粗糙集理论作为一种能够有效地分析和处理不精确、不完备、不一致信息的数学工具,近几年已被广泛应用于各个领域.若粗糙集的上、下近似与目标集合的相似度不是很大时,会导致规则提取精度不高、不确定性较大.针对此问题,本文在不完备信息系统中研究了求最优近似和约简的算法,内容如下:在不完备信息系统中,针对近似问题,给出了最优近似的启发式算法.最优近似是与目标集合相似度最大的可定义集,且它位于上、下近似之间.因此,本文将边界域中的知识粒逐步添加到下近似中(或从上近似中逐步删除),直到相似度达到最大,从而得到最优近似,并在不完备信息系统中利用极大一致块设计了最优近似的启发式算法.实例表明该算法是有效的.在不完备决策系统中,针对属性约简问题,给出了两种约简算法.首先,以属性重要度为启发式信息,设计了求最优近似相似度分布约简的启发式算法.其次,在极大一致块的基础上,结合最优近似构造辨识矩阵,设计了求不完备决策系统最优近似约简的算法.最后,通过实例说明这两种算法是有效的。