粒计算理论(Granular Computing,GrC)最早是由Zadeh教授提出的,它被看作是结构化思考,结构化问题求解和信息处理的范例。目前,粒计算已经成为当前计算智能研究领域中模拟人类思维和解决复杂问题的新方法,也是海量数据挖掘、模糊信息处理、机器学习等领域的有效工具。粒计算中的粒结构概念给出了一个系统或者问题的结构化描述,而一个系统或者问题同时存在多种解释和描述。所以,粒结构的形成经常被模型化为多种层次结构。由此看来,层次性在粒计算中占据着重要地位。本文针对粒计算的层次结构进行了研究,主要有如下所示的创新点:(1)为了研究单个覆盖上的层次结构问题,在覆盖上提出了知识距离的概念,并由覆盖知识距离构建了两种不同的代数格,最终使用由这两种代数格所诱导的偏序关系来刻画覆盖的分层递阶结构。(2)为了研究多覆盖上的层次结构问题,即信息粒是由一族覆盖构成的情形,首先在多覆盖上提出了两种不同的知识距离,并由多覆盖知识距离构建了两种不同的代数格,最终使用由这两种代数格所诱导的偏序关系来刻画多覆盖的分层递阶结构。(3)为了研究模糊信息粒化的层次结构问题,首先根据模糊二元关系构建了模糊信息粒化,接着构建了三种序关系用来刻画模糊信息粒化的层次结构。然后,将知识距离的概念引入到模糊信息粒化中,构建了知识距离格,使用知识距离格所诱导的偏序关系来刻画多模糊信息粒化的分层递阶结构。(4)为了更好的扩展模糊粗糙集的应用范围,针对现有的模糊粗糙集大多数不可调节的情形,引入了参数化的二元算子,提出了可调节模糊粗糙集。然后,利用近似质量作为度量标准,使用启发式算法以求解可调节模糊粗糙集的约简。最后,将可调节模糊粗糙集的近似质量和约简分别与强模糊粗糙集、弱模糊粗糙集的结果进行了比较分析。