专家系统设计在它的核心部分——不确定性推理理论与方法上,一直以来都存在着不足。关于它的理论和应用有充分的空间待于发展。从有专家系统起,不确定性知识的表示和处理就是最受重视的分支之一。有关的它的学术会议有两个,在有关刊物和会议上论文也是层出不穷的,还有许多专著研究这个问题。在国际上,这方面优秀的专家有Shotliffer, Duda, Shafer, Heckerman, Pearl, Dubois, Prade, Yager等等。国内最早涉及这方面工作的是吉林大学,他们首先将国外的工作介绍到国内,随后又做了不少工作,在他们的带动下,国内许多学者也投入这项研究,并取得了一些好的成果。目前国内研究成果显著的还有清华大学、中国科技大学、华中科技大学、合肥工业大学等等.不确定推理是人工智能领域的核心研究课题之一。目前为止,对它的研究主要是以概率论、模糊数学或粗糙集理论为基础,建立推理模型。在众多不确定推理模型中,以概率论为数学基础的确定性推理方法最为方便实用,本文将对它做详尽的论述分析。本文中,首先在第一章绪论阐述了不确定推理与人工智能、专家系统以及知识工程的关系,并在第二章详细分析了不确定推理研究的现状、研究目的及意义。之后,在第三章中介绍了不确定性理论的数学基础(概率论、模糊数学等)及当前的一些不确定推理模型,其中包括贝叶斯网络、主观贝叶斯、确定性理论、证据理论以及可能性理论。研究了不确定推理问题的一般方法和一般步骤。在第四章中,就众多推理模型中的确定性理论进行了详尽的分析论证,发现了原推理算法中的一些不足并改进知识表示。接下来在第五章中,提出一种新的不确定性的更新与传播算法,来解决不确定性的更新与传播问题。这种新的算法,解决了原来理论中的一些缺陷与不足。在此基础上,第六章中进行了实验数据的对比分析,证明新的算法能够得出较理想的结论。