社会是一个复杂的系统，在实际的供应商选择、项目投资、购房选址等决策活动中，由于客观事物的不确定性或认知的局限性，人们获得的信息也是不确定的，通常用语言变量、三角模糊数来表示。基于效率视角的DEA方法由于其非参数性被广泛应用到评价和优化问题中，但传统的DEA模型只能用来处理精确数据，面对模糊信息时不再适用。因而对经典的DEA模型进行模糊扩展，将不确定直接嵌入模型中来对决策单元进行评价，具有理论和现实指导意义。本文在DEA和模糊集基本理论的基础上研究了模糊信息下决策单元的评价问题，提出一种新的基于相对贴近度和直觉模糊熵的交叉评价方法，并将其应用到实际决策问题中。　　本文的研究内容主要包括三个方面：首先，在对决策单元进行评价时，针对现有模糊交叉评价方法存在的一开始就对数据进行去模糊化处理、过于极端、会对其他决策单元产生影响等问题，综合考虑被评价决策单元到理想和负理想决策单元的距离，对传统的基于相对贴近度的第二目标模型进行模糊扩展，得到模糊自评和他评效率值；其次，在效率集结阶段，定义一种新的方法将模糊效率值转化为直觉模糊集，用直觉模糊熵对交叉效率进行集结，进而用三元有向距离指数对全局模糊效率值排序；最后利用本文提出的方法，对国家自然科学基金委员会管理科学部认定的管理科学与系统科学10种重要期刊2006-2011年的引证效率进行测算，在对指标进行选取时，考虑论文引用的“时滞”效应，总被引频次和引用刊数以对称三角模糊数的形式给出。　　经过分析发现，本文提出的方法能够得到10种重要期刊的模糊效率值，比精确值提供更多的信息。用模糊效率值对期刊进行排序后，基本与被评价期刊的学术影响力相符。10种重要期刊平均引证效率偏低，波动幅度较小，期刊的区域传播能力、国际化程度和创刊时间与期刊引证效率显著正相关，期刊规模与引证效率负相关，说明10种重要期刊目前处于规模报酬递减阶段。以上结论表明本文提出的方法是可行并且有效的，充分考虑了信息的模糊性，能够为未来模糊信息下的决策问题提供现实的指导意义。