La reducción de atributos se conoce comúnmente como el tema clave en la investigación de conjuntos rugosos. En cuanto a las estrategias para buscar reductos, aunque se han desarrollado diversas heurísticas basadas en búsquedas codiciosas hacia adelante, la mayoría de ellas fueron diseñadas para perseguir una y solo una característica que está estrechamente relacionada con el rendimiento del reducto. Sin embargo, a menudo se espera que una búsqueda justificable implique explícitamente tres características principales: (1) el proceso de obtención de un reducto con bajo consumo de tiempo; (2) generar un reducto con alta estabilidad; (3) adquirir un reducto con capacidad de clasificación competente. Para llenar tal vacío, se ha diseñado un mecanismo de búsqueda híbrido que tiene en cuenta las características anteriores. Este mecanismo no solo adopta múltiples funciones de aptitud para evaluar los atributos candidatos, sino que también consulta la distancia entre atributos para determinar si se pueden agregar simultáneamente dos o más atributos al reducto. Lo primero puede ser útil para derivar un reducto con mayor estabilidad y capacidad de clasificación competente, y lo segundo puede contribuir a un menor consumo de tiempo en la derivación del reducto. Al comparar con 5 algoritmos de vanguardia para la búsqueda de reductos, los resultados experimentales en 20 conjuntos de datos de UCI demuestran la efectividad de nuestro nuevo mecanismo. Este estudio sugiere una nueva tendencia en la reducción de atributos para lograr un equilibrio entre diversas características.