不确定推理是人工智能中重要的研究领域之一.在该文中,我们就不确定推理的如下问题进行了研究,并取得了一些重要的研究结果.1.我们提出极大熵虚拟Bayesian网络来表示含有非直接因果关系的知识.在很多实际应用中,基于当前的知识表示粒度,对于有些具有显著关联的两个对象之间并不能确定他们之间具有明显的直接因果关系,但这不削弱这种关系作为专家知识在实际中的重要作用,我们称变量之间的这种特殊关系为隐含约束.我们分析了利用Bayesian网络直接表示隐含约束所遇到的困难,然后通过引进虚拟变量来重新表示隐含约束,基此来构建极大熵虚拟Bayesian网络来表示这类知识,从而扩展了Bayesian网络的知识表达能力.2.我们提出了定性Dempster-Shafer(D-S)理论.3.我们详细讨论了D-S理论中的冲突证据合成问题,提出了基于未知扰动的冲突证据合成方法,即在采用Dempster规则合成信任函数之前,我们通过未知扰动对mass函数进行预处理,并采用极小合情度原则来确定相应的扰动.4.我们提出了时态D-S理论,基于D-S理论的基本框架来联合表示时间信息和不确定性,这在时间信息和不确定性的联合表示与推理方面具有重要作用.5.我们通过引进严格条件期望公式和缺省条件期望公式,推广了期望推理的命题逻辑,建立了期望缺省理论,并通过定义字典推断来实现对期望的缺省推理.