随着高维数据的扩散,特征选择已成为学习过程中不可或缺的一项任务。粗糙集(Rough Set)理论是一种有效的处理不精确、不完整和不确定性的数学工具,而粗糙集理论中的属性约简问题已经被公认为一种特征选择的重要方法。众所周知,属性约简是一个NP-hard问题。由于一些基本属性约简方法不能找到最优解。许多研究工作已经转移到现代启发式算法,如遗传算法,蚁群优化(ACO)和模拟退火(SA),禁忌搜索(TS)和粒子群优化(PSO)等算法,这些算法可以得到质量比较高的解决方案,本文利用蚁群优化算法与粗糙集相结合进行了研究,主要完成以下工作:1.介绍了粗糙集理论的相关概念和理论,说明了粗糙集属性约简比较有代表性的几种方法,提供了利用差别矩阵与蚁群算法结合和利用蚁群优化算法的粗糙集属性约简方法(ACOAR算法)的理论基础。然后,在蚁群算法方面对基本的蚁群算法的算法原理和算法模型进行研究,分析基本蚁群算法的优点和缺点。在这个基础上研究了引入知识的蚁群优化算法和一种分段式的蚁群优化算法。2.利用差别矩阵方式与蚁群算法进行结合,构造出一种新的约简方法。尽可能的约去冗余属性以达到预期目标,该算法与原约简方法相比有了一定的提高。针对该方法对蚁群算法方面进行改进,提出了一种利用蚁群算法的粗糙集属性约简方法(ACOAR算法),该算法首先从信息素的更新开始,限制其信息素值的上限和下限的范围,然后根据寻址方式改进候选解的构造方案等方面研究出新蚁群结合方法,经过试验验证和对比,有其独特的优越性。