由于人类在决策过程中具有不可替代的作用,因此在工程实际中,综合使用定量信息和专家提供的不完整的或不精确的主观信息,对决策问题进行建模和分析是非常重要的。为有效利用带有各种不确定性的定量信息和定性知识,Yang等基于D-S证据理论、决策理论和模糊理论,在传统IF-THEN规则中加入置信框架,提出了置信规则库推理方法(RIMER)。该方法具有对带有含糊或模糊不确定性、不完整性或概率不确定性以及非线性特征的数据进行建模的能力。基于该方法构建的专家系统被称为置信规则库专家系统,为了提升置信规则库专家系统的推理能力,Yang等提出置信规则库优化模型对置信规则库中的参数进行训练以得到参数的准确取值,Liu等在置信规则的前提属性部分加入置信框架使置信规则能更好地描述不确定信息,同时提出新的置信规则库系统推理方法,扩展的置信规则库系统未进行参数学习仍能具有较好的推理能力。然而,现有的研究均忽略了置信规则库系统性能表现,无论是参数学习还是扩展置信规则库系统效率和推理准确性方面均不理想,仍需对置信规则库系统方法进行优化。本文的工作内容如下:(1)针对基于MATLAB优化工具箱中fmincon函数的参数学习方法运行效率和寻优能力不理想的问题,本文引入粒子群优化算法,提出新的参数训练方法。通过增加重新赋予粒子速度策略以及限制粒子在解空间内,在一定程度上克服粒子群算法易早熟收敛的问题并能求解具有约束条件的最优化问题,最后通过函数拟合和输油管道泄漏检测实例验证该方法的有效性。(2)针对置信规则库系统尤其是扩展置信规则库系统在进行推理时,对每个输入均需遍历整个规则库计算激活权重,导致系统推理效率不理想的问题,提出了对无序存储的规则建立基于BK树的索引方法。系统在推理进行时,可以通过剪枝策略减少搜索规则数量,并对关键规则进行合成,提升扩展置信规则库系统的推理效率和能力,最后利用回归数据和分类数据进行实验验证。(3)针对规模较大且复杂的置信规则库系统存在推理能力和泛化能力不理想的问题,本文提出基于AdaBoost方法训练多个置信规则库系统,然后选择合适方法对多个系统进行组合。最后通过实验验证集成的置信规则库系统具有更好的推理能力。