目前人工智能的高速发展使得很多方面都有了巨大的突破,自然语言理解的发展,人们更希望人工智能能达到认知智能的水品,而认知智能也一定程度上是衡量智能的标准。逻辑推理能力作为人类的记忆能力、学习能力、判断能力的一种综合反映,也是认知智能亟待解决的难题。本文主要工作是基于自学习的自动解题系统的设计与实现,解题系统的理论基础是置换合一,实现方式是基于规则的产生式系统,主要涉及解题系统和自学习的构建两个模块,具体内容如下:（1）初等数学知识表示知识表示是解题系统自动求解的第一步,只有先将数学文本转化为计算机的数据结构才能进行推理计算。最终系统使用知识图谱来表示抽象实体之间的关系。在实现过程中使用Java的类结构将题目中实体关系实例化,同时Java类的继承思想也实现了知识图谱中知识表示的可扩展性。（2）推理引擎的设计和构建作为解题系统的核心,推理引擎在推理方式上使用传统的正推法,在推理过程中与计算相融合,不断迭代产生新知识。在实现上,使用模块化的设计方案保证每个模块之间相对独立。其中核心的匹配算法,采用混合匹配模式,将多种匹配方案相结合,加快规则实体匹配的速度,形成映射表,最后完成知识的更新。本文完成了推理引擎的设计和构建工作,并对不同类别的题目进行了批量测试,解题通过率为73.4%,求解时间不超过5分钟。（3）自学习模块的构建在基于规则的产生式推理系统中,规则库是重要的驱动和产生新知识的依据。本文研究的构建方法是基于数据驱动的自下而上的自动构建。数据的来源是教辅中的标准答案解题过程。标准答案结合解题系统,将答案转化为规则,并按一定的算法加入到规则库中。标准答案经过自学习产生短句标签库,使用语言模型完成对规则的自动选择功能。