随着直觉模糊集理论的不断发展，将直觉模糊集扩展到区间直觉模糊集，使由实数描述的模糊信息拓展到区间数，与一般的直觉模糊集相比，区间直觉模糊集描述模糊信息更为全面。为进一步表达不确定性对象的强模糊性，决策者要从全局出发，采用涵盖面更广的模糊数表达各准则信息，将直觉模糊集的论域由离散集合扩展到连续集合，逐步提出直觉三角模糊数[201]及直觉梯形模糊数[202]。这两类模糊数均采用连续的隶属度函数及非隶属度函数表达模糊信息，对不确定信息的描述更为有效。J.Q.Wang[203]、G.W.Wei[204]给出了多种直觉梯形模糊信息集结算子，S.P.Wan[205]将幂均算子扩展到直觉梯形模糊环境下，文献[206]将VIKOR法扩展到该模糊领域，并将给出的决策方法应用于多准则决策问题。在直觉梯形模糊数的基础上，将隶属度及非隶属度的取值由确定的点扩展到连续型区间，提出区间直觉梯形模糊数[207]（interval-valued intuitionistic trapezoidal fuzzy number，IITFN），它在刻画客观世界的模糊性本质上比区间直觉模糊数、直觉三角模糊数更为精细。

对区间直觉梯形模糊数多准则决策问题的研究也逐渐展开，王坚强[208]在对多准则群决策研究的综述中提出了区间直觉梯形模糊数的定义，之后万树平[209-210]给出了相应的运算规则、性质、Hamming距离、Euclidean距离、精确函数与记分函数等，较为全面地给出了区间直觉梯形模糊数的基础理论，并给出相应的多准则决策方法。文献[211-212]将Bonferroni算子[213]扩展到区间直觉梯形模糊环境下，提出多种信息集成算子并分析其性质，所提出的几种算子考虑到了准则之间的关联性，将复杂系统的多个输入变量集成为一个输入变量，集成结果介入最小与最大之间。文献[214]改进区间直觉梯形模糊数的加法运算，给出了新的区间直觉梯形模糊数加权算术平均算子、有序加权平均算子及混合集成算子，并根据集成算子的特征给出一种准则权重已知的群决策方法，所得方案排序结果精确度较高。

区间直觉梯形模糊数以梯形模糊数为评价参考，所采用的隶属度及非隶属度连续性函数依赖不同的区间数，而且准则评价信息可采用不同的量纲，与以往的直觉模糊评价相比，既精细又灵活。已有的关于此类评价信息的研究多是多准则的个体决策，对于多个决策者参与的群决策研究较少，尤其是针对未知的决策者权重与准则权重，目前并没有系统性研究。(www.daowen.com)

本节研究一类决策者权重及准则权重完全未知的区间直觉梯形模糊数多准则群决策问题，首先定义区间直觉梯形模糊数及其Hamming距离，对各区间直觉梯形模糊决策矩阵规范化处理，由不同决策者对单个准则评价信息的比较确定负极端决策矩阵，采用区间直觉梯形模糊加权算术平均算子得到平均决策矩阵。根据各规范化矩阵与负极端决策矩阵、平均决策矩阵的距离获取决策者权重，从而得到群体区间直觉梯形模糊决策矩阵。由各方案与正、负理想方案的加权距离最小化确定各准则权重，以正理想方案为参考序列，计算各方案与参考序列关于每个准则的灰色关联系数，并计算各方案到正理想方案的灰色关联投影值，投影值越大，方案越优。将给出的群决策方法应用到市政图书馆空调系统选择算例中，以体现该决策方法的有效性与可行性。