Skyline查询作为典型的多目标优化问题,在多因素条件下的选取决策中发挥着不可替代的作用。自提出以来引起了研究人员的广泛关注,相关方向的研究也在不断地扩展和延伸,从最开始的Skyline单点查询、空间Skyline查询发展到后来的K-支配Skyline查询以及Skyline团组查询等。其中,Skyline团组查询是在多目标优化问题上对于Skyline单点查询的重要扩展,但是,目前针对Skyline团组的相关研究较少,并且以往文献没有对数据集的空间属性进行计算,更无法满足用户同时考虑数据集的空间属性和非空间属性的查询需求。针对上述问题,提出一种划分属性的团组代表Skyline查询,给出二维欧式空间和三维障碍空间中的不同解决方案。本文对团组代表Skyline查询展开详细的研究。主要研究内容如下。首先,提出针对二维空间的团组代表Skyline查询。介绍该查询的研究背景以及意义。为解决此类查询问题,充分考虑数据集的各类属性,提出团组代表支配的概念,对数据点的属性进行分类讨论。并根据模糊综合评价理论以及用户的个人偏好对组内Skyline点的非空间属性进行评价,选出组内的代表点,接着给出团组代表Skyline查询的实现算法,返回在非空间属性和空间属性上具有优势的Skyline团组。其次,提出三维障碍空间中的团组代表Skyline查询——障碍团组代表Skyline查询。主要致力于解决在三维障碍空间中的团组代表Skyline查询问题,并以二维空间的团组代表Skyline查询为基础,延续其在非空间属性上的相关算法。在有关于空间属性的计算中,充分考虑计算距离时障碍物的影响,提出一种障碍物的剪枝策略和基于分区的障碍距离求解算法。然后,构建三维空间中Voronoi图,以此为基础进行相关计算。接着,给出障碍团组代表Skyline查询的算法实现和详细的算法分析。最后,对上述提出的两类团组代表Skyline查询算法分别进行实验。首先对于二维空间中的团组代表Skyline查询,设置传统Skyline团组算法PWise为对比实验。其次,由于以往相近算法均未涉及到三维障碍空间,则对障碍团组代表Skyline查询算法进行内部对比实验,记录算法相关性能指标进行分析。根据实验结果可知,本文提出的两个算法均具有较好的性能。