多属性决策问题普遍存在于社会系统的各个方面,但是决策过程中决策属性值或决策权重的微小改变可能导致决策结果产生很大的波动,这是决策者不愿意看到的现象,因此我们有必要进行决策的灵敏度分析。而灰关联分析技术是灰系统理论的重要组成部分,是一种新兴的多属性决策方法,是灰系统分析、建模、预测、决策的基石。然而目前国内外对灵敏度分析的研究大部分还集中在求解决策敏感的范围,且针对广泛使用的灰关联决策方法的灵敏度分析研究的还比较少。本文在总结和吸收前人研究经验的基础上,针对灰关联决策方法进行了灵敏度分析研究。主要研究工作和取得的成果如下:1.根据灵敏度的一般求解方法,证明了灵敏度满足外测度的三点基本性质,阐述了采用灵敏度分析决策问题的稳定性是合理的,也解释了避免敏感性发生的可行性,进而提供了一种决策的优化方法。2.针对灰关联决策方法,分析了属性值灵敏度分析的一些性质,给出了属性值最小改变量的变化范围;通过给出灰关联决策方法中属性权重改变量有效的条件和性质,以灵敏度最小为目标,根据决策者的部分偏好信息和现有的赋权方法,建立关于权重的多目标二次优化模型,采用粒子群优化算法求解,在此权重的基础上进行灰关联决策,最后将该方法应用到R&D人力资源的评价中去。结果表明这种决策方法既可以保证决策者偏好信息,又能降低决策的敏感性,对决策者做出合理稳定的决策有较大现实意义。3.从向量相关度阐述了灰关联决策敏感性产生的原因,并在矩阵广义逆的条件下分析了灵敏度与条件数的关系,发现灵敏度与条件数在性质上有一致性;利用灰系数矩阵条件数的一些特点,可以得到灰关联决策灵敏度最小的充要条件,这对决策者在未做出决策就可以判断结果的敏感性有一定的现实意义。