多属性决策是一种极为复杂的行政管理过程,其实质是从一组可行的备选方案中找到最优的方案,这可能涉及到一些相互冲突和不可公度的属性。随着社会和经济的不断发展,决策环境发生巨大变化,有时单个决策者只考虑问题的单一方面,可能会忽略问题的其他方面,在这种情况下,决策问题需要进一步扩展到多属性群决策,而多属性群决策是我们日常生活中最重要的活动之一。在现有的很多研究成果中,多属性群决策问题中的决策信息通常用实数形式表示,然而,随着群决策系统越来越复杂,造成决策问题中所涉及到的知识或数据缺乏,使得决策者可能会为备选方案提供不完整的、定性的或不精确的偏好信息,导致在多属性群决策问题中属性值以不确定变量的形式给出,如区间数,直觉模糊数或区间直觉模糊数等。因此,对不确定多属性群决策问题的研究具有很强的理论意义。本文研究的主要内容包括：(1)基于效用函数提出一类新的集结算子,该类算子在信息集结过程中能够包含决策者的风险态度。首先,在一般效用函数框架下,提出两种新的集结算子,分别称为广义有序加权效用平均算子和广义有序加权效用比例平均算子,研究了它们的性质。然后,基于双曲绝对风险规避效用函数,提出另外两个新的集结算子,分别称为广义有序加权效用平均-双曲绝对风险规避算子和广义有序加权效用比例平均-双曲绝对风险规避算子,并将这两种算子进行推广。为了确定广义有序加权效用平均-双曲绝对风险规避算子和广义有序加权效用比例平均-双曲绝对风险规避算子的权重,提出它们的orness测度,并构建新的优化模型来确定最优权重。最后,基于这两个算子,分别提出一种多属性群决策方法并用于实证分析研究。(2)在区间数不确定环境下,提出两类新的集结算子,这两类算子在信息集结过程中能够包含决策者的风险态度。首先,在一般效用函数框架下,提出不确定广义有序加权效用平均算子,探讨了该算子的性质；然后,基于双曲绝对风险规避效用函数,提出不确定广义有序加权双曲绝对风险规避效用平均算子,并研究了该算子一些特殊形式。为了确定不确定广义有序加权双曲绝对风险规避效用平均算子权重向量,基于区间数的相似度构建了非线性优化模型确定最优权重向量。此外,将连续区间数有序加权平均算子、区间数有序加权调和算子、不确定power有序加权平均算子、广义有序加权多重平均算子相结合,提出连续区间广义power有序加权多重平均算子,研究了该算子的一些优良性质,并对该算子进行了推广。最后,基于广义有序加权双曲绝对风险规避效用平均算子和连续区间广义power有序加权多重平均算子分别提出一种区间数不确定多属性群决策方法并进行实证分析研究。(3)提出连续广义区间直觉模糊有序Shapley Einstein集结算子,这些信息集结算子不仅能考虑元素自身的重要性,而且能整体反映元素之间的交互作用。基于连续区间数有序加权平均算子、Shapley函数理论、直觉模糊集Einstein运算法则和广义平均,提出连续广义区间直觉模糊有序Shapley Einstein平均算子和连续广义区间直觉模糊有序Shapley Einstein混合平均算子,研究了它们的一些优良特性,并探讨了它们的一些特殊形式的。为了确定信息算子的Shapley值,提出区间直觉模糊数的交叉熵公式,并基于最大交叉熵原理,构造了优化模型。最后,提出了一种解决区间直觉模糊不确定多属性群决策问题的方法,并进行了实证分析研究。(4)提出混合不确定群决策模型,该模型不需要对偏好信息进行转换,直接利用原始偏好信息对备选方案排序。利用向量的投影测度、区间数的相似测度和区间直觉模糊数的交叉熵测度代替距离测度将TOPSIS法推广,提出一种解决决策偏好信息为实数、区间数、区间直觉模糊数的混合多属性群决策问题的群决策模型。为了确定混合偏好信息的属性权重向量和决策者权重向量,基于投影测度、区间数的相似测度和区间直觉模糊数的交叉熵测度,利用最大偏差思想构建优化模型,确定属性权重向量,同时,利用决策矩阵相似度的思想,确定决策者权重向量；最后,基于拓展TOPSIS法,提出了一种解决混合不确定多属性群决策问题的方法,并进行了实证分析研究。本文的研究成果丰富了不确定多属性群决策内容,为不确定多属性群决策中的群排序问题和权重确定问题提供了新的有效的理论与方法。