自2019年底新型冠状肺炎在全世界爆发以来,人们面临着一个更加不确定的复杂决策环境。面对同一个决策问题,不同的个体、组织或者国家会根据自己的需求建立一套评价指标体系,做出截然不同的决策。实际上,由于知识背景、经验以及决策习惯的不同,决策者往往使用不同类型的决策信息来表达他们的观点,产生了异质多属性群决策、异质偏好关系群决策以及两种形式相结合的复杂异质信息群决策问题。传统的决策方法对这种异质信息群决策问题显得无能为力,这些异质决策信息给群决策方法带来了新的挑战。因此,研究异质信息群决策问题的群决策方法具有重要的理论和现实意义。基于以上分析,本文对上述三类异质信息群决策问题展开深入研究和探索,包括异质多属性群决策问题、异质偏好关系群决策问题、以及两者结合的复杂异质信息群决策问题。本文研究的主要工作如下。（1）针对定量决策信息背景下的决策问题,提出了一种基于公理设计理念的异质多属性群决策方法,该方法可以一定程度上弥补现有的信息测度（欧氏距离,可能度）的不足。本文通过“信息量”代替传统的“距离”公式,评价备选方案和理想方案之间的差异,分别给出了区间数、梯形模糊数、三角模糊数、直觉模糊数、实数等常见决策信息的信息量公式,并应用到实际决策问题中。与欧氏距离、可能度和贴近度的比较分析表明,采用概率比值形式的信息量,可以在一定程度上避免信息归一化导致的信息损失。（2）在定性决策信息背景下,针对属性值为语言术语、专家权重和属性权重未知的异质多属性群决策问题,提出一种考虑群共识的异质多属性群决策方法。该方法基于公理设计理念来量化语言术语,通过综合信息量对方案排序。构建了离差最大化模型客观地确定属性权重,同时充分考虑专家之间的差异,提出了一种基于最大化群共识方法确定专家权重。最后,通过可持续供应商选择案例和比较分析,说明了该方法的实用性和优越性。（3）针对区间互反偏好关系和三角模糊数互反偏好关系组成的异质偏好关系群决策问题,提出了一种新的模糊最好最坏方法（BWM）。该方法允许决策者根据自身经验选择不同类型的偏好关系,比如区间数、三角模糊数、语言术语等。在经典BWM和互反偏好关系一致性的基础上,分别构建了区间BWM和三角模糊数BWM的数学规划方法,并基于目标规划理念,巧妙地把模糊规划模型转化成精确的数学规划模型,以获得方案（或准则）的最优模糊权重。根据区间BWM和三角模糊数BWM的特点,给出新的一致性比率定义,丰富和发展了异质环境下的偏好关系群决策方法。（4）针对属性值为多种不同表达形式、属性权重和专家权重信息部分已知或完全未知,方案两两比较为语言术语的复杂异质信息群决策问题,提出了基于公理设计的群决策方法。首先,考虑到专家的差异性,构建了一个双目标规划模型,通过最大化个体偏差和最小化群分歧来求解专家权重。然后,根据LINMAP思想,通过最大化一致性和最小化不一致性,建立了一个双目标语言模糊数学规划模型来确定属性权重,该模型可以通过尺度函数巧妙地转换为线性规划模型。最后,根据候选方案的综合信息量排序。区块链服务供应商选择问题和与其他方法的比较分析说明了该方法的灵活性和实用性。