随着全球信息化和智能化的推进，人工智能已经渗透到各行各业，模糊推理成为其中非常活跃的研究方向之一。围绕经典模糊规则和模糊推理算法的研究已有许多成果，但经典模糊规则不能表示概率不确定性，无法满足很多工程应用的需求。近年来，有学者提出了能够同时表示模糊不确定性和概率不确定性的置信规则，但目前专门针对置信规则的模糊推理研究却非常少。为了解决以置信规则为知识表达方式的复杂系统模糊推理问题，有必要对基于置信规则的模糊推理算法做更加系统深入地研究。本文以几种最具代表性的模糊推理算法为例，包括Mamdani算法、基于相似度量的DS算法和云推理算法，总结了基于经典规则的模糊推理机制，在此基础上提出了基于置信规则的模糊推理算法。首先，对基于模糊关系合成的推理算法进行分析，指出该算法在适用规则和对事实输入敏感性方面的局限。在整体前件匹配度和多结论的计算基础上，提出了一种适用于置信规则的的模糊推理算法，并对算法做了图形化解释，实验结果表明新算法的推理结果更加接近专家意见。其次，为了使推理过程兼顾自然语言中模糊性和随机性两方面因素，将“隶属云”的概念引入到推理算法中，提出了一种基于隶属云的置信规则推理算法，该算法的解决置信规则描述的复杂系统推理问题，其输入输出均为定量数值。为了进一步解决输入为定性概念情况下的推理问题，提出了基于云相似度的置信规则推理算法；给出了云的最大边界和最小边界的定义与证明，以及改进的云相似度计算方法。通过实验分析了基于云模型的置信规则推理算法和基于云相似度置信规则推理算法的区别与联系，验证了两种新算法的适用性和有效性。最后，实现了基于隶属度的置信规则模糊推理算法和基于隶属云的置信规则模糊推理算法，并将其扩展到FuzzyCLIPS专家系统工具中，运用扩展以后的FuzzyCLIPS实现了鱼雷规避系统，仿真结果表明所提出的基于置信规则的模糊推理算法，能够满足复杂系统在置信规则描述下的推理要求，提高了潜艇成功规避鱼雷攻击的概率。