[发明专利]一种基于改进的遗传算法的查询优化方法

摘要

本发明涉及一种基于改进的遗传算法的查询优化方法，属于查询优化技术领域。本发明对一个查询执行策略集建立数学模型，即将查询优化问题转化为求全局最优解的数学问题。该模型叫做查询策略的代价评估模型；然后改进遗传算法，利用改进的遗传算法的全局搜索能力对查询策略集进行并行搜索，最终得到一个理想的查询执行策略。本发明对传统的遗传算法进行了改进，并将改进的遗传算法用于大型关系数据库的查询优化。克服了“早熟”收敛现象。与其他智能优化算法相比，能够有效避免陷入局部极值，从而缩短了搜索时间。其次，算法中应用的基于基因的搜索策略和基于多倍体的保留策略大大提高了搜索精度。

主权项

1.一种基于改进的遗传算法的查询优化方法，其特征在于：所述查询优化方法步骤如下：Step1、初始参数设置：设置迭代次数G，选择概率pc，变异概率pm，并将一个查询策略集D定义为一个搜索空间，查询策略集D内的查询策略需要n步来完成查询任务；Step2、建立查询策略代价评估模型：若查询策略需要n步来完成，那么查询策略空间内有n+1个节点，两节点间的代价为d，代价函数为：其中，为节点x_i到节点x_i+1所表示的两个节点之间的代价，X＝{x₁,x₂,…x_i…x_n+1}为代价函数的解，并且x₁,x₂,…x_n+1互不相同；所有解的集合称为解空间，即表示查询策略集D；模型中的节点表示查询状态，遍历一次n+1个节点表示采用一种查询策略完成查询任务；某一种查询策略得出查询结果所消耗的时间即为此种查询策略的代价，计算查询策略的代价的函数为代价函数，代价函数的一种解就提供了一种查询策略，查询策略集D为代价函数的解空间；Step3、对代价模型求最优解：Step3.1、对查询策略集D中的策略进行编码，将编码所得的结果构建遗传算法初始种群；Step3.2、根据公式(1)计算初始种群中染色体的代价，并将初始种群分为最优种群以及配种种群；Step3.3、在种群中实施改进的搜索策略操作，改进的搜索策略为：对最优种群及配种种群进行基于基因上的交叉操作；Step3.4、对交叉后的种群进行适应度值评价，即计算个体的代价；Step3.5、对个体依照多倍体保留策略实施选择操作，更新新种群，并将新种群分为最优种群以及配种种群；Step3.6、重复执行以上Step3.3、Step3.4、Step3.5，直到指定迭代次数G；Step3.7、输出最优查询策略：将最终种群中最好的个体作为最终结果，将最优个体进行解码，即查询执行策略，并输出；所述基于基因上的交叉操作为：首先从配种种群中选择出一个配种二倍体，并从配种二倍体中随机挑选出一个染色体作为其中一个交叉的父代染色体，另一个交叉的父代染色体为最优种群中随机选取的一个染色体；从两个父代染色体中选取k个基因，对选定的基因做算术交叉；其中配种二倍体为配种种群中随机选取的一个保留种群和一个变异种群。