随着现实生活中系统越来越复杂,属性独立的决策问题已经无法满足人们的实际应用需求,越来越多的科研人员开始研究属性交互的群决策问题。在实际决策中,因为客观事物的复杂性和人类思维的发散性,决策者给出两两方案比较优劣时往往具有一定的模糊性。此外,由于很难给出每个权重的精确值,所以我们只能通过分析得到权重属性的部分信息。因此,研究广义有序加权平均和广义混合加权平均算子,将其用来处理TIFN和权重信息部分未知的多目标群决策问题是必要和有用的。本文从分析TIFN的两两比较入手,研究TIFN的混合算子,详细探讨混合算子的相关性质,通过建立多目标优化模型并转化为线性目标规划,客观地确定出权重。主要工作如下：1.通过对模糊集与直觉模糊集的有关文献分析,阐述了信息不确定性度量方法、算术集成算子与几何集成算子在模糊集与直觉模糊集的应用现状；2.从三角直觉模糊数的定义和算法入手,探讨了TIFNs排序方法；介绍和总结了一些三角直觉模糊算术集结算子和几何集结算子,提出了三角直觉模糊广义有序加权平均算子和三角直觉模糊广义混合加权平均算子,并对它们的重要性质进行了详细的讨论；3.考虑到决策者的知识、经验和判断水平有限,给出了两种解决不完全权重信息群决策问题的新方法,第一种方法通过三角直觉模糊加权平均算子和三角直觉模糊广义有序加权平均算子的集结,得到每个方案的综合属性值,并建立多属性群决策模型,再通过转化为单目标规划问题进行求解,得到属性集的模糊测度和专家的权重,进而得到方案的均值指数,并给出各方案的排序结果；第二种方法是通过三角直觉模糊加权平均算子集结得到单个专家的综合值,再通过多目标规划确定各属性权重值,利用三角直觉模糊广义混合加权平均算子,集结所有的专家综合值,得到方案集的综合值,最后得到方案的均值指数,并给出各方案的排序结果。这使得决策结果与现实MAGDM问题更加一致；4.将本文提出的方法一应用到实际决策问题,与文献[57]的结果进行了比较,说明该方法的可行性和有效性。