直觉模糊集在模糊集的基础上,增加了非隶属度函数和犹豫度函数,可以更好的刻画事物的模糊程度。概率粗糙集使用两个概率阈值来确定上、下近似的划分,可以有效地处理不确定性信息。概率粗糙集和直觉模糊集都是用来处理知识和信息的不确定性的理论,概率粗糙集是用精确的集合描述不确定概念,无需任何先验经验,对不确定性信息的处理是客观的,而直觉模糊集是用不精确的方法去描述不确定的概念,其隶属度和非隶属度是由专家依据实际经验给出的,带有一定的主观色彩。由此可看,直觉模糊集和概率粗糙集这两种理论各有优劣,具有较强的互补性,因此,本文在概率粗糙集和直觉模糊集的基础上,提出了概率粗糙直觉模糊集模型,且将该模型拓展到多粒度空间,构建了4种多粒度概率粗糙直觉模糊集模型,讨论了四种模型的相关性质。最后,将多粒度概率粗糙直觉模糊集模型和三支决策进行结合,提出了四种基于多粒度概率粗糙直觉模糊集的三支决策模型,推导出四种模型相对应的三支决策规则,并用实例验证了所提模型的有效性,能有效的对现实生活中的复杂问题进行决策。主要研究工作如下:（1）首先,从概率论的角度出发,考虑事情发生的概率,将直觉模糊集和概率粗糙集进行结合,提出了概率粗糙直觉模糊集模型,讨论了它们的相关性质,对模型进行扩展,提出了0.5-概率粗糙直觉模糊集模型和变精度概率粗糙直觉模糊集模型。其次,为了表示概率粗糙直觉模糊集模型中知识的不确定性,定义了基于概率粗糙直觉模糊集模型的近似质量和粗糙度。但由于传统的概率粗糙直觉模糊集的粗糙度无法准确表示因为边界域的存在而引起的不确定性问题,引入粗糙熵的概念,将粗糙熵与粗糙度结合,提出了基于概率粗糙直觉模糊集模型的粗糙熵,可以更好的刻画概率粗糙直觉模糊集模型的不确定性。最后,通过实例验证了所提模型的有效性,并在UCI数据集上进行了对比分析。（2）首先,将概率粗糙直觉模糊集模型拓展到多粒度空间,提出了乐观、悲观、乐-悲观和悲-乐观四种多粒度概率粗糙直觉模糊集模型,并探讨这四种模型的相关性质。然后,结合三支决策理论,推导出四种模型模型相对应的三支决策规则,给出了基于乐观多粒度概率粗糙直觉模糊集模型的三支决策规则提取算法。最后,通过对选取合适的风险投资方案实例的分析讨论,及探讨改变损失函数值对概率阈值及三支决策结果产生的影响,验证了所提模型和算法的有效性,从而为不确定性问题的决策理论提供了新方法。