近年来,随着大数据时代的到来以及在线社交网络的兴起,图上的算法研究越来越受到人们的重视,因为无论是社交网络还是交通道路网都可以被抽象为一张图。迄今为止,许多优秀的图算法已经被运用到实际应用中,并且给人们的生活带来了极大的便利。但是现有的图算法大都基于静态图并且只考虑单个属性,而忽略了实际生活中的时序性以及多属性特征。比如在路网中,不同时刻下两点间是否存在汽车班次;又比如出行时,除了考虑时间因素,人们往往还会考虑道路拥挤程度,汽车油耗等多个属性因素。综合以上情况,本文研究了基于时序图的多约束路径查询问题,在传统的路径查询算法基础上进行扩展和创新,将时序信息和多属性信息嵌入到对图的建模和处理当中,更加真实地模拟了实际情况,也为用户提供了更加准确和细致的结果。本文致力于在时序图上找到满足用户提出的多个属性上的约束的目标路径,这里的目标路径包括最快到达路径以及运行时间最短路径。为了有效并且高效地解决上述问题,本文分别提出了基于Skyline路径的算法以及基于双向搜索的算法。它们充分考虑了图上的时序特征和多属性特征,并在查询的过程中不断剪枝和优化,极大地减少了搜索空间。基于Skyline路径的算法首先通过将时序图转静态图来解决时序性的问题,随后通过计算Skyline路径来解决多属性的问题,最后根据前面两步的结果挑选目标路径;双向搜索算法基于两次遍历思想,先反向搜索判断路径是否满足属性上的约束要求,再正向搜索求解最终的目标路径。本文在真实数据集上进行的对比实验证明了这两个算法的高效性和有效性。最后,本文实现了基于时序图的多约束路径查询系统。