自适应查询处理技术研究

论文摘要

本文主要从查询处理自适应性方面进行研究，在已经存在的适应性查询处理技术基础之上，将自适应性与遗传算法相结合，提出自适应性遗传算法，并给出实验结果。本文的主要研究成果如下： 1、首先综合分析了适应性查询处理研究现状和发展趋势，介绍了Mediator／Wrapper集成系统体系结构，针对数据集成系统查询处理过程的特点设计了一个查询优化器，该优化器具有支持系统进行动态查询优化的能力，可以有效提高系统的查询处理性能。 2、提出自适应性遗传算法——一种基于遗传算法的多数据源连接查询优化问题的方法以及与此相适应的交叉变异概率、编码方法、交叉算子和变异算子。该算法适用于集成系统中具有约束模式的数据源。我们将遗传算法与数据源的约束模式有效地结合起来，将查询优化分成两个阶段进行，第一阶段利用数据源的查询处理能力划分搜索空间，第二阶段利用第一阶段的结果作为启发式信息，采用遗传算法寻找最优解或次优解。该方法不仅可用于左深度树搜索空间，同样适用于混合搜索空间。同时还引入了Neighbor结构以解决传统遗传算法局部收敛速度慢的缺点，有效的缩短了计算时间，提高了系统的查询效率。 本文详细地描述了自适应性遗传算法的具体算法和实验结果，对算法的性能进行了分析，给出了有说服力的结果比较，并指出了未来的研究方向。

论文目录

• 第1章 绪论
• 1.1 背景
• 1.2 自适应查询处理技术发展纵览
• 1.3 相关的研究成果及原形系统
• 1.4 本文的工作以及论文的组织
• 第2章 数据集成中查询处理介绍
• 2.1 Mediator／Wrapper系统体系结构
• 2.2 数据集成系统中的查询处理过程
• 2.2.1 数据源
• 2.2.2 语义匹配
• 2.2.3 查询重写
• 2.2.4 查询处理与优化
• 2.2.5 查询优化器
• 第3章 遗传算法
• 3.1 引言
• 3.2 查询处理和优化的基本原理
• 3.3 多数据源连接查询优化问题
• 3.3.1 问题的提出
• 3.3.2 问题定义
• 3.3.3 代价模型
• 3.3.4 搜索空间
• 3.4 遗传算法（GA）
• 3.4.1 GA简介
• 3.4.2 GA组成要素
• 3.4.3 GA的流程
• 第4章 自适应遗传算法
• 4.1 交叉变异概率
• 4.2 问题编码
• 4.3 选择算子
• 4.4 交叉算子
• 4.5 变异算子
• 4.6Neighbor结构
• 4.7 基于数据源能力的查询优化策略
• 4.8 相关工作
• 4.9 本章小结
• 第5章 仿真实验
• 第6章 结论和未来的研究方向
• 参考文献
• 致谢