信息技术的飞速发展,微博、微信等社交媒体的普及,改变了人们的交流方式,也改变了决策问题的环境与特点,群决策问题呈现由小规模向大规模转变的趋势.决策者处在一个大的社会网络中,彼此之间存在着一定关系.决策者之间的相互关系以及其所处的社会网络的结构特征是影响群体决策的重要因素,将社会网络分析方法和决策方法相结合必然可以丰富和完善现有的决策理论.在大数据背景下,群体决策环境以及决策行为变得愈发复杂,结合决策者之间的社会网络关系分析复杂情境下的大群体决策问题具有重要的理论及现实意义.本论文旨在探讨社会网络环境下的大群体决策问题,结合社会网络分析技术研究复杂情境下的大群体共识问题.论文主要工作集中在如下四个方面:（1）研究一类具有不完全偏好信息的社会网络大群体共识决策问题.首先,考虑决策者之间的社会网络关系对决策过程的影响,给出了相应的大群体网络分割算法,该算法不仅可以将大群体网络分割成具有特定结构的几个子网络,而且可以识别出各个子网络中的意见领袖.然后,基于意见领袖及协同过滤算法构建了不完全信息补全方法.在此基础上,构建了两阶段共识模型.在第一阶段,首先利用网络分割算法将决策者分成不同小组,然后基于观点动力学中的DeGroot模型构建了小组内部观点演化共识模型,并给出了小组意见达成共识的条件.在第二阶段,以各小组中的意见领袖为代表构建了基于意见领袖的共识反馈机制和调整策略,并证明了该共识机制的有效性.（2）研究一类考虑决策者动态影响关系的大群体共识决策问题.针对共识过程分别构建了决策者影响力传播以及观点演化模型.考虑决策者之间的影响力动态变化特点,结合PageRank算法和心理学中的首因效应等因素构建决策者影响力传播模型.进而构建基于动态影响关系的观点演化模型.针对所构造的观点演化模型,分别在影响矩阵为可约与不可约两种情形下对模型的收敛性进行了分析,其中对于可约矩阵情形我们分别讨论了其对应图含有全局可达点和没有全局可达点两种情况.（3）在最小共识调整要求下,研究一类考虑决策者与协调者及协调者之间博弈行为的社会网络群共识决策问题.共识过程实质上是一个互动、交流与改变的过程,本文基于最小共识调整模型研究了共识过程中的两类交互行为:1)协调者和决策者之间的交互;2)决策者之间的交互.利用线性二次收益网络博弈模型来刻画决策者之间的交互行为,利用Stackelberg博弈框架来刻画协调者和决策者之间的交互行为.基于此提出了一种基于最大线性二次收益和最小共识调整的共识模型.在此模型中,协调者提供补偿策略和反馈建议以指导决策者通过最小的共识调整达到期望的共识水平,而决策者通过调整他们的偏好意见以获取最大收益.同时还讨论了该模型的纳什均衡策略的存在性.该模型是一类双层规划模型,属于NP-hard问题,因此本章针对该模型对已有的差分进化算法进行了调整,并将其应用于模型的求解.此外,本章通过土地拆迁补偿最小共识调整案例来验证所提出模型的有效性,并对模型涉及的相关参数进行了敏感性分析.最后从建模角度与其它基于优化模型的共识方法进行了比较.（4）研究一类具有操纵及非合作行为的社会网络大群体共识决策问题.在大群体决策过程中,有些决策者可能因为自身兴趣或利益等原因表现出操纵或者非合作行为.为了有效应对大群体决策过程中出现的这两类行为,本文提出了基于社会网络的操纵及非合作行为的共识框架.模型首先运用网络分割算法来对决策者的社会网络关系进行分析,进而结合决策者的偏好意见以及网络关系来识别和管理操纵行为.另外,基于观点演化的共识模型,针对孤立决策者和有特殊子网络结构关系的决策者,文章分别给出了不同的非合作行为识别和管理机制.最后,通过两个数值仿真实验验证了所提出的模型的有效性.