模糊推理是人工智能领域的一个重要分支，它主要用来模拟人类在日常生活中处理模糊信息的推理能力。模糊推理模型中，最为人所熟知的是模糊蕴含规则和模糊推理合成规则。本篇研究论文主要探讨了在模糊推理中，如何利用Schweizer–Sklar算子来构造参数化的Triple I算法。
文章提到了模糊推理的最基本模型，即给定输入“x是A”和模糊规则“如果x是A，则y是B”，推导出合理的输出“y是B”，反之亦然。这些模型中，A和B分别属于非空集合X和Y的模糊集。在这些模型中，最有影响力的推理方法是Zadeh基于模糊集理论提出的模糊蕴含合成规则（CRI方法）。
Schweizer–Sklar算子是处理模糊推理中的一个重要工具。在模糊集合理论中，Schweizer–Sklar算子可以用于表示和处理模糊事件之间的相互作用。本文中提到的Schweizer–Sklar参数m，它反映的是推理过程中命题之间的相互作用。利用这种参数化的Schweizer–Sklar算子与Triple I原则（即模糊蕴含规则）相结合，形成了一种新的参数化Triple I算法。
这种新算法具有灵活性，因为它可以根据参数m的不同值调整推理过程。论文中还讨论了新算法的一些性质，如可归约性、连续性和近似性。可归约性是指算法在某些条件下可以简化；连续性是指算法在处理模糊集合时，对于连续性的模糊集合有良好的处理能力；近似性则指的是算法能够提供接近于实际的推理结果。论文指出，现有的推理结果实际上是新算法的特例，也就是说，新算法在推理过程中展示了极佳的灵活性。
此外，论文还详细介绍了Triple I算法的研究历史和背景。首先是在2010年12月28日收到，经过修订后在2013年1月24日被接受，并于同年2月13日正式发布。论文的主要关键词包括Schweizer–Sklar算子、模糊推理、Triple I算法、可归约性和连续性。
文章的引言部分说明了逻辑系统研究的主要目的是为了更贴近地模拟人类在日常活动中的推理能力，模糊性是人类思维的一个重要因素。在模糊推理领域，最为基础的模型包括模糊蕴含和模糊推理合成规则。这些模型在模糊逻辑系统研究中具有非常重要的地位。
本文的研究重点在于将Schweizer–Sklar算子与模糊推理中的Triple I原则相结合，形成了一种参数化的推理算法。该算法由于引入了参数m，更能反映人类日常推理过程中命题之间的相互作用，因而使得算法更接近于人类的推理模式。同时，论文还对新算法的性质进行了深入的讨论，并与现有的推理方法进行了对比，显示出参数化Triple I算法在模糊推理过程中的灵活性和实用性。
