摘要：针对现有的分布式查询优化算法中的缺陷，从以下几个方面做了改进：在查询处理过程中使用重复数据复本以增加并行性和减少数据传输开销；提出了一个新的实体化（materialization）选择优化问题的模型，并给出了一系列算法；把语义优化（Semanticoptimization）引入分布式查询优化，为分布式查询优化另辟蹊径；运用反馈的概念对传统的开销估计方法进行改进；研究了分割式（fragmented）关系间的半联接的执行策略，从而把现有的查询优化算法推广到分割式的情况；运用人工智能中机器学习的概念，提出一个分布式数据库管理系统，在人的帮助下，自动学习，调整查询处理策略来适应特殊应用环境的方案。（本刊录）
