[发明专利]基于改进非支配排序遗传算法的空间对象索引与查询方法

说明书

本发明公开了基于改进非支配排序遗传算法的空间对象索引与查询方法，包括获取空间待分割对象属性数据；建立倒排文本空间对象索引聚类的多目标优化模型；采用改进的非支配排序遗传算法对所述的多目标优化模型进行求解；计算出空间待分割对象的聚类方案；根据所述的聚类方案构建倒排文本空间索引树；根据查询请求对所述的倒排文本空间索引树进行搜索，获得查询结果。本发明将基于多代血统参考距离的改进NSGA‑III算法引入到了空间对象索引与查询方法问题中，使得该算法能够更加适用于所述的问题求解，通过理论和实验对方法进行综合评估，证明本发明方法对于所述问题的时间复杂度较低且优化解较好。

技术领域

本发明属于空间数据索引查询领域，具体涉及基于改进非支配排序遗传算法的空间对象索引与查询方法。

背景技术

在地理信息系统应用领域，空间节点数量以及相关文本描述数据成指数级别增加，导致了地理空间目标的文本空间对象查询难度增大。空间索引树(R树)作为一类平衡的多路查找树，具有自动平衡、空间利用率高、便于序列化存储等优点，广泛应用于大型的地理信息系统、基于位置服务系统以及空间数据库中。倒排文本空间索引(Inverted-file R-tree，IR)树是R树的扩展，是在空间索引中加入文本对象信息索引后的综合索引树，能够极大的提高带有大量文本信息的空间对象的查询效率，使得用户能够快速查询到距离自己最近的、满足自己特定文本语义关联需求的空间对象或物理设备。但是海量倒排文本空间对象的MBR(Minimum Bounding Rectangle，MBR)覆盖与重叠、文本关联重叠会严重影响倒排文本空间索引树的查询性能。传统的倒排文本空间索引树构建方法一般没有考虑到空间节点分裂的优化聚合，导致索引效率及其低下。有少数人从节点覆盖和重叠两个目标出发进行加权优化，没有对综合对节点交叉覆盖、节点距离与词汇相似度等综合指标进行全方位优化，因此索引效率也较为低下。现有方法的缺陷在于：1)对索引聚类的复杂度、MBR交叉覆盖率、节点类别的中心距离、MBR总周长以及节点之间的语义关系等缺乏综合考虑，难以同时达到最优；2)计算复杂度较高，难以采用传统的优化算法在多项式时间内求得最优解。

发明内容

有鉴于此，本发明的目的在于提供基于改进非支配排序遗传算法的空间对象索引与查询方法，所述方法引入改进后的非支配排序遗传算法(Non-dominated SortedGenetic Algorithm)NSGA-III对技术问题的模型进行求解，能够解决所述问题求解过程中，涉及的目标函数众多，约束复杂，对结果的计算要求实时性强，且性能指标高的问题。

基于上述目的，基于改进非支配排序遗传算法的空间对象索引与查询方法，包括以下步骤：

步骤1，获取空间待分割对象属性数据；

步骤2，建立倒排文本空间对象索引聚类的多目标优化模型，模型表示如下

其中F(x)为所述模型的目标函数，h表示子目标函数的个数，g_i(x)表示不等式约束条件，m表示不等式约束的个数，h_j(x)表示不等式约束条件，n表示等数约束条件的个数；

步骤3，采用改进的非支配排序遗传算法NSGA-III对所述的多目标优化模型进行求解，计算出空间待分割对象的聚类方案；

步骤4，根据所述的聚类方案构建倒排文本空间索引树；

步骤5，根据查询请求对所述的倒排文本空间索引树进行搜索，获得查询结果；