在这个全球一体化的时代，信息系统成为一个复杂系统，对于不断变化的复杂信息系统，不可能只是固守已有的知识与规则，还需要不断发现新知识，根据环境的变化采取新的决策。 信息系统是一个具有对象和属性关系的数据库，这种数据库通过数据隐含着对象和属性之间的关系，这种关系不能直接观察到，需要依赖于一定的数学方法与计算工具。而Pawlak于1982年提出的粗糙集就是一种很好地解决这种问题的数学方法。 决策是管理学的一个重要分支。1978年Nobel奖获得者Simon指出：“决策是管理的核心，管理就是决策。”但是决策必须以事实和规则为基础，以价值为指导，面对信息系统的不可预测性和不确定性的增加，面对信息系统的复杂性与对决策行为的重大影响，粗糙集在不确定决策中的作用越来越突出。它可以帮助人们在信息系统决策中不断发现新知识，并使这些知识参与决策过程，使企业适应复杂、多变的社会环境。 本文的信息系统主要是不确定信息系统。在运筹学、管理科学、信息科学等众多领域都存在着人为的或客观的不确定性，表现为多种形式，如随机性、模糊性、粗糙性以及多重不确定性。因而不确定信息系统决策方法的研究不仅具有学术价值，而且具有广泛的应用前景。 本论文首先介绍了粗糙集在不确定信息系统决策中的研究现状和粗糙集的基础理论；其次针对信息系统存在的属性冗余问题提出了一种基于包含度的属性约简和规则提取算法和一种基于可分辨矩阵的启发式属性约简算法；然后阐述了本人在粗糙集不确定信息系统决策方面的工作，核心内容是粗糙集的比较和排序模型和基于S—粗集的概率决策模型；最后研究了基于粗糙集的不确定信息系统决策方法在化学药品合成、项目评价和保密决策中的应用。