模糊推理是模糊逻辑研究的主要内容,一直受到广泛关注。至今为止,已提出了多种模糊推理方法,而公认的衡量模糊推理方法好坏的唯一标准是该方法是否具有还原性。 本文首次提出了多重多维模糊推理的还原性定义,并对已有的典型模糊推理算法是否满足还原性进行了讨论。Zadeh提出的CRI算法是模糊推理中运用最广泛的算法,但它不具还原性。王国俊教授提出的全蕴涵三Ⅰ算法,真值流推理算法以及已有的基于相似度的模糊推理算法是在单一规则下的模糊推理算法,在单一规则情形满足还原性条件。本文对每一种被讨论的模糊推理算法都给出例子说明,在多重多维情形下,这些算法都不能满足还原性。 然后研究了各种相似度定义和已有相似度推理算法,在此基础上提出了一种新的基于相似度的模糊推理算法——CON-FI算法,并证明了该算法在多重多维推理时满足还原性条件。最后,仿真结果表明,所提出的新的基于相似度的模糊推理算法是一种性能较好的算法。