The aim of this paper is to propose a new multi-attribute decision-making (MADM) method to rank all feasible alternatives in complex decision-making scenarios and determine the optimal one. To this end, we first propose the notion of interval-valued q-rung dual hesitant linguistic sets (IVq-RDHLSs) by combining interval-valued q-rung dual hesitant fuzzy (IVq-RDHF) sets with linguistic terms set. The proposed IVq-RDHLSs utilize IVq-RDHF membership and non-membership degrees to assess linguistic terms, so that they can fully express decision-makers’ evaluation information. Additionally, some related concepts such as the operational rules, score and accuracy functions, and ranking method of IVq-RDHLSs are presented. Considering the good performance of the classical Maclaurin symmetric mean (MSM) in integrating fuzzy information, we further generalize MSM into IVq-RDHLSs to propose the interval-valued q-rung dual hesitant linguistic MSM operator, the interval-valued q-rung dual hesitant linguistic dual MSM operator, as well as their weighted forms. Afterwards, we study the applications of IVq-RDHLSs and their aggregation operators in decision-making and propose a new MADM method. Some real decision-making problems in daily life are employed to prove the rightness of the proposed method. We also attempt to demonstrate the advantages and superiorities of our proposed method through comparing with some other methods in this paper.

本文的目的是提出一种新的多属性决策（MADM）方法，对复杂决策场景中的所有可行方案进行排序，并确定最佳方案。为此，我们首先通过将间隔值q-梯级双重犹豫模糊集（IVq-RDHFS）与语言术语集结合起来，提出间隔值q-梯级双重犹豫语言集（IVq-RDHLSs）的概念。拟议的IVq-RDHLS利用IVq-RDHF成员资格和非成员资格程度来评估语言术语，以便它们可以充分表达决策者的评估信息。此外，还介绍了一些相关概念，例如IVq-RDHLS的操作规则，得分和准确性函数以及排名方法。考虑到经典Maclaurin对称均值（MSM）在集成模糊信息方面的良好性能，我们进一步将MSM归纳为IVq-RDHLS，以提出区间值q-梯级双重犹豫语言MSM算子，区间值q-梯级双重犹豫语言双重MSM算子及其加权形式。随后，我们研究了IVq-RDHLS及其聚集算子在决策中的应用，并提出了一种新的MADM方法。日常生活中一些实际的决策问题被用来证明该方法的正确性。我们还尝试通过与本文中的其他一些方法进行比较来证明我们提出的方法的优点和优势。我们研究了IVq-RDHLS及其聚集算子在决策中的应用，并提出了一种新的MADM方法。日常生活中一些实际的决策问题被用来证明该方法的正确性。我们还尝试通过与本文中的其他一些方法进行比较来证明我们提出的方法的优点和优势。我们研究了IVq-RDHLS及其聚集算子在决策中的应用，并提出了一种新的MADM方法。日常生活中一些实际的决策问题被用来证明该方法的正确性。我们还尝试通过与本文中的其他一些方法进行比较来证明我们提出的方法的优点和优势。