粗糙集理论是一种处理不确定、不精确和不完备知识的数据分析工具,其中近似和约简是粗糙集研究的重要方向.直觉模糊集是模糊集的推广,能更客观地刻画模糊现象.本文以直觉模糊决策系统为背景,结合直觉模糊集理论,构造了直觉模糊粗糙集的五类上下近似算子,设计了直觉模糊决策系统的三种属性约简算法.具体内容如下：直觉模糊粗糙近似一直备受关注.本文分别基于α,β-相似关系和直觉模糊相似关系构造了直觉模糊粗糙集的五类上下近似.首先通过引入基于加权的欧氏距离的相似度和相异度,构造了α,β-相似关系,导出α,β-极大一致块.在此基础上,构造了四类直觉模糊粗糙集的上下近似,并且讨论了它们之间的关系.特别在第四类直觉模糊粗糙集的上下近似中,我们考虑了极大一致块中所有元素对近似集合的影响.其次在直觉模糊相似关系下,通过直觉模糊逻辑算子构造了直觉模糊粗糙集的第五类上下近似.属性约简是直觉模糊粗糙集研究的重要问题之一.针对直觉模糊决策系统,本文提出了三种属性约简算法：第一种使用提出的比较两个直觉模糊值大小的新方法,设计了基于依赖关系的启发式属性约简算法；第二种通过α,β-极大一致块,构造了直觉模糊决策系统的辨识矩阵,设计了基于辨识矩阵的属性约简算法,而且该算法在数据存在一定误差的情况下也能得到很好的效果；第三种以条件熵为启发式信息,设计了基于直觉模糊条件熵的启发式属性约简算法.并通过实例说明了算法的有效性.特别地,第一种属性约简算法保持下近似不变,其余两种属性约简算法保持分类能力不变.