在无线通信领域,异构网络融合是下一代无线通信的必然趋势。为了实现通信的高速率传输、大系统容量、广业务覆盖、资源优化配置以及满足用户业务的宽带化、个性化、智能化等需求,无疑需要异构网络间的融合与协同,实现资源的有效整合。异构融合网络环境下,许多关键技术中涉及的决策机制都是一个多属性决策过程。本文对异构网络决策环境下多属性决策模型构建中的关键方法进行了研究。异构网络决策环境下的多属性决策模型中,决策参数的归一化对于最终的决策至关重要。本文提出了新的归一化方法。其创新性在于该归一化方法既考虑了当前方案的属性值与所有方案在该属性下的差异度,又考虑了与理想解的关联度,从而使得归一化后的数据既可以体现原始数据与其他方案的属性值间的差异程度,又可以体现该方案属性值的性能优劣。仿真验证了本归一化方法的稳定性和有效性。异构网络决策环境下的多属性决策模型中,决策参数的权重计算历来是一个难点。本文分别针对直觉模糊环境和非模糊环境下的多属性决策模型中的权重计算问题进行了研究。一方面,针对用直觉模糊集表示的属性,提出了新的直觉模糊集距离方法,且基于该距离公式,结合离差最大化的统计学思想,提出了新的客观权重计算模型。通过定义一种将直觉模糊集映射为梯形模糊数的映射关系,提出了新的直觉模糊集距离计算方法。该距离方法的创新点在于其巧妙地将传统方法中基于离散点测度直觉模糊集之间的差异度问题转换为求解包含无穷连续点的梯形模糊数隶属度函数的面积关系,从而可以减少直觉模糊集信息量的丢失,对不同的直觉模糊集有较好的区分度。然后,从利于决策的角度,基于该距离公式构建了属性差异度的最优化权重模型。仿真结果证明了以上方法的有效性。另一方面,针对非模糊多属性决策环境下的权重计算问题,提出了一种基于熵和交差熵的权重计算模型。该模型赋予那些同时满足如下特点的属性以较大的权重:1)该属性对方案有较大的区分度;2)该属性包含较少不确定信息量。在与部分客观权重模型的仿真对比中,显示出了本客观权重模型具有较高的准确度和应用性。