随着人工智能技术的不断发展，机器学习、数据挖掘、粗糙集、证据理论等理论方法的不断深入和完善，使智能决策支持系统的体系结构和智能化程度得到了较大的提高。上个世纪木本世纪初，随着Internet的普及应用，人们所掌握信息数据数量急剧增长，给决策支持提供了丰富的信息资源和方便的互动交流平台，也使得更多的专家可以参与决策。基于智能技术的群体决策理论和方法的研究成为当前一个热点研究领域。 目前智能群体决策理论和方法研究面临的主要关键问题包括：一、越来越多半结构化的、非结构化的、不确定的和相关的信息影响决策，决策专家很难凭借大脑的知识和经验准确、全面和快速地理解、分析信息，形成决策方案，而需要利用智能技术来辅助决策问题求解；二、群体决策中，多个决策者的意见常常存在着矛盾和冲突，难以形成决策共识。为此，群体决策中需要解决专家间矛盾冲突，需要对群决策的最优决策方案的选择和评价方法进行研究。 本文在详细研究和分析目前智能决策支持系统以及群体决策支持系统现状和存在的主要问题基础上，紧紧围绕如何有效地解决群体决策支持系统在海量信息源、非结构化、相关性数据情况下的决策问题求解、冲突消解和群体专家决策条件下的组合规则性能等问题展开研究。 本文的主要工作和创新点包括以下几个方面： 一、针对数据数据属性间存在的相关性对决策树性能的影响，设计了一系列不同的消除或利用相关性的对比算法。基于对比算法实验结果分析，本文提出了一种基于非线性拟合方程的多分类器决策树算法。实验结果表明该算法能有效地利用属性间的相关性，提高决策树的分类能力。 二、基于DS证据理论，提出了一种新的基于降低冲突策略的组合规则。该