数据仓库是一个面向主题的、集成的、相对稳定的且随时间不断变化的数据集合，用来支持管理人员的决策。它是面向查询、分析用户的，其中存储着大量的多维历史数据。用户提交的查询语句通常是需要搜索大量的数据、涉及到多个数据表的复杂的连接查询语句。面对这种复杂请求，数据仓库必须给予快速响应。实视图技术就是提高数据仓库查询响应性能的有效方法。然而实视图需要占用系统空间来存储，并且需要花费系统代价来维护。因此，在有限的空间内选取一个适当的实视图集来提高数据仓库的查询响应性能就成了一个重要的研究课题。它通常需要先使用静念实视图选取算法得到一个实视图集合，然后再使用动态实视图选取算法对生成的集合进行动态调整，以保持它的时效性。 本文分别从静态和动态两个方面对实视图选取算法做出改进。前者在引入接收概率的基础上，提出基于改进型遗传算法的静态实视图选取算法。它依一定的概率来接受适应度变低的个体，这样可以给遗传算法一个跳出局部最优的机会。此外，它在个体进行遗传操作之后立即计算其适应度，并对其进行处理，使得算法能够沿着指定的方向进行搜索。实验结果表明，该算法不仅解决了经典遗传算法的“早熟”问题，而且避免了经典遗传算法盲目搜索的不足。 后者在给出实视图相似度的基础上，提出基于聚类的动态实视图选取算法。它首先对实视图进行聚类，然后对聚类后的实视图集进行动态调整，从而消除了动态选取算法的“抖动”性。实验结果表明，该算法不仅从整体上提高了查询响应的性能，而且降低了更新实视图时所花费的计算代价。