粗糙集理论是上世纪八十年代初由波兰学者Z.Pawlak提出的一个数据分析的有力工具，近年来日益受到各领域的广泛关注，并已在机器学习、模式识别、决策分析、过程控制、数据库知识发现、专家系统等领域得到了成功的应用。利用粗糙集理论将偏序信息系统全序化是偏序信息系统下知识获取的一个主要内容，它主要解决具有多个属性的有限对象的全序化问题，此方法可以用来解决管理科学中的多属性决策问题，因此研究基于粗糙集理论的偏序信息系统的全序化方法具有重要意义。　　本文利用粗糙集理论对偏序信息系统的全序化方法进行研究，将数值型数据、区间型数据及语义型数据进行预处理，并提出了一种基于属性优势度的全序化方法，得到系统中对象的优劣次序。主要研究内容包括：⑴通过度量区间型属性值的上、下界与整个属性值边界的距离，将区间型数据转换为数值型数据。利用条件概率度量语义型属性值之间的距离，并提出了将语义型属性预处理的方法。⑵通过分析对象在每个属性上的优劣势，提出了对象在单个属性上的优势度、在属性集上的优势度概念，进而得到对象的综合优势度，并利用综合优势度对预处理后的偏序信息系统全序化。⑶利用C＃.NET编程实现偏序信息系统的全序化方法。将基于属性优势度的全序化方法应用于管理学的多属性决策问题，并将该方法与已有的基于粗糙集理论的全序化方法进行了比较。