范例推理是人工智能领域中较新崛起的一种重要的基于知识的问题求解和学习的方法，它是根据过去的成功或失败的事例来推导出新问题的解，是一种知识库同推理机融为一体的新的推理技术。近年来，关于范例推理的研究及其系统的开发受到人们的普遍关注。范例推理是由目标范例的提示而得到记忆中最相似的源范例，并由源案例来指导目标范例求解的一种策略。范例推理不仅是关于人类认知的心理学理论，而且将成为智能计算机系统技术新的基石之一。范例推理技术在许多领域都可以使用，尤其在不好总结出专家知识的领域效果很好。对于给定的目标范例，如何从范例库中检索和选择出最为相似的范例决定了范例推理系统的学习与推理性能。范例间的相似性度量是关键。其中范例的特征项权重对检索的质量与速度都起到了重要作用。本文介绍了遗传算法和模拟退火算法，比较了两种算法的特性，分析了遗传算法的优点和不足。针对遗传算法容易产生早熟现象和局部寻优能力差的特点，使用一种混合遗传模拟退火算法用于发掘范例库上特征权重。理论分析和实验结果表明了这种混合遗传模拟退火算法优于普通的遗传算法。再将遗传模拟退火算法引入到范例推理中，用于范例特征项权重的发现，并将发现的权重运用到范例检索中去，以提高检索的质量和速度。同时，将遗传模拟退火算法的思想引入到范例推理的结构中，提出一种基于遗传模拟退火算法的范例推理模型加快了检索速度，提高了检索质量。最后将基于遗传模拟退火算法范例推理的思想，应用于农户信用评估系统中，详细介绍了农户信用评估的功能模块、体系结构、范例的表示、范例检索方法等。