作为人工智能最活跃的一个研究领域,专家系统自20世纪70年代以来不断在应用领域中获得成功,至今已发展成一个系统化的研究分支,积累了丰富的经验知识,开发出遍布各行业的成功应用。随着专家系统应用的推广以及生产和社会需求的膨胀,专家系统在使用过程中越来越多地涉及带有分级决策背景的复杂应用问题,这类问题的复杂性和多态性对传统专家系统的应用提出了挑战,各行各业相继提出了开发面向分级决策问题的智能系统的需求。本文针对这一需求,展开了以下方面的工作:首先,本文以分级决策问题为研究对象,从分析这一问题的数学本质入手,寻找多级规划求解方法,进而揭示出在专家系统中引入分级决策机制所要解决的主要问题,即面向分级决策问题的概念分级和系统设计。针对概念分级问题,即如何在分级系统中发现和利用领域问题的层次结构这一核心问题,本文提出四种适用的概念分级方法:基于先验知识的概念分级、基于无监督层次聚类的概念分级、基于半监督层次聚类的概念分级和基于分层决策树的概念分级,并对这四种方法进行对比分析,指出它们各自的优缺点和适用领域。针对系统设计问题,本文在概念分级基础上,发展了经典专家系统结构,提出了面向分级决策问题的专家系统结构和设计方案,融合人工智能技术,通过多分类器构造分级知识库,从而赋予系统一定的自学习能力,进而围绕分级结构发现策略和分级知识库,将经典专家系统中的知识库、推理机制、融合机制以及评估机制移植到分级应用背景中来。最后,本文通过高级语言实现了一个用来开发分级专家系统的软件平台,并基于该平台对本文提出的分级专家系统设计方法进行了实验验证,并对实验结果进行深入的解释分析。结果表面,本文提出的分级专家系统设计方法对于分级决策问题具有良好的适用性,本文实现的软件平台亦具有良好通用性和实用性。综上,本文对面向分级决策问题的专家系统进行了系统化的研究,为设计和开发同类智能系统提供了可借鉴的方法。