近年来,随着人工智能技术的飞速发展,许许多多专家学者开始将注意力集中在人工智能技术与教育的结合上。利用人工智能技术定义全新的教育模式,实现计算机自动求解、自动辅导等功能,为学生提供快速、公平、系统并且量身定制的教育资源。这对提升教育质量,降低教育成本和创新教育模式有着十分重要的意义。本论文的研究内容是仅在输入原始初等数学题目的基础上,对题目进行自动类人求解,简称“高考机器人”。它主要包含如下几点:1)复杂逻辑与计算推理引擎的研究和构建主要研究复杂逻辑与计算引擎的组织结构与核心算法设计,针对出现问题给出相应解决方案。从复杂逻辑推理引擎研究与构建,复杂逻辑与计算推理和类人求解三个方面分析了复杂逻辑与计算推理引擎的结构和组成等内容。其中以引擎搭建部分为重点,讲述了三种不同的复杂逻辑推理组织方式,并采用“先正后逆”推理方式构建推理引擎。随后研究了推理引擎与符号计算平台之间的联系,通过符号计算提供的计算服务为具体的问题的计算推理打下支撑。类人求解中,在推理的基础上,设计基于DFS的搜索算法,重构类人求解过程。2)初等数学函数问题的知识表示在自然语言处理(Nature Language Process,NLP)的支持下,本文主要研究对初等数学中的函数问题进行基于一阶谓词逻辑的知识建模。通过统计、整理和分析,将函数知识大致分为三类:实体知识,属性知识,实体与实体之间关系的知识。3)初等数学函数问题的推理规则以函数问题为代表的代数知识推理,具有与几何知识推理完全不同的特性:计算性和开放性。计算性是指推理依据体现在计算结果中,是典型的“予理于算”。开放性是指推理知识不收敛,是一个无限扩张的集合。基于此特点,在函数问题的规则推理中采用规则流推理和普通规则推理相结合的方式。规则流允许用户自定义流程结构以规定规则匹配执行顺序;普通规则只需LHS条件满足匹配就能执行RHS。在普通规则的研究中,将规则划分为计算规则、逻辑规则和联想规则。利用本文提出推理引擎组织结构和相关理论方法,最终构建出一个通用的复杂逻辑与计算推理引擎,并实现了一个较完善的函数推理规则库。使得函数问题综合求解正确率达到67%,平均求解时间不超过5分钟。