高效的评价和决策方法对于企业信息化起着至关重要的作用。评价决策过程可以被认为是从完整或不完整信息的给定数据中选择最佳方案或对备选方案进行排序。然而评价和决策系统常常涉及到不确定性。区间值模糊软集及区间值直觉模糊软集是处理不确定和模糊数据的重要数学模型。本文针对决策过程中的不确定性,提出基于区间值模糊软集及其扩展模型的决策算法。实验及实例证明提出算法为决策者做出最优选择提供了高效实用的理论支撑。本文所做工作可以归纳为以下三个方面:(1)提出一种新的基于区间值模糊软集的高效决策算法。Yang提出了基于区间值模糊软集的决策算法,该算法通过生成每个对象的选择值以及区间值模糊软集的隶属度得分,从而得到最优选择。然而该算法的算法复杂度较高,并且缺乏添加新对象的灵活性。因此,本文针对以上问题进行改进,提出一种新的基于区间值模糊软集的高效决策算法,与现有算法相比,提出算法有较低的算法复杂度并且考虑了新对象的扩展。(2)提出一种基于不完备区间值直觉模糊软集的填充算法。区间值直觉模糊软集数据的缺失给有效地利用该模型带来了一定的限制。本文针对这种现象提出了一种基于不完备的区间值直觉模糊软集的数据填充算法,该填充思想在充分考虑并利用区间值直觉模糊软集本身特点的基础上分情况进行讨论。(3)提出一种新的基于区间值直觉模糊软集的决策算法。Zhang提出了一种利用水平软集进行区间值直觉模糊软集决策的可调节方法,该算法将区间值直觉模糊软集转换成水平软集,并结合权重选择值进行最优决策。然而该算法在计算过程中将区间值直觉模糊软集的参数值转化为软集的参数值(软集的值为0或者1),丢失了区间值直觉模糊软集本身具有的特点,并且该算法不能给出唯一的决策结果,计算复杂度较高。因此,本文针对以上问题进行改进,提出一种新的基于区间值直觉模糊软集的决策算法。