随着社会的发展、经济的繁荣,人们所要面对的问题变得较越来越复杂,进而在面对决策问题的时候,难度也随之加大。高效地决策以及合理科学地分析多种因素所造成的影响是必不可缺的。多属性决策问题在生活中被人们广泛应用,它是决策分析的重要组成元素,多属性决策方法有很多,层次分析法就是一种有效便捷的方法,它能够处理一些较为复杂的问题。但层次分析法还不能完全满足人们决策中的所遇到的问题,于是人们在层次分析法中融入了模糊概念,这种新的决策方法就是模糊层次分析法。模糊层次分析法较为符合人类的思维判断的模糊性,同时也符合事情本身所带有的模糊性质。运用模糊层次分析法进行决策时,都需要建立两两比较的专家模糊互补判断矩阵,判断矩阵的构建直接关系到权重排序向量的合理性。只有保证判断矩阵的合理构建,才能够保证权重向量真实反应出决策因素之间的客观重要性排序。而判断矩阵是否合理,可以通过其一致性来衡量。所以人们使用模糊层次分析法处理复杂的决策问题时,需要将重点放在专家判断矩阵一致性的检测和修正上。传统模糊层次分析法没有判断矩阵的一致性检验和修正,而是将判断矩阵直接转化为模糊一致性矩阵来进行权重求解,这一转化过程没有科学依据。在一些文献研究中,针对模糊层次分析法提出了模糊互补判断矩阵一致性检验和修复的方法,但是在面对复杂的决策问题时,模糊互补判断矩阵的阶数较大,无法保证矩阵一致性修正的高效性。模糊互补判断矩阵的一致性问题需要被重点关注,研究一种能够快速准确地进行模糊互补矩阵一致性修正的方法是多属性决策发展的趋势。本文在引言中大致介绍了多属性决策的相关背景,然后以层次分析法(Analytic Hierarchy Process,简称AHP)的不足为映照,阐述了模糊层次分析法(Fuzzy Analytic Hierarchy Process,简称FAHP)产生的原因,并归纳总结了模糊层次分析法的基本原理和算法步骤以及模糊层次分析法与层次分析法的优缺点,其次对检验模糊互补判断矩阵一致性的标准及一致性修正方法进行了研究分析。本文从专家评价信息的收集及量化方式和重要性比例标度的选择这两个方面对模糊层次分析法进行局部的优化改进,即采用精确值、区间值、三角模糊数相结合的方法保存了专家判断的喜好和模糊性,以及通过转化公式重构重要性比例标度,形成线性关系较好的0.01～0.99标度,以此构建模糊互补判断矩阵,在一定程度上优化了FAHP。然后根据模糊一致性矩阵的性质,提出了两种基于最小二乘法的模糊互补判断矩阵一致性修正的非线性约束规划问题,且为了尽可能保留模糊互补判断矩阵的原始信息,又提出了基于最小二乘的判断矩阵一致性修正幅度的非线性约束规划问题,即为多目标模型求解问题。为了降低多目标模型的求解负担,保证计算速度,引入目标权重,将多目标求解问题转化为单目标求解问题,并结合粒子群优化算法(Particle Swarm optimization,简称PSO)求解上述单目标约束规划问题。故此方法在尽可能保留判断矩阵所包含的专家判断信息的基础上,确保了判断矩阵的一致性,快速求得权重排序向量。最后将此方法模型应用到生猪养殖标准化评价中,分析评价指标,构建生猪养殖标准化评价体系,计算评价指标权重,并结合评价指标的隶属度函数以及欧式贴近度对评价目标打分及定级,选取猪场实例验证以证明该模型在现实中是高效可靠的。