多属性决策是决策领域的一个热门话题。但现存的多属性决策方法大多建立在假设人是绝对理性的期望效用理论上。在现实生活中,由于决策问题本身的复杂性和决策者认知的有限性,决策者往往是有限理性的。TODIM是一个基于前景理论的基础上的行为决策方法,可以较好地刻画决策者的有限理性行为。然而经典的TODIM方法只适用于精确数环境下的单个决策者的多属性决策问题,对于模糊环境下的群决策问题却无能为力。因此,本文为了使行为决策方法更适用于现实,本文充分考虑决策信息的不确定性,将TODIM方法拓展到模糊的环境中。同时,由于社会复杂性增加,单个决策者很难将所有的相关因素考虑进去,所以将行为决策拓展到群决策具有很强的现实意义。基于这两个思想,论文主要完成了以下工作:首先,将TODIM方法拓展到多粒度语言,二维模糊语言及三角直觉模糊环境中,从而更好地反映了环境的不确定性及决策者的偏好信息。同时,在三角直觉模糊环境下,将TODIM方法扩展到群决策领域,从而使得决策问题考虑得更加的全面。其次,针对语言信息的处理,本文提出了一个将多粒度语言转化成区间直觉模糊数的方法,相比与将其转换为模糊数和直觉模糊数,能更好地处理语言信息的模糊性及不确定性。新定义了一个二维直觉模糊语言变量,使决策者不仅能对评估对象做出评价,还能对自身所做评价的可靠性再评价。然后,从概率的角度为三角直觉模糊数提出了交叉影响的运算法则,包括加法运算、乘法运算和幂运算。在这些新的运算基础上,提出了两个基于交叉影响的三角直觉模糊环境下的平均算子,分别为三角直觉模糊加权平均算子和三角直觉模糊算术平均算子。通过数学归纳法在理论上给出了严密的证明。最后,在考虑属性权重未知的情况时,本文提出了采用信息熵的方法来处理语言环境下的属性权重,采用相似度的方法处理三角模糊环境下的属性权重。对于群决策问题,本文基于一致性的思想来确定专家的权重,分别提出了基于灰色关联度的共识模型与基于相似度的线性规划模型,以协调各种不同的意见和看法,最终形成群体总的评价。