由于决策问题中存在一些具有不确定性、模糊性、复杂性等特点的数据信息,因此,对于模糊对象的评价分析引起了广大学者关注.模糊综合评判方法是解决这类问题的一种常用的评价方法,可以为决策者提供综合评判结果,但是无法给出被评价对象进一步改进的方向.数据包络分析方法（data envelopment analysis,DEA）是评估一组具有多个投入产出的同质决策单元之间相对效率的重要分析方法,可以判断出决策单元的有效性,同时还能得出决策单元无效的原因和改进程度.凭借其独特的优势,DEA方法已广泛应用于经济管理等领域.因此,若能结合这两种方法对模糊对象进行评价,实现方法间相互补充,将对完善和提升方法分析问题的能力起到重要作用.此外,由于传统的DEA方法不能对多个有效单元进行区分,无法给出所有单元的全排序.因此,对于效率排序问题的研究也十分有意义.本文主要进行了以下研究工作:（1）为加强单级模糊综合评判方法的评价能力,结合模糊评判的基本信息,构造了模糊评价结果可能集,给出了模糊事件有效性的含义,并提出模糊有效性评价模型.该方法不仅可以找出被评价对象评判结果劣势的原因,而且还能为其进一步的改进提供许多信息.（2）针对因素评价结果为三角模糊数的综合评价问题,结合三角模糊数评价构建了模糊评价结果可能集,给出了模糊有效性的度量方法.通过模型的计算得出被评价对象不足的原因,给出被评价对象各因素的调整范围.（3）针对混合型因素的模糊综合评价问题,介绍了对于量化因素和非量化因素的评价方法,根据综合评判信息给出模糊评价可能集,及模糊有效性的度量方法.应用该方法进一步找出被评价对象不足的原因,并分析得出被评价对象各因素的改进值.（4）为进一步加强多级模糊综合评判方法的分析能力,指出了多级模糊综合评判与DEA方法的不同之处,结合两种方法的特点给出多层次模糊评价结果可能集,及相应的模糊有效性的含义和度量方法.该模型不仅可以给出被评价对象的有效性程度,同时也为模糊综合评判方法的改进提出了新的路径.（5）为对决策单元进行排序,从多属性角度提出了基于灰色关联度和相对熵的DEA交叉效率排序方法,该方法结合了两种方法的特点来确定相对接近度,即从信息距离和数据序列曲线的相似性分析了决策单元与理想方案间的相似性,从而使分析问题更加全面.（6）从竞争视野与利益相关角度,提出了DEA交叉效率分析方法.该方法考虑了决策单元之间竞争强度和相关利益的差异性,同时可以使决策单元通过不同的利益相关系数及竞争强度,对合作者和竞争者给出相应程度的支持与打压,从而更好地增强决策单元的群体优势.