现有针对联盟S特征(或支付)值表示为区间值(v)(S)=[(v)L(S),(v)R(S)]的合作对策(简称区间值合作对策)的研究,多数利用区间算术(比如,区间减法)、特殊排序函数等,并在经典Shapley值基础上进行拓展.本文主要目的是发展一种基于最小平方法的n人区间值合作对策的有效求解方法.首先,利用区间值距离概念和最小平方法,建立以联盟分配与联盟支付值之差的平方和为最小的数学优化模型,据此求解确定每个局中人的区间值分配xi=[xLi,xRi](i=1,2,…,n),可由解析公式[XL,XR]=[A-1　BL,A-1　BR]的相应分量确定,其中BL=(∑S(∈)N:1　∈　S(v)L(S),∑S(∈)N:2　∈　S(v)L(S),…,∑S(∈)N:n　∈　S(v)L(S))T,BR　=(∑S(∈)N:1　∈　S(v)R(S),∑S(∈)N:2∈S(v)R(S),…,∑S(∈)N:n∈S(v)R(S))T,A-1=(1/2n-2)(aij)n×n,且aij=-/(n+1)(i≠j时)或n/(n+1)(i=j时).然后,推广所导出的辅助数学优化模型,使其满足诸如有效性x(N)=(v)(N)等要求,进而求解确定每个局中人的区间值分配xi=[xLi,xRi](i=1,2,…,n),可由解析公式[X＇＇L,X＇＇R]=[XL+(v)L(N)—n∑i=1xLi)e/n,XR+　((v)R(N)-n∑i=1xRi)e/n]的相应分量确定.最后,利用一个配送联盟问题的数值实例进行验证与比较分析,说明了所提出模型与方法的有效性、实用性和优越性.文中所提出的研究模型与方法可有效避免区间值减法运算带来的计算结果不确定性扩大等不合理问题,为求解区间值合作对策提供一种新的理论视角和实用工具.