CGA算法在梅沙系统中应用研究.docVIP

CGA算法在梅沙系统中应用研究 　　摘要：由于数据量巨大，梅沙系统的数据存储在分布式数据库中，受限于系统落后的查询策略，在查询过程中经常碰到延时等待甚至死机的状况，本文主要采用CGA算法（compact genetic algorithm，紧凑遗传算法）针对梅沙系统中的分布式数据库查询优化进行研究，通过引入CGA算法进一步提高梅沙系统查询效率。 　　关键词：梅沙系统；分布式数据库；紧凑遗传算法 　　中图分类号：TP18 文献标识码：A 文章编号：1007-9599 （2012） 15-0000-02 　　梅沙系统是全国边防检查工作第四代综合管理系统，梅沙系统通过与国家基础数据库共享数据，可以实现信息查询、档案查询、证件发放、执法办案等程序，真正实现了居民出入境边防检查工作的智能化、电子化管理。 　　1 梅沙系统数据查询的不足 　　在梅沙系统对居民身份进行查询的过程中的出入境人员资料、证件签发资料、居民身份证资料、在控人员资料等在国家各级数据库、公安部数据库、各省市出入境部门都有备份。即数据在分布式数据库节点中有多个备份，在系统查询时需要从适合的数据节点选择数据表进行连接查询。目前梅沙系统所使用的策略是根据区域最近原则选择“最近”数据库节点中的数据表进行连接，这种数据表连接方式由于数据库繁忙、网络阻塞、网络故障等原因，区域最近很可能并不是查询代价最小，因此难以实现查询效率的最优。为了解决这个问题，就需要对系统中的数据库节点进行动态分析，通过分析查询语句的连接树，查找数据库查询代价最小的最优解，实现数据库查询效率最优。 　　目前，国内外许多专家学者都针对分布式数据库查询优化问题进行了研究。并且通过研究表明，在类似梅沙系统这种需要对大量数据库节点进行数据查询的系统中，采用遗传算法进行数据库查询优化是一个不错的选择[3]，但是大量数据库节点的连续编码会造成存储空间的耗费。为此，本文主要采用CGA（compact genetic algorithm，紧凑遗传算法）来对梅沙系统中数据查询的实现和优化进行研究。 　　2 基于CGA算法的梅沙系统查询优化策略 　　CGA与传统遗传算法最大不同之处在于：CGA算法可以降低连续编码时的空间耗费。而CGA算法的实现流程与传统遗传算法实现流程类似： 　　2.1 确定编码方案 　　编码方法的好坏是决定CGA算法是否成功的关键因素。在梅沙系统分布式数据库中，使用连接树的形式来表示多连接表达式。但是，由于连接树不仅表示了表之间的连接关系，同时还表示了树的形状，因此为了保留连接树的特征，不能够使用简单的二进制编码方式，而应该采用形式编码对连接树进行编码，其中用0表示连接树中的非叶子节点，而用序号表示叶子节点编号。例如在查询语句Q=（A∞B）and（B∞C）and（C∞D）and（D∞E）and（D∞F）中，连接树的形式编码如图2-1所示： 　　通过将连接树编码之后，则可以用（0，0，0，0，1，2，3，0，4，5，6）字符串与连接树一一对应，有利于在CGA算法中队连接树进行各种变形操作。 　　2.2 设定遗传算子 　　在梅沙系统数据查询过程中，采用属性编码来表示数据查询时的数据表连接，而传统遗传算法中的交叉算子和变异算子并不能够满足树形结构，因此这两个遗传算子需要重新进行定义。 　　2.2.1 选择算子 　　在梅沙系统中，采用了最优保存策略来进行分布式数据库的查询优化。即淘汰当前种群中代价最大的个体，并且保证代价最小个体不参加变异和交叉运算，从而保证CGA算法的收敛性。 　　2.2.2 交叉算子 　　由于算法中的个体代表了一个表示数据表连接表达式的树形结构，因此简单的较差可能会导致得到的个体不能组成一个二叉树。因此，需要将算法中的两个个体中的等大小字数进行交换。但是在交叉之后，有可能会导致基因的重复，因此在交叉之后还需要进行再次加工来完成个体之间基因的交叉。 　　2.2.3 变异算子 　　与交叉算子相同，个体变异之后必须也是一个表示一个数据表连接的二叉树，因此，为了保证树形不变，只进进行连接树的叶节点交换，而树中的根节点不进行交换。 　　2.3 确定代价函数 　　梅沙系统的分布式数据库时建立在计算机网络上的，而不同的网络模型对查询的优化有很大的影响。国家基础数据库采用结构广播式网络模型，各个数据库节点可以同时访问任意数量的数据库节点，而且访问的通信费用与访问的数据库节点数量无关。因此，一个数据库节点发送X个字节给另外一个数据库节点的通信费用可以表示为：C[X]=C0+C1*X，其中C0和C1是只与网络有关的常数。 　　2.4 确定适度函数 　　由于分布式数据库之间的节点采用高速光纤通信，因此查询的时间主要是数据库对查询的响应时间，而数据在网络中传输时间代价可以??略不计。同时，在每一个数据库节点中都包含有