在不确定性推理中，除了需要解决在确定性推理中所提到的推理方向、推理方法、控制策略等基本问题外，一般还需要解决不确定性的表示与度量、不确定性的匹配、不确定性的合成和不确定性的更新等问题。

1．不确定性的表示

不确定性的表示包括知识的不确定性表示和证据的不确定性表示。

（1）知识不确定性的表示

知识不确定性的表示方式是与不确定性推理方法密切相关的一个问题。在选择知识的不确定性表示方式时，通常需要考虑以下两个方面的因素：一是要能够比较准确地描述问题本身的不确定性；二是要便于推理过程中不确定性的计算。对这两个方面的因素，一般是将它们结合起来综合考虑的，只有这样才会得到较好的表示效果。

知识的不确定性通常是用一个数值来描述的，该数值表示相应知识的确定性程度，也称为知识的静态强度。知识的静态强度可以是该知识在应用中成功的概率，也可以是该知识的可信程度等。如果用概率来表示静态强度，则其取值范围为［0，1］，该值越接近于1，说明该知识越接近于“真”；其值越接近于0，说明该知识越接近于“假”。如果用可信度来表示静态强度，则其取值范围一般为［−1，1］。当该值大于0时，值越大，说明知识越接近于“真”；当其值小于0时，值越小，说明知识越接近于“假”。在实际应用中，知识的不确定性是由领域专家给出的。

（2）证据不确定性的表示

证据可有多种不同的分类方法，如果按照证据的组织形式，可分为基本证据和组合证据。所谓基本证据，是指那种单一证据和单一证据的否定。所谓组合证据是指那种将多个基本证据组织到一起形成的复合证据。

如果按照证据的不同来源，可分为初始证据和中间结论。所谓初始证据是指在推理之前由用户提供的原始证据，如病人的症状、检查结果等，其可信度是由提供证据的用户给出的。所谓中间结论是指在推理中所得到的中间结果，它将被放入综合数据库，并作为以后推理的证据来使用，其可信度是在推理过程中按不确定性更新算法计算出来的。

证据不确定性的表示应包括基本证据的不确定性表示和组合证据的不确定性计算。

① 基本证据的不确定性表示。其表示方法通常应该与知识的不确定性表示方法保持一致，以便推理过程能对不确定性进行统一处理。常用的表示方法有：可信度方法、概率方法、模糊集方法等。

② 组合证据的不确定性计算。多个基本证据的组合方式可以是析取关系，也可以是合取关系。当一个知识的前提条件是由多个基本证据组合而成时，各个基本证据的不确定性表示方式同上，组合证据的不确定性可在各基本证据的基础上由最大最小方法、概率方法和有界方法等计算得到。

2．不确定性的匹配

推理过程实际上是一个不断寻找和运用可用知识的过程。所谓可用知识，是指其前提条件可与综合数据库中的已知事实相匹配的知识。只有匹配成功的知识才可以被使用。

在不确定性推理中，由于知识和证据都是不确定的，而且知识所要求的不确定性程度与证据实际所具有的不确定性程度不一定相同，那么，怎样才算匹配成功呢？这是一个需要解决的问题。目前，常用的解决方法是：设计一个用来计算匹配双方相似程度的算法，并给出一个相似的限度，如果匹配双方的相似程度落在规定的限度内，则称匹配双方是可匹配的；否则，称匹配双方是不可匹配的。

3．不确定性的更新

在不确定性推理中，由于证据和知识均是不确定的，那么就存在以下两个问题：一是在推理的每一步如何利用证据和知识的不确定性去更新结论（在产生式规则表示中也称为假设）的不确定性；二是在整个推理过程中如何把初始证据的不确定性传递给最终结论。

对于第一个问题，一般做法是按照某种算法由证据和知识的不确定性计算出结论的不确定性，至于如何计算，不同不确定性推理方法的处理方式各有不同。

对于第二个问题，不同不确定性推理方法的处理方式却基本相同，都是把当前推出的结论及其不确定性作为新的证据放入综合数据库，供以后推理使用。由于推理第一步得出的结论是由初始证据推出的，该结论的不确定性当然要受初始证据的不确定性的影响，而把它放入综合数据库作为新的证据进一步推理时，该不确定性又会传递给后面的结论，如此进行下去，就会把初始证据的不确定性逐步传递到最终结论。

4．不确定性结论的合成

在不确定性推理过程中，很可能会出现由多个不同知识推出同一结论，并且推出的结论的不确定性程度又各不相同。对此，需要采用某种算法对这些不同的不确定性进行合成，求出该结论的综合不确定性。

以上问题是不确定性推理中需要考虑的一些基本问题，但也并非每种不确定性推理方法都必须全部包括这些内容。实际上，不同的不确定性推理方法所包括的内容可以不同，并且对这些问题的处理方法也可以不同。