多属性决策问题的研究已经日渐成熟,多属性群决策是其中重要的一部分,有着广泛的应用。由于事物的复杂性、决策者的思维差异,某些属性采用更易表达的区间数和语言评语的形式表达,因此评价信息变得复杂,本文针对复杂多属性群决策问题进行研究。首先,本文介绍了多属性决策以及群决策研究的理论基础,介绍了几种多属性决策与群决策常用的传统方法,分析了常用的几种解决多属性决策问题和大群体决策问题的方法,明确了在解决大群体决策时应该解决的核心问题。同时,研究了聚类分析理论基础与常用的几种聚类方法,明确了聚类分析理论在解决复杂多属性群决策时的可行性与可信性。其次,研究了由区间数和语言评语形式表达的决策信息,将两种形式的评价信息进行规范化处理,将区间数采用计算与上下界相对距离的方法转化为点值,将语言短语转化为三角模糊数后再化为点值。然后,对k-means聚类方法进行改进,采用F统计量集结类间距离与类内紧密程度两种衡量聚类效果的指标,确定最佳初始聚类数k,通过遗传算法迭代寻优,得到最佳分类结果。最后,建立模型求解类内专家权重、类紧密度、类权重、属性权重,应用各项指标对各类内专家的评价信息进行融合,将专家类内融合矩阵进行类间融合得到总体融合矩阵,并分别对每个类内融合矩阵中的方案进行排序,对排序结果进行比较分析,并通过算例分析验证聚类方法的可行性。