粒度计算的思想起源于上世纪70年代末,它是模仿人类思考问题的方式,正如张钹院士和张铃教授所说:“人类智能的一个公认的特点,就是人们能从极不相同的粒度上观察和分析同一问题。人们不仅能在不同粒度(granularity)的世界上进行问题的求解,而且能够很快地从一个粒度世界跳到另一个粒度世界,往返自如,毫无困难。这种处理不同粒度世界的能力,正是人类问题求解的强有力的表现。”它像一把大伞,覆盖了所有有关粒度的理论、方法论、技术和工具的研究,是用来处理不完全、不可靠、不精确、不一致和不确定的知识。它是人工智能研究的最重要基础,现已成为人工智能领域的热点之一,主要包括模糊集理论、粗糙集理论和商空间理论等。本文的主要内容如下:1.介绍了粒度计算的产生与发展背景,粒度计算的研究现状和主要理论,并说明了本文的研究背景及意义。给出了最一般的粒的定义,并讨论了粒的基本性质。从研究问题的需要出发,对粒度模型的论域和属性进行粒度化,给出选择粒度世界的方法。2.介绍了如何从数值变量到语言变量并给出了模糊的程度化思想,从而引出了模糊集合。接着给出了模糊集合的基本定义、基本概念和运算方法,并做出了详细的描述,使人们对模糊集合有了一个整体认识。最后给出了模糊集,词计算以及粒度的联系。3.介绍了粒度思想与分层递阶的关系,即研究从全局到局部的解决问题的方法。在此基础上,提出来一种新分层模糊模型,对其性质和构造方法作了详细的介绍,并尝试用这种方法解决模糊规则数随模糊系统输入的变量的数目的增加而指数性地上升的“维数灾难”问题。4.提出一种基于递阶结构进化规划与混合编码遗传算法相结合的分层模糊神经网络的新算法,其编码采用混合编码方式利用改进的进化规划逐代优化,同时得到最优的拓扑结构和网络参数,可以利用该算法在网络中获取经过进一步优化的模糊规则。