为了处理人类决策中遇到的不确定性信息,在D-S理论、决策理论和模糊集合理论的基础上基于证据推理方法的置信规则库推理方法(RIMER)被提出。在RIMER理论和专家系统理论的基础上形成了RIMER专家系统。RIMER理论是一种透明的建模方法,专家知识以直接接入系统内部,确定规则库的置信度和权重等参数。但是一般地,专家并不能总是客观、精确地给定这些参数,这就削弱了RIMER专家系统模拟实际系统的能力,为此Yang等建立该专家系统的学习模型,指出该模型是线性约束的非线性规划问题,并且给出了求解方法。但是,学习结果不能令人满意。因此有必要设计一种新的算法来求解该学习模型使得该专家系统具备更好的自学习能力。在此基础上,本文首先结合梯度法和二分法设计了一种新的简单算法。新的算法首先利用梯度法求解该非线性规划问题的下降方向,接着根据非线性规划中的约束条件找到最大步长,然后通过二分法对最大步长二分直至找到使目标函数值最小的步长。之后通过分析专家系统的一般结构,利用面向对象的方法在RIMER理论和学习训练算法的基础上设计开发了带有自学习功能的RIMER原型专家系统。本文介绍了该专家系统的总体结构,详细阐述了新开发的RIMER专家系统的各个模块,描述了RIMER专家系统中建立置信规则库、正向推理、学习训练等模块的详细设计。最后,通过三个训练示例表明本文设计的算法收敛精度、速度等使人满意,该算法实用,有效。