決策分析是人類的一類普遍活動，決策分析的理論和方法已經(jīng)廣泛應(yīng)用于人們生活的方方面面。多屬性決策是決策分析中一種常見的類型，也是管理科學(xué)領(lǐng)域的重要分支。多屬性決策的實質(zhì)是決策者利用已有的信息，基于多個相互沖突、矛盾的屬性，通過一定的方式對一組備選方案進(jìn)行選擇的過程。多屬性決策包含兩個重要環(huán)節(jié)：一是信息的提供，即可用于決策的信息有哪些；二是信息的集結(jié)，即如何集結(jié)相關(guān)的信息。模糊多屬性決策方法將不確定或模糊信息用于決策過程，可以提高多屬性決策的科學(xué)性和實用性。對于一些模糊多屬性決策問題，根據(jù)屬性的特征和其他不確定因素，將不同屬性上的評價值分別以其適當(dāng)?shù)男畔㈩愋蛠肀硎�，會顯得更為合理和靈活。因此，研究基于模糊信息的多屬性決策方法具有重要的理論意義和實際應(yīng)用價值。 
本書主要內(nèi)容如下： 
第1章對模糊多屬性決策相關(guān)概念進(jìn)行了界定，對相關(guān)主題的研究進(jìn)展進(jìn)行了評述。 
第2章分析了基于殘缺模糊偏好關(guān)系的多屬性決策方法。在確定缺失元素之前，首先對初始的殘缺模糊偏好關(guān)系的乘性一致性進(jìn)行測量和調(diào)整，提高了其乘性一致性水平。在此基礎(chǔ)上，確定缺失元素，并進(jìn)一步進(jìn)行多屬性決策。與其他的基于殘缺模糊偏好關(guān)系的決策方法相比，多屬性決策方法的決策結(jié)果更加可靠。 
第3章分析了基于重要性權(quán)重連續(xù)廣義有序加權(quán)平均算子的多屬性決策方法。具體內(nèi)容包括：提出了重要性權(quán)重連續(xù)廣義有序加權(quán)平均算子，討論了算子的性質(zhì)和特例，研究了基于該算子的多屬性決策方法。與其他的連續(xù)型有序加權(quán)平均集結(jié)算子相比，該算子可以處理區(qū)間數(shù)帶有重要性權(quán)重函數(shù)的情形，且包含現(xiàn)有的多個算子為其特例，所以更具有普適性。 
第4章討論了基于非等距語言術(shù)語集下的冪均算子的多屬性決策方法。該章基于模糊集理論，通過優(yōu)化模型提出了比例二元語義的規(guī)范數(shù)值表示并用于運(yùn)算過程；在此基礎(chǔ)上，提出了集結(jié)比例二元語義信息的比例二元語義冪均算子，以及基于該算子的多屬性決策方法。該算子既可用于等距語言術(shù)語集，也可用于非等距語言術(shù)語集，從而克服了現(xiàn)有語言冪均算子只能用于集結(jié)等距語言術(shù)語集的缺陷。 
第5章討論了基于猶豫模糊語言術(shù)語集的多屬性決策方法。該章定義了猶豫模糊語言術(shù)語集的模糊包絡(luò)，研究了基于模糊包絡(luò)的多屬性決策方法。與Rodriguez等提出的語言區(qū)間數(shù)型的包絡(luò)相比，該章提出的梯形模糊數(shù)型的模糊包絡(luò)，可以體現(xiàn)決策者對語言術(shù)語的不同偏好，同時也便于進(jìn)行語言計算。該章進(jìn)一步提出了基于比較語言表達(dá)式的模糊偏好關(guān)系的加性一致性測量和調(diào)整算法，拓展了比較語言表達(dá)式的應(yīng)用范圍，為決策者提供了更多的評價信息表達(dá)方式。 
第6章將Campanella和Ribeiro所提出的動態(tài)多屬性決策模型用于語言決策中，建立了新的動態(tài)多屬性語言決策模型，拓展了其應(yīng)用范圍�；�于Yager所提出的tripleΠ 算子，提出了集結(jié)二元語義信息的具有全面增強(qiáng)性質(zhì)的集結(jié)算子，從而克服了現(xiàn)有的具有全面增強(qiáng)性質(zhì)的算子無法用于集結(jié)語言信息的缺陷。 
第7章構(gòu)建了一個基于廣義VIKOR的帶有不完全異質(zhì)信息的多屬性群決策框架，以求解應(yīng)急模糊多屬性決策情境下更為合理和容易接受的妥協(xié)解，并將其應(yīng)用于應(yīng)急供應(yīng)商選擇問題。將經(jīng)典的VIKOR方法拓展到基于規(guī)范化距離的廣義VIKOR方法，有助于在應(yīng)急多屬性決策中更靈活地處理多屬性異質(zhì)信息。應(yīng)急決策情境下時間和信息都是有限的，若不同屬性上的評價值能以適當(dāng)?shù)男畔㈩愋蛠肀硎�，會顯得更為靈活和合理，專家可以按其偏好的信息類型更充分地表達(dá)其偏好，從而提高決策效率，改善決策效果。 
第8章討論了一種基于參考點(diǎn)輔助的異質(zhì)信息模糊多屬性決策方法，并將其應(yīng)用于供應(yīng)商評估問題。在不確定或者模糊性較強(qiáng)的決策情境中，決策者往往需要借助參考產(chǎn)品或解決方案進(jìn)行決策。該章將精確數(shù)、各種模糊信息和概率信息集成到同一決策框架中，建立了歸一化的增益和損失距離矩陣，從而保證了不同屬性上不同標(biāo)度的精確值、模糊值和不確定值在計算中的兼容性。為了充分考慮異質(zhì)信息本身的特征及其在異質(zhì)決策矩陣中的作用，該章引入可靠度，以表征不同類型數(shù)據(jù)的可靠性對決策結(jié)果的影響。運(yùn)用參考點(diǎn)輔助決策，既可以考慮決策者的心理效用，又可以有效地應(yīng)對有限時間內(nèi)的海量數(shù)據(jù)和決策者有限的數(shù)據(jù)收集與處理能力之間的矛盾。 
第9章從多屬性距離測量的角度，討論了一種考慮屬性間相互作用的多屬性決策方法，并將其應(yīng)用于屬性間存在交互的可持續(xù)供應(yīng)商選擇問題。在某些情況下，很難建立屬性間相互獨(dú)立的屬性集，或者需要為此付出高昂的成本。如可持續(xù)供應(yīng)商選擇問題，需要同時考慮技術(shù)、經(jīng)濟(jì)和社會等因素，不同指標(biāo)之間存在交互的可能性很大。該章基于Choquet積分定義了考慮屬性之間相互作用的多屬性距離測量，即Choquet積分距離測量，提供了一種解決屬性間交互的多屬性決策的新思路，該方法更適合解決不同屬性的評估值無法直接有效聚合的模糊多屬性決策問題。 
本書編寫分工如下：蔡建峰撰寫第1章，劉紅彬撰寫第2章至第6章，王曉東撰寫第7章至第9章。全書由蔡建峰統(tǒng)稿。 
本書在撰寫過程中，借鑒了很多前輩和本領(lǐng)域眾多學(xué)者的成果，在此，對書中所參考的文獻(xiàn)的作者表示誠摯的感謝。限于時間和作者水平，書中難免有不當(dāng)之處，敬請讀者批評、斧正。 
著者