在经典粗糙集模型中，属性减少通常使正或非负区域保持不变，因为这些区域不会随着属性的增加而减少。 但是，决策理论粗糙集模型中的单调性不成立。 部分原因是所有区域均根据贝叶斯决策程序确定。 因此，难以在决策理论粗糙集模型中评估和解释区域保留属性的减少。 本文为决策理论粗糙集模型提供了一种新的属性约简定义。 新的属性约简被表述为优化问题。 目的是最大程度地降低决策成本。 理论分析表明了优化问题的意义。 问题定义和目标函数都有很好的解释。 针对该新问题，提出了一种启发式方法，一种遗传方法和一种模拟退火方