空间位置是影响人们日常生活行为的一个重要因素。近年来，通过与互联网服务相结合，使得定位技术和基于位置的服务(Location-Based Service ,LBS)开始迅速发展。其中Skyline查询[1]是LBS的一种重要应用，它是找出所有不能被任意一个其他点所支配的点的集合。目前，许多研究者的目光投入到分布式环境下的Skyline查询，但已有的Skyline算法不能满足对象移动环境下Skyline计算的要求，因为它们无法实现全局Skyline的连续更新。本文以移动对象为查询点，对确定和不确定两种模型下的分布式Skyline查询进行了深入的研究。主要研究内容和研究成果包括:
　　提出了一种降低通信开销的连续Skyline查询更新算法。该算法首先在局部节点中对局部Skyline点的变化进行跟踪，然后定义了静态支配度的概念，根据静态支配度的排序，选择支配能力最大的对象发送到中心节点上，并用反馈的方法进行剪枝，大大降低了通信开销和计算代价。
　　在此基础上，移动对象在移动过程中，考虑到采集的位置信息存在一定的误差，故以不确定区域作为移动对象的实际位置，从而引入了概率Skyline。针对分布式环境下不确定移动对象的连续概率Skyline查询更新进行研究，提出了一种降低通信开销的连续分布式概率Skyline查询的有效算法，该算法首先在局部节点中对局部概率Skyline点的变化进行跟踪;然后提出了有效的排序方法和反馈机制，大大降低了通信开销和计算代价。
　　将提出的两种场景下的算法与己有算法进行了对比实验，从各个方面对算法的性能进行了分析验证，实验结果显示了新提出的算法的有效性。