1981年，Hwang和Yoon根据决策空间的连续性和离散性，将多准则决策分为多目标决策和多属性决策。多目标决策是连续空间上的问题，并且它的任务是涉及最好的对象或方案。多属性决策是在离散空间上进行的，它是在方案集中选取最好的方案或对方案进行排序择优，因此也称为有限方案的多目标决策。由于这类决策需要在各种方案中精选出适合目标、期望、观念和价值取向的方案，因此，在做决策前首先要对不同备选方案进行评估，即评估是决策的基础。与多属性决策相联系的评估决策，通常是给出评估对象（方案）集，属性（指标、特征）集以及评估对象在每个属性下的评估值，这种评估决策被称为基数评估模型，这类模型通常应用于专家评估中。1988年，Yager提出了一种有序加权平均算子（OWA）[2]，可以对属性值从大到小的顺序重新进行排序，并通过属性值所在的位置进行加权再进行聚合处理。9391
20世纪60年代以后，决策理论开始应用于实际问题。20世纪70年代，多目标决策、群决策、模糊决策以及决策支持系统逐步成为人们研究的重点。至80年代初，关于多属性决策问题的研究无论是在理论上还是在方法应用上也都取得了丰硕的成果。在中国，决策支持技术的研究始于80年代中期，其应用最广泛的领域是区域发展规划。大连理工大学、山西省自动化所和国际应用系统分析研究所合作完成了山西省整体发展规划决策支持系统，这是一个大型的决策支持系统，在我国起步较早，影响较大。
在实际的决策过程中，由于客观事物的复杂性和人类思文的模糊性，决策者所提供的判断信息可能包含语言值与确定的数值，对于语言值与确定的数值混合型的信息聚合方法现有的研究成果很少，M. Delgado等和F. Herrera等分别给出了当数值信息为 上的实数时，数值信息与语言信息的聚合方法。1996年，F. Herrera等人基于OWA提出了语言有序加权平均（LOWA）算子[3]，并给出了二元语义下的算术平均、加权平均和有序加权平均算子，利用这些算子对模糊语言信息进行聚合。M. Delgado等的具体做法是首先定义了模糊数特征值的概念，然后利用与语言短语相关联的模糊数的特征值，通过转化函数分别给出语言短语转化为数值和数值转化为语言短语的方法，然后再利用算子进行聚合。由于用特征值来描述语言短语或模糊数本身就是一种近似替代，不可避免的丢失了大量的信息，同时，数值与语言短语之间的一对一的转化同样丢失很多的信息，因此，F. Herrera等为了防止信息丢失，利用二元语义的思想，即先将数值转化为语言信息，然后再转化为二元语义，最后利用算子对二元语义进行聚合。
2001年，徐泽水和孙在东通过定义方案的综合属性理想值和综合属性负理想值以及方案满意度等新概念，给出了一种基于方案满意度的单目标最优化模型，通过求解该模型即可获得方案排序。2004年，徐泽水针对决策者的偏好信息分别以互反和互补判断矩阵这两种形式给出的情形，提出基于线性目标规划模型的多属性决策方法。
组合赋权方法的研究现在已有不少，文[4]以偏差平方和最小化，文[5]以组合权重向量分别与主客观权重向量距离最小化，文[6]以组合权重下决策信息离差最大，文[7]以各方案的决策信息到理想方案的广义距离和最小化，文[8]以各方案的决策信息与理想方案广义距离和最小化，文[9]以权重向量离差最小化，文[10]以各方案与理想方案的加权广义距离和最小化等为目标，设计组合权重优化模型。其他组合赋权求解方法诸如文[11]考虑决策者对赋权法偏好和一致性，文[12]通过贴近度确定各主客观权重在权重集成中的加权系数，文[13]把主观权重作为约束条件，分别计算组合权重，文[14]提出通过Kendall一致性系数进行事前检验、通过Spearman等级相关系数进行事后检验的方法，为多个权向量的相容性检验问题确立了一定的依据 决策理论文献综述和参考文献:http://www.youerw.com/wenxian/lunwen_8106.html