在处理有序集时,优势粗糙集理论将决策者的偏好考虑在内.因此,该理论可以发现和处理由于考虑准则所带来的不一致,并且该理论的提出极大地促进了涉及偏好信息的多准则决策问题的研究发展.本文主要研究优势粗糙集理论和该理论在复杂系统以及与其他理论相结合等方面的扩展,关注的主要对象为序决策系统的属性约简问题.第三章主要考虑基于辨识矩阵的序决策系统属性约简问题.首先,建立一致和不一致序决策系统的辨识矩阵.为了降低求解复杂性,在辨识矩阵中只列出不能被其他元素吸收的极小元.由于极小元由具体的样本对决定,利用相对辨识关系提出寻找所有极小元的算法.第四章提出序决策系统的启发式属性约简算法,通过逐渐加入准则来构造约简.但是这些算法尤其是处理大型数据集时非常耗时.为了降低复杂度,对这些算法引入加速器.利用加速器,对象的数量和准则的维数在每次循环都会减少.因此,加速算法比原来算法效率更高,而排名保持原理保证两者得到的约简结果相同.证据理论也是一种处理不确定信息的方法.第五章从证据理论的角度研究序决策系统的属性约简问题.用信任函数和似然函数定义序决策系统的相对信任约简和相对似然约简.并考察一致和不一致情况下这两种约简和相对约简的关系.利用准则的内、外重要度搜索序决策系统的相对信任约简和相对似然约简.第六章主要处理带有“丢失”和“暂缺”两种语义的不完备序决策系统的属性约简问题.通过将刻画优势关系引入不完备序决策系统,扩大了优势粗糙集理论的应用范围.为了删除冗余属性,需要对不完备序决策系统进行属性约简.利用辨识矩阵和辨识函数计算不完备序信息系统和一致不完备序决策系统的全部约简.另外,利用内、外重要度,提出寻找一个约简的启发式算法.通过在区间值序决策系统中引入区间数的序关系,第七章研究不一致区间值序决策系统的近似分布约简.应用判定定理构造辨识矩阵以此求解区间值序决策系统的所有约简,同时给出利用属性重要度求解一个约简的具体方法.并且给出近似分布约简的两个等价定义:近似约简和l（u）-约简.第八章将优势粗糙集理论和模糊集相结合,提出优势粗糙模糊集理论.该理论可以处理序模糊决策系统,其中决策准则既带有序关系又是模糊的.首先,给出序模糊决策系统中上、下累积模糊集的优势粗糙模糊近似.其次,提出相对某一累积模糊集的上、下约简.再次,介绍求解这些约简的两种方法:辨识矩阵和约简构造方法,并且介绍提取和化简决策规则的方法.最后,用公司破产分析案例说明方法的具体流程.