En el presente estudio, se introduce una nueva familia paramétrica de implicaciones difusas y se examinan sus propiedades. La familia paramétrica de implicaciones se produce únicamente a través de una negación difusa. Esto a su vez permite la producción sin esfuerzo de una amplia gama de implicaciones entre las cuales seleccionar la que mejor se adapte a un problema dado, por ejemplo en sistemas de inferencia difusa o redes neuronales difusas. Las negaciones difusas que se han seleccionado como base para la metodología propuesta son fuertes, es decir, involuciones, lo que generalmente conduce a que las implicaciones difusas generadas posean muchas propiedades adicionales deseables. Hemos examinado cuáles de estas propiedades se mantienen para las implicaciones producidas por nuestro algoritmo y bajo qué condiciones. Finalmente, se demuestra que la familia de implicaciones generadas a través de la metodología propuesta generaliza otras implicaciones bien establecidas, incluida la implicación de ukasiewicz.