随着信息时代的发展,大数据的应用日益广泛,数据规模呈指数级速度增长,越来越多的复杂结构数据需要用图数据结构模型来表示。其中包括:社交网络、蛋白质交互网络、交通网络等,因此如何高效而快速地检索大图数据成为近几年来研究的热点。然而,检索这些图的基础都是可达性查询。事实上,在许多真实的网络中,加权的有向无环图是非常普遍的,例如,通信网络中的链路的带宽,在PPI网络中的两个蛋白质之间的相互作用的可靠性,以及分布式网络中的仓库/存储点的处理能力,上述这些网络均为加权DAG图。对现有可达性查询算法进行了详细分析,发现在带权图上的可达性查询方法深度优先搜索(DFS)和广度优先搜索(BFS)以及无权图上的UniRch-Hash算法均不能快速地计算加权DAG图中的可达性。如何在加权图上进行可达性查询已经成为亟待解决的问题。基于以上不足,在本文中我们针对权值约束可达性查询,提出了一种基于剪枝策略的代价C可达性查询求解方法(Cost-based query algorithm based on pruning strategy,CQPS),该算法在加权DAG图上建立最早到达索引、逆向最早到达索引,采用双区间标签索引,并运用这三种索引实现有效的剪枝;理论证明基于剪枝策略的代价C可达性查询求解方法即CQPS算法可以大大提高可达性查询的响应速度。在13个不同特征的数据集上进行实验,并与BFS、GRAIL、BiRch、BiRch-BTL、和UniRch-Hash等多种算法从索引构建时间、索引大小、查询时间、访问顶点数量等多方面进行对比,实验结果表明,CQPS算法优于上述多种算法。