本论文主要进行了粒计算和人工选择算法的理论研究，属于智能信息处理和进化计算等学科的交叉范畴。作为一种新的智能信息处理技术，粒计算受到国内外学者的广泛关注。生物进化、人工生命与计算方法的不断融合也一直是各国学者的研究热点。本文主要研究成果包括以下四部分：提出了基于粒计算的Rough集模型，提出了基于粒计算的知识发现算法，提出了基于粒计算的工程建模新方法，提出了基于粒计算的人工选择算法(Artificial Selection Algorithm，ASA)。主要创新成果如下：1．在二进制粒的基础上定义了二进制粒矩阵，提出了基于粒计算的Rough集模型，将Rough集理论中所有的概念和运算都统一在该模型中，提供了计算Rough集边界的简单直观的粒矩阵计算方法。2．将现有的经典Rough集模型、基于概率的Rough集模型和基于包含度的Rough集模型都统一在基于粒计算的Rough集模型之上。3．定义了Rough关系矩阵，从集合论的角度完善了粗糙集的定义。证明了Pawlak教授提出的关于Rough包含、Rough相等的代数定义和隶属度函数定义在本质上是等价的，关于Rough包含和Rough相等的隶属度函数定义并非充要条件，仅仅是必要条件。4．提出了基于粒计算的知识发现算法。该算法通过二进制粒矩阵的简单运算，既能处理相容决策系统，也能处理不相容决策系统，既能进行属性约简，也能进行属性值约简。为粒计算的工程应用提供了简单的算法模型。证明了Rough集理论中传统的代数约简、信息约简都可以归结为粒矩阵的数值运算。5．提出了基于粒计算的工程建模新方法，对某火电厂600MW直流锅炉的高温过热器在喷水扰动下的汽温动态特性进行了机理建模。对传统的加热炉模型进行了模糊建模。从工程应用角度验证了基于粒计算的知识发现算法的有效性。6．提出了进化信息系统、粒度进化空间、人工选择算子、种子等概念和基于粒计算的人工选择算法。利用粒化思想对进化空间进行均匀粒化，形成多种群进化；通过基于粒计算的知识发现算法分析进化规律确定人工育种空间；然后在个体进化层次上求取种子完成人工选择过程。通过人工选择算子实现了在群体个体和基因三个不同粒度层次的进化和跳转。在相同条件下，同传统GA相比，ASA具有人工选择定向性、快速性和智能性的特点，提高了算法的收敛能力。对单调函数、多模态问题、某些类型的欺骗问题能有效求解。本文通过对测试函数的详细分析和比较，论证了算法的有效性。