在上篇论文深度提升的万能方法：多属性决策 Ⅰ中，介绍完属性值的三种形式，我们继续回到第一步——决策信息的获取。
属性权重的确定是多属性决策中的一个重要研究内容，近年来关于这方面的研究已受到人们的关注，并取得了较大进展。
迄今为止，人们从不同的角度，提出了许多确定属性权重的方法，这些属性赋权法按照难度递增的顺序，
大致可分为四类：客观赋权法、主观赋权法、组合赋权法，交互式赋权法。
客观赋权法，顾名思义，是利用属性值而赋权的一类方法，该类方法无需借鉴人的主观因素。
在日常使用和学术研究中最常用到的主要有：
熵值法、形心法、离差最大化法、线性规划法、目标规划法、基于方案满意度法、基于方案贴近度法、两阶段法。
与客观赋权法相对应的则是主观赋权法。主观赋权法是由决策者根据自己的经验及对各属性的主观重视程度而赋权的一类方法。
主要有：点估计值法、环比评分法、比较矩阵法、属性重要性排序法、模糊子集法、判断矩阵法。
其中，判断矩阵法是一种常用的主观赋权方法，它是指决策者根据一定的标度对属性进行两两比较，并构造判断矩阵（根据标度的不同，一般可分为互反判断矩阵、模糊互补判断矩阵和混合判断矩阵），再按一定的排序方法求得属性的权重向量。
我们可以把主观赋权法和客观赋权法当做是两个各有优劣和侧重点的决策信息获取基本方法。随着对于决策理论研究的深入，组合赋权法应声而生。
主观赋权法客观性较差的缺点和客观赋权法所确定的属性权重有时与属性的实际重要性程度相悖的缺点，被综合主、客观赋权法的组合赋权法极程度上进行了消解。
而组合赋权法常见的主要有：
方差最大化赋权法、最佳协调赋权法、组合目标规划法，组合最小二乘法。
第四种方法目前正在形成中，那就是在研究难度、研究广度，研究均值上，前三者无可比拟的交互式赋权法。客观赋权法、主观赋权法，主客观结合而成的组合赋权法。
这三类赋权方法的一个共同特点是：
属性的权重均由决策者（或分析者）一次导出。
实际上，这种导出应该是多次循环、不断调整修正的过程，是分析者和决策者互相协调而最终定权的过程。
交互式决策既能充分利用已知的客观信息，又能最大限度地考虑决策者的交互要求，发挥决策者的主观能动性，并通过对属性权重的不断调整和修正最终产生最佳协调权重，从而使决策更具合理性。
第四种方法在已经前沿期刊学报、博士论文中已经被稍加引入了。其中最常用的是将往日的评分改为多轮评分，并且在评分过程中加入专家权威性检验、专家一致性检验，专家协调性检验，力求得出更加合理的结果。
多属性决策第一步介绍完之后，我们来谈谈第二步。
第二步是通过一定的方式对决策信息进行集结并对方案进行排序和择优。
第二步的方法辐射没有第一步那么宽广，方法内容较为集中。
目前在学术研究和论文写作中常用到的主要有以下几种方法：加性加权平均法、TOPSIS法、ELECTRE法、LINMAP法、有序加权平均法。
其中，AWA法是一种传统的且应用最为广泛的决策信息集结方法，而由美国著名学者Yager提出的集结决策信息的OWA算子也已引起人们的极大关注，并广泛应用于决策、神经网络、数据库系统、模糊逻辑控制器、专家系统、市场研究、数学规划、图像压缩等诸多领域。
国内以徐泽水、张德学、李庆国等为代表的模糊决策领域学者对OWA算子理论也作了较深入的研究，把OWA算子推广到不确定或模糊环境中，相应地提出了一些新算子，并把它们应用于解决项目投资、人才选拔、供应链管理中的合作伙伴选择等一些实际问题。从而发展和完善了OWA算子理论，并拓展了其应用范围。
上文中提到的多属性决策常用到的方法，在此处做出了汇总，如下图所示：
