Skyline查询是一个典型的多目标优化问题,它旨在返回指定数据集中不受任何其他点支配的点。但是它主要集中于分析单个点。而在实际生活中,有很多种情况需要我们去考虑它们的组合的查询,G-Skyline查询算法的研究就旨在解决此类问题,帮助我们找到不受任何其他组支配的组。但是,由于G-Skyline的输出规模是庞大的,使得用户无法做出快速有效的决定,于是,以严格支配度为度量,返回严格支配分数最高的6)个组,从而可以控制G-Skyline查询的返回结果数量,帮助用户做出选择。本文的研究内容是G-Skyline查询算法和topk G-Skyline查询算法。在G-Skyline查询算法研究中,本文提出G-Skyline查询的基线算法,算法创建Directed Skyline Graph（简称DSG图）并取前层的点进行预处理,之后,将剩余的点递归枚举大小为的组。最后,依次判断生成的组是否为G-Skyline组;为了提高基线算法速度,本文提出了Append Unit of G-Skyline算法（简称AUGS算法）,算法首先创建DSG图并修剪掉部分点。之后,通过预处理提前删除部分非skyline点。算法先确定G-Skyline中的skyline点,即4)-6)7)4)9)0)（1≤4）≤-1),然后添加符合条件的-4)个非skyline点。添加非skyline点时,算法通过条件判断和子集剪枝,提前剪枝不符合条件的点。之后,采用添加单元组的形式添加非skyline点,对4)-6)7)4)9)0)填充符合条件的单元组,组成组大小为的G-Skyline组。最后,通过将AUGS算法与Point-Wise算法和Unit GroupWise+算法进行对比,验证算法的有效性。在top-k G-Skyline查询算法研究中,本文首先提出了top-k G-Skyline查询的基线算法,算法首先找出所有G-Skyline组,然后计算其支配分数,最后返回支配分数最高的k个组;为了提高基线算法的速度,本文提出Early Termination算法（简称ET算法）和Quick Termination算法（简称QT算法）来有效的计算top-k G-Skyline结果,算法首先枚举出只由skyline点组成的G-Skyline,基于此找出支配分数最高的k个G-Skyline组。实验发现,当数据量变大,维度增高时,枚举是相当耗费时间的,而算法的花费时间也主要是由这部分决定的。所以,本文重点关注枚举过程,首先提出ET算法,ET算法运用了上界剪枝和早终止策略,不需要枚举出所有只由skyline点组成的G-Skyline即可返回结果。但是,ET算法在递归枚举过程中依旧存在不必要的枚举。于是,基于ET算法,本文提出QT算法。QT算法相较于ET算法增加了早剪枝策略。通过早剪枝策略,可以提前终止单次枚举过程,加快算法整体速度。实验证明ET算法和QT算法在运行成本方面具有令人满意的性能。本文提出all Top-K G-Skyline查询的概念,即可以一次性求出组大小从1到的,严格支配度分数最高的×6)个组。并提出了Fast算法有效处理all Top-K G-Skyline查询。