粗糙集理论是一种新型的处理不确定性知识的工具，属性约简是粗糙集理论研究中的核心问题之一，也是粗糙集有效算法研究的焦点。为了获得简明的规则集，通常希望能找出最小的属性约简集，而求解最小约简是NP难问题，解决此类难题通常采用启发式算法以求得近似最优解。本文以粗糙集理论为工具，不完备信息系统为对象，知识获取为目的，研究基于粗糙集理论的不完备信息系统的属性约简算法及其应用。 首先，研究了在不完备信息系统下的属性约简算法。基于相容关系，提出了一种应用遗传算法求解分配约简的方法，并通过实例分析说明该算法是可行且有效的。通过对不完备信息系统中的粗糙集约简算法的研究，目的是扩展信息系统的数据在不完备情况下的数据挖掘的应用范围，同时，算法的提出给不完备信息系统下的粗糙集算法研究提供了一些新思路。 其次，设计了一个基于本文提出的基于相容关系的分配约简遗传算法的高校人事不完备信息系统的知识获取模型。目的是对高校人事管理提供一种新的决策支持方法，进一步提高人事管理的针对性和实用性，加强新环境下人事管理的科学性。本文设计的知识获取模型主要是解决高校人才流失问题。该模型可扩展，具有一定的普遍性。