数据仓库是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合,包含了来自多个分布式的、自治的、且可能异构的数据源中的数据,为联机分析处理(OLAP)和数据挖掘提供数据支持管理决策。为了提高数据仓库查询响应效率,预先对一些查询处理的中间结果进行存储并存放在数据仓库中的技术就是物化视图技术。实际应用中,需要根据查询代价、存储代价、视图维护代价三者确定选取哪些视图物化,这就是本文要解决的物化视图选取问题。为解决物化视图选取问题,本文使用多维数据格进行视图组织,并根据计算机发展实际情况确定代价模型为维护—查询代价模型,即选取当查询代价小于给定常数时,使维护代价最小的物化视图集,由此本文研究的物化视图选取问题简称MQ_MVS。本文开创性的引入克隆选择算法求解MQ_MVS并提出了CSA_VSP算法。CSA_VSP算法通过克隆、变异、选择三个算子多次迭代作用最终得到满足代价模型的物化视图集。将CSA_VSP与遗传算法(GA)通过实验比较,求解MQ_MVS时,CSA_VSP求解性能较好。但由于CSA_VSP算法的变异过程中,只是能够引入新的抗体,可能出现个别抗体退化现象。本文在CSA_VSP算法变异的过程中,引入模拟退火算法的Metropolis准则,在保证抗体多样性的前提下可以提高算法的运行效率,提出了CSA_VSP的改进算法克隆选择模拟退火算法(CSSA_VSP)。将CSSA_VSP与CSA_VSP通过实验比较,发现求解MQ_MVS时,CSSA_VSP求解性能较好。