粗糙集理论是处理不精确性和不确定性问题的一种工具,其从单粒度的角度描述目标概念,具有一定的局限性。而多粒度粗糙集通过多个二元关系从多个粒度来分析问题,能够处理更为复杂的信息系统。此外,基于双量化方法的粗糙集自提出以来,由于其综合考虑了相对和绝对量化信息,能够提高近似分类精度,在不确定性决策问题中受到了广泛的关注。三支决策理论对粗糙集中的粗糙域提供了合理的语义解释,并同时考虑了决策风险,使之成为不确定性决策问题的研究热点。然而,在现实中由于数据的复杂性多样性、数据获取技术的局限性和数据测量的误差等因素,获取的信息通常包含不完备和不精确的数据,然而隐藏在这些信息系统中的不确定性知识对决策具有重要意义。因此,针对不完备信息系统中的不确定性决策分析问题,将双量化多粒度粗糙集与三支决策结合具有一定的意义和价值。本文针对不完备信息系统中的决策分析问题,引入集对优势关系,在多粒度粗糙集和三支决策理论的基础上,构建了相应的模型来进行决策。首先对多粒度空间进行拓展,定义了新的粗糙集上下近似公式,并在不完备信息系统中对三支决策的损失函数进行改进,构造了相应的三支决策模型。然后,针对变精度粗糙集和程度粗糙集分别从相对量化和绝对量化的角度来描述信息,将这两个粗糙集进一步结合得到双量化粗糙集模型,最后构建新的基于双量化多粒度粗糙集的三支决策模型。本文的主要研究内容如下:（1）在多粒度决策粗糙集中引入集对优势关系,对优势度进行了改进,使结果更加合理。然后对多粒度近似空间进行了拓展,构造了集对优势关系下的五种多粒度决策粗糙集模型。结合三支决策理论,在不完备信息系统中用区间值表示损失函数,获得不同的阈值,建立了五个三支决策模型,设计了相应的三支决策算法,推导出决策规则,并进行了实例分析。（2）结合集对优势关系和广义多粒度的优点,提出了广义多粒度集对优势变精度粗糙集和广义多粒度集对优势程度粗糙集。其次,考虑到广义多粒度集对优势变精度粗糙集和广义多粒度集对优势程度粗糙集分别从相对和绝对两个角度来描述信息,将这两个粗糙集进一步结合,得到了五个双量化广义多粒度集对优势粗糙集模型,并构造了相应的算法,通过实例验证了这些模型的有效性与可行性。最后,在UCI数据集上进行了实验,并与其他完备模型进行了比较。结果表明,该模型对实际问题的处理是有效的。