近年来,由于社会环境越来越复杂,突发事件时常出现,导致社会巨大的经济损失和不良的社会问题。在这类事件的决策过程中需要考虑的问题也越来越多,决策中专家的增多,属性增多,目标增多即将成为研究的新热点,这类问题中的应急决策就属于一种非常典型的多元化组织协同的决策,牵涉到多成员、多机构的专家参与,因个体的技能背景和信息不对称及决策问题本身的复杂性和模糊性,以致在决策过程中其决策偏好必然存在冲突；与此同时在赋权的过程当中存在很难兼顾到决策主体和问题。国内外一直多关注传统的模糊集决策来解决应急决策,而忽略了直觉模糊集。同时大多数研究是利用相似度的关系进行赋权,很难兼顾决策的主客观性。归因于直觉模糊熵能够部分反映决策如何确定属性,因此文中为了兼顾主客观性、’充分反映决策者偏好、并及时修正相关的权重,构建一种基于直觉模糊熵的权重方法。同时,由于信息失真,本文利用模糊度提出新的直觉模糊加权距离公式,在此基础上,利用迫近理想解的排序法(TOPSIS)应用应急问题,提出一种综合权重的排序决策方法。另外,样本的过于客观是TOPSIS法面临的主要问题。然而,一些多属性决策问题具有以下缺陷：人为干扰、样本数量有限、非典型分布,让决策问题更加难以解决。但是在“信息贫乏”的情况下,针对那些起始数据非常少、容易进行数据挖掘、运行方便的问题正是能够被灰色关联分析理论所利用。决策时,在样本一定的前提下,灰色关联分析用以发掘的内部存在的相关规律,最后,利用改进的TOPSIS方法,进行最优决策选择。提出一种基于灰色关联分析理论的直觉模糊的改进TOPSIS法。最终,实验数据用来检验算法的有用性。