The invention discloses a query optimization method of distributed database based on multi-ant colony genetic algorithm, which belongs to the technical field of Internet database. It includes establishing a distributed database framework, analyzing the query cost of distributed database, upgrading ant colony algorithm to multi-ant colony algorithm, using smoothing mechanism and mutual learning mechanism among multi-ant colony to avoid falling into local optimum sum. The premature phenomenon improves the global search ability of the whole algorithm and solves the technical problem of using multi-ant colony algorithm to improve the query efficiency of distributed database. The multi-ant colony algorithm is introduced in the present invention, and a \learning operator\ is proposed in the algorithm, which enables sub-ant colony to learn from each other, prevents falling into local optimum, improves the performance of the algorithm, and enables the algorithm to obtain better global optimum solution.
【技术实现步骤摘要】
一种基于多蚁群遗传算法的分布式数据库查询优化方法
本专利技术属于互联网数据库
,尤其涉及一种基于多蚁群遗传算法的分布式数据库查询优化方法。
技术介绍
分布式数据库的一个重要特点是其所处理的内容大多都不是来自一个地方的,而它的查询操作则又有以下特点:数据在网络间传递,传递完成之后在局部进行处理。但当一个查询关系随着连接的关系数的增加,执行该查询操作的代价就会呈现指数级的增加,这就造成了分布式数据库查询技术的复杂性。目前能有助于优化查询的算法分为以下两类:确定性算法和随机算法。确定性算法的每一步都像为了寻找根源而进行的,直到一步一步连接起来形成完整的查询树,那么这个算法才算完成。常用的确定性算法有贪心算法(GP)和动态规则算法(DP)两种。随机搜索算法是基于特定的点,随机搜索最优化的查询计划。相对于确定性算法而言,随机搜索算法不能保证得到最优解,但是可以提高查询优化的效率并得到一个近似最优解。随机搜索算法首先建立一个起始计划,然后通过随机的方法,转到另一个查询计划。随机搜索算法有遗传算法(GA)、模拟退火算法(SA)、蚁群算法等。目前采用的遗传算法和蚁群算法为单个算法,其查询效率过低,查询速度慢。
技术实现思路
本专利技术的目的是提供一种基于多蚁群遗传算法的分布式数据库查询优化方法,解决了采用多蚁群算法提高分布式数据库查询效率技术问题。为实现上述目的,本专利技术采用如下技术方案:一种基于多蚁群遗传算法的分布式数据库查询优化方法,包括如下步骤:步骤1:建立分布式数据库构架,设定在分布式数据库构架中的每一个数据库均为一个点,发起数据查询的点为初始点;步骤2:从初 ...
【技术保护点】
1.一种基于多蚁群遗传算法的分布式数据库查询优化方法,其特征在于:包括如下步骤:步骤1:建立分布式数据库构架,设定在分布式数据库构架中的每一个数据库均为一个点,发起数据查询的点为初始点;步骤2:从初始点开始,随机向任意一个点A发起查询,点A向另外一个任意点B发起查询;步骤3:重复执行步骤2,最终产生染色体种群;步骤4:对染色体种群进行迭代:对染色体按概率进行变异和交叉操作,在产生数个新染色体;步骤5:解码所有新染色体,将所有新染色体转换成查询路径,计算查询路径的目标函数值,以此来标定新染色体的适应度值;步骤6:根据轮盘赌法和各个新染色体的适应度值进行选择操作,生产迭代后查询路径;步骤7:重复执行步骤4到步骤6,直到结束条件得到满足,将最后产生的迭代后查询路径作为最优查询路径输出;步骤8:用最优查询路径对信息素矩阵进行初始化处理,利用遗传算法来对初始信息素分布进行有效确定;步骤9:根据多蚁群算法进行查询路径优化,其包括如下步骤:步骤S1:设置开始的点,开始的点相当于发出查询请求的点;步骤S2:按照转移概率的公式进行点的转移,同时更新路径;步骤S3:判断蚂蚁是否已完成所有目的点的搜索:如果 ...
【技术特征摘要】
1.一种基于多蚁群遗传算法的分布式数据库查询优化方法,其特征在于:包括如下步骤:步骤1:建立分布式数据库构架,设定在分布式数据库构架中的每一个数据库均为一个点,发起数据查询的点为初始点;步骤2:从初始点开始,随机向任意一个点A发起查询,点A向另外一个任意点B发起查询;步骤3:重复执行步骤2,最终产生染色体种群;步骤4:对染色体种群进行迭代:对染色体按概率进行变异和交叉操作,在产生数个新染色体;步骤5:解码所有新染色体,将所有新染色体转换成查询路径,计算查询路径的目标函数值,以此来标定新染色体的适应度值;步骤6:根据轮盘赌法和各个新染色体的适应度值进行选择操作,生产迭代后查询路径;步骤7:重复执行步骤4到步骤6,直到结束条件得到满足,将最后产生的迭代后查询路径作为最优查询路径输出;步骤8:用最优查询路径对信息素矩阵进行初始化处理,利用遗传算法来对初始信息素分布进行有效确定;步骤9:根据多蚁群算法进行查询路径优化,其包括如下步骤:步骤S1:设置开始的点,开始的点相当于发出查询请求的点;步骤S2:按照转移概率的公式进行点的转移,同时更新路径;步骤S3:判断蚂蚁是否已完成所有目的点的搜索:如果完成搜索,则执行步骤S4;否,则继续让蚂蚁进行搜索并执行步骤S3;步骤S4:判断是否蚁群内所有的蚂蚁都已经完成:若没有,则返回步骤S1;如果蚁群内所有蚂蚁都进行了搜索,则计算得到每条路径的具体目标函数值;步骤S5...
【专利技术属性】
技术研发人员:马锐,王鑫,苏静,濮斌,
申请(专利权)人:常州市武进区半导体照明应用技术研究院,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。