影响图作为统计决策的有效模型，有着广泛的应用。传统影响图的概率是由点概率参数表示的，不适用于求解模糊事件和值不确定事件的概率。用区间概率来表示模糊事件和值不确定事件的概率，无论直观上还是理论上都比较合理。本文的主要工作是将影响图扩充为带区间参数的影响图，具体工作分为以下几部分： (1)将区间概率引入概率表，使得影响图对模糊事件和值不确定事件的处理能力更强，扩展了传统影响图的表达能力。 (2)对区间概率计算规则进行改进。区间条件概率的计算规则主要有直观概念和规范概念。直观概念计算规则符合对区间概率的直观理解，所得条件概率区间符合经典概率，但概率区间较宽，计算困难。规范概念实际上是对直观概念计算结果的一种压缩，计算方便，适于影响图推理，但会产生下概率大于上概率的情况，不符合区间概率的定义。为此，我们给出改进后的带限制的弱条件概率计算规则，使计算结果满足区间概率的定义，且对于经典概率的情况，同样能保证下概率与上概率始终相等。 (3)采用遗传算法对带区间参数的影响图进行结构学习。给出了算法的思想并对算法各项参数及算子进行设定，然后针对具体的影响图结构通过Java语言将其实现，实验证明采用该算法学习影响图结构是有效的。 (4)对带区间参数的影响图做近似推理。讨论了影响图近似推理算法中Gibbs采样算法的思想及其流程，给出具体实例说明Gibbs采样算法的应用，并“由果推因”反推竞争对手的私人信息以供决策。实验结果证明算法具有较好的收敛性，同时表明方法是可行而有效的。这就在一定程度上解决了带区间参数的影响图的推理问题。