传统的粗糙集理论（TRS）基于等价关系的概念来定义给定目标概念的上下近似集，因此可以表示信息系统中的不确定性。 通过使用等价关系，TRS仅考虑属性值是否可区分，而与属性值中包含的首选项信息无关。 基于优势关系的粗糙集有效地解决了这个问题，并且可以处理偏好排序的数据。 在这些基于优势的方法中，优势类别的计算成本极大地影响了属性约简和规则提取的效率。 本文提出了一种通过快速减少搜索空间来计算有序信息系统中优势类别的有效方法。 根据优势类别的定义，随着计算过程中属性的增加，对象的劣等类别逐渐从宇宙中删
