粒计算

粒计算 (GrC，Granular Computing) 是一个新兴的、多学科交叉的研究领域，是当前计算智能领域中模拟人类思维和解决复杂问题的新方法，它涵盖了所有有关粒度的理论、方法和技术。粒计算起源于人工智能、机器学习、数据挖掘与智能系统等领域，从更高层面对这些领域进行概括分析，它强调对现实世界多层次与多视角的理解与描述，从而得到问题的粒结构表示。粒计算将结构化思维方式、结构化问题求解与结构化信息处理模式有机地结合在一起，具有其独特的理论、方法与技术，是研究复杂问题求解、大数据挖掘和不确定性信息处理等问题的有力工具，近年来其成为人工智能界研究的热点。

在粒计算中，粒是最基本概念之一。通过粒化，人类可以从多个层次描述和理解客观世界和主观世界。例如，动物分类学家根据动物的各种特征（形态、细胞、遗传、生理、生化、生态和分布）将动物依次分为界、门、纲、目、科、属、种七个主要等级。这个动物家谱就是一种粒化的层次结构，界在最高层，下分42门（次高层），各门下有若干纲……显然，层次结构为观察者或决策者提供了不同级别信息。

自 Zadeh 教授于 1979 年在文献 [4] 中提出并讨论模糊集与信息粒化后，研究人员对信息粒度化的思想产生了浓厚的兴趣。1985 年，Hobss 发表了以“Granularity”( 粒度 ) 为题目的论文[5] ，提出了粒度的概念，讨论了粒的分解和合并，以及如何得到不同大小的粒，并提出了产生不同大小粒的模型。张钹等在 1990 年针对复杂问题求解，提出了商空间理论，建立了一种复杂问题求解的商结构形式化体系，给出了一套解决信息融合、启发式搜索、路径规划和推理等问题的理论和算法。1996年，Lin 在 UC-Berkeley 大 学 访 问 时， 向 Zadeh提出做“granular computing”的研究，并缩写成GrC。1997 年，Zadeh 进一步指出了人类认知的粒化 (granulation)、组织 (organization) 和因果关系 (causation) [6] 三个基本概念。其中，粒化是整体划分为部分，组织是部分合并为整体，而因果关系则指原因与结果间的联系。Yao 教授认为粒计算是系统研究粒化思维方式及其方法论的一门新学科，提出了粒计算三元论[7-8] ，以粒结构为基础，包含哲学思想 ( 结构化思维 )、方法论 ( 结构化问题求解 ) 和计算模式 ( 结构化信息处理 ) 三部分，为粒计算研究奠定了基本研究框架。苗夺谦等[9]认为，粒计算是一种粒化的思维方式及方法论，可以看作是用一种独特的基于多层次与多视角的问题求解方法，从粒计算和信息表示等角度研究了知识的粒度、知识的粗糙性（知识的不确定性）与信息熵之间的关系。

粒计算是一种看待客观世界的世界观和方法论，不是一种算法或者处理过程，没有某一种具体的算法叫做粒计算。Zadeh 认为，很多领域都存在信息粒的概念，只是在不同领域中的表现形式不同。自动机与系统论中的“分解与划分”、最优控制中的“不确定性”、区间分析里的“区间数运算”，以及DS证据理论中的“证据”都与信息粒密切相关。