除以上模糊软集决策方法外，还有学者将粗糙集理论、灰色系统、推理分析、不确定度量等技术应用于决策过程中。这些方法的引入丰富了不确定型软集决策体系，为进一步提升决策性能开启新的思路，也为决策领域的深化与拓展提供了借鉴。

（1）基于粗糙集理论的软集决策

粗糙集在软集决策中的应用最早是由Maji将属性约简的策略引入软集的参数约简之中。虽然有学者对该方法的适用性提出争议，但却开创了两者融合决策应用的先例。Feng Feng（2010，2011）对粗糙集与软集的融合理论进行了研究，基于等价关系与软集关系的推广转换，分别定义了粗糙软集（RS Set）与软粗糙集（SR Set）。Shabir（2013）指出了Feng Feng构建的软粗糙集中关于上近似集定义存在的缺陷，并提出了修正的软粗糙集（MSR Set），从而提升了信息粒度表现，且在理念上与经典粗糙集具有更好的连贯性。之后，基于MSR Set构建的近似空间，Roy探讨了点阵应用的问题，而Zhan Jianming（2016）则研究了软粗糙集与软粗糙半环的相关运算与基础属性，并以之实现群决策。此外，Liu Xi（2018）基于参数间的等价关系辨识研究了粗糙软集的决策应用方法。

相较于粗糙集与软集二者融合以数理研究为主，模糊集的引入不仅丰富了理论体系，也令这一融合架构在决策领域具有了更广泛的应用。基于Feng Feng定义的软粗糙集，Meng Dan（2011）提出了软粗糙模糊集（Meng-SRF Set）、软模糊粗糙集（Meng-SFR Set）概念，并研究了相关属性。与之不同，在定义伪模糊软集的基础上，Sun Bingzhen（2014）构建了软模糊粗糙集（Sun-SFR Set），并提出基于理想解模糊集、以上下近似值之和执行排序的决策策略。Zhan Jianming（2017a）同样基于伪模糊软近似空间定义了软模糊粗糙集（Z-SFR Set），从而拟定以上下近似模糊值计算选择值的决策方法。此外，Zhan Jianming（2017b）还基于Z-软近似空间，构建了软粗糙模糊集（Z-SRF Set）并应用于决策。从理论体系上，Z-SFR Set可视作由Z-SRF Set实现的推广。此外，Namburu（2016）基于软模糊粗糙近似，提出了软模糊粗糙C方法对脑核磁图像进行混合分割；柳彦军（2016）研究了基于软模糊近似空间的乐观多粒化模糊软粗糙集模型，提升了近似计算的柔性水平；而Zhang Zhiming（2012）则给出了基于粗糙集方法的直觉模糊软集决策模型，与模糊选择值、水平软集及其直觉模糊集推广的方法、MPA方法相比，展现了良好的性能，但就理论融合而言该研究并未过多涉及。

通过现有研究的总结可以看出，粗糙集理论纳入软集范畴为决策研究引入了粒度化刻画方式，而作为不确定理论的新成员，软集的参数化研究模式则为粗糙集理论提供了全新的等价关系构建视角。目前，关于软集与经典粗糙集的融合研究主要集中于基本代数性质和结构分析，相关决策研究多以参数辨识、约简等基本粒度操作为基本模式，故更倾向于对象分类而非优选决策。而包含模糊集在内的三者共融不仅丰富了相关理论体系，也令这一融合架构在决策领域具有了更广泛的应用，形成了一些有价值的决策模型和方法。

（2）基于不确定语言集的软集决策

鉴于决策需求日益加剧的复杂性、不确定性及对人类自然语言处理的迫切性，对许多实际决策问题而言，一个简单的量化值可能难以满足决策信息表示、决策模型构建、决策算法执行、决策结果阐释等基本过程。因此，基于量化语言的表达方式成为当前决策领域的关注热点。而不确定语言集与软集的融合决策问题也开始引起相关学者的重视。(www.daowen.com)

Tao Zhifu（2015a）以二元组语言集对软集进行刻画，定义了二元组语言软集，基于相关集成法则和比较表（或模糊选择值）实现群决策过程；之后，他（2015b）又将不确定语言模糊集与软集理论相融合提出不确定语言模糊软集，以TOPSIS和最大熵产生专家权重，并基于理想解的接近度进行群决策排序。Zhao AIwu（2016）定义了模糊值语言软集及其相关运算法则，通过集成算子产生期望值执行决策排序，并在其中引入决策者风险偏好参数以实现决策柔性。Sun Bingzhen（2017）确立了语言值软集的概念及其运算法则，并给出了基于软矩阵运算的多准则群决策实现策略。为了处理决策者的犹豫状态，Malakar（2016）将犹豫模糊语言集引入软集范畴，定义了犹豫模糊语言软集，并在确定关联测度方法的基础上将其应用于决策；而Liu Yaya（2018）则定义了犹豫模糊语言软集的基本属性和相关运算，并将水平软集策略纳入犹豫模糊语言软集的决策应用之中。

当前人工智能相关技术的飞速发展使得人们对自然语言处理的需求日趋迫切，而这也必然促使不确定语言理论的研究持续推进。相信随着相关研究工作的深化与进展，不确定语言集与软集的融合理论也将涌现更多研究成果。考虑到决策过程离不开人的组织、理解、参与、执行，基于不确定语言集的软集决策将会成为本领域的重要构成。

（3）灰色系统理论与软集融合决策

灰色系统理论是由邓聚龙（1989）提出的用于解决信息不完备系统的数学方法。作为不确定理论的一个分支，它结合了控制论与运筹学策略，为决策问题研究提供了新的思路。Kong Zhi（2011）分析了基于模糊选择值决策与基于比较表得分值的决策差异，提出了基于模糊选择值和得分值的灰关联分析算法，以实现融合决策。Tang Hongxiang（2015）提出了基于灰色关联分析和D-S证据理论的模糊软集决策方法。Li Zhaowen（2015）应用灰色关联分析计算灰色平均关联度，然后以之计算各参数的不确定度，基于D-S证据理论进行对象排序。邹凯（2015）针对决策属性为三角模糊软集且决策属性权重未知的一类决策问题，依据灰色关联理论，提出了一种基于三角模糊软集的多属性灰色关联决策方法。

虽然当前灰色系统理论与软集的决策融合尚为数不多，但可以看到其对不完备信息处理及信息关联分析方面的优势利于对软集结构的更深入解析，是对软集决策应用的有益补充。