当前,智能信息处理已成为众多学科领域研究中的热点.特别是近年来,人工智能从研究内容到研究方法都经历了很大的发展与变化,不但传统的神经网络、专家系统等方法在社会保领域中继续发挥着巨大作用,而且一些新兴的人工智能技术也逐渐成熟起来,人们已应用这些新兴技术在社会生产中开发出很多重要成果.粗糙集(Rough Sets)理论就是在这样背景下日益成熟起来的一门用于不精确、不确定知识挖掘与处理的重要方法.该文围绕粗糙理论中属性约简与值约简两个核心问题展开讨论,并分别提出了自己的优化算法,使经过属性约简之后的信息表在不破坏原有蕴含知识的前提下能删除大量无助于得到规则知识的冗余属性,极大地改善了原有信息表的可理解程度;而经过信息表值约简,研究人员能够改善每条规则的复杂度,不但原有规则变得更加简洁清晰,而且大大增加了测试样本的匹配程序,为进一步构造专家系统创造了极为有利的条件.该算法同时也可应用于多变量决策树的构造,使这一复杂问题得到简化.在具体应用上,该文引用了人工智能领域的两个经典数据集,将该文提出的各种约简算法应用于这些数据集后,得到了良好的效果.