问题解决是人类思维最常见的一种形式，是人类重要的高级智能活动之一。认知的信息加工理论认为，问题解决的过程，主要是对问题空间进行搜索的过程。然而，毫无目的盲目的搜索效率很低，会耗费过多的搜索时间。所以，有必要根据问题当前状态，选择解决问题的突破点，使搜索朝有利于问题解决的方向发展。启发式搜索可以提高问题解决效率，是人类和AI（人工智能）问题解决的基本方法。由于Web智能应用的需要以及日益成熟的脑成像技术的成功应用，打开人脑这个“黑盒”，探索人类思维的脑机制势在必行。　　 针对这些问题，本文在分析了各种已有实验任务的基础上，设计了一种简化的数独游戏--四方趣题，并且设计了帮助解题的七种规则来研究启发式规则的搜索。这种任务解决时间很短（20s之内），正好适合于fMRI实验，同时它包含了问题解决的所有认知成分，所以成为适合于fMRI问题解决研究的新范式。本文针对这个新范式，设计了两种任务并加入难易度因素的控制，然后对所得数据进行了多角度的分析。　　 由于ACT-R结合脑成像技术在问题解决领域的成功应用，本文重点关注的是ACT-R模型中定义的四个脑区，梭状回（Fusiform Gyrus，FG），后顶叶（PosteriorParietal Cortex，PPC），前额叶（Prefrontal Cortex，PFC），手动区（Motor Region），并对这些脑区进行了功能以及BOLD信号值的验证性分析。为了得到与规则搜索相关的其它脑区，本文还进行了探索性分析，除了验证性分析中关注的脑区，主要发现枕叶、颞叶和小脑的激活。最后还进行了功能连接分析。　　 通过对以上结果的综合分析，提炼出在四方趣题问题解决中启发式规则搜索的信息加工过程：被试对启发式规则的搜索首先表现为对问题空间的搜索。通过视觉注意（梭状回），缩小问题空间，将数字范围缩小为两个数字。对这个小空间内的两个数字进行表征（后顶叶），掌握当前问题状态，形成一个假设。搜索第三个数字，与之前的两个数字进行检验，查看是否可以形成一条启发式规则，如果可以，搜索完毕，提取规则（前额叶）进行解题，如果检验不成功，重新搜索问题空间，进行新的假设.检验，直到检验成功搜索到正确的启发式规则为止。其实，这个假设-检验的过程就是不断在问题空间中进行表征-规则提取的过程，因此，由于这两个过程的紧密联系，功能连接结果显示后顶叶与前额叶不管在哪种任务之下都呈现极高的相关性。在这个过程中，如果任务难度加大，会导致颞叶和小脑的激活。