软集是一种新的处理不确定性问题的数学工具。软集还可以和其它数学模型相结合从而扩展出不同的模型。软集及其扩展模型被成功地应用于解决决策问题。然而,实际决策过程中存在一些冗余参数,在保持决策能力的条件下,需要约去冗余参数。本文针对现有一些参数约简算法复杂度高、成功率低等问题,提出两种新的参数约简算法。本文所做工作可以归纳为以下三个方面:(1)基于软集的卡方分布参数约简算法本文分析现有的标准参数约简算法,发现该算法在实际的数据集中有较低的成功率。为了解决这个问题,文章结合卡方分布公式提出一种基于软集的卡方分布参数约简算法,与标准参数约简算法相比具有更高的成功率和实用性。(2)一种改进的基于模糊软集得分决策准则的参数约简算法针对孔等人基于模糊软集得分决策准则提出的关于四种特殊非必需集的参数约简算法,给出一些新的比较矩阵计算方式,然后在此基础上提出一种改进的基于模糊软集得分决策准则的参数约简算法。与孔等人的算法相比,提出的算法降低了算法复杂度,大大简化了参数约简的过程。(3)两种约简算法在实际环境中的应用将提出的两种约简算法分别引入酒店评价与科研成果评估中,通过实际生活案例验证了提出算法的可行性和高效性。