鉴于决策者知识背景、思考方式等主观因素和实际问题的复杂多变,决策者有时无法定量地表达自己的评价结果。而语言变量(通常用语言短语进行表述)在表达模糊信息时,相对于其他语言,如模糊数、直觉模糊数等,更加的直观、合理,正因如此,基于语言变量的多属性决策方法得到更快发展,其在模糊多属性决策理论中有着重要地位。二维语言变量(2DLVs)通过I维语言信息反映决策者的评价结果的同时,通过II维语言信息对评价结果进行主观评价,由此得到的评价结果更加符合实际情况,也受到了更多研究者的关注。本文以2DLVs为基础,结合传统的运算规则,提出改进的2DLVs的运算规则,在此基础上提出基于2DLVs的四类分区信息集成算子和相应解决所给评价信息为2DLVs形式的多属性群决策方法。论文的主要研究内容和研究成果如下:1.基于传统的2DLVs和语言直觉模糊变量的运算规则,将2DLVs的第I维语言变量的运算规则进行改进,提出新的2DLVs的运算规则、性质。2.以传统的信息集成算子为基础,针对其存在的问题提出新的分区信息集成算子,如分区Bonferroni平均算子、分区Heronian平均算子、分区Maclaurin Symmetric Mean算子和分区Muirhead平均算子。3.针对属性间存在关联关系的决策情况,提出基于2DLVs的分区Bonferroni平均算子、分区Heronian平均算子、分区Maclaurin Symmetric Mean算子和分区Muirhead平均算子。研究和证明了以上算子的性质,并根据参数的取值不同,得到各个算子的特例;同时给出了相应的多属性决策方法,通过不同算例证明了方法的可行性和有效性,并进一步分析参数取值不同对于决策结果的影响。