基于遗传算法的物理数据模型优化研究

摘要：

为了实现海量数据的高质量查询和调度,降低查询消耗、提高查询效率,研究基于遗传算法的物理数据模型优化方法.构建动态—增量物理数据模型,利用状态基态库存储当前时刻高频变化的数据对象,通过动态增量库体现存储数据变化过程,结合状态基态表和增量表建立基于优先级的历史库,提高数据的查询能力、降低对硬盘的需求;运用 自适应遗传算法,经种群初始化、适应度函数设计、交叉概率和变异概率选取等步骤,对物理数据模型进行查询优化,获取最佳查询结果.实验结果表明:该方法的迭代收敛效果好,采用差异大的交叉算子和变异算子可提升物理数据模型的查询能力;查询任务越多,该方法查询消耗比越低,优势越显著;且用户并发数量增加对于该方法并发延迟时间的影响甚微.

关键词：遗传算法、物理数据模型、动态增量、交叉算子

所属期刊栏目：39

分类号：TP311.13(计算技术、计算机技术)

在线出版日期：2023-05-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：108-111