推理功能是人类智能的主要特征之一，计算智能是实现人工智能的一种重要的新技术，而其中的模糊推理是模糊专家系统、模糊控制系统的理论基础和核心，是信息科学中一个进行模糊信息处理和实现机器智能的重要工具，因而是计算机科学、控制科学和人文决策等学科的重要研究课题． 1975年由Fung和Fu提出的max-min运算的一种推广—∨^λ算子的值域在[min（x,y）,max（x,y）]之间可调，含有∨^λ算子的逻辑推理，易于转化为模糊神经网络形式，从而参数学习也方便，又便于硬件实现，而且有很好的运算性质，但其并未引起足够的注意，本文先对∨^λ算子和广义∨^λ算子的多种性质结合模糊推理的需要进行了较系统的研究。 基于∨^λ算子把模糊关系合成运算“°”推广成“^P1°^P2”形式，其中p₁，p₂∈[0，1]，并发现“^P1°^P2”仍然保持了“°”的多种良好的性质；进而把L．A．Zadeh提出的著名的模糊推理关系合成法则（CRI法）推广成带参数的模糊关系合成法则CRIP，由于参数的介入大大地扩大了^P1°^P2算子的值域，以至于CRIP算法几乎总能满足还原性，而且模糊蕴涵算子的作用变得不再关键了，从而几乎回避了模糊蕴涵算子难以适宜选择的问题，特别是基于CRIP法的模糊推理的过程能轻易地对应成一个模糊神经网络问题，进而参数很好确定，这种方法也是把传统的CRI法赋予了自适用特性；本文也具体地给出了相应的参数调整法，并通过推理实例把它与其它推理算法进行了比较。 本文基于单体模糊神经网络提出了一种广义的Mamdani算法，提出了两个神经网络模型分别进行广义取式推理和广义拒式推理，给出了这些网络的性质、学习算法和推理实例，并与其它方法进行了比较。 传统的区间值模糊集的相容性则度由于结构复杂，从而掩盖了它的一些本质，而且与人的某些直觉不符，为此本文另外提出了一个“相合度”概念，并将两者进行了比较，分别给出了相容度和相合度为1的充分必要条件和直观解释，并首次讨论了模糊推理对相容度和相合度的传播问题。 基于T范数和S范数本文提出了F1型和F2型两类神经元模型，前者灵敏性强鲁棒性弱，更适宜用于给出了工业控制系统，而后者灵敏性弱棒性强，更适宜用于人文决策领域，并给出了广义AND／OR运算为T／S范数簇的充分必要条件，而且应用F1型和F2型构造了一个神经网络应用于模糊推理，新的推理算法是CRI法的推广拥有更好的性质；同时本文首次提出了弱界三角范数的概念，其可应用于信息不完备和摘要2004年7月子命题之间关系复杂情形下的模糊命题演算问题. 提出了一般的模糊推理算对规则摄动的鲁棒性的概念，并具体分析了模糊蕴涵算子对多类模糊推理算法拥有良好的这种鲁棒性的影响，分别给出了相应的充分必要条件，还提出了一般模糊神经网络对训练模式对摄动的鲁棒性的概念，并就多种学习算法具体分析了模糊联想记忆网络的这种鲁棒性，并尝试了利用这些分析结果反过来对模糊规则的获取过程进行警示和指导.当讨论的这种鲁棒性较好时，规则的摄动或粗糙是安全的可行的，从而可减轻领域专家的压力，或降低数据采集设备精度要求.关键词:人工智能，计算智能，智能控制，模糊控制系统，模糊专家系统，模糊神经网络，模糊推理，模糊关系合成法则，模糊蕴涵算子，鲁棒性，摄动，学习算法