不一致数据最优修复计算问题的复杂性总是NP完全的,为该问题设计带有理论保证的近似算法已经成为一个独立、热门的研究领域,在数据修复、一致查询回答中有着广泛的应用。该问题通常被建模为图论中的组合优化问题,如最小带权顶点覆盖问题、最小带权集合覆盖问题等等。因此,大多数基于图论的近似算法可以直接用于不一致数据最优修复计算问题,这些算法能在多项式时间内给出较好的常数近似比结果。除了被建模为图论中的组合优化问题之外,不一致数据最优修复计算问题还可以被形式化为线性规划问题,如0-1整型线性规划问题、松弛线性规划问题等等。于是,基于线性规划的近似算法在多项式时间内也能为不一致数据最优修复计算问题带来很好的常数近似比结果。对比基于图论的近似算法和基于线性规划的近似算法,本文发现后者表现得更好一些。一个原因是线性规划理论较完善、方法较成熟,它本身就可以解决图论中的一些组合优化问题;另一个原因是线性规划的表达方式更细腻,它更善于抓住问题的结构特点,得到更接近最优解的近似结果。于是,本文针对不一致数据最优修复计算问题,总结出一套基于线性规划的算法设计方法学,用于指导如何为具体的不一致数据最优修复计算问题设计近似算法。该方法学的框架主要包括建模、求解、舍入和近似比证明等过程。本文利用两个最优修复计算问题来说明该方法学的有效性。一个是关系型数据库中的最优软修复计算问题,基于该方法学设计的近似算法,将其近似比从3提高到2。另一个是时态数据库中的最优时态修复计算问题,基于该方法学设计的近似算法,为该问题带来首个常数近似比2+（4/（λ-2））,其中λ（λ＞2）是元组的统一权值。对于上述两个最优修复计算问题,本文分别在合成数据集和真实数据集上进行了充分的对比实验,来检验基于该方法学所提出的近似算法的性能。