模糊理论在人工智能中有着重要的运用.人工智能要研究的一个重要的课题就是对不精确、不完整、不确定的信息加以有效处理.由于人们对人类思维中处理模糊性问题的规律还未能有一个十分明确的认识,因此,对于这类问题,人们至今并没有一个统一的模式.虽然现在已有许多不同的方法处理模糊问题,它们各有特点,但都存在着局限性和不足,不能适应广泛的要求.研究目标之一就是提出更好更有效的算法或方法,以使得算法或方法能够适应更广泛的条件,得到更为满意的结果. 针对人工智能中模糊问题的三个重要的领域进行了深入的研究和探索,做了许多工作和取得了下面的一些成果: (1)在模糊推理方面,提出了多重蕴涵稀疏规则的模糊近似插值推理方法. (2)在模糊决策方面,对基于Vague集理论的模糊决策方法进行了深入研究,提出了三种决策方法:1.提出了理想方案的概念和侯选方案对满足多评价指标的不确定性的概念,利用侯选方案与理想方案的Vague集距离来求出最佳方案;2.对约束条件,从它出现的可能性和不出现的可能性以及未知是否出现的可能性三个方面去综合处理,使得决策更加准确和有效;3.创造性地将基于Vague集合的推理运用于模糊决策,强调从整体上去考虑对各个评价指标的满足程度.将评价指标和侯选方案之间的关系用一组基于Vague集的推理规则来表示,将决策者的要求用一组Vague集来表示,经过模糊推理等过程最后得到决策结果. (3)在知识学习和数据挖掘方面,提出了基于Rough集差异矩阵的数据挖掘算法,这种方法在比较信息系统中记录的属性值的差异的基础上,获得各种确定性知识和可能性知识,并给出置信度.