随着战场环境日益复杂多变,有效利用目标探测信息构建目标价值评估、目标威胁评估及作战方案评估等为核心功能的作战辅助决策模型成为研究热点。现代化战场的复杂多变性导致作战辅助决策面临深度不确定的环境,其深度不确定性表现为决策信息的不确定性、决策信息权重完全未知、决策环境的动态性及评价群体认知的差异性等问题,这些问题导致难以进行有效的作战辅助决策,进而使得开展辅助决策模型研究具有一定的挑战性。近年来,不确定信息融合技术的发展将各类决策技术研究推向新的高潮,展现出在不同决策领域潜在的应用前景。为此,本文以辅助决策模型的构建为研究目标,以辅助决策信息的深度不确定性为技术难点,以不确定信息融合为手段,突破不确定环境下目标价值评估、目标威胁评估及作战方案评估等辅助决策模型的关键技术,进而提高辅助决策能力。本文主要研究内容包括以下几方面:（1）面向辅助决策信息为区间直觉模糊集的目标价值评估:针对区间直觉模糊环境下评估结果的不确定性及决策属性权重信息完全未知导致目标价值评估失效的问题,提出了基于区间直觉模糊集和证据推理的目标价值评估模型。首先,该模型构建了目标价值评估体系;其次,为解决目标价值评估指标属性权重信息完全未知的问题,提出基于区间直觉模糊熵的目标价值评估指标权重确定模型及基于博弈论的动态属性确定模型;采用逆泊松分布法确定时间序列权重的基础上,通过构建区间直觉模糊环境下证据推理方法的动态融合模型对不同时刻目标价值评估信息进行有效融合后,得到目标价值评估结果。仿真实验结果表明:与传统方法相比,所提模型的评估结果具有较小的模糊区间长度进而降低了决策结果的不确定性;同时,所提模型可满足环境动态性需求。该模型可为指挥信息系统提供合理、有效的目标价值评估。（2）面向辅助决策信息为可能性分布的目标威胁评估:针对目标探测信息在某一时间段的动态变化趋势及指挥员的有限理性对目标威胁评估结果的影响,进而造成目标威胁评估结果不准确的问题,提出了基于可能性分布扩展CPT-TODIM（cumulative prospect theory-an acronym in Portuguese of interactive and multiple attribute decision making）算法的目标威胁评估模型。首先考虑影响目标威胁评估的各种影响因素,确定空中目标威胁指标集,引入可能性分布表征目标威胁评估中的决策信息,确定不同时刻的初始决策矩阵;其次,采用逆泊松分布法对不同时刻决策信息赋予时间序列权重;之后,提出基于CRITIC（criteria importance though intercrieria correlation）算法的目标威胁评估指标权重确定模型;构造可能性分布均值矩阵及可能性标准差矩阵以衡量目标信息的整体变化趋势对目标威胁评估的影响;通过计算获得的目标联合优势度,可以得到反映指挥员有限理性的目标威胁结果;最后,通过对不同目标威胁评估方法得出的仿真结果进行对比分析,结果表明基于可能性分布扩展CPT-TODIM的模型能够充分反映目标决策信息在时间维度的变化趋势和波动程度及指挥员的有限理性对目标威胁评估的影响,所提模型可实现目标威胁评估的动态需求,能够提高威胁评估结果的可靠性。（3）面向辅助决策信息为梯形中智模糊集的作战方案评估:针对决策权重信息完全未知及指挥员认知差异导致难以达成共识决策的问题,提出了基于梯形中智模糊集（trapezoidal neutrosophic number,TrNN）扩展MABAC（the multi-attribute border approximation area comparison method）算法的作战方案评估模型。首先,为表征作战方案评估中的不一致、不完全及模糊等不确定信息,采用梯形中智模糊集表征初始决策矩阵;其次,引入共识测度和反馈机制对不同专家的作战方案决策信息进行一致性评估;为解决作战方案评估中权重决策信息完全未知的问题,提出TrNN-CRITIC算法确定初始决策矩阵属性权重和基于TrNN相似测度的算法计算专家权重;最后,通过在梯形中智模糊集环境下构建加权梯形中智数矩阵、梯形中智数边界近似面积矩阵（the border approximation area,BAA）等,提出了基于梯形中智模糊集扩展MABAC算法的作战方案评估模型。仿真实验及对比分析结果表明所提算法在属性权重及专家权重均未知的情形下可提供有效的作战方案一致共识评估。本文的研究成果丰富了不确定环境下的辅助决策理论和方法,所提模型可为智能指挥控制系统的有效辅助决策提供参考。