多属性决策(Multiple attribute decision making,MADM)问题形式存在于现代社会、经济、科技等诸多领域,其实质是:利用己有的决策信息,通过一定的方式对一组有限个备选方案进行排序或择优。自多属性决策被提出以来,多属性决策得到很多学者青睐,基于经典多属性群决策的理论与方法也被逐步完善。由于事物客观因素的复杂性和不确定性以及人类思维本身的模糊性,社会生活中大多数多属性决策问题是不确定的、模糊的,称为模糊多属性群决策问题。虽然模糊多属性群决策的理论和方法已得到了系统性研究,但基于直觉不确定语言信息的模糊多属性群决策问题的理论和方法仍有待进一步完善。目前,已有直觉不确定语言信息集结算子只能处理属性相互独立的情况,而利用其处理属性关联的直觉不确定语言群决策问题,则会导致决策结果发生偏离。本文利用模糊测度刻画属性和属性集的重要程度,将Choquet积分算子拓展到直觉不确定语言信息集结问题中,并给出了属性权重已知的多属性群决策方法。首先分析了因属性关联使得以往直觉不确定语言信息集结算子失效的现象,对此引入模糊测度度量属性和属性集的权重,基于Choquet积分算子和传统平均算子提出了直觉不确定语言的Choquet加权算术平均算子(IULCWA)和直觉不确定语言的Choquet加权几何平均算子(IULCGM)。其次,研究了算子所具有的相关性质,并进行了证明,提出了属性间相关的、属性值为直觉不确定语言数的多属性群决策方法,通过实例分析说明以往直觉不确定语言信息集结算子的局限性以及新算子的有效性。最后对全文进行总结,并对未来的研究方向进行展望。