案例推理是人工智能技术的重要组成部分，起源于从认知科学的角度对人类推理和学习机制的探索，已经成为认知科学、计算机科学、控制科学等学科共同关注的焦点。一般来说，案例推理主要研究案例检索(Retrieve)、案例重用(Reuse)、案例修正(Revise)和案例存储(Retain)，即4R认知模型。其中，案例检索策略的合理与否直接影响整个推理系统的实现效果，案例检索已经成为目前案例推理研究的一个主要方向，其间所面临的主要问题是：如何约简案例库以降低检索的时间复杂度、如何利用已有案例库数据来确定各特征属性的权重、如何充分利用案例属性潜在的分类知识等，这些问题的解决将对检索效率与准确率的改善产生显著影响。本文针对这些问题，引入模板冗余技术，借助于遗传算法及群决策思想，对案例库的约简、权重的确定等内容进行了研究，并应用于PID参数整定实验中，取得如下成果：　　 1．针对案例库的约简问题，引入模板冗余技术，对不同类型的案例集进行距离测算，作为约简案例库的依据。在此基础上，借助于遗传算法，以权重的合理与否决定检索的准确率为原则构造了适应度函数，并建立了案例属性权重的寻优模型。仿真结果表明，基于遗传算法的权重优化方法使得案例检索的准确率较传统方法有较大提高，而引入模板冗余技术约简案例库后，降低了遗传算法寻优的时间复杂度，处理能力和检索效率得以提高。　　 2．历史经验案例总数不多时，会影响遗传算法对权重的寻优效果，针对这一问题，将遗传算法得到的多组权重视为一群参与问题决策的专家，借鉴系统工程中的群决策思想，提出了基于群基数效用法的多组权重决策模型。仿真表明，这种改进的检索策略充分利用了案例属性潜在的分类知识，可以检索出更为合适的问题求解方案，而且随着案例推理的次数增加，群决策的权威性会根据检索的准确率进行调整，使案例检索的结果越来越准确。　　 3．根据改进的案例检索策略，提出了基于案例推理的PID参数整定方法。详细介绍了案例检索、案例重用、案例修正及案例存储等模块的算法设计与实现，并利用MATLAB-GUI工具开发了PID参数整定的综合仿真实验平台，通过对典型二阶时滞系统的仿真对比实验，验证了新方法比经典的PID整定方法及传统的案例推理方法均具有优势。同时，综合仿真实验平台为继续开展案例推理方法及其在PID整定中的应用研究打下了一定的基础。