多属性决策是现代决策科学的一个重要分支,广泛应用于各个领域中,如工程管理、管理学、军事、经济学、社会等.多属性决策是为了达到一定的目标,在两个或者两个以上具有多个属性的可行方案中选择一个较佳方案的分析判断过程.在应用多属性决策方法解决现实问题的过程中,由于时间的有限性、人类思维的模糊性、不确定性以及客观事物的复杂性,决策者喜欢用语言信息或者模糊信息表述他们的偏好.如评价一个房子的“舒适度”时,常常用到“好”、“差”、“一般”等语言信息.语言环境下多属性决策问题的研究引起了国内外越来越多的专家和学者的兴趣.在定性处理语言信息中,通常利用取大算子、取小算子和取大取小算子的组合集结语言信息,该方法缺乏补偿性,并且违反严格帕累托法则,不满足聚焦效应.本文在此基础上主要针对语言信息多属性决策的若干问题进行研究:　　(1)把语言变量集拓展为诱导语言变量集,基于取大取小法则和对偶三角模三角余模的思想,定义新的语言变量定性运算法则,研究该运算法则的性质.　　(2)在新定义的诱导语言运算法则基础上,根据取大算子、取小算子的数字编码把语言变量集拓展为诱导语言变量集,分别精炼取大算子、取小算子,研究该运算法则的合理性和有效性,进而把精炼后的取大算子、取小算子应用于精炼语言max-min算子.　　(3)基于新定义的诱导语言变量运算法则,把有序加权平均(OWA)算子拓展到语言环境下,提出诱导语言有序加权平均(ILOWA)算子,给出了 ILOWA算子的一些性质及其证明,并提出基于 ILOWA算子的定性多属性决策模型.　　(4)基于新定义的诱导语言变量运算法则,拓展简单有序加权平均(SAW)算子到语言环境中,得到诱导语言简单加权平均(ILSAW)算子,给出了ILSAW算子的性质、定理及其证明,给出新的基于ILSAW算子的定性多属性决策方法.