一个有效处理高价选择谓词的查询优化算法

文中讨论了对象关系数据库查询优化中所面临的新问题之一,即如何对查询中所包含的高价选择谓词进行优化.在经典的关系优化方法中,选择操作的代价较低,对选择操作均采用下推的方式,即让选择操作靠近选择关系,以图缩小参加后续连接运算的关系的规模(元组数).但在对象关系数据库中,由于选择操作本身就十分费时,因此,选择操作下推的前提条件已不成立,需要对此进行专门研究.在介绍了已有解决方法并分析其主要弊端后,文中提出了一个新的查询优化算法Predicate_-Rolling_-Up.     

遗传算法应用于超低副瓣线阵天线方向图综合

基于对标准遗传算法中收敛依赖于初始群体选择的困难所作的分析,提出交替使用两种遗传繁殖操作产生后代群体以摆脱收敛对初始群体选择的依赖.对于超低副瓣线阵天线的方向图综合问题,建立了改进的遗传算法优化模型.计算实例说明改进后的遗传算法其收敛不依赖于初始群体的选择,具有实际应用前景.     

基于两阶段的数据库查询优化策略

针对基本果蝇优化算法以及其它数据库查询优化算法存在的查询效率低,难以找到全局最优解的缺陷,提出一种基于两阶段的数据库查询优化策略.首先对基本果蝇优化算法的缺陷进行分析,引入自适应步长和味道浓度判定值修正策略,然后采用改进果蝇优化算法找到数据库查询优化问题的解,最后采用遗传算法对解进一步进行查询,得到数据库查询优化问题的最优解,并通过仿真实验对其性能进行测试.仿真结果表明,相对于基本果蝇算法、粒子群优化算法,本文算法不仅加快了数据库查询优化问题的求解效率,同时获得了质量更好的数据库查询优化方案.     

基于改进的遗传算法的任务分配与调度

任务分配与调度是分布式系统章介绍了一种改进的遗传算法,该算法在扩大选择范围的同时,将适应度引入到对父代之间的交叉操作中,克服了标准遗传算法(SGA)交叉操作中较大的盲目性.实验结果表明,改进的遗传算法在精度和收敛速度上都较SGA有较大程度的提高.     

基于SQL中的查询优化策略研究

查询是数据库中最基本、最常用、最复杂的操作,查询操作的优劣直接影响数据库应用程序的性能.为了提高数据库应用系统的执行效率,本文以关系数据库为基础,从分析关系数据库系统查询处理过程入手,结合自己的实践经验,从数据库设计和查询策略选择的角度来讨论查询优化技巧,指出关系数据库查询优化的一般原则.本文主要讨论了基于SQL查询重写技术的数据库查询优化策略,通过查询重写可以把用户所写的效率不高的SQL语句重新优化组合,使之成为效率较高的查询语句.     

基于遗传算法的航班着陆调度的设计与实现

使用遗传算法对航班着陆进行优化调度.算法采用整数编码,用目标函数的倒数构造适应度函数,选择算子采用轮盘赌选择,交叉算子采用实数交叉法,变异算子采用个体随机变异,通过罚函数处理约束条件,并运用matlab2012进行编程和求解.最后通过具体实例仿真,得出所提出的方法计算效率高,操作方便简单,具有较强的可扩展性和实用性.     

资源约束多模式项目调度的遗传算法研究

针对以工期最短为优化目标的多模式资源约束优化调度问题进行研究,在建立数学模型基础上,采用改进遗传算法对模型进行求解.算法设计上,对各活动的执行模式进行统一编号,使模式的内部编号包含了时序约束、资源约束、工期等信息,针对活动执行模式采用特殊的整数编码方式,染色体基因由活动执行模式序号组成.对染色体结构设计了单点交叉和单点变异操作算子,采用锦标赛选择方法.通过实例验证了改进遗传算法在求解MMRCPSP上的有效性.     

分布式数据库分片关系变换查询优化

基于分布式查询的概念和优化要求,结合实际的信息管理系统分片查询的实践,描述分布式数据库分片查询时建立、查询对关系表达式的等价变换实现查询的优化方法.通过建立查询优化树,研究典型教务管理系统数据库分片查询优化的关系变换方法,验证分片条件与查询选择条件优化查询树的片段,获得减少操作以达到查询优化效果,导出分片查询优化的一种...     

一种改进操作算子的加速收敛遗传算法

针对基本遗传算法效率低和易早熟的缺陷,提出了一种改进操作算子的遗传算法.该算法在种群初始化、选择、交叉、变异等基本算子的基础上加以改进,使算法具有更好的适应性.对3组不同函数的测试表明,改进算法较传统的遗传算法具有在种群很小的情况下收敛速度快稳定性高的优点,同时能有效地避免早熟现象.     

基于改进自适应遗传算法的MIMO 雷达阵列优化

针对传统遗传算法在全局搜索和收敛方面的不足,提出一种改进自适应遗传算法.算法改进了自适应规则,采用随迭代次数和种群适应度自适应变化的交叉、变异操作,同时采用新的选择算子和改进后的最优精英保留策略,摒弃了传统轮盘赌博选择法,增加了收敛于全局最优解的概率,加快了收敛速度.通过测试函数优化求解试验证明,改进算法能够有效提高搜索过程种群的多样性,具有更快的收敛性和更好的全局最优性.在此基础上,将改进的自适应遗传算法应用到MIMO雷达阵列优化设计,通过稀疏栅格编码,采用同时考虑副瓣电平与波束宽度的双适应函数,使优化得到的MIMO雷达方向图具有更好的综合性能,更利于实际工程应用.最后仿真实验结果进一步验证了本文改进算法的有效性.     

基于改进的遗传-模拟退火的有序任务调度算法

分析了基于任务复制的典型算法，提出了基于任务复制的改进的遗传一模拟退火的有序任务调度算法。在改进的遗传算法中利用模拟退火的方法可以缓解遗传算法的选择压力．增强了遗传算法的全局收敛性．避免了在搜索过程中陷入局部最优。     

基于自适应权重和模拟退火的鲸鱼优化算法

针对鲸鱼优化算法容易陷入局部极值和收敛速度慢的问题,提出了一种结合自适应权重和模拟退火的鲸鱼优化算法.通过改进的自适应权重策略来调整算法的收敛速度,通过模拟退火增强鲸鱼优化算法的全局寻优能力.仿真实验中计算了18个测试函数,对比了粒子群算法、海豚回声定位算法和标准鲸鱼算法并进行统计分析,同时比较了单独结合自适应权重和模拟退火对鲸鱼优化的影响,结果表明,改进的算法在测试函数的极值计算中,计算精度和收敛速度方面都有了明显提升,验证了改进算法的有效性.     

基于遗传模拟退火算法的Otsu图像分割研究

针对目前基本遗传算法在优化图像分割算法中存在的易于早熟、陷入局部最优的不足,以最大类间方差函数为适应度函数,提出了一种基于改进遗传算法的图像阈值分割算法.对交叉、变异算子进行自适应改进,同时将模拟退火算法融入到遗传算法中,使得对个体的评价更合理,既能克服种群退化现象,又改善算法的全局搜索能力,避免遗传算法陷入局部最优.实验结果显示,与Otsu图像分割法以及基于遗传算法的图像分割方法相比,使用该方法得出的阈值范围更加稳定,执行效率更高,在图像分割中获得的分割效果更佳.     

Virtual network function deployment strategy based on improved genetic simulated annealing algorithm in MEC

In order to effectively improve the end-to-end service delay of the flow in multi-clusters coexisting mobile edge computing (MEC) network,a virtual network function deployment strategy based on improved genetic simulated annealing algorithm was proposed.The delay of mobile service flow was mathematically modeled through the open Jackson queuing network.After proving the NP attribute of this problem,a solution combining genetic algorithm and simulated annealing algorithm was proposed.In this strategy,the advance mapping mechanism avoids the possibility of network congestion,and the occurrence of local optima was avoided through using the methods of individual judgment and corrective genetic.Extensive simulation was set up to evaluate the effectiveness of the proposed strategy under different parameter settings,such as different volume of requests,different scale of service nodes,different number of MEC clusters,and logical link relationships between virtual network functions.Results show that this strategy can provide lower end-to-end services delay and better service experience for latency-sensitive mobile application.     

超磁致伸缩执行器磁滞模型的参数辨识

准确辨识磁滞模型参数是保证超磁致伸缩执行器位移控制精度的关键,而单一算法难以实现对超磁致非线性模型参数的精确辨识。该文提出了一种新型混合优化策略,即改进的遗传退火算法,并将其应用于对超磁致伸缩执行器位移磁滞模型参数的辨识。该算法兼顾了遗传算法和模拟退火算法的优点,同时还引入了机器学习原理,将模拟退火算法作为遗传算法中的种群变异算子,并将模拟退火算法中的抽样过程与遗传算法相结合。此算法不仅充分发挥了遗传算法并行搜索能力强的特点,且增强和改进了遗传算法的进化能力,同时提高了系统的收敛性和收敛速度,避免最优解的丢失。通过仿真和试验研究表明,该算法相对于遗传算法有更高的精度,可有效精确辨识超磁致伸缩执行器磁滞模型的参数。     

改进的遗传算法在(N+M)容错系统优化中的应用

根据(N M)容错控制系统模型高度非线性和复杂性的特点，尝试用一种改进的遗传算法来实现对此类复杂模型的优化求解。模拟退火和分层遗传算法是2种较好的改进遗传算法性能的方法，通过对其进行研究，将这两种思想有机地结合起来，提出了一种基于模拟退火机制的分层遗传算法。该算法以分层遗传算法流程作为主体流程，把模拟退火机制融入其中，用以调整优化群体。并将他应用于(N M)容错系统的数学模型的优化。仿真结果表明，该算法与传统遗传算法相比，不仅能增强算法的全局收敛性，还能加快遗传进化速度，得到满意的全局最优解。     

用于天线优化的改进差分进化算法

提出了一种改进的差分算法(Improved DE,IDE),通过在现有变异策略DE/current-to-p-best/1的基础上加上群体中心对个体的差分,从而加快了整体算法的收敛速度;并采用一种简化的模拟退火选择策略,以兼顾收敛速度和寻找全局最优解的能力,避免了过快收敛而陷入局部最优解.此算法虽未采用自适应策略,经测试其优化结果比加入自变异策略的J.Zhang's差分进化算法(JADE)更好.该算法无论经数学测试、还是应用于天线阵列的优化,都有非常好的鲁棒性.     

基于整体退火遗传算法的柔性形态滤波器优化设计

整体退火遗传算法(WAGA)是一种新的遗传算法,它将退火机制引入选择算子,并允许父代加入竞争,使遗传算法更加稳健、高效.本文应用WAGA优化柔性形态滤波器,并研究了在不同噪声比例和最小平均绝对误差(MAE)、最小均方误差(MSE)准则下优化算法的性能.仿真实验显示优化后的柔性形态滤波器性能得到较大改善,适于各种噪声图像的滤波.     

遗传模拟退火算法在玻璃和晶体色散方程参量反演中的应用

根据已测K9玻璃和晶体(ZnS,MgF2,Calcite)的实验数据,将遗传模拟退火算法应用于修正的Sellimeier方程的参数反演中,建立了上述材料的色散方程。同时比较了遗传模拟退火算法和遗传算法(包括标准遗传算法和多种群遗传算法)在迭代搜索性能方面的差异。结果表明:遗传模拟退火算法的优化效果最优并且性能最稳定。同时,将通过遗传模拟退火算法所得K9玻璃和晶体在某一光谱区域的色散方程应用于其他光谱区域中,发现色散方程的拟合值与实验值符合较好,这表明通过该方法所得色散方程具有较好的外推性。因此,通过遗传模拟退火算法进行色散方程的参量反演方法可以用于其他材料色散方程的拟合。     

基于改进模拟退火的遗传算法求解0-1背包问题

引入改进的模拟退火思想来改进遗传算法.本算法结合了遗传算法和模拟退火算法的优点,并有效地克服了各自的弱点,使其在优化性能、优化效率和可靠性方面具有明显的优越性.运用本算法求解不同种群规模的0-1背包问题,数值试验结果表明,算法既具有较快的收敛速度,又能够收敛到最优解,优于遗传算法和模拟退火算法.