本文首先深入分析了粗糙集理论的思想精髓、特点，简要介绍了它与模糊逻辑、神经网络、进化算法等软计算方法的融合，并综述了粗糙集在智能控制中应用现状。 属性约简是粗糙集理论中的一个核心部分，人们已经提出了若干种属性约简算法，本文在前人基础上作了一些改进，重新给了一个信息量的定义，并在此基础上提出一种新的以相对核为属性约简的起点、以属性重要性为启发式信息的属性约简算法，减少了约简过程中的搜索时间和空间。 由于粗糙集理论方法分析的是有限维的离散化数据表，因此在利用粗糙集理论进行数据挖掘时，需要将数据进行离散归一化。对于一个包含大量连续属性值的原始数据库，如何根据需要合理对数据进行归一化处理应该是粗糙集理论中值得注意的一个问题。 针对这一点，应用粗糙集理论从数据中挖掘知识和思维进化算法全局寻优的特点，本文首次将两者相结合，利用思维进化算法搜索离散归一化合理分割点的位置。提出了考虑全部条件属性值的全局离散化方法，避免了对单一条件属性进行局部离散化所产生的不合理的离散分割点，进而产生不一致性规则。利用本文提出的算法对水泥窑输入输出数据进行分析处理，并对典型的水泥窑模糊建模问题进行了求解。实验结果表明了该方法简单易行，省去了复杂的手工试凑约简。 进而本文将这种方法应用到工业过程中复杂时变大滞后对象上，提出一种基于粗糙集和思维进化算法的模糊控制器的设计方法。该方法通过研究“专家”控制下的被控对象的输入输出特性，学习专家的控制规律，提供了一种将专家领域知识转化为模糊控制规则的数学方法。这种方法极大地提高了智能控制系统的机器智商。