专家系统是利用特定领域的专家经验或者知识总结，通过一定的判断推理过程，获得问题的解答，并对实际情况提供辅助决策支持。而在现实生活中，由于人的思维及处理信息的不确定性、不精确性，甚至是模糊的、不完备的，因此为了在专家系统中引用不确定性的知识来进行判断推理，并提供智能决策，不仅需要研究不确定性的知识的表示方法，还要探讨在各种不确定性状态下的推理方法，也就是研究不确定性推理。　　 不确定性推理的研究方法，主要包括：主观Bayes方法推理模型、确定性理论模型、证据理论模型及模糊推理模型。由于领域专家知识的不确定性主要是模糊性的，因此为了更好的描述客观事物的模糊不确定性和人对客观事物认识的模糊性，本文采用模糊推理模型进行不确定性推理机的设计与实现。　　 在南美白对虾养成辅助决策系统中需要根据对虾养殖的不同阶段，为养殖人员提供饵料的类别、投喂量等的推荐，而如何更合理的对这些问题进行有效的处理，是现在亟待解决的问题。也既如何根据现实的不确定性问题，通过计算机量化，构建一个有效的不确定性推理机，以提供智能辅助决策支持的问题。　　 因此，本文通过构建基于模糊的不确定性推理机来实现为灾害应急预案生成以及虾类养殖提供辅助决策支持。主要研究方法包括：　　 (1)采用规则基的形式表示领域知识，并以一定的存储结构存放于数据库中，以便于知识的存储、检索及推理；　　 (2)通过模糊逻辑推理可以有效解决专家知识的不确定性、模糊性；对于各种前提条件对于推理的不同重要程度，可以在逻辑规则运算中加入不同权重体现其程度，从而实现此系统对于辅助决策的支持；　　 (3)冲突消解策略：当同时有多条知识匹配成功时，即发生了冲突，本文采用按加权平均值排序来消解冲突；　　 (4)最优辅助决策支持：根据模糊推理机的推理结果，利用线性规划中的最优算法，实现具体问题的辅助决策。　　 (5)利用面向对象的技术实现模糊推理机的推理过程及辅助决策支持。　　 知识以特定形式存储于数据库中以后，在加权模糊推理机进行推理时，需要根据提取的规则知识动态生成模糊推理树，其中树的结点是以动态链表的数据结构存放知识规则。　　 本文在分析现有理论的基础上，首次将加权模糊推理树应用于南美白对虾饵料投喂推荐推理过程中，并结合推理结果利用线性规划算法进行进一步的优化，生成饵料投喂的具体配方。通过动态提取知识规则生成加权模糊推理树，知识推理的过程转化为层次遍历加权模糊推理树的过程，遍历的最终叶子结点即为推理结果。推理过程中，不再需要频繁的与数据库中规则知识进行匹配，只需沿某一分支进行匹配，提高了运行效率。利用推理树进行推理时，消耗转化为动态生成推理树的消耗，由于规则知识的更新很少，推理树的更新开支也即很少，因此系统的整体开支降低。结合南美白对虾养成辅助决策系统的实际应用，表明该方法可以有效解决饵料投喂量的推荐。