在现实社会中，大多数决策问题都是非常复杂的。模糊多属性群体决策(FMAGDM)是一种结合模糊集等不确定性理论来解决复杂系统决策的有效方法，并广泛应用于实践中。群体决策耗时，决策过程复杂，但是可以集思广益，弥补个人的不足，产生大量综合性的知识和信息，增强成员的责任感和自尊感，提高可接受程度。然而由于专家们的文化背景、社会地位、知识结构的不同导致对客观事物的观察、认识和理解程度有很大的差异，不可避免地带有很大的局限性。因此专家们的分析结果很难达成一致。如果不解决专家们决策冲突的矛盾，把差异较大的个体意见进行集结，专家们的极端值可能会对最终结果产生不合理的影响。群体决策的目的就是参与决策的个体对方案的意见达成共识，进而消除彼此的冲突。因此，衡量群体决策的最终结果与每个专家的决策结果有多大的程度的接近，才能更好地完成任务是主要的研究内容，此方面包括对结果的评价、对集结方法的选取与评价、对专家们达成共识的调整方法以及对群体决策过程的研究等问题。为了解决群决策问题，必须经过两个过程：达成共识的过程和方案的优选过程。在过去的几十年里，很多学者研究了专家们达成共识的算法，并取得了一系列的研究成果。通常度量群体成员偏好的共识水平和冲突消除的过程就成了群体决策研究的重点。但是很多决策算法在迭代的过程中修改了大量的原始信息，对决策的准确性造成了一定的影响，而且在模糊决策中，相应的解决方法很少。本文给出了一种模糊多属性群体决策方法，其中属性值是区间数。首先，基于分析每位专家对群体决策的贡献，给出一种确定专家权重的方法。其次，为了使专家们最终达成共识进而得到一个满意的决策结果，提出了一种群体决策的冲突消除算法，并证明了此算法的收敛性。该算法在迭代过程中只是改变某个专家的个别信息，可以尽量地保留专家们的原始信息，增加了决策的准确性。然后，根据达成共识后形成的专家们的群体决策矩阵，基于简单加权法(SAW)给出了对备选方案排序或择优的方法。最后，结合实际例子来说明本论文方法的可行性。