融合粒子群算法与蚁群算法对XML概率查询策略的改进.docVIP

融合粒子群算法与蚁群算法对XML概率查询策略的改进 //.paper.edu.cn -1- 刘波 1，杨路明 1，雷刚跃 2 ，谢东 1 1中南大学信息学院，湖南长沙（410083） 2湖南信息职业技术学院，湖南长沙（410200） 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，采用启发式方法，结合XML半结构化的特点，将粒 子算法与蚁群算法融入于XML概率查询上，并进行相应的改进，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，杂交算子，XML概率查询 中图分类号：TP311.5 文献识别码:A 引言 XML是用来描述数据结构的一种语言，具有开放的、可扩展的、可自描述的语言结构， 已经成为网络中数据和文档传输的标准，它不仅使得结构化数据的定义更加容易，而且借助 它与其它应用程序进行数据查询与交换更加方便。在电子商务高速发展的今天，这种需求会 越来越多，因此对XML数据库有不少操作需要在复杂而庞大的数据空间中寻找最优解, 在解 决此类任务时, 若不能利用问题的固有知识来缩小搜索范围,则可能产生爆炸的组合，针对 XML半结构化的特点,希望XML查询能在搜索过程中自动获取和积累有关搜索空间的知识, 并自适应地控制查询过程从而得到最优解一直是令人注目的课题，特别是查询最小化和概率 优化选择更成为一个研究新课题；本论文借鉴群智能中的粒子群与蚁群优化算法改进XML 概率查询方法。 1. 问题描述 设 N={N1，N 2 ，…，N n }表示 XML 相关结点的集合，E={E1，E 2 ，…，E m }表示 XML 相关连接点的集合,P={P1，P 2 ，…，P n }表示每个结点概率的集合，如图 1 所示，那么对 于给定的一系列要查询的结点如何经过根结点能快速定位到要查找的结点？如何组合才能 使查询过程代价最小？对于多次查询的一组结点，如何设计其查询路径？对于不断变化的 XML 树结构，如何维护其边值概率？本文将对这些问题进行讨论。 1本课题是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），同时本课题得到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。 //.paper.edu.cn -2- root a b c N1 N2 N3 a a b b c c N4 N5 N6,N7 N8,N9 N10,N11 N12,N13,N14 根 元素 N1 结点及值 E1 E2 E3 E4 E5 E6 E7 E8 E9 E10 E11 E12 E13 E14 E15 E16 E17 E18 P1 P2 P3 P4 P5 P6 P13 P17 P18 P9 P11 P12 图1 XML树结构 图 1 对应的 xml 文档如下： lt;?xml version=“1.0” encoding=“UTF-8”?gt; lt;rootgt; lt;agt;N1lt;bgt;N2lt;cgt;N3gt;lt;/cgt;lt;/bgt;lt;/agt; lt;agt;N4lt;bgt;N5gt;lt;cgt;N6,N7lt;/cgt;lt;/bgt;lt;/agt; lt;agt;N8,N9lt;bgt;N10,N11lt;cgt;N12,N13,N14gt;lt;/cgt;lt;/bgt;lt;/agt; lt;/rootgt; 本文针对 XML 查询优化主要贡献如下： 1） 针对 XML 查询，特别是利用树查询模式提出利用概率的方法，根据概率大小进行有条 件的选择，同时也探讨动态查询问题； 2） 引入粒子群算法，不仅解决初期概率分布慢的问题，为后续引入蚁群算法打下基础，而 且在没有集中控制且不提供全局模型的前提下,为寻找复杂的 XML 分布式问题求解方案提 供了基础； 3） 引入蚁群算法，不仅解决边值计算的困难，而且利用概率的方法，有条件的选择，以此 为依据，可以去掉无意义的比较次数，加快查询收缩的力度； 4） 利用粒子群算法与蚁群算法的杂交算子，不仅解决局部极小解的问题，也避免路径选择 的唯一性，保证全局的有