模糊多属性群决策(FMAGDM)是现代决策科学的一个十分活跃的研究领域.它将多属性决策,群决策及模糊集理论结合在一起,利用已有的决策信息通过一定的方式对一组(有限个)备选方案进行排序并择优.其中,决策信息包括:属性权重,属性值和决策者偏好信息,而且这些信息全部或部分以模糊集或模糊数给出.本文对属性值以梯形模糊数给出的模糊多属性群决策方法进行了较为深入系统的研究.　　首先研究了对属性有偏好信息的模糊多属性群决策问题.在给出属性权重时,根据传统逼近理想解(TOPSIS)法的基本思想,用模糊数期望值比较大小的方法,将综合加权属性值的最大最小项作为正负理想解,提出了FMAGDM的一种新TOPSIS方法.对属性权重未知,属性偏好信息分别是梯形模糊数互补、互反判断矩阵的FMAGDM问题,基于属性权重的比较值与判断矩阵间的最小偏差,构造期望值目标规划模型,求解模型得到属性权重,进而对方案排序.　　其次研究了属性权重未知,对方案有偏好信息的模糊多属性群决策问题.对方案有偏好序的FMAGDM问题,由属性值得到方案的贡献矩阵,且由偏好序得到偏好矩阵,基于主观偏好和客观评估间的偏差,建立二次规划模型.对偏好信息是偏好值的FMAGDM问题,基于偏好值与综合属性值间的期望值偏差和顶点法距离,建立期望值目标规划模型和二次规划模型.对偏好信息是梯形模糊数互补判断矩阵的FMAGDM问题,由综合属性值生成满足互补性的模糊判断矩阵,以极小化偏好矩阵与生成矩阵间偏差为目标,建立模糊规划模型.对偏好信息是梯形模糊数互反判断矩阵的FMAGDM问题,由综合属性值生成满足互反性的模糊判断矩阵,以极小化偏好矩阵与生成矩阵间的偏差为目标,建立模糊规划模型.对偏好信息是偏好序、偏好值、梯形模糊数互补判断矩阵、梯形模糊数互反判断矩阵四种不同形式的FMAGDM问题,综合考虑每种偏好与客观信息间的偏差,建立模糊规划模型.通过求解模型获得属性权重,进而对方案排序.这些方法不转换偏好信息,避免了在转换过程中信息的丢失.　　文中所提出的每种决策方法均给出了实例分析。