采用遗传算法实现入侵检测系统，体现出遗传算法的优越性，能更好的发挥入侵检测的作用。

粒子群优化算法（PSO）是一种进化计算技术（evolutionary computation），有Eberhart博士和kennedy博士发明。源于对鸟群捕食的行为研究。PSO同遗传算法类似，是一种基于叠代的优化工具。系统初始化为一组随机解，通过叠代搜寻最优值。但是并没有遗传算法用的交叉（crossover）以及变异（mutation）。而是粒子在解空间追随最优的粒子进行搜索。同遗传算法比较，PSO的优势在于简单容易实现并且没有许多参数需要调整。目前已广泛应用于函数优化，神经网络训练，模糊系统控

分析了目前入侵检测系统运行机制和不足，提出了一种基于粗糙集的遗传算法，通过粗糙集属性精简遗传算法种群，并在变异操作中将优异个体朝重要属性加速变异，降低算法时空复杂度。通过实验验证，该算法收敛速度快，检测率高，能很好地应用于目前入侵检测系统之中。

粒子群优化算法（PSO）是一种进化计算技术（evolutionary computation），有Eberhart博士和kennedy博士发明。源于对鸟群捕食的行为研究。PSO同遗传算法类似，是一种基于叠代的优化工具。系统初始化为一组随机解，通过叠代搜寻值。但是并没有遗传算法用的交叉（crossover）以及变异（mutation）。而是粒子在解空间追随的粒子进行搜索。同遗传算法比较，PSO的优势在于简单容易实现并且没有许多参数需要调整。目前已广泛应用于函数优化，神经网络训练，模糊系统控制以及其