粗糙集理论是波兰数学家Z．Pawlak于1982年提出的一种处理含糊性和不确定性问题的数学工具，已成为计算机科学与技术领域中颇具挑战力的方向之一。粗糙集理论中关于知识发现、数据约简、决策支持、分类等领域的方法已被证实非常有效，并在现实生活中有许多有趣的应用。约简是粗集理论的重要内容，通过删除知识库中多余的属性集(值)，来保留知识库中的重要知识，以提高知识的质量，方便用户决策。本文主要研究粗集理论中的属性约简和值约简这两类约简问题，具体工作如下：(1)概述了粗集理论的基本知识和研究动态，并针对现有的粗集理论中的属性约简和值约简算法作了描述和分析。(2)提出了一个新的属性约简算法ARIMC，该算法基于本文提出的改进的分辨矩阵IDM，利用核信息优化矩阵的构造，具有较好的时间性能，并由于能适用于不一致的系统，因而比现有仅能适用于一致系统的算法有明显改进。(3)在对分辨矩阵的构造过程加以改进的基础上，提出一种基于值核属性和吸收率优化的决策表属性值约简改进算法AVRIMC。实验表明，该算法在时间性能上有一定程度的提高。