针对传统的物化视图选择（materialized view selection，MVS）算法评价指标单一（仅评价物化时间，过度追求物化视图的查询命中率）会导致超高维度时的维度灾难以及物化视图集频繁抖动的问题，本文提出了一种基于带权图的多维大数据模型优化算法（multi-dimensional big data model optimization，MMO），通过引入平均查询时延和膨胀率评价指标，基于带权图模型找出物化视图集的最优解。实验结果表明，本文算法在综合评分、平均查询时延、膨胀率方面均优于粒子群算法（particle swarm optimization，PSO），解决了超高维数据下的维度灾难问题，并且能够快速收敛。
