一种群体智能混合算法优化XML数据查询策略.pdfVIP

一种群体智能混合算法优化XML 数据查询策略1 1 1 2 3 刘波 ，杨路明 ，翟学敏 ，邓云龙 1 中南大学信息学院，长沙（410083 ） 2 江南大学，江苏无锡（214122 ） 3 中南大学湘雅附三医院，长沙 (410013) E-mail：ltbo99@ 摘 要：粒子群算法具有快速随机的全局搜索能力,但无法利用反馈信息,而蚁群算法通过信 息素的累积和更新收敛于最优路径上,具有分布式并行全局搜索能力,但初期信息素匮乏，求 解速度慢；本文根据以上算法的特征,采用路径离散化规则，结合XML半结构化的特点及概 率知识，融合粒子群算法与蚁群算法,提出一种优化XML数据查询的概率方法，采用粒子群 算法快速生成信息素分布,利用蚁群算法精确求解,达到优势互补,提高数据查询的范围和收 敛的效率，仿真实验表明这种融合方法具有更好的查询效果。 关键词：粒子群算法；蚁群算法；信息素；路径离散；XML 概率查询 0 引言 XML 作为一种具有灵活、开放、跨平台、跨语种等特征的文本标记描述语言，被广泛 用于信息的表达与交换，由此产生海量的XML 数据信息，但这些信息需要查询、分析与利 用。经过多年的发展，人们根据XML 的特征提出了许多查询算法，如XPath 查询最小化、 X-RESTORE 的XML 视图查询等，特别是利用概率进行查询，有助于减小XML 查询的搜 索空间、循环比较次数，从而提高查询的效率。文献[1]根据树的半结构化特点及DTD 语法 规则，利用条件概率对XML 概率查询进行统计分析，并提出概率关系式A=(N,∑,R, ρ,P ）， 文献[2]利用K 邻域概率方法讨论数据分类算法，加快XML 的分类操作，文献[3]利用滑动 窗体进一步讨论挖掘频繁XML 查询模式的相关算法；而粒子群算法[4] [5] 与蚁群算法 近年也 广泛用来分析XML 路径查询优化问题，这些都是本文研究的重要基础。 因此本文利用概率知识研究XML 查询问题，结合粒子群算法的快速分布与蚁群算法求 精确解，期望能让这两种群智能算法优势互补,让XML 查询更具有智能性。 1 群体智能混合算法 1.1 问题描述 设N={N ,N ,…,N }表示XML 相关结点的集合,E={E ,E ,…,E }表示XML 路径的集合， 1 2 n 1 2 m P={P ,P ,…,P }表示每条路径概率的集合,那么对于给定的一系列多次查询要求,如何采用有 1 2 n 效方法能从根结点快速定位到要查找的结点而查询代价最小；对于多次查询的一组结点,如 何设计查询路径；对于不断变化的XML 文档，如何维护其结点概率。 1.2 相关定义 定义1(XML查询树)XML文档的路径查询可以描述为一棵查询树T=(N,E,Root,predicate,P),其 中: (1)N是树中节点的集合,Root是树根； 1本课题得到湖南信息职业学院科技创新项目（编号 108652006011 名称：基于XML 数据库压缩算法与概 率查询分析及实现）和湖南省教育厅科研基金（编号05c671,名称: 遗传算法参数设计）的资助。 - 1 - (2)E是树中路径的集合,描述父子关系和祖先-后代关系； (3)函数predicate是T 中的每个节点的谓词条件,P表每个节点出现的概率集合。 XML查询树所表示的路径表达式是XPath 的子集,简单起见,将路径查询的定义简化为Q= (N ,E ,P ),N 表节点