无人机（UAV）目前已应用于诸多不同领域。其中包括灭火、农业与喷洒、气象测量、损害评估、搜救活动、云属性观测、提供实时图像情报、侦察与监视活动、货物运输、交通控制、数据收集以及灾害损害评估。本研究针对无人机选型问题，采用了多准则决策（MCDM）方法，以及基于信念熵的证据模糊多准则决策（EFMCDM）、基于直觉模糊数（IFN）的邓普斯特-谢弗理论（DST）、基于球面模糊数（SFN）的逼近理想解排序法（TOPSIS），以及基于二型中性模糊数（T2NN）的指标间相关性确定权重（CRITIC）与多属性边界逼近区域比较（MABAC）方法。研究结果确定了最佳的无人机选择方案。本研究提出了一个集成的多模糊多准则决策框架，在统一的七点语言量表上，使用四种互补的基于模糊集的方法评估无人机备选方案。评估采用了14项准则和8个无人机备选方案，由来自国防工业领域的15位专家进行。结果显示了强大的跨方法一致性，无人机1在所有四种技术中均排名第一（例如，EFMCDM得分 = 0.414；IFN-DST = 0.434；SFN-TOPSIS相对贴近度 = 0.0000；T2NN–MABAC效益 = 0.1403）。本研究提供了一个新颖的集成无人机选型框架，在统一语言量表上对比性地运用了从证据模糊、直觉模糊模型到球面模糊及二型中性模糊数多准则决策方法的多种模糊集扩展，实现了一个稳健、一致且经过敏感性验证的决策过程。应用结果被评估为一致、适用且稳健的。