属性约简是粗糙集理论研究的重要内容之一，是在保持信息系统分类能力不变的基础上，删除冗余属性。为了获得决策系统中属性最小相对约简，将信息论应用于决策信息系统属性约简中，并与遗传算法相结合，提出了一种改进的属性约简启发算法，讨论了启发信息的构造。通过两个例子证明了基于属性依赖度的属性重要度和基于信息熵的属性重要度的不完备性，提出了一种加权平均的属性重要度，并将其作为约简算法的启发式信息，对知识进行量化，证明了量化的合理性，并以量化后的区分能力作为启发式信息指导约简，提高了约简效率。另外利用这种启发式信息提出了一种改进的基于核子集的属性约简算法，其中根据知识量对遗传算法中的选择算子进行了改进，使得算法可以得到多个约简，同时通过知识量改进了算法的结束条件，改变了传统的遗传算法用设定迭代次数作为结束条件，提高了算法的效率。