大规模数据库查询优化算法的设计与研究

发布时间：2021-07-27 18:31

　　针对布谷鸟算法局部搜索能力弱、寻优精度低等缺陷,设计了一种大规模数据库查询的优化算法。首先对当前数据库查询优化的研究现状进行分析,找到其它方法存在的局限性,然后将数据库查询优化问题看作是一个多约束条件的优化问题,选择布谷鸟搜索算法对该问题进行求解,将对标准布谷鸟搜索算法存在的不足进行相应的改善,最后通过具体数据库查询优化仿真实验对其有效性和优越性进行测试与分析。结果表明,改进布谷鸟搜索算法大幅度改善数据库查询优化效率,获得比较理想的数据库查询优化结果,而且结果要明显优于当前其它数据库查询优化方法,具有更高的实际应用价值。 

【文章来源】：科技通报. 2019,35(09)

【文章页数】：5 页

【文章目录】：
1 改进布谷鸟搜索算法
    1.1 标准布谷鸟搜索算法
    1.2 布谷鸟搜索算法的改进
        1.2.1 淘汰策略的改进
        1.2.2 决策域策略
2 ICS的数据库查询优化方法
    2.1 数据库查询优化的数学模型
    2.2 数据库查询优化问题的求解
3 实验结果与分析
4 结束语


【参考文献】：
期刊论文
[1]基于基本果蝇算法改进的数据库查询优化策略[J]. 陈金萍.  赤峰学院学报(自然科学版). 2017(06)
[2]基于多群智能优化算法的数据库查询优化研究[J]. 刘春茂,张云岗.  微型电脑应用. 2016(07)
[3]基于并行遗传-最大最小蚁群算法的分布式数据库查询优化[J]. 林基明,班文娇,王俊义,童记超.  计算机应用. 2016(03)
[4]自适应逃逸动量粒子群算法的数据库多连接查询优化[J]. 郑先锋,王丽艳.  四川大学学报(自然科学版). 2013(03)
[5]基于粒子群算法的数据库查询优化[J]. 林桂亚.  计算机应用研究. 2012(03)
[6]一种改进的分布式查询优化算法[J]. 于洪涛,钱磊.  计算机工程与应用. 2013(08)
[7]基于遗传算法的分布式数据库查询优化研究[J]. 帅训波,马书南,周相广,龚安.  小型微型计算机系统. 2009(08)
[8]基于蚁群算法的多连接查询优化方法[J]. 郭聪莉,朱莉,李向.  计算机工程. 2009(10)
[9]多级多版本数据库管理系统全局串行化(英文)[J]. 张敏,冯登国,徐震.  软件学报. 2007(02)



本文编号：3306318