多属性决策是现代决策领域的重要组成部分,广泛应用在军事、经济、管理等多个领域。在实际的决策中,由于思维的有限理性,外部环境的复杂性导致了决策信息的不确定性,随机性和模糊性是各类不确定特征中最为关键的,受到学者的广泛关注。云模型是李德毅院士在模糊数学和概率论的基础上提出的一种处理定性概念与定量描述的不确定转换模型,能够较好地刻画随机性和模糊性共存的不确定情形。在实际决策中,为了决策的公平公正,决策者需要考虑各个方案在不同属性下的预期,如何解决考虑方案在各属性下预期的决策问题,具有现实的意义。由于决策者并非完全的理性人,对待损失和收益存在一定的风险态度。因此,将决策者的心理行为考虑到实际决策中去,提出了考虑双重预期的云模型多指标决策方法。本文针对现有正态云模型相似度测算方法中存在的不足,提出了正态云模型的形状相似度和距离相似度概念,建立了云模型综合相似度测算方法。考虑用户之间的兴趣匹配,提出了云模型熟悉相似度的概念;提出了基于云模型熟悉相似度的邻居用户选择方法,进而产生推荐。实验结果表明,本文方法提高了推荐准确度。在兼顾形状-距离的云模型相似度基础上,挖掘了距离相似度与云模型之间距离的内在联系,简化了正态云模型的距离相似度计算方法,从而简化了云模型的综合相似度的计算。最后结合算例说明了方法的计算步骤,并将简化算法运用在时间序列分类实验中,实验结果证明了方法的有效性和简便性。考虑实际的决策的公平性和决策环境的复杂性,针对以云模型形式给出的属性评价值和期望值建立了相似性度量,根据累积前景理论和云模型相似度定义了前景价值函数,提出了基于前景理论的具有指标期望的云模型多属性决策方法。实际决策中,相对于指标期望,增长预期也是需要考虑的关键因素,体现了被评价对象的潜力,在考虑指标期望的云模型决策方法的基础上,提出考虑目标和增长双预期的云模型多属性决策方法。