粒计算(Granular Computing，GrC)是一种新的智能信息处理理论，现已成为人工智能研究的主要方法之一。对于粒计算的研究，很大程度上是因为它模拟了人脑认识和解决问题的过程。粗糙集理论，作为粒计算理论的子集，是一种处理模糊和不确定知识的软计算工具。它能有效地分析和处理不精确、不一致、不完整信息，并从中发现隐含的知识，揭示潜在的规律，近年来在机器学习、数据挖掘等多个领域得到广泛应用。知识约简算法是粗糙集理论的关键研究内容之一。 经典粗糙集对信息系统的处理是基于等价关系的，对于含有连续值的信息系统首先必须进行离散化。等价关系不利于处理连续值，也不能反映现实数据之间存在的序关系。本文以经典粗糙集理论为基础，结合粒计算思想，将基于等价关系的粗糙集模型扩展到优势关系下，并进一步利用优势关系探讨上、下近似集，在一定程度上扩充了经典粗糙集理论的应用范围，并在不协调信息系统中引入正域约简的概念，提出了基于优势关系的正域约简算法。仿真实验结果表明该算法在处理连续值属性和偏序关系问题上是有效的。