多属性群决策是一类常见的群体决策问题,所研究出来的解决方法己经成功地应用于工程、经济、市场分析、管理等实际问题中。本文重点讨论粗糙集的理论在多属性决策中的应用。粗糙集(Rough set)理论是一个新的数据挖掘方法,其主要思想是保持分类能力不变的情况下,通过属性约简,达到发掘知识并简化知识的目的。而信息熵在粗糙集理论中有着重要的应用,它可用来度量知识的不确定性、属性关联的重要性及粗糙集的不确定性等。本文从知识熵的基础知识入手,介绍基于传统信息熵的知识约简同时,从信息论的角度,对决策表中属性重要性的大小进行度量,并在此基础上,研究了基于互信息大小的知识约简算法,基于条件熵的知识约简算法,及基于正域与条件熵结合的知识约简算法。通过对基于信息熵属性约简算法的分析,讨论了启发信息的构造,进而给出了在此基础上提出的以粗糙集的代数理论为基础,以条件信息熵为属性约简的启发式信息的改进算法,来得到尽可能小的属性约简。然后分析了在知识约简过程中现有条件信息熵的不足,从一种扩展的信息观的角度出发,讨论了Rough集理论的信息论观点。并给出一种新的条件信息熵,用于粗糙集数据分析中的属性简约,以弥补现有信息熵的不足,并给出改进的算法。与基于现有条件信息熵的约简算法相比,该约简算法时间复杂度变化不大,但在对不一致决策表进行约简时,可以得到更加完备的约简。最后本文将用信息熵确定属性重要性的方法到多属性决策中。首先应用改进的算法将所给的数据属性进行约简,然后运用信息熵的相关知识给出综合评价结果。结果表明,这种方法能够充分说明实际问题,并且大大地简化了原有问题考虑的属性数目,使得最后的评价结果简单鲜明。总体来说,得到了预期的良好效果,具有一定的理论和实践的价值。