模糊与复杂的决策环境及因素，使得多属性群决策问题充满不确定性，为了更好地描述这种多变环境中决策者给出的模糊评估信息，出现了不同的信息表达形式。直觉模糊数作为一种有效的定量信息表达形式，同时包含隶属度与非隶属度，可以同时呈现出确定度与犹豫度。但是直觉模糊数存在描述范围限制的缺陷，为了解决这个问题，学者们先后提出了Pythagorean模糊数与q阶序对模糊数。q阶序对模糊数是一种广义的信息表述形式，其可应用范围更加广泛。事实上，直觉模糊数和Pythagorean模糊数分别是q阶序对模糊数中参数q=1和q=2时的特例。然而，在很多决策过程中，特别是在一些紧急事件中，由于语言变量使用更加方便与灵活，专家们更倾向于使用定性的信息评估方式。因此在直觉模糊数与Pythagorean模糊数的信息形式基础之上，语言直觉模糊数与语言Pythagorean模糊数被相继提出。作为定性的信息形式，语言直觉模糊数与语言Pythagorean模糊数分别通过语言词来表示直觉模糊数与Pythagorean模糊数的隶属度与非隶属度。然而，语言直觉模糊数与语言Pythagorean模糊数存在与直觉模糊数和Pythagorean模糊数同样的问题，由于其定义条件的限制，无法描述模糊程度高的评估信息。因此为了更好的表述原始评估信息，考虑到q阶序对模糊数的优点，有必要将q阶序对模糊数扩展到定性的语言环境，因此本文提出了q阶序对模糊数的定性信息形式——语言q阶序对模糊数。　　为了更好地使用语言q阶序对模糊数，本文首先研究了语言q阶序对模糊数的一些基础理论，主要包括：运算规则及性质、距离公式、大小比较方法和熵。在此基础上，提出了基于语言q阶序对模糊数的四类信息集成算子与相应的多属性群决策方法，并给出具体算例对所提方法的有效性与优越性进行分析。本文的主要创新之处总结为以下几点：　　（1）引入语言q阶序对模糊数的定义，提出了语言q阶序对模糊数的运算规则及性质、距离公式、得分函数、精确函数、大小比较方法和信息熵，为本文的研究提供理论支撑。　　（2）将PA（Power average，幂平均）算子、PBM（PowerBonferroni mean，幂邦费罗尼平均）算子、PMSM（Power Maclaurin symmetric mean，幂麦克劳林对称平均）算子、PMM（Power Muirhead mean，幂缪尔海德平均）算子分别拓展到基于语言q阶序对模糊数的评估环境中，研究了其相关性质及一些特例。　　（3）提出了基于语言q阶序对模糊数的加权幂几何算子、加权幂几何Bonferroni mean算子、加权PMSM算子及加权PMM算子的四种多属性群决策方法。同时，提出了一种基于熵的属性权重未知的计算模型，并将其应用到多属性群决策问题中。