模糊集理论及其扩展（直觉模糊集、图象模糊集和中性集）已被广泛用于解决复杂决策中的不精确和不确定性问题。然而，在现实世界中，它们可能难以解决固有的不确定性和不一致性问题。本研究介绍了不确定性集，将其作为一种有前途的替代方法，为将这两种类型的不确定性纳入决策过程提供了一个结构化框架。本研究探讨了不确定性集的理论基础和应用。基于不确定性集的近似度量开发了一种新型决策算法，并通过实际应用进行了演示：选择最合适的隐形战斗机。结果凸显了不确定性集在不确定情况下对备选方案进行排序的有效性。不确定性集具有若干优势，包括结构化的不确定性表示、稳健的排序机制，以及由于其考虑模糊性的能力而增强的决策能力。此外，还概述了未来的研究方向，包括不确定性条件下与现有 MCDM 方法的比较分析、评估排序稳健性的敏感性分析，以及更广泛地应用于具有不同复杂性的各种 MCDM 问题。通过探索这些途径，不确定性集可以进一步被确立为在复杂决策场景中驾驭不确定性的宝贵工具。