模糊集的单值隶属度使它不能很好地处理和表述模糊信息，为此，1986年Atanassov拓展了模糊集(Fuzzy集)的理论，提出了直觉模糊集，1993年W．L．Gau和D．J．Buehrer提出了Vague集，作为模糊集的另一种推广理论，Vague集和直觉模糊集在理论上是完全等价的，只是两者的表现形式略有差别。相比于模糊集，它们能够更加细腻、灵活的表示和处理模糊信息，为信息处理和决策等提供了一个更有力的度量工具。在了解Fuzzy集理论知识的基础上，对直觉模糊集和Fuzzy集进行了对比研究，丰富了直觉模糊集的基本理论知识，同时研究了直觉模糊集的模糊熵理论，并将直觉模糊熵运用于多属性模糊决策分析中。论文主要完成了以下几个方面的工作:一、给出了模糊集和直觉模糊集的理论基础知识，并简要讲述了他们的性质和运算法则。二、研究直觉模糊集的熵。分析已有直觉模糊熵求解公式存在的问题，基于仙农提出的概率熵对直觉模糊熵公式进行修正，提出一种新的直觉模糊熵的求解公式，充分考虑犹豫度对模糊性的影响，此研究将对人们理解和描述模糊性问题提供一定的帮助，并用实例证明公式的实用性和有效性。三、借鉴模糊集和Vague集中模糊熵、相似度量和距离测度三者之间的相互转化诱导关系，探讨了直觉模糊集理论中三个度量概念之间的相互关系，并进行证明。四、研究直觉模糊熵在多属性决策问题中的应用，多属性决策中一个很重要的环节是属性指标的赋权，指标权重确定是否合理将直接关系到决策结果的准确性和科学性。层次分析法(AHP)和专家评价法都带有一定程度的主观随意性，因此会影响决策者的决策准确性和可靠性。本文用新提出的直觉模糊熵公式为指标属性赋权，充分挖掘了原始数据所蕴含的信息，使得评价结果更有数学理论依据，也更加符合客观实际情况，并建立了一个基于直觉模糊熵确定属性权重的多属性决策模型，最后对某高校图书馆读者满意度综合测评的实例进行了分析，验证了决策模型的实用性和有效性。