多属性群决策作为决策理论的重要分支,受到了越来越多的关注。在决策过程中由于决策环境的复杂性以及人类认知的局限性,决策者使用单一的语言项或数值均不能准确的表达自己的观点,二元语言变量的出现有效解决了上述问题。面对繁冗、交互的决策环境,聚合算子能合理的将多个决策者的偏好聚合为集体偏好,将多个属性的评估值聚合为综合评估值。为了更好地运用聚合算子解决不确定的多属性群决策问题,本文将分别以灰二元语言变量、犹豫二元语言变量以及犹豫Picture二元语言变量为决策背景对聚合算子进行研究,本文的主要内容如下:(1)为研究灰二元语言背景下属性权重不完整的信息融合问题,在灰二元语言变量中构建了灰二元语言优势平均算子和灰二元语言广义对偶加权Bonferroni平均算子,并讨论了它们的性质以及特殊形式。同时,考虑到属性权重难以确定的情形,利用灰色相关分析方法构建线性规划模型对属性权重进行优化,并将其与构建的算子结合设计了一种多属性群决策方法,通过对布伦特原油采购实例的分析以及对比讨论表明该方法的可行性和灵活性。(2)为刻画犹豫二元语言背景下具有交互作用的评估值之间的信息融合机制,构建了犹豫二元语言Bonferroni平均算子和犹豫二元语言优势加权Bonferroni平均算子,以此解决决策过程中专家信息的融合问题。同时,引入犹豫二元语言变量之间的可能度公式,并将其引入到经典的TODIM方法中构建多属性群决策模型来描述决策过程中决策者规避风险的态度和聚合决策过程中属性的评估信息。本文将构建的决策模型应用于企业供应商的选择问题,并通过与相关方法的比较分析验证该方法的合理性。(3)为探索犹豫Picture二元语言背景下具有更高普适性的信息融合方法,将Archimedean t-范数和s-范数拓展到犹豫Picture二元语言环境中,定义了犹豫Picture二元语言变量之间的运算法则,并构建了基于Archimedean t-范数和s-范数下的犹豫Picture二元语言加权平均算子和几何算子。随后,提出了一种基于犹豫Picture二元语言聚合算子的多属性群决策方法,并通过外包供应商的选择实例验证该方法的可行性和有效性。