目前,数据挖掘(Data Ming,DM)采用较新的技术是粗糙集(Rough Set,RS)。它在分析和处理不完整、不一致和不精确的数据并进行知识的约简时不需要先验经验。粗糙集主要的研究内容是属性约简,而求核属性是属性约简的关键步骤。现在很多约简算法是从核属性开始,然后通过启发式搜索找到最小约简。差别矩阵求核方法是常用的求核方法,许多学者在此基础上进行改进,但是其效率都不是很理想。程序演化作为提高算法效率的新的方向和途径,在国内外已经引起了广泛的关注,将其用于提高差别矩阵求核算法是一个新的方向。本文围绕提高算法效率的程序演化策略,探索应用演化策略来改进差别矩阵求核算法。本文主要研究工作如下:(1)阐述差别矩阵求核原理,对最新基于差别矩阵求核改进算法进行了研究分析,总结差别矩阵求核算法效率不高的一些原因,为降低算法复杂度提供思路。(2)依据程序演化的应用方式特点,实现使用Haskell函数式语言规范描述差别矩阵求核算法。先不考虑其算法的效率,但保证其正确性,为以后的演化提供基础。(3)分析研究规范描述了的差别矩阵求核算法,结合算法低效率的原因,使用程序演化中Tupling与Accumulation演化策略对程序进行优化,提高算法的效率。(4)研究分析演化后的算法,引入数据集合划分方法以提高生成差别矩阵效率,再结合使用Accumulation演化策略对以上算法进行演化。演化后的求核算法比原差别矩阵求核算法效率高,使用仿真试验证明本文算法的正确性和高效性。