基于遗传算法的物理数据模型优化研究

为了实现海量数据的高质量查询和调度，降低查询消耗、提高查询效率，研究基于遗传算法的物理数据模型优化方法。构建动态—增量物理数据模型，利用状态基态库存储当前时刻高频变化的数据对象，通过动态增量库体现存储数据变化过程，结合状态基态表和增量表建立基于优先级的历史库，提高数据的查询能力、降低对硬盘的需求；运用自适应遗传算法，经种群初始化、适应度函数设计、交叉概率和变异概率选取等步骤，对物理数据模型进行查询优化，获取最佳查询结果。实验结果表明：该方法的迭代收敛效果好，采用差异大的交叉算子和变异算子可提升物理数据模型的查询能力；查询任务越多，该方法查询消耗比越低，优势越显著；且用户并发数量增加对于该方法并发延迟时间的影响甚微。