資源描述:
《基于多蟻群遺傳算法的分布式數(shù)據(jù)庫(kù)查詢優(yōu)化研究》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、學(xué)校代碼110270分類(lèi)號(hào)?。牐裕校常保保牐保常墝W(xué)號(hào)?。牐保常玻玻埃保埃叮矗崳娭股谱鹘~乂爹碩±學(xué)位論文基于多蟻群遺傳算法的分布式數(shù)據(jù)庫(kù)查詢化化研究學(xué)院:信息與機(jī)電工趕挙院專(zhuān)業(yè):計(jì)義機(jī)應(yīng)用巧術(shù)硏究方向:數(shù)據(jù)産巧術(shù)研究生姓名:卸^指導(dǎo)教師:陳里造完成日期:2016年03月論文獨(dú)創(chuàng)性聲明K進(jìn)行的研究-本論義姐我個(gè)人巧巧師巧巧.T作及取得的研允成果。論義中wjI,除/特別加i小化利致謝的地方外不包巧巧他人或機(jī)構(gòu)己經(jīng)發(fā)泉或撰過(guò)的’已巧論義中做丫W確的盧;對(duì)本
2、甸r究的i閑f究成II!?;停眨椋榘l(fā)巧所做的貢獻(xiàn)均W化灰不/謝總。’^(.S.作齊簽名:足取日期:如/論文使用授權(quán)聲巧-■,:木人完凈丫解I.海帥巧大學(xué)軒關(guān)保留、使用學(xué)位論文的規(guī)定啡學(xué)校AL論義的命部,允許論義被巧閱和借閱:^公布:權(quán)保留巧交論史的公印件;學(xué)??桑В?。,叫U采川影印保密的論文偉解密或部分內(nèi)巧、綱印或巧它于段保估論文摧寸此規(guī)巧。作巧簽名::削巾簽名n期上海師范大學(xué)碩士學(xué)位論文摘要摘要當(dāng)今社會(huì)是一個(gè)信息爆炸社會(huì),信息量呈現(xiàn)海量級(jí)甚至銀河級(jí)的涌現(xiàn)從而造成分布式數(shù)據(jù)庫(kù)的應(yīng)用需求量
3、暴增。而查詢作為分布式數(shù)據(jù)庫(kù)中重要的操作,提高它的效率十分有必要。如何找到一個(gè)合理高效的算法來(lái)優(yōu)化查詢效率是本文的研究方向。本文從分布式數(shù)據(jù)庫(kù)相關(guān)技術(shù)的基本概念原理出發(fā),對(duì)現(xiàn)有的傳統(tǒng)算法不足之處進(jìn)行了思考,主要分析了遺傳算法及蟻群算法在查詢優(yōu)化過(guò)程中的不足;進(jìn)一步思考之后,在普通蟻群基礎(chǔ)上引入多蟻群概念,提出多蟻群間相互學(xué)習(xí)的機(jī)制,降低算法陷入局部最優(yōu)的概率,提高算法尋優(yōu)的能力;再提出將多蟻群算法和遺傳算法結(jié)合形成一種優(yōu)化算法,即利用遺傳算法來(lái)突破多蟻群算法前期搜索的盲目,并結(jié)合多蟻群算法的優(yōu)秀尋優(yōu)能力,最終達(dá)到提高查詢效率的目
4、的。最后的實(shí)驗(yàn)結(jié)果表明,改進(jìn)的優(yōu)化算法在處理分布式數(shù)據(jù)庫(kù)查詢問(wèn)題中,和基礎(chǔ)蟻群算法相比,查詢代價(jià)方面有明顯的提高。關(guān)鍵詞:分布式數(shù)據(jù)庫(kù);查詢優(yōu)化;遺傳算法;多蟻群算法IAbstractShanghaiNormalUniversityMasterofPhilosophyAbstractInnowadays’informationexplosionsociety,informationspringsupmassively,whichleadstoincreaseofapplicationdemandsfordistributedda
5、tabase.Asanimportantprocedureofdistributeddatabase,itisverynecessarytoincreaseitsefficiencyofinquiry.Thispapermainlystudieshowtofindareasonableandeffectivecalculationmethodtooptimalizetheinquiryefficiency.Startingfromthebasicconceptandtheoryoftherelevanttechnologyfor
6、distributeddatabase,thispaperreflectstheinsufficiencyforthecurrenttraditionalcalculationmethods,mainlyanalyzestheinsufficiencyofGeneticAlgorithmandAntColonyAlgorithmsininquiryoptimalization,andbringsinthemultipleAntColonyAlgorithmsconceptunderthebasisofordinaryantcol
7、onyafterfurtherthinking,proposestheinteractivelearningmechanismamongmultipleantcolonies,decreasestheprobabilityofpartlyoptimalizationofthealgorithm,increasethecompetenceofoptimizedalgorithm;andthenputsforwardsthecombinedoptimalizationalgorithmbetweenmultipleantcolony
8、algorithmandgeneticalgorithm,whichappliesthegeneticalgorithmtobreaktheblindnessoftheprevioussearchofmultipleantcolonyalgorithmandco