随着数据库技术的发展和数据库规模的日益扩大,人们希望从已有的数据库中提炼出有用的信息服务于决策。数据仓库及其联机分析处理技术为了适应这种需要而逐步发展起来,是近年来商业数据处理领域中的两个重大的新技术。OLAP按照数据立方体模型组织数据,从而方便了查询。OLAP查询通常是针对非常大数据的复杂查询,从原始数据上直接进行分析查询的性能是难以接受的,解决这个问题的办法是在数据仓库中存储物化视图来预先聚集数据,避免对原始数据的访问,从而加速查询。然而对于数据立方体的聚集计算问题,即数据立方体的物化视图选择问题,存在很多困难。对于如何选择数据立方体进行物化、选择那些数据立方体进行物化,都将是摆在我们面前的重要问题。目前学术界对数据立方体的物化选择的研究刚刚起步,其中比较重要的两种算法是贪心算法和遗传算法。但是贪心算法一般只能够得到局部最优解,很难得到全局最优解。而遗传算法由于其过早收敛的特性,在得到全局最优解方面的效果也不是很好。针对这种情况,本文提出了一种改进的遗传算法,使用该算法进行数据立方体的物化视图选择计算。本论文主要研究数据立方体物化视图的选择,以数据立方体的部分物化为研究对象,提出用于构建数据仓库时数据立方体物化视图选择的算法,根据实际需要设计了一种搜索网格的代价模型,在此模型的基础上,使用改进的遗传算法进行研究。将贪心算法引入到遗传算法的解码中,对适应度函数进行改进,既保持了种群的多样性,又能够提高查询速度。并将此算法运行的结果分别与贪心算法、传统的遗传算法进行了比较,得出此算法是最优的。在本文的最后,讨论了数据立方体物化选择所面临的问题与挑战,并对论文工作进行了小结与展望。