多属性决策是现代决策理论的一个重要组成部分，已在现代政治、经济、医疗科学、军事和科技等诸多领域得到广泛应用.在处理实际决策问题过程中，由于人类思维的模糊性，掌握的知识和数据的差异，以及实际决策问题的复杂性、不确定性，使得决策问题的某些属性信息是模糊的或者难以用定量的形式来表示，而运用“好”、“一般”、“差”等自然语言形式来表达人们的意愿.因此，对评价值为语言信息的多属性决策方法的研究显得尤为重要.　　目前为止，用于集结语言信息的方法主要有以下几种:基于扩展原理的方法、符号转移法、二元语义表示法和语言变量直接计算法等方法.扩展原理法和符号转移法的集结结果通常不能与原始术语集中的语言术语完全匹配，只是通过近似的方法进行处理集结结果，在这个过程中容易产生信息丢失，二元语义表示法将语言信息转换成二元组，并定义二元组上的运算法则，从而提出相应的集结算子;但是该方法只适用于等距离语言标度，具有一定的局限性;方法四的运算结果可能会超出边界或违反直觉，且实数与语言变量的乘积形式在实际问题中没有意义，难以解析.　　为了克服上述方法存在的缺陷，本文将模糊多重集概念推广到语言环境中，创新性地提出模糊语言多重集来处理语言信息.因此主要从如下几个方面开展工作:　　1.将模糊多重集推广到语言环境中，提出模糊语言多重集的概念，并定义序关系及给出语言术语集与模糊语言多重集之间的转换关系.提出模糊语言多重集上的两类距离测度函数，即加性距离测度和积性距离测度.　　2.基于加性距离测度函数，提出一种新的语言信息集结模型，并通过求解模型进而诱导出语言信息集结FLMWAA算子，研究FLMWAA算子的优良性质，提出基于FLMWAA算子的多属性决策方法.通过实例验证它的可行性和有效性.　　3.基于积性距离测度函数，提出一种新的语言信息集结模型，并通过求解模型进而诱导出语言信息集结FLMWGA算子，研究FLMWGA算子的优良性质.提出基于FLMWGA算子的多属性决策方法，通过数值例子验证它的可行性和有效性.