导读:本文包含了数据库查询优化算法论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:算法,数据库,分布式,布谷鸟,数据库查询,最优,数据库管理系统。
数据库查询优化算法论文文献综述
张捷[1]（2019）在《分布式数据库查询处理和优化算法》一文中研究指出分布式数据库系统主要是结合了数据系统和计算机网络,主要目的是对计算机网络中的数据进行分布和处理。在数据库优化方面,实现高效的数据查询是其主要的研究方向,针对分布式数据库查询优化的算法有很多种,包括分片复制算法、Hash划分算法、基于查询图的优化算法等。如果在分布式环境中进行相关数据的查询,就需要计算相应的代价,要对CPU和I/O的速度以及不同站点之间通信过程中网络传输代价进行全面的考虑。本文对分布式数据库查询的概念特点进行了阐述,分析了分布式数据库进行查询优化的代价,以及相关处理模式,同时,探讨了分布式数据库查询的相应优化算法。(本文来源于《电子测试》期刊2019年24期）
乐艺[2]（2019）在《大规模数据库查询优化算法的设计与研究》一文中研究指出针对布谷鸟算法局部搜索能力弱、寻优精度低等缺陷,设计了一种大规模数据库查询的优化算法。首先对当前数据库查询优化的研究现状进行分析,找到其它方法存在的局限性,然后将数据库查询优化问题看作是一个多约束条件的优化问题,选择布谷鸟搜索算法对该问题进行求解,将对标准布谷鸟搜索算法存在的不足进行相应的改善,最后通过具体数据库查询优化仿真实验对其有效性和优越性进行测试与分析。结果表明,改进布谷鸟搜索算法大幅度改善数据库查询优化效率,获得比较理想的数据库查询优化结果,而且结果要明显优于当前其它数据库查询优化方法,具有更高的实际应用价值。(本文来源于《科技通报》期刊2019年09期）
王昆凌[3]（2019）在《改进粒子群优化算法的数据库查询优化方法》一文中研究指出查询优化是数据库管理系统中的关键技术,针对当前数据库查询优化过程存在的查询效率低、查询结果错误大等缺陷,设计了基于改进粒子群优化算法的数据库查询优化方法。首先对当前数据库查询优化研究现状进行分析,指出当前各种数据库查询优化方法存在局限性;然后采用粒子群优化算法对数据库查询最优方案进行搜索,并针对标准粒子群优化算法存在的收敛速度慢、易得到局部最优解缺陷进行相应改进;最后与其它数据库查询优化方法在相同实验条件下进行仿真对比实验。结果表明,改进粒子群优化算法找到最优数据库查询优化方案的时间短,加快了数据库查询优化速度,并且得到的数据库查询优化方案要明显优于对比方法,提高了数据库查询精度,具有更高的实际应用价值。(本文来源于《微型电脑应用》期刊2019年09期）
范会芳[4]（2019）在《基于MB+树的数据库查询算法优化》一文中研究指出当今社会人们工作、生活中大数据被广泛应用。在运行数据库过程中,操作频率最高的是查询操作。对基于MB+树的数据库查询算法进行优化,通过构建MB+树型、MB+查询算法以及插入算法,实现数据查询算法的优化构建。为验证优化后算法的最优性,分别以传统的基于R树的数据库查询算法、Merkle散列树查询算法为对照组,验证MB+树算法的查询效率和查询消耗。结果表明:优化后的MB+树数据库查询算法,查询效率明显优于传统算法,查询消耗少于传统算法。(本文来源于《电脑知识与技术》期刊2019年19期）
刘向东[5]（2019）在《关联挖掘技术支持下的数据库优化查询算法设计》一文中研究指出在一些大型数据库中,冗杂数据会导致查询精确度降低。基于此,提出关联挖掘技术支持下的数据库优化查询算法设计,包括数据库获取优化分析、内存数据查询的优化、关联规则频繁集的有效建立。实验证明本文设计算法与传统算法相比,在同等网络数据规模情况下,前者对于数据查询的判定精确度要高于后者,具有较高的有效性。(本文来源于《数字技术与应用》期刊2019年05期）
张引红[6]（2018）在《分布式数据库查询处理和优化算法》一文中研究指出分布式数据库系统是数据系统和计算机网络相互结合的产物,其主要目的就是实现计算机网络中数据分布和处理。如果查询过程处于分布式环境,因为查询涉及到的关系一般都被分片或者复制到多站点,所以计算代价的过程中不仅要全面考虑CPU和I/O的速度,还要全面考虑数据在站点之间通信过程中的网络传输代价。查询过程中的连接操作具有较高的通信代价,需要实现分布式数据库的有效处理连接,以便实现分布式查询处理的优化。(本文来源于《微型电脑应用》期刊2018年09期）
张引红[7]（2018）在《遗传算法和实时数据库规则结合的数据库查询优化方案设计》一文中研究指出数据库的建立是实现各种类型事务查询的关键。由于现有的查询处理系统无法满足实时数据库的需求,所以让数据库系统拥有自己的查询处理器非常重要。本文将针对嵌入式实时数据系统ERTDBMS进行分析,建立一个实时数据查询RTQP处理系统,之后探讨实时数据查询处理相关内容,重点分析遗传算法和内存代价。就是基础MMDB环境下建立的RTQP关系系统实现查询处理,将实时数据库功能和遗传算法相结合建立的优化方案[1]。(本文来源于《自动化技术与应用》期刊2018年07期）
周莹,陈军华[8]（2018）在《基于多蚁群遗传算法的分布式数据库查询优化》一文中研究指出针对单一普通算法在查询优化方面的不足,提出了一种结合遗传算法与蚁群算法优点的多蚁群遗传算法,克服了蚁群算法前期搜索的盲目性,并引入多蚁群概念,更好地防止了算法陷入局部最优的情况,以获取更优的查询路径.类比实验表明,该算法较传统蚁群算法,在查询方面,能获得更好的查询路径.(本文来源于《上海师范大学学报(自然科学版)》期刊2018年01期）
席洁[9]（2017）在《改进布谷鸟算法的数据库查询优化》一文中研究指出针对布谷鸟算法局部搜索能力弱、寻优精度低等缺陷,提出了一种改进布谷鸟算法的数据库查询优化算法(BACS)。按照布谷鸟优化算法对鸟巢位置进行更新,然后利用蝙蝠算法的动态转换策略对鸟巢位置进一步更新,避免算法陷入局部最优,将BACS应用于数据库查询优化问题求解,并通过仿真实验对BACS的性能进行测试。结果表明,BACS加快了数据库查询优化求解的收敛速度,获得了质量更高的查询优化方案。(本文来源于《微型电脑应用》期刊2017年08期）
陈红[10]（2017）在《浅谈混沌粒子群算法在数据库查询优化中的应用》一文中研究指出随着分布式数据库系统的广泛应用,查询优化这一数据库研究领域的受重视程度日渐提升,基于此,本文就混沌粒子群算法、数据库查询问题进行了简单分析,并对混沌粒子群算法在数据库查询优化中的应用进行了详细论述,最终则通过混沌粒子群算法应用的仿真验证了研究的实践价值,希望这一系列内容能够为相关业内人士带来一定启发。(本文来源于《计算机产品与流通》期刊2017年07期）
数据库查询优化算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对布谷鸟算法局部搜索能力弱、寻优精度低等缺陷,设计了一种大规模数据库查询的优化算法。首先对当前数据库查询优化的研究现状进行分析,找到其它方法存在的局限性,然后将数据库查询优化问题看作是一个多约束条件的优化问题,选择布谷鸟搜索算法对该问题进行求解,将对标准布谷鸟搜索算法存在的不足进行相应的改善,最后通过具体数据库查询优化仿真实验对其有效性和优越性进行测试与分析。结果表明,改进布谷鸟搜索算法大幅度改善数据库查询优化效率,获得比较理想的数据库查询优化结果,而且结果要明显优于当前其它数据库查询优化方法,具有更高的实际应用价值。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
数据库查询优化算法论文参考文献
[1].张捷.分布式数据库查询处理和优化算法[J].电子测试.2019
[2].乐艺.大规模数据库查询优化算法的设计与研究[J].科技通报.2019
[3].王昆凌.改进粒子群优化算法的数据库查询优化方法[J].微型电脑应用.2019
[4].范会芳.基于MB+树的数据库查询算法优化[J].电脑知识与技术.2019
[5].刘向东.关联挖掘技术支持下的数据库优化查询算法设计[J].数字技术与应用.2019
[6].张引红.分布式数据库查询处理和优化算法[J].微型电脑应用.2018
[7].张引红.遗传算法和实时数据库规则结合的数据库查询优化方案设计[J].自动化技术与应用.2018
[8].周莹,陈军华.基于多蚁群遗传算法的分布式数据库查询优化[J].上海师范大学学报(自然科学版).2018
[9].席洁.改进布谷鸟算法的数据库查询优化[J].微型电脑应用.2017
[10].陈红.浅谈混沌粒子群算法在数据库查询优化中的应用[J].计算机产品与流通.2017
论文知识图
