本文主要讨论高维空间球集最小球覆盖问题和二维空间圆集最小圆覆盖问题。高维空间最小球覆盖问题是指对于给定的高维空间球集S,求解覆盖S中所有球的最小球。二维空间最小圆覆盖问题是高维空间最小球覆盖问题的特例(维数d=2)。点集和圆集的覆盖问题目前已经有很多求解算法。由于这些算法对内存的过度需求,导致我们无法在合理的时间内求解大数据量问题。Badoiu提出了核心集的概念,降低了求解该问题的复杂性。本文通过引入核心集的思想,改进了球集和圆集覆盖问题的各种算法。提出了球集直径的概念,给出了求解球集直径的近似算法,并证明了该算法至少可以得到1／(?)倍球集直径近似值。给出了求解高维空间球集最小球覆盖问题的1+ε近似算法。其中核心集的大小为O(1／ε),算法的时间复杂度为O(nd／ε+(d2／ε3/2)(1／ε+d)log(1／ε))。通过引入核心集的思想,改进了二维空间圆集最小圆覆盖问题的各种求解算法,给出了求解该问题的1+ε近似算法。第2.4节和第3.4节对各种算法进行了实验对比。