基于改进遗传算法的分布式数据库查询优化

摘要

近年来，信息技术高速发展，海量的文字、图片、音频、视频等数据随之产生，大数据的研究亦随之引起广大学者重视，其中分布式数据库的研究就是热点之一。在分布式数据库中查询是最频繁的操作之一，提升它的效率显得非常有必要。数据量不断增长这个事实，使得对分布式数据库查询的要求也越来越高，因此设计一个高效的分布式查询方案变得刻不容缓。
　　论文首先介绍了分布式数据库的基本概念和常用的查询优化技术、遗传算法的特点和执行流程，针对FCM(Fuzzy C-means)算法的不足提出了优化方案，利用优化的FCM算法结合遗传算法实现本文的改进遗传算法，在分布式数据库查询使用本文的改进遗传算法进行优化。
　　本篇论文的主要研究工作可概括为如下:
　　(1)FCM算法是一种基于目标函数的模糊聚类算法，主要用于数据的聚类分析，但FCM算法的效果经常受到初始聚类中心的影响，而且收敛结果易陷入局部最优。针对这些问题本文提出了一种FCM算法的优化方案，设计了选取初始聚类中心规则，采用此规则能够获得聚类结果的全局最优解。模拟实验表明，优化的FCM算法相较传统的FCM算法，准确率更高，迭代次数也更少。
　　(2)针对传统遗传查询算法的缺陷，本文采用设置多种概率的方法，将通过FCM聚类优化算法处理的当代全部个体分成三类，每一类设置成不同的概率，其中级别较低的个体设置较高的交叉和变异概率，增加产生新个体结构的能力，级别较高的个体设置较低的交叉和变异概率，降低优良基因被破坏的可能性，而对中间级别的个体则设置介于较高和较低之间的变异概率，较好解决了交叉和变异概率设置过大或者过小的情况，有效地防止算法陷入局部最优。实验结果表明，改进后的遗传算法能在较短时间内找到最优的查询执行计划，提高查询效率。

目录

声明

摘要

1．1 课题背景和研究意义

1．2 国内外研究现状

1．2．1 分布式数据库查询优化研究现状

1．2．2 遗传算法在分布式数据库查询优化应用现状

1．3 本文研究的主要内容

1．4 本文的组织结构

第二章 分布式数据库查询优化技术研究

2．1 分布式数据库系统的概念

2．2 分布式数据库查询优化的目标

2．2．1 分布式数据库查询优化准则

2．2．2 分布式数据库查询代价估计

2．3 遗传算法的基本原理

2．3．1 遗传算法的定义及算法的特点

2．3．2 遗传算法的关键技术

2．3．3 遗传算法的执行流程

2．4 分布式数据库查询优化技术研究

2．4．1 分布式数据库查询的数学建模

2．4．2 分布式数据库查询的搜索空间

2．4．3 分布式数据库查询执行计划的最优搜索算法

2．5 本章小结

第三章 优化后的FCM聚类算法

3．1 提出优化算法背景

3．2 FCM算法研究

3．2．2 FCM算法流程

3．3 优化FCM算法思想

3．3．1 优化后初始聚类中心的选择

3．3．2 优化FCM算法的执行流程

3．4 优化算法后的实验分析

3．4．1 标准FCM聚类算法实验结果

3．4．2 优化FCM聚类算法实验结果

3．5 本章小结

第四章 改进遗传查询算法

4．1 改进遗传算法设计思想

4．2 改进遗传算法执行流程

4．2．1 编码方案的设计

4．2．2 选择策略的制定

4．2．3 遗传算子的选定

4．2．4 代价函数的确定

4．2．5 适应度函数的选定

4．2．6 遗传查询算法停止的准则

4．3 仿真实验与结果分析

4．3．1 实验环境搭建

4．3．2 实验测试

4．4 本章小结

第五章 总结与展望

5．1 前期工作的总结

5．2 后续工作的展望

参考文献

致谢

攻读硕士学位期间主要科研成果