多属性模糊决策是指对大量具有模糊性和不精确性的数据进行处理,同时,从该数据中提取有效信息并进一步作出客观合理的决策。随着信息量的增加以及数据类型的日益丰富,多属性模糊决策模型在处理实际问题方面表现出更强的实用性。为了快速高效的处理具有模糊性和不精确性数据、提高决策的效率、保证决策的合理性,国内外学者针对不同的问题从不同角度对多属性模糊决策中的问题进行探究并取得了显著成效。但是,由于多属性模糊决策问题涉及的领域之广,十分复杂,因此仍存在一些问题有待进一步的探究和解决。本文主要针对多属性模糊决策中Vague值(集)的相似性度量、直觉模糊信息系统属性约简以及多属性模糊决策问题中属性权重的确定等问题进行了较系统的研究并取得了一些有效的结果。为了研究Vague值(集)的相似性度量,我们尝试以二次投票模型为背景考虑了确定信息对Vague值(集)相似性的影响,提出一种新的Vague值(集)相似性度量方法。通过与现有主要方法的比较,以及将该Vague值(集)相似度量应用于多准则模糊决策中,验证了这种方法的有效性和可行性。在直觉信息系统属性约简的研究中,我们将Atanassov算子与模糊集相容关系以及属性相容关系相结合,提出了一种直觉模糊信息系统属性约简方法,并通过实例分析验证了该方法的有效性与优越性。在研究多属性模糊决策中属性权重的确定问题时,我们通过对现有的主要方法进行分析,并在此基础上定义了各条件属性对决策属性的一致度,再根据各条件属性对决策属性一致度的大小给出多属性模糊决策问题中属性权重的确定方法,最后通过数值实例进一步验证了方法的合理性。总之,本论文研究工作进一步完善了多属性模糊决策的相关理论,并利用一些实例验证了这些方法的有效性。