第五章 结论
通过对粗糙集遗传算法的学习，总结如下：
1首先从粗糙集、遗传算法的基本原理和特点来说明它们的区别。粗糙集是它是一种刻划不完整性和不确定性的数学工具，能有效地分析不精确、不一致、不完整等各种不完备的信息，还可以对数据进行分析和推理，从中发现隐含的知识，揭示潜在的规律。而遗传算法是基于群体优化过程。他把所有可能的结果作为一种染色体，然后痛过计算求解最佳的一条染色体。遗传算法用一个集合作为群体，而不是一个点。
2数据处理的重要性。在实现这两个算法的过程中都有数据处理的过程。数据处理对这两个算法都是至关重要的，直接决定着规则的正确与否或预测结果的正确与否。数据测试并不是每个数据所得的结果都是正确的，因为存在正确率，
有可能会判断错误。
3从算法来说，粗糙集采用的属性规约法在求最小约简不如用遗传算法在搜索空间上更方便，值约简只是对最小约简后的信息表进一步总结，简化信息表，找出规则来。
4虽然我们实现了些算法在变压器故障中的应用，可是这个算法在别的故障诊断中同样应用，由于变压器故障的属性个数只有五个，粗糙集属性约简也很简单，遗传算在属性多的情况下有明显的优势。
今后进一步的工作如下：
1粗糙集中的属性规约法在实现时要尽量减少扫描数据库的次数。
2遗传算法在找适应度函数时尽量更加合理，更有利于计算。在随机产生染色体的时候也要请注意，有时候也要约束条件。
3粗糙集与遗传算法都要选择合理的处理函数。我们要学习和研究相应的应用领域。