非单调推理是人工智能中重要的知识表示及推理方法，主要处理不完全知识下的推理问题。但非单调推理系统不能完全解决自身存在的冲突以及由新知识引入的冲突问题，这使得一个非单调推理系统的推理结论不存在或推理结论平凡化。　　 为了解决非单调推理系统中的冲突问题，本文提出了一个冲突处理框架，并应用到两个非单调推理系统一一缺省逻辑和逻辑程序，有效地解决了推理结论不存在和推理结论平凡化的问题。主要工作包括：　　 (1)提出了非单调推理系统中冲突处理的框架。这一框架包括两个部分：静态知识中的冲突处理和知识更新中的冲突处理。对于静态知识中的冲突，根据具体非单调推理系统知识表示形式，寻找与原系统差异最小的协调替代系统。对于知识更新推理中的冲突，利用新知识修正已有知识以维护整体系统的协调性，并要求修正过程满足一些基本修正公设。　　 (2)给出了处理缺省逻辑静态知识冲突的优化缺省逻辑，定义了优化缺省扩张，保证了扩张的非平凡化。为了构造优化缺省扩张，进一步给出了优化缺省逻辑的P—逼近推理和U—逼近推理。给出了处理缺省逻辑知识更新中冲突的迭代缺省逻辑，定义了迭代缺省扩张，研究了迭代缺省逻辑的性质；指出与缺省逻辑的其它变体相比，迭代缺省逻辑具有完全非单调性质，即无论新知识的形式是信念还是缺省规则，推理结论都是随着新知识的增加而非单调地变化。为了保证知识修正过程的合理性，进一步给出了缺省逻辑迭代修正公设，并证明了迭代缺省逻辑满足所给的公设。　　 (3)定义了逻辑程序的三个答集变体，这三种答集变体都能处理逻辑程序静态知识中的冲突问题，其中最少拒绝答集在保持与原逻辑程序差别最小的原则下是最优选择。给出了处理逻辑程序知识更新中冲突问题的迭代逻辑程序，定义了迭代逻辑程序的三个答集：最少拒绝动态答集，最多应用动态答集和少拒绝.多应用动态答集。其中最少拒绝动态答集由于在协调逻辑程序中能保持与经典答集一致而成为三者中的最优选择。为了保证逻辑程序知识修正过程的合理性和正确性，进一步给出了逻辑程序的更新公设，并证明了迭代逻辑程序满足所给的更新公设。