在信息系统中存在的问题普遍都是不确定、不精确和模糊的。因此,对于这类问题的建模和处理一直是人工智能领域的研究热点。在已存在的处理不确定性问题的数学模型中,软集因其不受参数化限制的特点,被广泛应用于各个领域,尤其是它在决策中的应用成为大家关注的焦点。本文以软集为背景,以决策为目的,分别研究了软集的两个新模型——软直觉多值集和区间值直觉模糊参数化软集在决策中的应用。借助软集研究了不完备软区分矩阵在决策中的应用。论文的主要内容如下:(1)针对软直觉模糊集的部分反直觉现象,本文将软集与直觉多值集结合,提出了软直觉多值集,从而推广了软集和直觉多值集的概念且通过实例证明软直觉多值集可以解决软直觉模糊集中出现的反直觉现象。然后,定义和研究了软直觉多值集的基本运算和性质,给出了软直觉多值集的决策算法。最后,通过实例说明软直觉多值集在决策中的应用。(2)结合软集和区间值直觉模糊集,本文提出了区间值直觉模糊参数化软集,定义和研究了区间值直觉模糊参数化软集的基本运算和性质,通过将区间值直觉模糊参数化软集最终转化为约简模糊集,给出了基于区间值直觉模糊参数化软集的决策方法。(3)本文将软集与不完备信息系统以及区分矩阵相结合,提出了不完备软区分矩阵的概念,同时讨论了不完备软区分矩阵的相关性质和运算。给出了基于不完备软区分矩阵的决策算法。该算法可以通过扫描一次不完备软区分矩阵就能得到所有对象的序关系,从而可得最优选择对象和次优对象。通过实例来说明该方法在决策问题中的正确性和有效性。