研究了基于粗糙集的智能决策理论及应用问题。对于粗糙决策中的基本问题、不同决策信息系统下的粗糙决策分析方法及粗糙决策理论的应用进行了研究。全文的主要内容如下: 针对粗糙集中存在的不确定性和模糊性,提出了新的熵测量方法。对于粗糙集中的不确定性,在分析现有粗糙度与粗糙熵不足的基础上,提出了一种新的修正粗糙熵,使不确定性的测量更合理;对于粗糙集中的模糊性,提出了一种新的模糊熵;并分别将基于不可分辨关系下的修正粗糙熵和模糊熵拓展到基于一般二元关系下的广义修正粗糙熵和广义模糊熵。最后用一个算例来说明本文提出的方法的合理性与有效性。 连续属性的离散化是粗糙集理论的主要问题之一。文中提出了一种超曲面的离散化方法,给出了超曲面的表示方法,提出了基于支持向量机的超曲面寻优,并将这种方法应用于空军器材保障中,仿真结果表明,提出的超曲面方法可以获得更为简捷的决策规则。 文中对基于不可分辨关系下的传统粗糙集方法进行了拓展。针对有空值或多值的决策系统,讨论了相容粗糙集模型,提出了军机备件需求量修正的相容粗糙集方法;在有偏好信息的决策系统中,讨论了基于优势关系的优势粗糙集方法,并将这种方法应用于空军航材供应点的偏好选址中;对于决策信息系统中有偏好且不完全信息的情况,提出基于扩展优势关系下的扩展优势粗糙集。 针对有模糊信息的决策系统,研究了粗糙集与模糊集的集成问题。考虑到实际决策系统可能遭受到的随机噪声等影响,对原有的粗糙模糊集与模糊粗糙集进行了拓展。对于条件属性值确定,决策属性值模糊的情况,提出了相容粗糙模糊集;对于条件属性值与决策属性值均模糊的情况,提出了相容模糊粗糙集。并分别通过一个算例说明方法的有效性。 对于决策信息系统中属性值为区间数的情况,文中提出了一种粗糙神经网络的方法,给出了这种粗糙神经网络的网络结构及学习算法,证明了此网络的逼近定理。最后将此方法应用于歼击机的故障认定系统,仿真结果表示,此粗糙神经网络可以很好地对具有区间数的歼击机故障认定系统进行故障认定。 最后,对于自修复飞行控制系统效能评估问题,针对不同的评估信息系统,提出了两种不同的粗糙评估方法。当评估信息系统中条件属性值连续、确定,决策属性值确定时,提出了粗糙-模糊集集成模型的方法;当评估信息系统中条件属性值连续、确定,决策属性值模糊时,提出了相容粗糙模糊集方法;并将两种方法成功地应用于一个实际的自修复飞行控制系统的效能评估问题中。