定性仿真，是近几年来人工智能技术与仿真技术相结合的产物。它是建立在基于知识的定性模型的基础上，将系统的内、外部知识和数据集成为一个可推理的模型。每个变量的取值既有数值的，也有符号化的，最终通过求解该定性模型来获得对系统行为的定性描述。由于定性模型中包含系统的不完全知识，定性仿真会产生一些虚假(spurious)和二义(ambiguitious)的行为，当实际系统很复杂时，定性仿真会产生相当数量的多余行为。如何有效地减少定性仿真产生的行为数，成为当今定性推理研究的主题。 本文介绍了定性仿真的基本内容，及迄今为止发展较为成熟的QSIM算法。在此算法基础上，引入模糊数学方法处理不确定信息量。模糊数学是研究和处理模糊现象的，它可以更容易地描述物理系统知识，用它来确定模糊参数最可信的值和系统最可信的行为。模糊仿真方法采用模糊定性方程的形式来描述系统。每个模糊定性方程是由模糊定性参数和模糊算符表示。它用模糊数学把系统的定性知识转换成定量知识进行处理，再将仿真结果转换为定性结果，减少了系统的冗余行为，为复杂系统的建模与仿真提供了一种有效的技术途径。 本文最后所设计的程序是基于一简单系统，加入模糊数学处理方式，使衍仿丑算这兀余结果大为减少，体现出了八人们；仿义X沾小札用th为强人的数学方沦一模糊算法的可能性。为个后定忖仿真的发展方向做出一些预测，为今后定性仿真在更大范围内得到充分应用提供一个新方向，以利于定性仿真得到更大空间的发展。