群体智能混合算法优化XML数据查询的策略.docVIP

群体智能混合算法优化XML数据查询的策略 　　收稿日期：2007-11-26；修回日期：2008-03-03 　　基金项目：国防基础研究基金资助项目（A1420061266）；江苏省教育厅青年骨干教师计划资助项目(2006) 　　 　　作者简介：翟学敏(1983-)，女，江苏丰县人，硕士研究生，主要研究方向为网络信息管理系统（minmin0876@）；刘渊（1967-），男，教授，主要研究方向为网络流量、网络安全；刘波（1969-），男，博士，主要研究方向为数据库管理信息系统；毕蓉蓉（1983-），女，硕士研究生，主要研究方向为网络信息管理系统?豹?* 　　 　　(1?苯?南大学 信息工程学院，江苏 无锡 214122; 2南京理工大学 计算机学院，南京 210094; 　　3?敝心洗笱? 信息学院，长沙 410083) 　　摘 要：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,达到了优势互补,提高了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；可扩展标记语言概率查询 　　中图分类号：TP 301 　　文献标志码：A 　　文章编号：1001-3695(2008)10-2970-03 　　Optimized query strategy of XML data with swarm intelligent mix algorithms 　　ZHAI Xue-min1,LIU Yuan1,2, LIU Bo??3, BI Rong-rong1 　　( 1. College of Information Engineering, Southern Yangtze University, Wuxi Jiangsu 214122, China; 2. School of Computer, Nanjing University of Science Technology,Nanjing 210094, China; 3.College of Information Science Engineering, Central South University, Changsha 410083, China) 　　Abstract:This paper adopted path scatter rule to combine PSO with ACO to improve XML probabilistic query which adopted PSO to make pheromone distribution and made use of ASO to get a value accurately, as a result it developed enough advantages of the two algorithms and the data query range was widen and convergence efficiency was increased. Through simulation experiments, it shows this combine method has a preferable query effect. 　　Key words：particle swarm optimization；ant colong optimization；pheromone；path scatter；XML probabilistic query 　　 　　 　　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,Σ,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]与蚁群算法[5]近年来也广泛用于分析XML路径查询优化问题，这些都是本文研究的重要基础。 　　本文利用概率知识研究XML查询问题，结合粒子群算法的快