算模型,不仅可以表示犹豫信息而且可以反映语言术语的权重分配信息。分析并解决基于概率语言信息的多准则决策问题已成为近几年的热门研究课题。然而,基于概率语言术语集的多准则决策理论与方法仍存在不足:1)目前的研究结果尚未报道关于概率语言术语集的犹豫度和不确定度的量化方法;2)基于占优理论的多准则决策方法得到的方案之间的占优结果存在不可比较的缺陷;3)目前的研究成果尚未报道基于效用理论的多准则决策方法的鲁棒性分析与有效性分析。本文致力于解决上述问题,开展如下研究内容:（1）为了合理地处理概率语言术语集,本文提出概率语言ELECTRE Ⅱ决策方法并应用于解决云服务平台选择问题。首先,分别提出复相关系数分析法和决策者权重调整算法确定准则权重和决策者权重;接着,提出了概率语言术语集的得分函数-信息熵比较方法作为判断方案之间概率语言一致集和概率语言非一致集以及概率语言无差别集的依据;最后,通过设置阈值以及改进占优判断方法获得方案之间的占优关系。实例证明该方法在云服务平台选择中有较好的适用性。（2）为了提升传统TOPSIS和VIKOR决策方法的决策结果,本文提出了概率语言TOPSIS和概率语言VIKOR决策方法并应用于解决网络安全服务选择问题。首先,提出了基于集中度的得分函数用于比较概率语言术语集的优劣性;接着,提出了基于概率拆分算法的广义混合加权距离用于测量概率语言术语集间的差异性;然后,提出基于得分函数和广义混合加权距离的概率语言TOPSIS和概率语言VIKOR决策方法并结合基于积性层次分析法的准则权重信息确定方法用于解决移动边缘计算的网络安全服务选择问题;最后,通过模拟100个概率语言决策矩阵分析两种决策方法的最小违背值、总偏差值、一致性以及鲁棒性。实验结果显示,与已有的决策方法相比,概率语言TOPSIS和概率语言VIKOR决策方法的最小偏差值和总偏差值更小,表明其结果更具鲁棒性且更有效。