随着地理信息技术的普及和发展,大量包含空间位置信息的数据不断产生,基于空间数据的最优位置选择问题作为一个热门研究方向,在现实生活中具有广泛的应用场景,如城市建设规划中的新建服务设施场所选址问题,机动车选择停车场时的停车位分配问题等等。对于空间中分布的客户点和服务点,每个服务点具有一定的服务容量,并为一定数量的客户点提供服务,而客户点则需要选择一个最佳服务点来获取服务。本文主要研究了新建服务点最优位置选择问题,分析了为客户点选择最佳可用服务点的分配策略,提出了解决新建k个服务点位置选择问题的组合最优位置查询算法。服务点相对于客户点的位置决定了客户点选择哪个服务点来获取服务,本文首先分析了为客户点选择最佳可用服务点的分配策略。客户点优先选择最近邻服务点为其目标服务点,服务点能且仅能为距离他最近的m个客户点提供服务,如果某个客户点的目标服务点被其他m个客户点占用,则需要继续为该客户点分配其他可用服务点。以停车位的分配问题为例,每个车辆需要查询距离自己最近的目标停车位,同时要求该停车位不能被其他车辆抢先占用完。本文提出了Strip-CPM算法来完成服务点的分配任务。本文提出了组合最优位置查询算法来解决新建服务点最优位置选择问题。组合最优位置查询的目标是新建k个服务点,要求该k个服务点能够吸引最多数量的客户。本文提出了精确算法和近似算法来解决该问题,精确算法对所有候选新服务点进行组合枚举查询,以计算一个准确的最优组合方案。为了解决精确算法在数据量较大时的查询低效问题,近似算法根据候选新服务点吸引客户点集合的相似度进行聚类,然后利用聚类中心点进行查询,降低了查询代价。本文通过大量实验验证了近似算法的效率,并对比了近似算法相对于精确算法的准确度。