国内外有关直觉梯形模糊数的多属性决策研究主要针对属性间相互独立的多属性决策问题，但现实生活中，决策所涉及的属性因素不再是相互独立的，而是复杂且具有相互关系的。本文在直觉梯形模糊多属性决策方法的基础上，引入解决属性间具有相互关系的经典算子，介绍解决属性间具有相互关系且属性值为直觉梯形模糊数的多属性决策方法。该方法可以帮助决策者在现实生活的决策中得到更科学合理的结果，具有前沿性和探索性，此研究在理论和实际应用方面都具有非常重要的意义。本文针对属性间具有相互关系且属性值为直觉梯形模糊数的多属性决策问题，介绍基于Choquet积分算子、优先有序加权平均算子、Bonferroni有序加权平均算子、Heronian有序加权平均算子以及密度有序加权平均算子的直觉梯形模糊多属性决策方法。本文的创新点在于：（1）将以往解决多属性决策中属性间具有相互关系的经典算子与直觉梯形模糊数相结合，形成直觉梯形模糊Choquet积分算子、直觉梯形模糊优先有序加权平均算子、直觉梯形模糊广义Bonferroni有序加权平均算子、直觉梯形模糊广义Heronian有序加权平均算子以及直觉梯形模糊广义密度有序加权平均算子，并研究这些算子的性质；（2）本文介绍了基于这些算子解决属性间具有相互关系的直觉梯形模糊多属性决策问题的方法；（3）针对属性权重未知且属性值为直觉梯形模糊数的多属性决策问题，本文通过熵权法和偏差最大化法确定属性权重，使属性权重未知的多属性决策研究方法得到丰富与发展。