群决策能够提高决策的效率和精度、它在社会经济、生态环境及管理等领域有着广泛的应用。目前,群决策的研究主要涉及两个方面的问题:第一,决策信息按照什么方式进行综合,即集成算子的确定。第二,在将各专家的决策信息集结成综合信息时,各专家的重要性权重如何确定。随着社会环境不确定性及复杂性的不断增加,其面临的决策问题也越来越复杂,导致描述事物特征的决策值不再是通常的实数形式,而常常以不确定的形式给出,例如梯形模糊数、语言变量等。其中,梯形模糊数能更有效地模拟不确定性和非精确性,因此本文研究基于加性梯形模糊偏好关系的群决策方法,主要工作概括如下:第一章介绍本文研究背景、研究意义、研究现状,提出主要研究内容和创新点。第二章主要介绍梯形模糊数及其相关性质、加性和乘性梯形模糊偏好关系以及两类集成算子。第三章首先基于加性梯形模糊偏好关系的一致性提出最小偏差排序法,其次提出一种新的相容性测度,并研究其性质,接着在最小化相容性指标的准则下,提出最优化模型确定群决策专家权重,并将该方法应用于基于加性梯形模糊偏好关系的群决策中。第四章通过构造加性梯形期望模糊偏好关系给出一种新的相容性测度,并由此设计一种能确保加性梯形模糊偏好关系与其期望偏好关系是可接受相容的相容性调整算法,再由此提出基于相容性测度和调整算法的群决策方法。最后,通过实例验证该方法的有效性。第五章提出一种梯形模糊Power有序加权平均算子,研究其性质,建立基于模糊Power平均算子的加性梯形模糊偏好关系群决策模型,并将其应用到群决策中。最后对本文进行总结,并对未来的研究进行展望。