导读:本文包含了查询优化算法论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:算法,重写,分布式,数据库,最优,数据库管理系统,布谷鸟。
查询优化算法论文文献综述
张捷[1]（2019）在《分布式数据库查询处理和优化算法》一文中研究指出分布式数据库系统主要是结合了数据系统和计算机网络,主要目的是对计算机网络中的数据进行分布和处理。在数据库优化方面,实现高效的数据查询是其主要的研究方向,针对分布式数据库查询优化的算法有很多种,包括分片复制算法、Hash划分算法、基于查询图的优化算法等。如果在分布式环境中进行相关数据的查询,就需要计算相应的代价,要对CPU和I/O的速度以及不同站点之间通信过程中网络传输代价进行全面的考虑。本文对分布式数据库查询的概念特点进行了阐述,分析了分布式数据库进行查询优化的代价,以及相关处理模式,同时,探讨了分布式数据库查询的相应优化算法。(本文来源于《电子测试》期刊2019年24期）
乐艺[2]（2019）在《大规模数据库查询优化算法的设计与研究》一文中研究指出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。(本文来源于《科技通报》期刊2019年09期）
杨启,王芳,黄树成[3]（2019）在《基于MapReduce的Skyline查询优化算法》一文中研究指出随着数据量的增加,Skyline查询在许多领域具有较高的实用价值。由于传统的Skyline算法在大数据情况下处理效率较低,论文研究了MapReduce编程框架下的Skyline查询算法,通过选取支配能力较强的数据点对原始数据集进行过滤,能够有效过滤大部分不能成为Skyline查询结果的数据点,同时保持全局变量的更新,减少数据点之间重复比较的次数,避免数据点的换入换出,提高了算法的效率。大量实验表明:算法具有良好的可用性和高效性。(本文来源于《计算机与数字工程》期刊2019年09期）
王昆凌[4]（2019）在《改进粒子群优化算法的数据库查询优化方法》一文中研究指出查询优化是数据库管理系统中的关键技术,针对当前数据库查询优化过程存在的查询效率低、查询结果错误大等缺陷,设计了基于改进粒子群优化算法的数据库查询优化方法。首先对当前数据库查询优化研究现状进行分析,指出当前各种数据库查询优化方法存在局限性;然后采用粒子群优化算法对数据库查询最优方案进行搜索,并针对标准粒子群优化算法存在的收敛速度慢、易得到局部最优解缺陷进行相应改进;最后与其它数据库查询优化方法在相同实验条件下进行仿真对比实验。结果表明,改进粒子群优化算法找到最优数据库查询优化方案的时间短,加快了数据库查询优化速度,并且得到的数据库查询优化方案要明显优于对比方法,提高了数据库查询精度,具有更高的实际应用价值。(本文来源于《微型电脑应用》期刊2019年09期）
范会芳[5]（2019）在《基于MB+树的数据库查询算法优化》一文中研究指出当今社会人们工作、生活中大数据被广泛应用。在运行数据库过程中,操作频率最高的是查询操作。对基于MB+树的数据库查询算法进行优化,通过构建MB+树型、MB+查询算法以及插入算法,实现数据查询算法的优化构建。为验证优化后算法的最优性,分别以传统的基于R树的数据库查询算法、Merkle散列树查询算法为对照组,验证MB+树算法的查询效率和查询消耗。结果表明:优化后的MB+树数据库查询算法,查询效率明显优于传统算法,查询消耗少于传统算法。(本文来源于《电脑知识与技术》期刊2019年19期）
张玉莹[6]（2019）在《电商系统中基于改进遗传算法的查询重写优化研究》一文中研究指出近几十年来,数字经济在中国迅速发展,互联网业务在过去十年中经历了爆炸式增长,预计将继续增长。由于互联网和移动基础设施快速发展,信息技术同时也飞速提高,导致电子商务系统日益普及,商业交易变得越来越频繁。人们己经进入信息社会和大数据时代,人类社会的各种数据呈指数级增长。因此在海量数据的前提下,电子商务系统的快速准确地查询问题越来越被人所关注。目前的电子商务系统的查询优化技术已经被广泛的使用,如动态物化视图技术,缓存技术等,但是由于现在电子商务系统的数据是海量地并且是实时更新地,所以一些查询优化技术效果不佳,查询重写优化算法越来越被现在的学者重视。目前,常用数据库查询重写优化算法有遗传算法,动态规划算法,贪心算法,蚁群算法等。由于遗传算法的鲁棒性,强适应性,隐式并行性和强大的搜索能力,因此,本文提出了一种基于改进遗传算法的电子商务系统查询重写优化研究。由于传统的遗传算法容易陷入局部最小值问题,局部搜索效率较差,所以在传统的遗传算法中做以下两个部分的改进:在选择策略上选择用萤火虫算法改进了轮盘赌选择算法,在每次选择一个个体进入子代种群后,重新计算父代种群中每个个体在子代中出现的概率,保证适应度大的个体在父代种群中的相对概率更大,改善轮盘赌选择算法选择误差较大的缺点;然后详细的介绍了交叉算子和变异算子的实现原理,在交叉过程和变异过程之前用FCM算法将初始种群根据适应度的大小分为叁个种群,然后为叁个种群设定不同的交叉率和变异率,让适应度大的个体尽量少的进行交叉变异操作,进而保证子代种群的优异性。最后结合本文搭建的电子商务系统进行多次实验,实验结果表明改进的遗传算法比传统的遗传算法的查询时间短效率高。(本文来源于《哈尔滨商业大学》期刊2019-06-01）
刘向东[7]（2019）在《关联挖掘技术支持下的数据库优化查询算法设计》一文中研究指出在一些大型数据库中,冗杂数据会导致查询精确度降低。基于此,提出关联挖掘技术支持下的数据库优化查询算法设计,包括数据库获取优化分析、内存数据查询的优化、关联规则频繁集的有效建立。实验证明本文设计算法与传统算法相比,在同等网络数据规模情况下,前者对于数据查询的判定精确度要高于后者,具有较高的有效性。(本文来源于《数字技术与应用》期刊2019年05期）
王蔓子[8]（2019）在《基于公共子结构的RDF多查询优化算法研究》一文中研究指出随着语义网技术的快速发展和广泛应用,RDF数据规模不断扩大。海量的RDF数据集使得多个用户同时提交查询请求时如何快速高效的返回相应结果集的多查询问题成为目前研究的热点之一。而传统的单查询优化主要是从查询语句本身以及数据处理的角度提高单个查询执行效率,没有考虑到多个查询之间可重复使用的公共部分可以更大程度上减少整体计算代价。由于多个被单独优化的查询依次顺序执行所累加的时间代价要远远高于查询集进行多查询优化处理的整体执行代价。故相较于单查询优化,加速高并发查询处理的多查询优化对解决多查询应答缓慢的问题具有极大的现实意义和实际价值。多查询中公共子结构的复用可以降低整体的计算代价,从而提高多查询的执行效率。因此本文针对公共子结构的构造,搜索,重用,提出两种不同的算法进行多查询优化。主要工作分为以下方面:1)构建特定的RDF数据存储索引机制和语义化简规则;2)提出并实现了基于叁元组模式重排的RDF多查询优化算法,在尽可能构造公共子结构的同时,对具备价值的公共子结构建立物化视图以实现复用;3)提出并实现了利用公共子结构进行查询重写的RDF多查询优化算法,基于在查询图中搜索到的公共子结构进行查询改写,利用选择率估计对重写后的查询进行再次优化。将本文的多查询优化算法与当前主流的查询引擎进行对比实验,结果表明本文的方法在查询效率方面均具有可观的效果。特别是在RDF数据集规模较大,查询集中查询数量较多,查询语句较为复杂的情况下,本文的多查询优化方法效果更好。(本文来源于《武汉科技大学》期刊2019-05-01）
赵宇兰[9]（2018）在《基于退火遗传算法的多连接查询优化应用研究》一文中研究指出阐述了引入模拟退火机制的遗传算法求解数据库多连接查询优化问题的设计过程。给出了基于左深树策略空间的染色体编码方案,采用自适应交叉、变异概率的方法对个体适应度函数值进行优化调整,解决了固定遗传算子生成新个体方面的不足,提升了算法的收敛效率。仿真实验结果表明,应用组合退火遗传算法对数据库多连接查询优化可获得满意的优化效果。(本文来源于《山西电子技术》期刊2018年06期）
张引红[10]（2018）在《分布式数据库查询处理和优化算法》一文中研究指出分布式数据库系统是数据系统和计算机网络相互结合的产物,其主要目的就是实现计算机网络中数据分布和处理。如果查询过程处于分布式环境,因为查询涉及到的关系一般都被分片或者复制到多站点,所以计算代价的过程中不仅要全面考虑CPU和I/O的速度,还要全面考虑数据在站点之间通信过程中的网络传输代价。查询过程中的连接操作具有较高的通信代价,需要实现分布式数据库的有效处理连接,以便实现分布式查询处理的优化。(本文来源于《微型电脑应用》期刊2018年09期）
查询优化算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
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。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
查询优化算法论文参考文献
[1].张捷.分布式数据库查询处理和优化算法[J].电子测试.2019
[2].乐艺.大规模数据库查询优化算法的设计与研究[J].科技通报.2019
[3].杨启,王芳,黄树成.基于MapReduce的Skyline查询优化算法[J].计算机与数字工程.2019
[4].王昆凌.改进粒子群优化算法的数据库查询优化方法[J].微型电脑应用.2019
[5].范会芳.基于MB+树的数据库查询算法优化[J].电脑知识与技术.2019
[6].张玉莹.电商系统中基于改进遗传算法的查询重写优化研究[D].哈尔滨商业大学.2019
[7].刘向东.关联挖掘技术支持下的数据库优化查询算法设计[J].数字技术与应用.2019
[8].王蔓子.基于公共子结构的RDF多查询优化算法研究[D].武汉科技大学.2019
[9].赵宇兰.基于退火遗传算法的多连接查询优化应用研究[J].山西电子技术.2018
[10].张引红.分布式数据库查询处理和优化算法[J].微型电脑应用.2018
论文知识图
