最或然解释（most probable explanation），理学-计算机科学技术-计算机科学理论-概率统计-概率推理，一类基于概率网络模型的概率推理。给定概率网络模型，当人们已知网络中某些节点随机变量的观测值时，可用最或然解释确定其他网络节点的最可能取值，而这些取值将为观测节点观测值的取得提供了一个概率最大的解释。在数学上，概率网络中，是网络的顶点集合；是边的集合。如果可被分成证据结点集合和解释结点集合，且满足、，那么最或然解释是在给定证据条件下，计算使得概率最大的解释赋值，即。许多非确定性问题都可以通过最或然解释进行分析和计算。特别是基于贝叶斯网络的最或然解释，已广泛用于医疗诊断、经济现象和社会现象分析、心理认知推断等领域。基于贝叶斯网络的最或然解释的求解是NP难的：在最坏的情况下，最或然解释的计算时间会随着概率模型的规模增长而指数性延长。无约束的网络结构通常会导致问题难以处理。在实际应用中，可以通过对网络结构或概率分布加以约束，使得问题易于处理；也可以退而求其次，采用启发式优化算法寻找更好的解释。