案例推理技术是基于“经验”的学习系统，在大数据技术飞速发展的今天具有重要的理论研究价值和广泛应用前景。本文主要针对案例表示以及案例相似性度量方法、案例推理模型以及案例分类和案例规则推理方法进行了研究，在此基础上探索了案例推理技术解决电信告警和故障诊断问题的方法。主要工作如下：（1）在案例推理模型研究的基础上，提出了一种基于优化问题求解的案例推理模型。新模型在进行案例修正处理时引入迭代优化策略，使得案例集多样性增加，对于提高案例推理的有效性有重要作用。用人工蜂群算法求解函数优化问题来仿真案例推理求解过程，提出了多维人工蜂群算法，与标准算法相比在求解精度和计算时间方面都具有良好的特性。（2）在案例分类和基于案例的规则发现算法研究基础上，针对支持向量机分类方法中核函数的参数和惩罚因子的选择问题进行了研究，引入人工免疫算法进行参数优化并解决了免疫算法的变异盲目性，提高了算法的搜索精度和分类效果。针对关联规则发现算法中标准的Apriori算法计算开销大的问题，提出一种高性能多维挖掘算法，采用水平存放的事务标识列表计算候选项集的支持度，应用地址索引的剪枝策略，有效缩短了算法的运行时间并减少了占用的内存空间。（3）研究了基于最大团问题求解的案例相似性度量方法，通过分析局部搜索算法和进化算法求解最大团问题的特点，提出了具有惩罚值的penalty_BLS算法，结合随机选点的random_BLS算法进一步提出分阶段PBLS算法，PBLS算法减弱了算法本身对案例集的依赖性，提高了求解效率。基于进化算法，提出基于度的修复方法，结合精英选择的随机配对过程，以及大幅度均匀交叉和倒位变异，提出了一种快速进化算法FGA，新算法增加了种群的多样化，使算法的局部搜索和全局搜索趋于优化。实验结果表明其运行时间相对于其他算法较短，算法对大部分图例均可求得最优解。（4）针对通信网络的告警管理和故障诊断问题，结合模型推理、规则推理和案例推理，提出了一种基于混合推理的故障告警管理模型。根据通信网络的分层特点，提出告警树表达模型，实现了基于告警树和混合推理的告警管理和故障诊断过程。