根据传统层次分析法(AnalyticHierarchyProcess，简称AHP)的原理可知，该方法最终所给出的是方案的排序权重，因此判断矩阵的构造和方案的权重处理是该方法的重要环节。然而，自从AHP诞生以来，判断矩阵的逻辑不一致问题就一直存在，而这个问题又直接影响着方案的权重处理。依据该方法的原理，当专家构造出的判断矩阵出现逻辑不一致性问题时，需要对初始构造的判断矩阵进行修正，直至满足一致性检验。 通过对传统AHP方法的研究，发现其存在内在缺陷，这些缺陷是导致判断矩阵出现逻辑不一致性问题的根本原因。为了克服这些内在缺陷，本文首先采用DEA方法构造判断矩阵，用此法的主要好处是可以避开对矩阵一致性的讨论，进而提出了完整判断矩阵(EntireJudgmentMatrix)的概念以及完整判断矩阵的构造方法。再根据构造出的完整判断矩阵，并结合在处理不精确和不准确信息方面富有强大的非线性能力和人工智能优势的BP(BackPropagation)神经网络，探索出了一种基于完整判断矩阵的评价和决策方法，也就是方案在AHP准则层上的排序权重计算方法。其最主要的技术优势，是能够有效地获取专家的价值信息并有效地减少背景偏移对评价的影响，从而能够保证分析结论的可靠性。从数值分析的结果来看，应用该方法计算得到的方案在AHP准则层上的排序权重比较接近于实际值，效果明显好于传统AHP方法。 最后，将面向复杂系统决策的层次分析权重处理方法应用到对某油田真实的投资开发规划方案的选择评价，应用研究结论表明该方法具有实用性、适用性和可操作性，能够科学地解决实际决策问题，具有实际的应用价值，将有着很广阔的应用前景。