随着管理决策任务的愈加困难和人们的信息交流愈加便利，越来越多的决策倾向于集思广益的方式，大规模群体决策逐渐成为决策问题中的焦点。在决策过程中，人们多侧重于如何有效集结决策者的意见偏好以达成最可能的一致，而没有考虑决策依据信息在决策者偏好信息集结过程中的作用，群决策的可靠性难以得到保证，因此本文提出一种基于双重信息的大规模群决策方法。针对众多决策者给出的大规模双重决策信息，提出基于方案决策向量、属性决策向量和方案偏好向量的决策者三维关联度求解方法，并基于此给出了将所有决策者分成不同聚集的算法。然后，考虑到双重信息含有较复杂的不一致性，建立了兼顾类内关联程度和类间关联程度的类内核心决策者即类中心求解模型，为分类后进行类内和类间双重信息的一致性协调和集结提供基础。经过对大规模的双重决策信息进行聚类后，每一子类内的偏好信息并不一定满足类内群体一致性的要求。而且，在决策过程中由于受各方面因素的影响，决策者给出的偏好信息本身可能也存在一定的逻辑不一致问题，即判断矩阵不满足个体一致性要求，因此为了保证决策信息和决策结果的可靠性，将针对类内决策者给出的两种结构形式的判断偏好信息，定义个体一致性和群体一致性指标，对其个体一致性和群体一致性进行测度，并建立兼顾群体一致性和个体一致性的判断矩阵修正模型，确保了类内双重信息的有效性和可靠性。然后，针对修正后的类内偏好信息和类内各决策者给出的初始多属性决策依据信息，研究类内双重信息联动群决策方法，建立双重信息联动推证的属性定权和决策者定权方法。考虑决策个体和群体一致性，提出了基于三维一致性向量的决策者赋权方法；以双重信息之间差异最小化为出发点，建立了属性权重求解模型，并基于此对每个子类的双重信息进行了有效集结，得到了各类的方案区间评价值向量。最后，将冲突性较大的各子类方案评价值向量作为区间值证据，建立类间冲突估算模型，并兼顾类间冲突的大小和类内决策者个数，以定义类间折扣因子的方法，来修正类间冲突证据，继而对修正后的区间值证据进行合成，最终求得类间方案综合评价信息，得到各方案间的优劣排序。