在大数据时代下的群决策系统中,不确定意见偏好干扰群体共识的达成,因此需要探究其有效的处理规则和解决方案。一般的,当群决策系统的多个决策个体表达各异时,以充分考虑每一位决策个体的意见偏好和切身利益为目的,需要从中探究一套规则实现异质化意见的统一化,或者引入协调者,利用协调者的影响能力实现共识。其中,统一化过程中的意见等价问题、避免其信息丢失/异化问题、最小共识成本问题,均是本文的研究重点。着重于异质化偏好意见,本文既探究了传统的不确定偏好意见的表现形式(包括区间、犹豫和二元语义等模糊偏好关系),又引入随机分布、效用函数等形式,增加其形式应用的广泛性。其中,本文证明了多元模糊偏好关系间的两两等价转化形式,实现其异质化信息的统一化。再者,本文分别构建了服从随机分布的最小成本共识模型、多元偏好意见群决策排序模型和基于效用函数的直觉模型偏好关系优化模型,为城市拆迁、全球供应商选择等实际群决策案例提供了模型依据,并且为实现群体共识和最优排序提供了理论依据。此外,本文针对具有随机意见的模型求解创新研究出一套决策科学的算法——基于遗传算法的概率规划,该方法具有良好的收敛性、高精度、节省计算时间等优点,并通过案例求解和方法对比验证了其可行性。本文的创新点主要为以下几点:将随机分布特征、复杂效用函数引入模糊偏好关系,更有效模拟决策者意见特征并获取真实的判断信息;根据异质信息等价转换的基础上,同化多元偏好关系的决策意见为统一的表达形式,保证了原始信息的完整性和准确性;三大模型分别从成本、排序、一致性等角度诠释了群决策问题的数学形式,为解决现实群决策问题提供了借鉴意义;设计基于遗传算法的概率规划方法,为具有随机分布的群决策模型提供了有效的解决方案。