对于处理不确定性决策问题,在传统方法中,可以使用模糊数学,粗糙集等方法.但是,这些方法都有其自身的缺陷,例如,模糊集会受到隶属函数的限制,其隶属函数的设定对决策结果会有较大影响。近年来,模糊软集成为热点,对于处理不确定信息群决策问题有其特定优势,所以基于模糊软集进行群决策逆判问题分析成为焦点问题,随后如何在大规模群决策中挑选出非合作专家群体成为难点。本文主要研究基于模糊软集在群决策中的逆判问题,通过结合聚类分析算法,给出基于模糊聚类算法和k-means算法的逆判方法,与传统算法进行比较。通过计算其算法复杂度,得出运用聚类算法来处理模糊软集逆判问题,能更快的选择出非合作专家群体,从而减少了计算的时间和空间复杂度。首先,介绍了群决策问题、群决策逆判问题、模糊软集问题和模糊聚类问题的研究背景与现状,归纳了模糊软集、模糊软矩阵以及相似性度量的定义和运算法则。其次,给出一个模糊软判断矩阵,计算模糊软矩阵的相似性度量。然后,提出了两种算法,基于模糊聚类算法和基于K-means算法对模糊软集逆判问题进行计算,随后进行分类,从每一个类别中挑选出一位专家,计算专家的一致性比率,得出专家所属类的评判水平。然后,给出一个算例,分别运用两种算法进行计算,说明两种方法的可行性。最后归纳总结全文,说明运用聚类算法进行大规模决策的优点,总结不足,提出展望。