推理对于人工智能的发展起着至关重要的作用,早期的人工智能主要就是依赖于逻辑推理能力。而模糊推理作为推理概念的延伸,有着较为广阔的适用领域。在此基础上,直觉模糊集的提出又丰富了模糊推理的内涵。以往的普通模糊集在表达具有模糊性的信息上具有局限性,而直觉模糊集在表达这样的信息有着普通模糊集所无法比拟的优势。目前在模糊推理领域上主流的算法有,CRI算法,全蕴涵三Ⅰ算法等。但是这些算法局限于普通模糊集,应用领域受限。后来又有学者在这些普通模糊集推理算法的基础上提出了直觉模糊集上的推理算法。但无论是普通模糊集的推理算法,还是直觉模糊集上的推理算法,将蕴涵算子保持一致都会导致响应性能不足,并且对于求出的解的最优性缺乏合理的解释。基于此,本文根据对称蕴涵的理论提出了直觉模糊熵对称蕴涵算法,将直觉模糊熵与对称蕴涵算法相结合。首先,本文给出了该算法的规则,并求出了该算法一般形式的解,另外对于模糊推理算法中的还原性和连续性这两个重要性质进行了讨论并加以证明。保证了新算法的可行性和实用性。最后,在此基础上将该算法进行了拓展,提出了α-直觉模糊熵对称蕴涵算法和α-直觉模糊熵对称蕴涵约束算法。并在具体数据集下新算法相较于全蕴涵三Ⅰ算法有着更好的表现。本论文的主要工作如下:1)提出了直接模糊熵对称蕴涵算法,给出了该算法的定义,求出了在IFMP问题和IFMT问题下解的一般形式,并对解的还原性和连续性进行了讨论和证明;此外对算法行了推广,提出了α-直觉模糊熵对称蕴涵算法和α-直接模糊熵的对称蕴涵约束算法。给出了这两种算法在IFMP问题和IFMT问题下的解的一般形式,为了证明算法的优越性,举出了具体的实例,从结果来看新算法表现更好。2)针对FMT问题提出了α-对称I*蕴涵算法和α-对称I*蕴约束算法。给出了算法的基本规则和定义,在FMT问题上,给出了这两个算法的求解过程,并讨论了基于R-蕴涵,（S,N）-蕴涵下解的形式。3)研究了 α-对称蕴涵算法的区间摄动问题。主要针对三类情况,单规则下的区间摄动,多规则下的区间摄动以及简单摄动。给出了当采取R-蕴涵,（S,N）-蕴涵,时,对输入值摄动后,α-对称蕴涵算法解的变化范围。给出了α-对称蕴涵算法稳定性需满足的条件。