Web数据库多表查询的关键技术与优化

为了满足面向专业的Web数据库通用信息查询服务需要，弥补目前这一方面存在的一些不足，作者研究了Web数据库多表查询中的关键技术与优化方法，即通过查询界面的设计原则，实现方法，引导查询人进行正确的操作，以获得与期望相符的查询结果，同时还对界面进行了优化，压缩了界面HTML文件的大小，降低了网络传输所带来的延时，此外，还讨论了SQL语句的形成，以子查询方式优化SQL语句，提高了查询的效率，改善了Web数据库服务器的性能，特别是当数据库中的记录越多中，Web数据库服务器性能的改善明显，在查询结果界面中，通过引入拖拽机制与隐藏／显示机制来提高查询结果面的交互性，从而使用户获得更好的查询效果。     

Web数据库性能调优

提出了一种基于Web数据库系统设计、实现和性能调优的新方法,该方法包括由RDBMS配置优化、应用模式设计优化和编程优化。通过内存、分段、磁盘参数和时间相关参数的优化可以设置一个好的RDBMS运行环境。在编程时,通过减少与后台连接和断开操作、建立和使用索引、多用存储过程和优化SQL语句可以优化系统性能。在应用设计时,通过优化应用逻辑和降低规范化可以大大地改善系统性能。     

高校网上录取系统Oracle数据库性能的优化

结合Oracle数据库理论和实际工作，针对普通高校网上录取系统中影响Oracle数据库性能的几个主要因素，分别从软件和硬件两个方面详细论述了优化数据库性能的方法，并给出了解决方案．     

交通工程管理系统的数据库性能优化措施

主要以EMIS系统数据库性能优化为出发点，参照目前网络数据库开发考虑的因素如操作系统、数据库结构、应用程序等，围绕数据库连接，查询语句的执行效率等讨论了该系统性能优化的几个主要方面，并提出了相应的改进方法：优化查询语句；使用连接池；适当数据冗余。由此了解如何分析和改进数据库性能、如何维护一个性能满意的数据库。     

军用办公自动化系统的优化设计与安全

办公自动化是部队日常工作管理信息化建设的基础，对部队管理及信息化建设具有重要的作用。实现数字化办公必须要有良好的技术支撑，针对办公自动化系统的Web应用中基于高层数据接口（active data object，ADO）的数据库访问技术提出了优化方案，以及对数据库设计提出了优化方案，也为提升系统安全提出了解决方案。     

基于Web的数据库应用系统

本文作者结合Web技术和数据库的知识，阐述了基于Web的数据库的特点、体系结构和系统模式，并介绍了用ASP／ADO技术集成Web技术与数据库的主要特点，为进一步开发和实现网络数据库提供了理论基础。     

基于QoS的Web集群系统设计与实现

采用集群技术建立高性能Web服务器是当前的发展方向,本文设计并实现了一种基于QoS的Web集群系统,以资源优化为中心,基于QoS优化策略来区分不同类型的用户请求分配,实现了对客户端服务的有效区分,提供了QoS性能保证,能有效提高Web集群系统的整体性能.     

Oracle 10G 数据库性能优化的研究

数据库的性能优化直接影响到整个数据库应用系统的有效高效运行。讨论了ORACLE数据库性能优化的策略和方法，ORACLE 10G数据库在性能优化调整方面的新特性：自动数据库诊断监控器ADDM、应用的端到端追踪、自动优化统计信息收集以及自动共享内存管理等，并就如何利用这些新特性来优化调整ORACLE 10G数据库进行了研究。合理利用这些新特性可使10G数据库的优化调整更具有实效性。     

J2EE应用系统中EJB分布式组件性能优化的研究

针对采用多层框架思想开发的系统在EJB性能上的不足,从影响EJB性能的关键因素初始化、查找JNDI和远程调用等方面分析了EJB系统的性能瓶颈.对比目前已有优化策略的缺陷,从使用数据库存储过程、优化JDBC层、减少数据库操作、缓存的使用以及Session Facade、Value Object设计模式等方面提出了改进的优化策略,综合应用各项策略实现了一个高效且性能优化的第三方物流系统.构建的第三方物流系统具有良好的可扩展性和可复用性,使J2EE/EJB多层体系结构更能适应大型企业应用的需求.     

企业信息化系统应注重数据库的性能优化

企业信息化过程中,信息化系统运行后随着数据量的增长,数据库的规模在不断扩大,数据库的性能问题变得越来越突出,一般将影响系统的正常工作,严重时将导致系统瘫痪。介绍了数据库性能优化的策略,并结合开发信息化系统的经验,从逻辑规范化问题和生成物理数据库问题两个方面探讨了数据库设计优化问题,从指定优化器、合理使用索引、使用优化的SQL语句、将程序逻辑统一到数据库系统中四个方面对应用程序优化问题展开了讨论,然后又简要介绍了内存优化、I/O优化等问题。相信不仅对MIS等管理信息系统的软件开发者,而且对使用者都有一定的指导作用。     

量子视角下的智能优化算法综述

近年来,量子科技的发展突飞猛进,成为继云计算、大数据、人工智能、区块链技术之后的又一种新兴战略性技术,其中量子理论在智能优化领域的应用被证明是较为成功和富有前景的。该文从量子力学的视角综述了当前智能优化算法的研究进展。将量子力学在智能优化算法中的应用分成了两个方面:1) 将量子理论中的量子比特、量子门等概念应用于构造智能优化算法的相关研究,这些工作通过在智能优化算法中实现量子特性从而获得算法性能的提升;2) 利用薛定谔方程、波函数、叠加态等概念对智能优化算法进行建模,建立了智能优化算法的量子化描述方式,为利用量子力学对智能优化算法进行分析和研究提供了新的范式。量子理论在优化算法中的应用现状表明:建立在薛定谔方程上的智能优化算法理论具有完备的数学理论框架,并能导出优化算法的核心迭代操作,有望为优化算法建立统一数学物理模型。     

升力式再入飞行器多约束多阶段弹道优化设计

结合再入飞行器实际任务需要,以升力式再入飞行器机动突防弹道优化设计为研究目的,给出了多约束多阶段弹道优化模型,研究了弹道优化数值解法理论,将该多约束多阶段优化问题的多个阶段弹道优化模型统一于1个优化算法;采用直接法＋序列二次规划法解该优化问题,得到了满足相应约束的再入机动突防弹道.仿真结果表明,采用该方法能够进行升力式...     

基于组合策略的桥式起重机结构优化设计方法

针对当前多极值函数全局寻优问题中,各种全局寻优算法具有全局寻优能力但不能确保寻到全局最优的状况。在研究复合形法和正交网格法的基础上,提出了一种新的组合式全局寻优策略。该策略将改进的复合形法和正交网格法进行有机组合,利用正交网格法的稳定性,保证了组合策略优化算法的全局性。该算法应用于桥式起重机结构优化设计,可以更大地降低桥式起重机的制造成本,对桥式起重机的设计和生产具有一定的指导意义,新的组合算法对于约束非线性离散变量优化设计具有一定的参考价值。     

两级振动隔振系统参数优化设计

针对两级隔振系统参数优化问题，引入最大熵优化方法，并结合遗传算法，提出了两级隔振系统
参数优化设计的一种混合数值方法，并用此方法对两级隔振系统进行了单维及多维参数优化设计，优化
后的两级隔振系统隔振性能大大提高，并且随着优化参数的增加，系统隔振性能也越好，表明该方法是
合理有效的.该方法作为一种数值方法，适用于多目标及复杂结构的优化.     

板壳加筋结构的组合优化

提出了一种将结构加筋布局优化和结构参数优化相结合的优化方法。该方法先对结构中的加强筋进行布局优化,然后再优化结构参数。在加筋布局优化中,用单元应变能密度灵敏度作为删除单元的准则。在参数优化中,目标函数和约束函数被近似地表示为二阶表达式,并用改进的DFP(Davidon,Fletcher and Powell)方法来求优化解。为了降低计算复杂度,采用组合近似(CA)方法对修改后的结构位移和应力进行重分析,并应用该方法对储水箱结构进行了结构优化设计。数值结果表明,该方法处理板壳加筋结构优化问题十分有效,而且容易在计算机上实现。     

改进遗传算法在无功优化算法中的应用

无功优化是电力系统运行中的一个典型难题，遗传算法具有线性时间复杂度和全局收敛的特点，正好适合于该问题的求解。文章首先对遗传算法进行了探讨，对其中的杂交算子作了较为深入的研究，提出了一种新型的启发式杂交算子，克服了传统算术杂交算子中经常发生的“种群早熟”问题。为了提高求解速度，结合无功优化问题和遗传算法的特点对其中潮流计算的运算精度进行了动态控制。通过对IEEE30节点测试算例的求解，证明了本文提出的改进遗传算法具有很强的全局寻优能力，求解速度比传统遗传算法快了近1倍。     

禁忌搜索算法在预测控制中的应用

滚动优化是预测控制的核心,探讨了一种寻优能力强的算法--禁忌搜索算法,并将其用于滚动优化中。它将滚动优化中的目标函数值作为禁忌对象,将控制量取值范围进行邻域划分为几个超矩形空间,使用两重准则来判断各点是否被禁忌,并提出相应的特赦准则和终止原则,使滚动优化转化为一般无约束的优化问题。最后通过对三角波和随机信号的跟踪仿真验证了其有效性。     

基于模拟退火法的矿用车辆卸料系统协同优化

为了避免常规优化方法只考虑单个系统内部设计变量的片面性,对矿用汽车卸料系统总体设计中应用协同优化的可行性进行了研究.阐述了协同优化的基本框架,分析了标准协同优化自身存在的缺陷;提出了在协同优化的系统级优化中采用模拟退火法作为搜索策略.选择矿用汽车总体设计中的货箱、车架和卸料机构三个总成的协同设计作为工程实例,建立其协同优化数学模型,通过iSIGHT多学科设计优化软件集成各学科分析工具并进行优化求解.结果表明,采用模拟退火法作为设计空间搜索策略,系统级的一致性约束条件能收敛到零,提高了其搜索全局最优值的鲁棒性.     

基于免疫蜂群算法的冷轧生产调度优化方法

冷轧生产调度是一个复杂的约束组合优化问题,生产约束包括轧制板坯的宽度、厚度、硬度跳变及交货期提前和拖后惩罚等。基于1．sP（多旅行商）问题,建立了冷轧生产调度问题的最小值模型,提出了一种免疫蜂群优化求解算法。通过给蜂群注射疫苗产生出代表新的解集的种群,避免算法在优化过程中陷于局部极值。针对工业数据的仿真结果表明：免疫蜂群优化算法明显优于人工蜂群优化算法的解,具有较好的收敛性和快速性。     

连续蚁群优化算法的研究

针对蚁群优化（ACO）只适用于离散问题的局限性，提出了连续蚁群优化算法（CACO）,保留
了连续问题可行解的原有形式，并融入演化算法（EA）的种群与操作功能。CACO将蚁群分工为全局和局部
蚂蚁，分别引领个体执行全局探索式搜优与局部挖掘式搜优，并释放信息素，由个体承载，实现信息共享
，形成相互激励的正反馈机制，加速搜优进程。实例测试表明，CACO适用于连续问题，全局寻优性能良好
，尤其对复杂的高维问题，更能反映其相对优势。最后讨论了局部寻优方法、全局蚂蚁配比、挥发因子和
种群规模等因素对CACO寻优性能的影响。