Multi-granularity computing framework for complex problem solving

如何对复杂问题进行高效求解是自然科学和工程技术等领域面临的重要挑战, 现有的求解方法主要从分而治之、近似逼近等不同角度进行了深入探索和研究. 然而, 复杂问题的本身特性影响求解难度, 并且不同方法之间的理论差异也限制了其适用范围. 粒计算通过模拟人脑处理复杂问题的多粒度认知机制, 将问题层次化拆分并渐进式求解, 是复杂问题求解的有效手段. 因此, 本文通过归纳不同领域复杂问题的粒计算求解方法, 试图构建一般性的问题求解框架, 突出复杂问题求解的多粒度思想. 首先, 研究不同复杂问题的分解与合成特性, 将复杂问题分为可粒计算、弱可粒计算和不可粒计算3类, 并构建了形式化的多粒度计算模型, 分别用于不同场景的问题求解. 其次, 通过研究不同模型的相关性质, 探讨问题的分解与合成机制, 并进一步构建多粒度计算框架, 为复杂问题的层次化、渐进式求解提供理论基础. 最后, 通过分析常见的复杂问题求解方法, 挖掘其蕴含的问题分解策略, 验证了本文提出的多粒度计算框架在复杂问题求解方面的有效性和泛化性, 并给出了多粒度计算未来的挑战与展望.