Skyline查询解决的是多标准决策问题，随着用户开始关注由多个数据点形成的集合的重要性，组合skyline（Combination skyline，简写为 C-skyline）查询逐渐成为研究的热点，它查询的对象基本单位不再是独立的数据点，而是由若干数据点形成的组合。当前算法存在的问题主要是，输出结果渐进性较差、对无用数据的剪枝率不高，且仅适用于静态数据集。鉴于此，本文分别针对二维数据集、多维数据集和数据流环境下的组合skyline查询算法进行了研究，较好地解决了上述问题。算法可应用于游客对酒店的在线查询、用户对金融产品的选择等涉及到多标准查询的应用场景。论文的主要工作分为以下几个方面。
　　（ 1 ）针对二维数据集，提出了一种求解 C-skyline 的 PPQ （Partion-Prune-Query）算法。为了对组合实现有效地分类与剪枝，首先提出支配域的概念，并对数据集的所有数据点进行了区域划分；其次，依据构成组合的数据点的位置，对所有组合进行类别划分；然后，分别对不同类别的组合进行分析，并提出相应的剪枝策略，充分利用支配域的特点，结合相关定理快速安全地过滤掉无用的组合，从而得到C-skyline。针对数据集中少量数据发生改变的情况，提出了C-skyline更新算法。最后在不同类型的数据集上对算法进行了实验与分析。
　　（2）针对多维数据集，提出一种高效求解C-skyline的LGH算法（Layer-Gragh-HashTable）。首先建立与数据集对应的skyline层结构，从而将数据集的所有数据点分成若干个层次，且位于同一层的数据点之间不存在支配关系；其次，建立有向支配图，明确了数据点之间的支配关系；然后，根据每个数据点及其父结点的数量建立哈希表，以便在计算过程中快速查询支配当前数据点的所有点；接着，根据C-skyline组合的特点，将其分类并分别求之。实验结果表明，算法在多种情况下都要比现有算法的执行速度要快。
　　（3）针对数据流环境，提出了 C-skyline 的求解算法。针对数据流中的数据具有实时性和持续性的特点，提出了共享策略，当有效窗口内的数据发生变化时，在现有查询结果基础上重新判断可能对结果产生影响的组合，从而实现查询结果的快速求解。针对数据点达到和数据点到期两种情况，分别给出了相应的C-skyline算法。两种算法采用了相似的求解方式，根据变化的数据点，对当前的skyline层和有向支配图进行更新，然后分析可能受到影响的组合，并对其进行判断，从而在现有查询结果的基础上得到实时的查询结果。实验结果表明算法具有较快的查询速度，且受数据流速的影响比较明显。